基于语义分割模型的三维沥青路面车辙异常分析方法

车辙深度是路面状况评价和道路养护的一个重要指标。现有车辙深度测量方法未考虑复杂路况下坑槽、松散、裂缝和桥梁接缝等对车辙计算的影响，其有效性和适用性受到了限制，测量结果的真实性也有待进一步验证。有鉴于此，文中提出了一种基于语义分割模型的沥青路面车辙异常检测与校正方法。采用三维线激光技术采集道路横断面高程数据，利用包络线算法提取车辙深度。对于最大车辙深度超过10 mm的横断面，搭建基于深度学习的语义分割框架，提出改进的DeepLabV3+网络对病害类型进行自动辨识和像素定位，并结合最大车辙深度高程点，设计基于拉格朗日插值的校正规则来对异常车辙进行校正。研究结果表明，改进的DeepLabV3+模型能较为准确地识别和定位造成车辙检测异常的路面病害，其对5种路面特征和病害的综合检测准确率达81.63%，在均交并比（MIoU）和大部分交并比（IoU）上的表现均优于U-Net、PSPNet、DeepLabV3+模型。现场验证结果表明，文中方法不仅能够自动分析车辙异常的原因，还能通过对异常车辙的校正排除其他病害的影响，从而较大程度地还原实际车辙深度水平。文中研究成果可为路面预防性养护提供科学数据支撑。     

抑癌因子p14-ARF对p53-MDM2网络的影响

p53是一种重要的抑癌因子，可激活细胞周期阻滞、DNA损伤修复、衰老或凋亡，在细胞命运决定中起重要作用。用ATMp的表达水平代表DNA损伤强度，建立了由p14-ARF调控的p53-MDM2网络的数学模型。通过数值模拟，分析了ATMp和p14-ARF对p53-MDM2通路的影响。研究表明，较低的ATMp水平会使p53p稳定在低稳态，适当的ATMp会激活p53-MDM2网络的振荡。此外，p53p的表达水平随着p14-ARF表达水平的升高呈现出低稳态，振荡和高稳态的动力学。