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.     

基于深度学习的CT影像肺结节检测

为辅助医生检测大量肺部CT( Computed Tomography) 图像中难以发现的肺结节的问题,提出使用深度U-Net网络对肺部结节进行分割。由于U-Net 网络出自于全卷积网络( FCN: Full Convolution Network) ,特点是端到端,像素到像素,网络对每个像素点进行分类,能将深层特征抽象的特征信息和浅层特征具象的位置信息相结合得到CT 图像的分割掩膜。实验结果表明,该方法对肺结节的检测效果良好。     

CT和MRI在梅尼埃病诊断中的应用

目的 探讨CT与MRI对梅尼埃病的诊断价值.方法 通过复习文献,分析CT和MRI在内耳成像特点及其在梅尼埃病中的应用价值.结果 CT对内耳的骨性结构、乳突的气化情况及面神经管形态方面,CT优于MRI;而MRI对软组织结构显示清楚,二者各有所长.将CT和MRI影像结合起来对内耳结构骨与软组织关系显示清晰可应用于梅尼埃病临床诊断.结论 CT和MRI对梅尼埃病的诊断优势互补.     

环氧化酶-2、表皮生长因子受体-2在胃癌中的研究进展

研究发现,环氧化酶-2(COX-2)与表皮生长因子受体-2(HER2/neu)的过表达与胃癌的发生、发展以及治疗密切相关。50%-80%的胃癌患者环氧化酶-2(COX-2)存在过度表达,超过20%的胃癌患者存在HER2过表达。HER2/neu、COX-2在胃癌中高表达或基因扩增现象,可能影响胃癌患者的预后,也可能参与了胃癌肝转移过程。HER2/neu、COX-2有望成为胃癌治疗的一个新靶点,提高胃癌患者的生存率。     

HER-2基因特异性核酶设计与体外转录载体构建

目的 构建人表皮生长因子受体-2(HER-2)特异性核酶(ribozyme,RZ)及其底物基因的体外转录载体.方法 设计合成RZ基因,将该RZ克隆到真核表达载体pcDNA3.1( )中,测序鉴定.应用Trizol试剂提取MDA-MB-453细胞总RNA,RT-PCR扩增靶基因HER-2 cDNA片段,同样插入载体pcDNA3.1( ),测序鉴定.结果 经DNA测序分别证实合成的RZ基因序列和通过RT-PCR扩增的HER-2 cDNA序列克隆入pcDNA3.1( )中.结论 构建HER-2特异性RZ真核表达载体及含有HER-2 cDNA的载体,有助于进一步研究RZ对靶基因切割作用及雌激素受体阴性乳腺癌细胞MDA-MB-453中HER-2信号转导通路.     

HER-2基因特异性核酶在MDA-MB-453细胞内的瞬时效应

目的确定人表皮生长因子受体-2(HER-2)特异性锤头状核酶(hammerhead ribozyme,RZ)对雌激素受体阴性乳腺癌细胞MDA-MB-453的影响.方法应用RT-PCR、免疫细胞化学检测RZ对MDA-MB-453细胞HER-2表达的影响;MTT法检测RZ对细胞增殖的影响.结果RZ转染入MDA-MB-453细胞中,RT-PCR检测出转染RZ的MDA-MB-453细胞中HER-2 mRNA表达量明显下降;免疫细胞化学方法检测细胞内的HER-2蛋白表达下降;MTT法检测细胞增殖活性明显受抑.结论RZ在MDA-MB-453细胞内有效抑制靶基因HER-2mRNA和蛋白的表达,同时可抑制细胞增殖,有助于进一步研究雌激素受体阴性乳腺癌细胞HER-2信号转导通路.     

基于AVX2指令集的深度学习混合运算策略

由于图形处理器(GPU)内存容量有限,其所能承载的深度学习网络模型规模受到很大限制。该文提出了一种深度学习混合运算策略,借助于Intel新的单指令多数据AVX2指令集,充分挖掘CPU对GPU的辅助支撑潜力。为节省GPU内存,将中间数据规模较大的网络层放在CPU端计算,并通过AVX2指令集提高CPU端的计算效率。核心技术点包括网络模型的切分与协调、基于AVX2指令的应用代码矢量化等。上述策略最终在Caffe上实现。在包括CIFAR-10、 ImageNet在内的典型数据集上的实验结果表明:采用混合运算策略后,Caffe能够正常运行更大型神经网络模型,并保持较高的执行效率。     

基于深度学习网络的电气设备图像分类

为了对变电站中智能巡检系统采集到的海量图片进行快速分析和识别,提出一种深度学习和支持向量机(support vector machine, SVM)相结合的图像分类模型。首先,运用旋转、翻折等方法对采集到的原始数据进行扩充。然后,合并扩展图像集,并在相同类型的条件下将其随机划分为训练集和测试集。基于实际图像改进卷积神经网络(convolutional neural network, CNN),并提取训练集的图像特征。最后,通过使用训练集图片的深度特征来训练SVM分类器,并且在测试集图片上实现分类测试。利用巡检机器人采集到的8 000张图片对模型精度进行实验验证,结果表明,该模型具有较强的分类性能。     

一种基于深度强化学习的SDN路由算法

为解决软件定义网络(SDN)中的流量工程(TE)问题,提出了一种深度强化学习路由(DRL-Routing)算法.该算法使用较全面的网络信息来表示状态,并使用一对多的网络配置来进行路由选择,奖励函数可以调整往返路径的网络吞吐量.仿真结果表明,DRL-Routing可以获得更高的奖励,并且经过适当的训练后,能使各交换机之间...     

深度学习重建算法在肠系膜上动脉CT血管成像中的应用评估

目的:评估深度学习图像重建算法在肠系膜上动脉CT血管成像(CTA)图像中的应用价值。方法:回顾性纳入40例患者肠系膜上动脉CTA的原始数据,利用滤波反投影重建(FBP)、自适应统计迭代重建(ASIR)30%、ASIR 60%、深度学习图像重建(DLIR)-L、DLIR-M、DLIR-H共6种算法重建图像,测量并分析肠系膜上动脉的CT值、SD值和信噪比,两位放射科医生进行主观图像评价。结果:6种算法重建图像CT值、噪声、信噪比和主观图像质量评分间差异有统计学意义(P<0.001),DLIR-H,DLIR-M、ASIR60%、DLIR-L、ASIR30%、FBP图像噪声依次增加,信噪比依次降低;3种DLIR的CT值无明显差异,但DLIR的CT值高于FBP和ASIR;主观评分显示DLIR重建图像血管锐利度增强。结论:DLIR改善了肠系膜上动脉CTA的图像质量,并且能提高血管锐利度,但也存在改变原始信息的风险。     

基于深度学习算法的OFDM信号检测

为了提高正交频分复用(OFDM)无线通信系统的信号检测能力,提出了一种基于深度学习(DL)算法的信号检测框架来代替系统信号检测模块.首先利用迫零(ZF)均衡器重构深度神经网络(DNN)的输入;然后在离线训练中增加预训练阶段,以导频符号和数据符号作为训练数据,为训练阶段提供良好的初始参数;最后在线信号检测通过加载离线训练获得的最优参数进行信号检测.实验结果表明:当信噪比(SNR)为25 dB时,无预训练阶段和无ZF均衡器的框架性能相对于完整的DL信号检测框架性能分别损失了2和4 dB;在导频符号数目减少和无循环前缀(CP)的情况下,DL框架的误码率相比传统方法均明显下降;在不同信道参数下,DL框架的性能损失比传统方法更小.ZF均衡器和预训练阶段均可提高DL框架性能,DL框架能更好地检测信号并具有较强的鲁棒性.     

基于重计算的深度学习加速器容错设计

2D计算阵列由于高并行性且通信简单,在深度学习加速器(deep learning accelerator, DLA)中经常负责处理卷积的大量计算,若出现硬件故障,则会导致计算错误,从而造成预测精度大幅下降。为了修复2D计算阵列中的故障,文章提出一种用于容错DLA的重计算结构(recomputing architecture, RCA),与传统的在阵列中添加冗余的即时故障修复策略不同,它具有一组基于冗余的重计算单元(recomputing unit, RCU),可以在稍后的周期中一对一地进行故障单元的重新计算。实验结果表明,与之前的容错方案相比,该文提出的方法显示出更高的故障修复能力和可扩展性,并且芯片面积占用更少。     

人结肠癌中C-erbB-2,EGFR 的蛋白表达

目的探讨人结肠癌中 Ce-erbB2,EGFR 的蛋白表达.方法应用免疫组织化学方法对人结肠癌细胞系LST14,HT10进行检测.结果2株结肠癌细胞系中均有其表达.结论 CerbB-2,EGFR可能具有协同作用.     

基于深度学习和多次棋盘分割法的高分辨率影像河流提取

针对目前从遥感影像中提取的河流, 尤其是细小河流容易出现中断的情况, 将深度学习与多次棋盘分割法相结合, 应用于高分辨率遥感影像的河流提取。基于对山区、平原和城市3景高分二号卫星遥感影像的实验表明, 与现有的方法相比, 该方法提取的河流更加连续, 并且能够提取高分二号卫星遥感影像中两个像元的细小河流。     

基于深度学习的SARS-CoV-2 RBD-ACE2结合亲和力预测方法

新型冠状病毒(SARS-CoV-2)的快速变异导致不断出现新的毒株.已有研究表明SARS-CoV-2的S蛋白受体结合域(Receptor Binding Domain,RBD)与宿主ACE2的结合亲和力与病毒的侵染能力相关.随着新型冠状病毒在全球的持续暴发,出现了大量RBD多点突变的新毒株.通过生物试验方式获得突变毒株RBDACE2结合亲和力费时费力,远远落后于突变株的积累,不能满足对该病毒实时监控的需求.为了快速预测具有多点突变毒株的结合亲和力,设计了一种深度神经网络模型.该模型结合卷积神经网络、循环神经网络与注意力机制,从RBD序列上学习关键特征并预测RBD-ACE2的结合亲和力,在真实数据集上对模型进行训练和评估.实验结果表明新模型可以有效地预测关切变异株的RBD-ACE2结合亲和力,也有助于对SARSCoV-2突变株的传播能力进行监控.     

一种空气污染物浓度预测深度学习平台

在空气污染大数据预处理的基础上,提出了一个基于深度学习的空气污染物浓度预测平台.该平台架构分为数据采集层、模型层和可视化界面层3个层次,分别实现了数据采集与处理,基于长短期记忆(LSTM)网络模型的污染物浓度预测,以及预测结果可视化的功能,通过对用户个性化模型参数的设置,实现不同时间段污染物浓度时间序列的预测.     

基于深度强化学习的无人艇轨迹跟踪算法研究

针对欠驱动水面无人艇(USV)轨迹跟踪控制问题,提出一种基于近端策略优化(PPO)的深度强化学习轨迹跟踪控制算法．为引导控制器网络的正确收敛,构建基于长短时记忆(LSTM)网络层的深度强化学习控制器,设计了相应的状态空间和收益函数．为增强控制器的鲁棒性,生成轨迹任务数据集来模拟复杂的任务环境,以此作为深度强化学习控制器的训练样本输入．仿真结果表明：所提出的算法能有效收敛,具备扰动环境下的精确跟踪控制能力,有较大的实际应用潜力．     

基于深度学习的井间地震CT初至自动拾取方法

井间地震CT方法能够有效探测岩溶等不良地质,而拾取地震波的初至对其反演结果至关重要.以往井间地震CT初至拾取通过手动标定,效率低,无法满足模型训练要求.本文基于人工源地震初至的时距特征,提出了一种基于深度学习的地震初至训练样本库快速标定方法.利用人工合成数据训练初始网络模型,采用少量人工标定实测数据进一步训练,基于该网络模型对未标定的井间地震实测数据剖面进行初至拾取,采用长短时窗比法修正曲线拟合结果,对仍不理想的拾取结果进行人工判别和改正,并将准确标定数据加入训练集,形成新的网络模型;通过迭代实现数据集再生成并获得后续阶段的网络模型.基于上述方法完成了80 000道数据的初至拾取,在充分训练后神经网络具备较高的拾取精度,采用3840组数据对该模型进行测试,发现预测结果与人工拾取结果对比的绝对误差值小于0.2ms的数据占91.8%,说明该方法是一种切实有效且高效的井间地震CT初至拾取方法.     

基于CT深度学习的活动性/非活动性肺结核分类模型构建及验证

目的:评价基于深度学习框架(3D ResNet-50)的肺结核CT辅助诊断模型在活动性/非活动性肺结核鉴别诊断中的临床应用价值。方法:回顾性收集2018年1月至2020年12月期间喀什地区第一人民医院经结核分枝杆菌培养检测并接受胸部高分辨率CT平扫检查的1 940例患者的病例资料,活动性肺结核患者(ATB)960例,非活动性肺结核患者(non-ATB)980例。所有数据以7∶2∶1的比例随机分组,用于训练、验证和测试集,使用3D Nested UNet模型预先分割肺野区域,然后使用3D ResNet-50进行分类,并收集了用于模型外部验证的外部测试集ATB 100例,non-ATB 100例。为了量化评估深度学习模型的性能,绘制ROC曲线,以曲线下面积(AUC)、准确率(ACC)、召回率(Recall)、F1分数(F1 score)作为模型评价指标,并使用类激活图来评估感兴趣的激活区域,最后,将该模型与两位放射科医生的外部测试数据进行了比较。结果:本组ATB患者比非ATB患者年龄大。结果显示ATB患者咳嗽更多,而非ATB患者出现更多胸痛症状,差异有统计学意义(P<0.05)。模型...     

基于深度学习的智能电网稳定性预测

基于深度学习算法,构建智能电网稳定性预测模型。选取BP神经网络及卷积神经网络CNN算法作为分类学习器,并对其进行参数调优、优化算法选择、迭代预测。输出模型预测结果和模型评价指标,并结合机器学习预测结果,对深度学习模型准确性及性能等方面做对比分析。最终确定Adam优化器下的CNN模型效果最优,迭代80次的精确度为0.979 0,所需时间为28.398 7 s。该模型对提高智能电网预测的准确性、实现高效配电具有重要意义,有效帮助电力系统提前预警,降低安全隐患。