结直肠癌肿瘤标志物多分割点设置算法

为了提高诊断正确率,大量医学研究集中于探讨肿瘤标志物正常值与非正常值的合适划分,即确定分割点。为此,该文提出了一种肿瘤标志物多分割点设置算法。通过正交实验和缩小搜索空间的方法,进一步提高了诊断正确率和优化收敛速度。在结直肠癌实际诊断数据中的应用效果表明,该算法能有效地提高诊断正确率,其诊断结果优于医学上的单分割点的诊断结果。     

个性化结直肠癌肿瘤疫苗的制备

目前,由于存在肿瘤特异性新抗原难鉴定以及无法将广谱肿瘤抗原通过激活性内吞受体途径递送给抗原提呈细胞等制约因素,使得肿瘤疫苗的临床疗效不佳,同时,肿瘤细胞表面抗原的高度唾液酸化修饰会导致免疫耐受.所以,本研究尝试利用糖代谢掺入,使肿瘤抗原的唾液酸位点标记上正交基团-叠氮(-N3),同时将特定的激活性吞噬受体的配体标记上另...     

结直肠癌相关的多基因研究

序贯发生的基因突变是结直肠癌多步骤演进的重要推动力。着重介绍参与结直肠癌发生、发展的原癌基因(ras)、抑癌基因(APC、DCC、p53)、转移抑制基因(nm23)等,其中任一基因的改变都可能会引起癌症的发生或转移。研究结直肠癌发生发展的相关基因不仅可以辅助临床诊断,而且以基因及其不同产物作为靶点的生物治疗方式将成为未来有效的干预措施。     

基于多标记图分割的遮挡下多目标分割及跟踪算法

针对遮挡下的多目标分割及跟踪问题,提出一种新的方法,其将空间-彩色混合高斯模型融入到能量函数最小化框架中。当遮挡没有发生时,为每个目标分别构建一个空间-彩色混合高斯形状描述。一旦多目标相互遮挡发生,一个多标记能量函数将在相互遮挡区域建立起来,而后利用多标记图分割技术将其最小化,从而实现对遮挡过程中所有目标进行同时标记和定位。此外,利用多个视频序列证实了所提出算法的性能。     

结直肠癌中肿瘤出芽判断淋巴结转移的价值

目的:研究结直肠癌中肿瘤出芽判断淋巴结转移的价值.方法:2004年1月2007年12月有完整淋巴结病理学资料的结直肠癌手术患者92例,全数淋巴结检查,参照Ueno等的研究判断肿瘤出芽.结果:本组92例共切除淋巴结3036枚,平均每例取约33枚,92例结直肠癌中有47例出芽.肿瘤出芽与淋巴结转移的程度(pN分期)、肿瘤浸润深度呈显著性相关.肿瘤出芽对预测结直肠癌淋巴结转移的灵敏度、阴性预测值分别为90.91%和91.11%.结论:通过HE染色,镜下检测结直肠癌中肿瘤有无出芽来判断局部淋巴结转移,有助于快速确定结直肠癌患者局部淋巴结转移的状况,对及时辅助治疗具有实用价值.     

肿瘤标志物研究进展

随着精准医疗的发展,肿瘤标志物越来越得到关注.综述了近期肿瘤标志物的突破性进展:肿瘤标志物研究内容逐步扩展,涉及基于肿瘤基因组和染色体变异、液体活检、表观遗传学和代谢组学等多方面的肿瘤标志物;肿瘤标志物相关检测技术飞速发展,包括液体活检、高通量基因测序、单细胞精准检测及其他新型技术等;并且随着这些新型高科技的不断发展,...     

音频跳变点的分割熵检测算法

为了克服基于贝叶斯信息准则(BIC)的音频跳变点检测方法存在的缺陷,提出了音频跳变点的分割熵检测算法.该方法通过检测音频信号内部信息熵的变化趋势来检测跳变点的声学特征.结果表明:该方法可避免因设定固定门限而导致的漏检和数据积累带来的累积误差,能够准确地切分各种声学特性的音频数据,是一种更为直观和有效的跳变点检测方法,具有很高的灵敏度和鲁棒性.     

基于多阈值算法和分水岭算法的图像分割

图像分割是图像处理中的关键技术,有利于目标的定位和识别,为了提高图像分割的精度,针对单一分割方法存在的不足,提出一种基于多阈值算法和改进分水岭算法的图像分割方法.首先采用多阈值算法分割图像,得到图像的初步分割轮廓,然后采用分水岭算法实现再一次图像分割,最后选择多种类型的图像对分割方法的精度进行验证.实验结果表明,该方法可以将用户感兴趣的目标准确地分割出来,图像分割精度和速度优于单一的多阈值算法或改进分水岭算法,更有利于图像的后期处理.     

基于改进随机抽样一致的点云分割算法

随着三维点云数据模型在三维建模、测绘、智能城市以及机器视觉等领域的应用,点云数据处理也成为一个研究热点.点云分割就是将三维空间中点云通过一系列算法,将散乱的点云数据划分成更为连贯的子集的过程,可以为后续的数据分析提供数据基础.针对随机抽样一致算法(random sample consensus,RANSAC)对杂乱、无...     

基于网格的三维彩色点云分割算法

提出了一种基于HSV颜色空间的区域增长算法,利用统计方法得到区域增长的种子点和各点对应的分割阈值,使用网格信息寻找种子点的邻近点集,并综合考虑点云在HSV颜色空间中H分量的相近程度划分点云区域.试验表明,所提出的算法分割较精确,不容易产生过分割的情况.     

基于随机游走算法的CT图像肺肿瘤分割

针对CT图像肺肿瘤分割中复杂大肿瘤分割的准确性和自适应问题,提出了一种基于随机游走算法的分割方法.首先,根据图像灰度信息提取肺实质;针对大肿瘤与周围肺组织粘连的复杂情况,先提取有凹陷的肺实质,再根据肺实质先验轮廓,用曲线段形变模型修补肺实质的凹陷边界.然后,用区域生长法自动确定目标种子点和背景种子点;对于大血管与肿瘤粘连的情况,需要少量交互修改个别背景种子点.最后,用随机游走算法完成大肿瘤的分割.实验结果表明,该方法的准确性高,分割结果能够满足临床治疗效果分析和病理学研究的要求.     

目标空间分割多目标进化算法研究综述

进化算法具有求解多目标优化问题的优点。本文首先对多目标优化问题进行了描述;然后讨论了目前几种主要的基于进化算法的多目标优化方法;最后介绍了基于目标空间分割的多目标进化算法的研究现状以及面临的问题。     

多特征融合的道路场景语义分割算法

为提升道路场景语义分割的性能以及实际应用性,本文将传统的图像处理算法与深度学习技术相结合,提出了一种多特征融合的轻量级道路场景语义分割网络模型。该模型首先利用颜色空间转化、图像均衡化、边缘检测等算法来对图像多种特征信息进行增强;其次,以深度可分离卷积为基本单元搭建高效率特征提取结构,对特征增强后的图像进行信息融合和提取,并结合跳层上采样操作完成初步分割;最后,引入边缘检测支路来对分割图像的目标边界信息进行细化,保障网络高精度分割。通过实验结果表明,所提网络在分割精度、计算效率上得到了较好的平衡,同时,在实际变电站道路场景应用中,该网络也能实现高效语义分割,为巡检机器人提供有效的道路信息。     

基于改进蜉蝣算法优化多阈值图像分割

针对图像多阈值分割中存在分割效率低、计算时间长以及精度不高等问题,提出了一种基于改进蜉蝣算法的多阈值图像分割算法。首先,在初始化阶段引入类随机采样方法中的 Sobol 序列,增强种群的遍历性和多样性;其次,提出一种自适应非线性惯性权重,平衡了全局与局部寻优能力,提高了算法的收敛效率,利于种群向最优解逼近;最后,采用指数熵作为计算适应度的目标函数,通过改进蜉蝣算法对图像分割的多阈值组合进行寻优,确定最优分割阈值。为了验证该改进算法的有效性,选择了伯克利图像来进行分割验证,并与其他智能算法进行比较。实验结果表明：该改进算法在分割准确性、计算时间、SSIM和PSNR上均优于对比算法,能快速有效地解决复杂多目标图像的多阈值分割问题,具有较强的工程实用性。     

基于多尺度空间PCNN模型的图像分割算法

运动车辆图像中车牌具有所占比例小、位置不固定和大小不一的特点,因此,对车辆图像分割时车牌区域容易产生过分割与欠分割问题.脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)被誉为"第三代神经网络"并广泛应用于图像分割.在利用PCNN模拟人类视觉的图像分割过程中,由于传统PCNN模型中的连接矩阵使用固定值表示,使得PCNN模型不能满足图像分割时尺度变化的需求.为了解决这个问题,本文提出了基于多尺度空间PCNN模型的车辆图像分割算法,将尺度空间引入PCNN模型,使PCNN模型具有了尺度特性,提高了系统自适应分割车牌图像的能力.     

结直肠癌中肿瘤出芽与淋巴结分期及预后的关系

目的：研究结直肠癌中肿瘤出芽与淋巴结分期及预后的关系.方法：2004年1月-2009年12月有完整淋巴结病理学资料的结直肠癌手术患者112例,全数淋巴结检查,参照Ueno等的研究判断肿瘤出芽.结果：本组切除淋巴结3 809枚,平均每例取约34枚,112例结直肠癌中有51例出芽.肿瘤出芽与淋巴结转移的程度呈显著性相关.无...     

多视图点云配准算法综述

以多视图点云配准为研究对象,对近二十余年的多视图点云配准相关研究工作进行了全面的分类归纳及总结．首先,阐述点云数据及多视图点云配准的概念．根据配准的任务不同,将多视图点云配准分为多视图点云粗配准和多视图点云精配准两大类,并对其各自算法的核心思想及算法改进进行介绍,其中,多视图点云粗配准算法进一步分为基于生成树和基于形状生成两类;多视图点云精配准算法进一步分为基于点云的点空间、基于点云的帧空间变换平均、基于深度学习和基于优化四类．然后,介绍了四种多视图点云配准数据集及主流多视图配准评价指标．最后,对该研究领域研究现状进行总结,指出存在的挑战,并给出了未来研究展望．     

三角网格分割中种子点的优化采样算法

三角网格分割是三维模型处理中一项重要的工作,通过VSA(variational shape approximation)方法分割的结果可以用于轮廓线的生成、模型重建等工作,但由于其种子点选取的随机性,直接通过VSA方法进行不同类型的网格划分会存在划分粒度、划分策略不确定的问题.文章针对三维模型轮廓线提取,基于VSA方法...     

基于改进型SegNet的苹果采摘点分割算法研究

针对直接使用SegNet模型处理苹果图像会出现采摘点分割不清晰和分割错误的问题,提出了一种改进的SegNet语义分割模型进行苹果采摘点分割,使其更适应于复杂的自然环境,为采摘机器人提供帮助。在SegNet模型中引入DenseNet的思想,直接连接来自不同网络层的特征图,实现图像特征的多次重用,以提高模型的分割精度。为了验证改进算法的有效性,选取3种不同品种的苹果建立图像数据集,并在PyTorch深度学习框架上进行训练。利用通用的评价指标,将SegNet模型改进前后的测试结果进行对比。试验结果表明,改进的SegNet模型的最佳精确率、召回率、特异性和Dice系数分别为83.10%、84.82%、98.56%和83.95%。相比原模型,改进的SegNet模型识别成功率提高了2.19%,在运算时间几乎不变的情况下,能够更好地实现自然环境下采摘点的分割,为其他种类水果的采摘点分割识别算法提供了研究基础。     

基于凹点匹配的粘连颗粒图像分割算法

针对颗粒图像中粘连区域不易分割的问题,提出了一种基于凹点匹配的分割算法。首先对图像进行预处理、阈值分割及形态学处理,再利用链码边界跟踪,计算分割结果中粘连区域边界曲率,找出图像中的凹点,最后根据判断准则对凹点进行匹配,并用分割线连接匹配的凹点,对粘连颗粒进行分割。通过对多幅颗粒粘连图像进行试验,结果表明该算法有较好的效果。