基于连接酶检测反应的并行分型系统检测AGT M235T和ACE I/D基因多态性

基因多态性蕴藏着大量遗传信息,分型技术是研究多态性的主要研究手段。本文建立了一个基于连接酶检测反应的基因多态性并行检测系统,该系统应用连接酶检测反应与基因芯片技术。对AGT M 235T 3种基因型和ACE I/D 3种基因型分型,同直接测序分型结果一致。将该系统应用于168份临床样本,经过统计学分析,用卡方检验发现高血压组和正常组AGT M 235T多态性存在显著差异(2χ=6.191,P<0.05),但ACE I/D多态性没有显著差异(χ2=5.241,P>0.05)。     

点突变积累与分子进化

认为木村资生等人用分子进化的中性说向综合达尔文进化说提出了挑战，但在许多方面他们又未能摆脱综合进化说的概念框架和理论范式。进而从对分子进化有更深层意义的复制群体中的基因点突变特征入手，初步提出了一个分子进化的点突变积累模型，并以此解释了分子进化钟的成因，指出了现存物种高低分布与物种历史进化之间在分子水平上的渊源关系。     

真菌中DNA重复序列诱导点突变的研究进展

1987年,由Selker等在粗糙脉孢菌中首次发现重复序列诱导点突变(repeat-induced point mutation,RIP).在重复序列诱导点突变过程中,搜寻前减数分裂组织单倍体核中DNA的重复序列,然后发生众多的碱基C到T的突变,产生富碱基T+A片段,从而使重复序列中的G-C碱基对发生转换突变成为A-T碱基对.此外,发生RIP的序列多集中在着丝粒区域,主要是转座子甲基化后的遗迹.移动转座子是真核生物基因组进化的主要驱动力.对于真菌,重复序列诱导点突变(RIP)在减数分裂过程中通过突变多拷贝DNA,能最大限度地减少转座子的影响,因此对RIP的研究在一定程度上能有助于了解基因组进化的真谛.综述了重复序列诱导点突变的产生机制,以及真菌中重复序列诱导点突变的研究进展.     

一种基于点模式匹配的指纹识别方法

把指纹用于身份认证已有上丰年的历史，自动指纹识别（AFIS）已在各个领域广泛应用，除了传统的司法公安领域，自动指纹识别还可以作为计算机操作系统和网络访问认证用户的手段，以及用于金融保险方面的身份确认，指纹匹配是AFIS的最重要问题之一。一般用脊线的分歧点和端点这样的细节点来表示一个指纹，并通过细节匹配来进行指纹匹配，这样指纹匹配就转化为点模式匹配的问题，传统的点模式匹配算法存在运算量过大且难于解决所有的非弹性形变等问题。文章提出了一种基于聚类的点模式匹配方法，来进行指纹识别，有效地解决了如何对数量和位置都不尽相同的两幅指纹细节图象进行最优匹配的问题，设计并给出了利用矢量对匹配确定图象间校准函数的流程，并通过实验证明所提出的算法具有较快的速度和较高的准确率。     

基于自适应直线拟合的角点检测

角点检测是计算机视觉的一个基本问题，进行角点检测的关键是估算曲率。笔者给出了一种新的基于参考点的前后曲线方向估计的曲率计算方法。我们以离散点远离直线垂直距离误差最小为目标进行直线拟合，同时根据误差大小来自适应的选择拟合窗口的大小。很好地解决了角点曲率计算时拟合窗口大小和计算精度间的矛盾，实验证明，该方法抗干扰性好，且运算量不大，对于存在明显转折点的曲线角点有很好的检测和定位能力。     

具脉冲与基因单点突变效应的种群动力学模型

利用离散动力系统频闪映射理论,得到了具脉冲出生与脉冲收获及脉冲剔除在不同时刻的基因单点突变单种群动力系统控制的充分条件.     

基于cICA的红外点目标检测方法

针对红外点目标检测的要求,提出了一种基于约束独立分量分析(cICA)的红外点目标检测方法. 该方法只采用单帧扫描图像作为数据源,利用峭度约束的独立分量分析方法,消除了传统独立分量分析(ICA)方法的提取顺序的不确定性,从而直接提取点状目标的位置. 实验结果表明,利用该方法能够有效地进行红外点目标检测.     

基于图像分块的多尺度Harris特征点检测算法

通过分析Harris特征点检测算法在应用中的不足,提出一种基于图像分块的多尺度Harris特征点检测算法,解决了特征点聚簇现象,检测出的特征点分布均匀.实验结果表明,该算法具有精确性、有效性和鲁棒性,为进一步图像特征点匹配工作提供了保证.     

基于改进AAM的人脸特征点检测

为了有效的解决传统AAM算法对光照的鲁棒性差,本文利用Gabor滤波器进行滤波处理,再通过LBP算法进行降维处理。针对该算法拟合结果受初始条件影响很大等因素,本算法利用Adaboost算法对人脸的旋转角度进行预估计,在加入了全局旋转平移因子,在提高了拟合速度的同时也取得了很好的拟合结果。     

Identification of susceptibility genes loci associated with type 2 diabetes

In this study, we selected 10 susceptible SNPs loci to investigate their contribution to susceptibility to type 2 diabetes in Han Chinese among Hubei population. We genotyped SNPs rs5219, rs1801282, rs1470579, rs1111875, rs1081661, rs7754840, rs4506565, rs13266634, rs4402960, and rs5643981 by using the method of polymerase chain reaction-ligase detection reaction (PCR-LDR). In a case-control study, we have genotyped the 10 candidate susceptibility SNP loci, and here, we reported that the SNP rs5219 in KCNJ1...     

基于空间网格划分的点云质量检测算法

随着三维激光扫描技术的快速发展,它以非接触性、高密度、高精度、数字化、自动化等特点,被广泛用于多个邻域,其中在建筑物变形监测领域的应用也越来越广泛。针对扫描设备获取的大量变形监测数据,快速地统计出前后两期数据变化差异值,提出了一种基于空间网格划分的点云质量检测算法,算法通过对不同期点云模型进行空间网格划分,依据网格进行点云邻域搜索,并根据点云变化差异值给点云赋予不同色谱颜色值,最后进行直观的两期点云变化差异可视化,并绘制出统计信息图。研究表明,该算法能够快速地分析对比两期点云数据,输出变化差异统计信息,能够为工程的运营提供快速的安全指导参考。     

动态卷积的3D点云目标检测算法

针对不规则且稀疏的点的提取特征问题,提出一种以动态卷积作为特征提取的3D点云目标检测算法.首先,以一种新型的动态卷积的方式自适应学习点的位置特征,分类出前景点与背景点,同时对提取出的前景点逐一做回归框;然后,用非极大值抑制选出分数值最好的回归框.其次,进行粒度的细化,得到修正规范的3D回归框,完成3D物体的目标检测.最后,在KITTI数据集上验证算法的有效性.结果表明：文中所提算法在汽车类、行人类、自行车类数据集上的3D点云目标检测精度更高.     

一类具有转向点曲线的反应扩散方程奇摄动初始边值问题

讨论了一类具有转向点曲线的奇摄动反应扩散方程初始边值问题．利用多重尺度法和比较定理．研究了初始边值问题解的渐近性态．     

一种快速实时的低信噪比红外点、斑点目标检测方法

针对红外弱小目标检测的重要性和困难性,首先采用一次门限进行比较预处理,然后根据目标的特点选取合适的高通模板进行图像空域滤波,滤波后进行自适应门限分割,将低信噪比的红外点目标从罱的背景中分割出来,最后点目标检测方法进行点合并,对同时存在的斑点和面目标进行检测,该算法可有效地减少运算量,可对同时存在的点,班,点,面目标进行实时快速检测。     

高斯函数约束下的多判别参数散乱点云边缘检测

设计一种散乱点云数据边缘检测算法,从而快速、精确地提取边缘特征.该算法以点云的局部特征为基础,通过分析点云数据各点的法向特性,构建各点k近邻法向夹角特征、曲率特征、距离特征,并在高斯函数的约束下完成点云边缘特征的检测.利用公共数据进行多组实验,对比不同算法下的检测效果.结果表明:该算法提取点云边缘特征的速度更快、效果更好.     

基于卷积神经网络的猪脸特征点检测方法

针对牲畜面部识别在养殖行业广泛需求的问题, 提出一种基于卷积神经网络的猪脸特征点检测方法, 解决了猪脸特征点难检测的问题. 首先, 采集猪面部数据并进行特征点标注, 使用新的采集方法以解决猪口部通常不可见的问题; 其次, 对猪脸数据和人脸数据进行结构计算, 匹配相似度较高的猪脸和人脸, 构建猪脸人脸匹配数据集; 再次, 利用匹配数据集训练TPS(thin plate spline)形变卷积神经网络, 得到形变后的猪脸数据集以适配人脸特征点检测模型; 最后, 使用形变猪脸数据集对人脸特征点检测神经网络模型进行微调, 得到猪脸特征点检测模型. 实验结果表明, 用该方法进行猪脸特征点检测, 错误率仅为5.60%.     

红外序列图像点目标检测的一种方法

针对红外图像中点目标的特点和实际应用条件,提出了一种基于红外序列图像和过抽样小波变换的点目标检测方法,它先对单帧图像进行预处理,提取可能的目标点,然后根据序列图像的帧间相关性和目标运动的连续性来实现运动点目标检测,实验结果表明,此方法对检测红外图像中的点目标效果较好。     

序列图像（亚）像素级点目标检测的DP算法

提出了一种用于序列图像（亚）像素级点目标检测与跟踪的ＤＰ算法。该算法基于弹道积分原理和动态规划最优化原理，将序列图像（亚）像素级点目标检测问题转化为一系列的一维最优化过程，功效上完全等价于究举法。同时具有算法简单，运算量小、易于实现的特点。该算法有别于其他算法的显著优点是具有低信噪比处理功能，特别适用于弱而小的点目标运动轨检测，文中还针对多（亚）像素级点目标情况进行了专门讨论。     

融合边缘检测的 3D 点云语义分割方法研究

针对点云分割中分割目标不明确,边缘不清晰,全局特征与边缘特征未能有效融合等问题,提出 了一种融合边缘检测的 3D 点云语义分割算法。 首先,通过 3D 点云语义分割网络对点云数据进行初步提取 区域内的全局语义特征;然后,采用引入了注意力机制的语义边缘检测网络,能够更好地对点云数据中的物 体进行特征提取增强,抑制非边缘信息的产生,得到了具有丰富的语义信息的边缘特征;最后,通过融合模块 将属于同一物体的语义特征融合起来进行分割细化处理,使得分割目标更精确;此外,使用了双重语义损失 函数,使网络产生具有更好边界的语义分割结果。 通过搭建实验平台和使用 S3DIS 标准数据集进行测试,改 进后的算法在数据集上的平均交互比为 70. 21%,在精度上较 KPConv 语义分割算法有所提高。 实验结果表 明:该算法能够有效改善物体边界分割不清晰、边缘信息模糊等问题,总体分割性能良好。