下游酪氨酸激酶7在肿瘤发生发展过程中的作用

长期以来下游酪氨酸激酶7(Downstream of tyrosine kinase 7,DOK7)一直被认为与先天性肌无力综合症(Congential myasthenic syndrome,CMS)息息相关,但是近些年的研究表明DOK7还与一些肿瘤表型有着密切的联系,有可能成为特定的肿瘤标志物,而目前在肿瘤领域中与DOK7相关的研究报道还比较少,值得对其进行深入探讨。本文整理了近几年来有关于DOK7与肿瘤发生发展的关联文献并加以总结,为后续研究提供可能的思路与肿瘤治疗策略,同时对DOK7基因的研究具有一定的现实指导意义。     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

基于集成DBN的肺部肿瘤计算机辅助诊断模型研究

针对目前肺部肿瘤计算机辅助诊断模型存在的识别精度不高和漏诊率、误诊率降低困难等问题,提出一种基于集成深度信念网络(DBN)的肺部肿瘤计算机辅助诊断模型。首先,探讨不同的隐层数和隐层节点数对DBN识别性能的影响,从而确定合适的网络结构,并以该网络结构在三个模态(CT,PET,PET/CT)肺部图像构成的样本空间构建三个单一DBN个体分类器(CT-DBN,PET-DBN,PET/CT-DBN);然后,探讨输入图像大小、RBM学习率、训练批次大小、反向传播次数对DBN识别性能的影响,从而确定合适的参数训练三个单一DBN个体分类器;最后,采用"相对多数投票法"对三个DBN个体分类器进行集成,得到该模型的最终结果。实验结果表明,基于集成DBN的肺部肿瘤计算机辅助诊断模型的整体性能优于三个单一DBN个体分类器。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

红外热成像在乳腺疾病检测的应用研究

乳腺疾病已严重危害女性身心健康,其中乳腺癌更位居全球范围内女性癌症发病率和死亡率首位,因此乳腺癌的早期发现意义重大。传统结构影像学早期检测疾病具有一定局限性,而红外热成像作为功能成像技术可为乳腺癌的早期筛查提供有效线索。因此本文主要就红外热成像在乳腺疾病的早期检测及预后评估的应用价值进行综述。     

可溶性肿瘤坏死因子相关凋亡诱导配体在E.coil中的表达、纯化及其生物学活性

目的表达纯化可溶性肿瘤坏死因子(tumor necrosis factor,TNF)相关凋亡诱导配体(TNF-related apoptosisinducing ligand,TRAIL)蛋白,并测定其生物学活性。方法利用E.coli中表达C-端带有6×His标签的可溶性TRAIL蛋白,并优化诱导时间(4、6和8 h)和诱导剂IPTG的浓度(0.06、0.125、0.25、0.5、1 mmol/L)。表达产物经Ni亲和层析和离子交换层析纯化后,采用MTT法测定不同浓度TRAIL(终浓度分别为100、200、400 ng/ml)的活性,并检测亲和层析过程中两种洗脱方式(洗脱液4℃留柱过夜后进行洗脱和洗脱液进柱后直接收集流出液)及纯化过程中两次透析的时间(均为24和48 h)对TRAIL活性的影响。结果最佳诱导时间为6 h,最佳IPTG诱导浓度为0.5 mmol/L。表达产物的表达量占菌体总蛋白的20%,相对分子质量为20 000,可与兔抗人TRAIL单克隆抗体发生特异性结合。TRAIL终浓度为100、200和400 ng/ml的实验组的抑制率分别约为36%、53%和73%。亲和层析的两种洗脱方式的TRAIL活性差异无统计学意义(P0.05),透析48 h比透析24 h获得的TRAIL活性显著降低(P0.05)。结论 TRAIL蛋白成功在E.coli中表达,具有抑制肿瘤细胞生长的作用,优化后的TRAIL诱导条件和纯化方法可进一步大量生产高TRAIL蛋白的活性,满足了TRAIL的基础及临床相关研究的要求。