大脑胶质瘤诊断中不均衡问题的特征选择

在大脑胶质瘤诊断数据集中.病例样本数通常比正常样本数要少,由此引发了数据不均衡问题下病例诊断的问题.此外,在大脑胶质瘤数据集中有一些冗余甚至是不相关的特征,这些特征降低了学习器的泛化能力.为解决这类问题,提出一种基于互信息特征选择的EasyEnsemble算法来解决大脑胶质瘤诊断中的数据不均衡问题.在UCI数据集和大脑胶质瘤数据集上的实验结果表明新算法提高了分类器在不均衡数据集上的分类性能和预报能力.     

分子分型与分子病理指导下的脑胶质瘤诊疗进展

 脑胶质瘤是颅内最常见的原发性恶性肿瘤,具有多克隆起源、高度异质性及放化疗耐药等特性,导致患者预后极差。经典组织病理学分型往往忽视恶性肿瘤的高度异质性,难以满足肿瘤精准医疗的要求。因此,建立以经典组织病理学为基础、肿瘤标志物检测为核心的分子病理体系迫在眉睫。本文介绍了高通量技术的发展及分子生物学技术的进步,以及多维组学的脑胶质瘤分子分型及标志物的研究进展,和分子病理指导下的胶质瘤个体化治疗。     

HER2靶向放射性分子影像探针的研究进展

人表皮生长因子受体2(HER2)在大约20%的乳腺癌患者中过度表达,是乳腺癌治疗的一个重要分子靶点.HER2靶向治疗的重要前提是对肿瘤HER2表达的精确测定.利用HER2靶向放射性分子影像探针的核医学影像是检测HER2表达情况的重要手段.它能够在诊疗过程中对肿瘤HER2表达进行可重复的全面评估,同时它解决了乳腺癌的异质性以及取样困难等传统方法存在的问题.目前,多种HER2靶向的分子影像探针（单克隆抗体、抗体片段、纳米抗体、亲和体、多肽）正处于临床前和早期临床研究中.文章综述了靶向HER2的抗体和多肽类放射性分子探针在核医学分子影像中的研究进展,指出用其进行临床转化时所面临的挑战,为开发新的HER2靶向分子影像探针提供思路.     

离心法液基细胞学在肺癌支气管刷片诊断中的应用

目的:探讨离心法液基细胞制片技术(TLT)在肺癌支气管镜刷片中的应用价值.方法:收集经支气管镜刷片检查并有组织学对照的病例277例,采用离心法液基细胞制片和传统制片同时进行细胞学诊断,分析两种制片方法诊断肺癌的敏感度、特异度及分型的符合率.结果:离心法液基细胞学和传统细胞学诊断的敏感度分别为80.4％和67.6％,特异度分别为92.3％和88.5％.细胞学分型诊断与组织学的符合率,离心法液基细胞学和传统细胞学诊断分别为:鳞癌为93.3％和85.5％,腺癌分别93.8％和87.1％,小细胞癌94.4％和86.1％.结论:离心法液基细胞制片技术在支气管镜刷检制片中是一项简便易行且便于质量控制的新技术,在肺癌的诊断中具有较高的敏感度和分型诊断符合率.     

TRAF3的表达与乳腺癌侵袭转移的关系

TRAF是一种参与多条信号通路的重要连接蛋白,包含7种亚型.其中TRAF3在肿瘤中的作用存在争议.实验旨在探讨TRAF3在乳腺癌中的表达差异.方法:采用免疫组化及westernblot方法检测TRAF3在乳腺癌中的表达情况以及和临床病理因素的关系.结果:TRAF3表达与组织学分型有关(P0.01);TRAF3表达与淋巴结有无转移有关(P0.05);并且乳腺癌TRAF3阳性率与临床TNM分期有关(P0.05).结论:TRAF3分子可能具有抑制乳腺癌侵袭与转移的作用,研究其信号转导机制有助于为乳腺癌提供新的治疗靶点.     

血管内皮生长因子及其受体与脑胶质瘤血管形？…

肿瘤血管形成过程极为复杂;其中血管内皮生长因子发挥着重要作用。血管内皮生长因子（Ｖａｓｃｕｌａｒ ｅｎ－ｄｏｔｈｅｌｉａｌ ｇｒｏｗｔｈ ｆａｃｔｏｒ, ＶＥＧＦ）又称血管渗透因子（Ｖａｓｃｕｌａｒ Ｐｅｒｍｅａｂｉｌｔｙ ｆａｃｔｏｒ, ＶＰＦ）,是一个高度特异的血管内皮细胞有丝分裂原,它能诱导肿瘤血管内皮细胞编码其相应的受体书异性地与其受体结合,通过旁分泌机制促进肿瘤血管的形成与发展。本文综述近年ＶＥＧＦ及其受体在胶质瘤血管形成及抗胶质瘤血管治疗方面的研究进展。１ＶＥＧＦ的结构和功能 ＶＥＧＦ相对分…     

基于胶囊网络的青少年特发性脊柱侧弯智能分型研究

针对青少年特发性脊柱侧弯疾病的影像诊断问题，基于胶囊网络设计一种智能辅助医生诊断的脊柱侧弯分型算法，直接通过脊柱X光影像给出脊柱侧弯分型结果。该算法在胶囊网络使用共享注意力模块关注脊柱区域多尺度的特征信息，利用胶囊解码结构产生一致性的胶囊向量，使用动态路由算法共同激活脊柱畸变区域的胶囊向量完成脊柱侧弯分型的预测。实验结果表明，本算法的准确率、F1分数、G-mean等指标均优于Vgg、ResNet、EfficientNetV2等卷积神经网络分类方法。     

鲍曼不动杆菌分子流行病学研究进展

介绍了鲍曼不动杆菌的分子流行病学特征,并比较了鲍曼不动杆菌几种分子分型方法的优缺点。     

牙形石Granatodontus属的组织学研究

以原始真牙形石分子 Granatodontus 属的研究为例,描述了该类分子的组织学特征。并与另一种早期的真牙形石分子 Proconodontus muelleri 进行了对比,二者的内部构造非常相似,都具有原始真牙形石的特征。研究结果表明,组织学方法在原始真牙形石的分类研究中具有重要的分类学意义。     

基于基因注意力和多组学的低级别胶质瘤分类方法

现有对低级别胶质瘤(low-grade glioma, LGG)分子亚型三分类的研究依赖于LGG医学影像数据,数据样本少且难获取导致模型较难学习到LGG分子亚型之间的差异,降低了模型的分类性能。基于此,提出了LGG分子亚型三分类方法MODDA,利用基因注意力网络提取LGG多组学数据的重要特征,使用嵌入网络处理临床数据得到临床数据特征;将临床数据特征与组学数据重要特征进行融合,采用密集深度神经网络进行LGG分子亚型分类。实验结果表明,MODDA的分类性能优于现有LGG分子亚型分类方法,并且在外部验证数据集上也表现出较好的泛化性能。此外,对卡方检验过程中发现的重要基因进行了富集基因本体论(gene ontology, GO)术语和生物学途径分析,有助于LGG的个性化治疗。     

基于色木枫转录组数据的核低拷贝基因引物开发

基于色木枫的转录组数据初步设计166对引物,并根据琼脂糖凝胶电泳与Sanger测序结果筛选出其中的26对核低拷贝基因引物．在东亚63个种群的182个个体中大批量扩增所开发引物,单倍型多样性范围为0.45~0.97,核苷酸多样性为(1.90~18.03)×10?3;9~15对引物可在金钱槭、茶条槭、青榨槭和鸡爪槭中扩增;STRUCTURE聚类结果与之前核微卫星研究结果类似,且展示了更多的谱系地理结构,结果表明引物多态性高、拓展性强、具有可靠性．本研究的转录组数据为槭属的研究提供重要遗传信息,所用方法被证明可以有效开发大量核低拷贝基因引物,已开发出的26对引物将为色木枫的进化历史和槭属系统发育研究提供丰富有效的分子标记．      

基于卷积神经网络的隐式评价对象识别

为解决课程评论中隐式评价对象识别问题,提出了一种基于文本分类的隐式评价对象的识别方法。首先通过word2vec 模型获得训练文本对应的词向量,获得短文本特征; 其次将短文本特征在TextCNN 中进一步提取高层次特征,通过K-max 池化操作后放入Softmax 分类器中进行训练得出分类模型; 最后利用训练好的分类器对隐式评价句进行分类,获取隐式评价句对应的评价对象。实验表明,基于卷积神经网络对隐式课程评论进行属性分类,课程评论的隐式评价对象识别正确率达到89． 9%,满足了课程评论中对隐式评价句对象识别的需求。     

基于 CatBoost 算法的面向对象土地利用分类

为实现较高层次的遥感影像分类及有效去除高维特征的信息冗余,以 Sentinel-2 遥感影像为数据源,应 用 CatBoost 算法对龙江县进行了面向对象的土地利用分类。利用 CatBoost 算法对全部特征集进行降维,分别使 用 CatBoost、ＲF(Ｒandom Forest)和 AdaBoost 算法进行土地利用分类并对分类结果进行对比。研究结果表明, CatBoost、ＲF 和 AdaBoost 算法的 Kappa 系数均在 0． 77 以上,且 CatBoost 算法的 Kappa 系数高达 0． 911 4。因此 CatBoost分类法是土地利用分类的有效方法,为土地类型的划分提供了快捷可行的方法。     

基于卫星遥感影像的土地分类实验方法研究

为了让本科生充分理解和掌握遥感影像处理技术,结合吉林大学大学生创新创业训练计划,设计了基于高分辨率卫星遥感影像的校园土地分类实验项目。以2015 年9 月20 日高分二号( GF-2) 卫星拍摄的吉林大学中心校区卫星影像为实验数据,通过使用不同的光谱指数以及支持向量机( SVM: Support Vector Machine) 分别对影像中的建筑物、植被、水体、平地和操场等地物进行提取,进而得到基于高分辨率遥感影像的校园地物分类图,并对分类结果中各种地物信息进行统计分析,将统计结果与真实的地物参数进行对比,近而改善该方法的分类精度与可靠性。实践结果表明,该实验可以有效的帮助学生对知识的理解和掌握,达到了预期的教学效果。     

基于大数据的城市土地利用分类研究——以西宁市为例

以西宁市为例，基于宜出行和兴趣点（points of interest，POI）2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法，开展了城市土地利用分类研究．通过对比不同数据与方法组合下的城市土地利用分类精度，确定了提取城市土地利用信息的最优数据组合方式和分类方法．并基于分类结果对西宁市的城市土地利用格局进行了分析．结果显示，基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高，总体精度为71.25%，Kappa系数为0.62．主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征，而神经网络可以有效综合多源大数据的信息．因此，基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径，具有较大的应用潜力．      

基于多源数据产品集成分类制作的青藏高原现状植被图

充分利用多源植被分类/土地覆盖分类产品各自的优势,通过专门设计与青藏高原植被类型相适应的植被分类体系,选用集成分类方法,在数据可靠性的基础上遵循一致性的原则,制作了青藏高原现状植被图,其在现势性、分类体系的针对性和分类精度上均表现更优．从分类结果的现势性来看,青藏高原现状植被图较早期中国植被图能更好地反映青藏高原植被覆盖现状;从分类体系的针对性来看,青藏高原现状植被图采用了针对青藏高原植被专门设计的分类体系,有利于从多源数据产品中充分提取出具备高可靠性和一致性的植被覆盖信息;从分类精度来看,青藏高原现状植被图的总体精度（78.09%,Kappa系数0.75）较已有相关数据产品提高了18.84% ~ 37.17%,特别是对草地、灌丛等植被类型的分类精度有明显提升．      

基于DEM 数据的地貌类型快速划分系统研究

为实现地貌类型快速划分，以前人研究成果为基础，采用DEM( Digital Elevation Modeldata) 数据，将地貌信息提取流程化: 利用均值变点分析法获取宏观地形因子的最佳窗口、根据算法模型提取可反映地貌信息的8 种地形因子、对各地形因子统一量纲、获得地形因子间相关系数矩阵、采用雪式熵值法取得最佳地形因子组合，最后通过ENVI( The Environment for Visualizing Images) 软件中的非监督分类实现地貌类型划分。基于ENVI二次开发平台，采用IDL( Interactive Data Language) 语言进行编程实现，对地貌类型实现全( 半) 自动智能、快速划分。并以长白山作为研究区，从宏观和微观对地貌进行划分，并对分类结果评价分析，结果较好。该系统的实现，不仅对地貌类型提取流程化、集成化，对我国广大范围内地貌填图也具有重要的现实意义。     

化学反应机制的电子结构计算和动力学模拟?北京师范大学的量子化学

在北京师范大学120周年校庆暨化学学科建立110周年之际,本文将结合量子化学群体的研究工作,概要介绍化学反应理论与机制的研究进展．一方面简要回顾化学键理论和分子轨道自洽场计算,重点关注热化学反应途径、能量分解和价轨道赝势从头算等;另一方面围绕激发态电子结构计算和光化学反应机制,探究其核心科学问题,即多态交叉和非绝热动力学．并对量子计算机时代的量子化学的发展前景进行了展望．      

基于PCA的指节纹图像全局特征提取与识别

在基于PCA( Principal Component Analysis) 的指节纹图像全局特征提取和识别中,为了提高准确率,在传统方法的基础上,通过实验验证了4 指指节纹对于识别结果有不同的分类权重( 贡献率) 。改进了已有研究成果中对4 指等权重分配的方法。实验结果显示,和4 指等权重分配方法达到94． 4%的识别率需要32 维特征相比,4 指权重比为2 ∶ 2 ∶ 3 ∶ 2 时,取21 维特征即可达到最高识别率94． 4%。因此该方法可大大降低特征维数,提高识别速度。     

基于上下文感知和注意机制的多学习情绪识别方法

为提高人脸图像情绪识别效率与准确性,在探讨了深度神经网络、注意机制与损失函数基础上,提出基于上下文感知与注意机制的多学习情绪识别网络结构．该网络主要由场景特征提取、身体特征提取与融合决策3个子网络组成,并采用单双输出结构,实现多标签情绪分类与连续空间情绪回归任务．考虑到多标签情绪分类时标签的不平衡性,提出了一个改进的焦点损失（focal loss,FL）函数,可为小样本或难分类样本分配更多的权重,从而提高了网络训练效率．利用EMOTIC数据集进行仿真,结果表明平均绝对误差回归组合损失训练性能更优,分类平均准确率与回归平均误差率分别为28.5%和0.098,该方法对于小样本或难分类样本具有更好的分类效果．