结合全卷积网络和GrowCut的肾皮质分割算法

目的 肾脏图像分割对于肾脏疾病的诊断有着重要意义,临床上通过测量肾皮质的体积和厚度可判断肾脏是否有肿瘤、慢性动脉硬化性肾病和肾移植急性排斥反应等。现有的肾脏分割算法大多针对一种模态,且只能分割出肾脏整体。本文提出一种基于全卷积网络和GrowCut的肾皮质自动分割算法,用于多模态肾脏图像分割。方法 首先用广义霍夫变换对肾脏进行检测,提取出感兴趣区域,通过数据增强扩充带标签数据;然后用VGG-16预训练模型进行迁移学习,构建适用于肾皮质分割的全卷积网络,设置网络训练参数,使用扩充数据训练网络。最后用全卷积网络分割图像,提取最后一层卷积层的特征图得到种子点标记,结合肾脏图像的先验知识纠正错误种子点,将该标记图作为GrowCut初始种子点可实现肾皮质准确分割。结果 实验数据为30组临床CT和MRI图像,其中一组有标记的CT图像用于训练网络并测试算法分割准确性,该文算法分割准确率IU（region intersection over union）和DSC（Dice similarity coefficient）分别达到91.06%±2.34%和91.79%±2.39%。与全卷积网络FCN-32s相比,本文提出的网络参数减少,准确率更高,可实现肾皮质分割。GrowCut算法考虑像素间的邻域信息,与全卷积网络结合可进一步将分割准确率提高3%。结论 该方法可准确分割多模态肾脏图像,包括正常和变异肾脏的图像,说明该方法优于主流方法,能够为临床诊断提供可靠依据。     

基于氧化石墨烯与金属离子的逻辑模型设计与可控性验证

作为20世纪末诞生的新型学科,生物计算现已成为前沿科学研究的热点。与电子计算机相似,生物计算机的构建需要多种分子逻辑门,而将氧化石墨烯(GO)、重金属离子等具有生化特性的物质引入分子逻辑门的设计中,有望为研究提出新思路。此外,分子逻辑门最终应在生物实验层面上实现,这就需要对生物实验各个条件的可控性及可控范围进行研究。基于这样的想法,该文以氧化石墨烯和金属离子为基础设计了多个逻辑门,通过仿真实验、电泳实验、正交实验、荧光实验等验证可行性的同时,对实验的可控性及可控范围有进一步研究,一方面证明了所设计逻辑门可行性,另一方面也发现其有运用于实际样品检测的能力。     

基于DNA适配体的荧光生物传感器

近年来，随着DNA纳米技术的飞速发展，基于DNA作为适配体的荧光生物传感器不断被大量学者研究和构建，以实现对靶标物质的灵敏快速检测。作为DNA纳米技术的新兴方向，基于DNA适配体的荧光生物传感器具有巨大的应用潜力。该文对近年来基于DNA适配体所构建的荧光生物传感器进行了总结。包括荧光信号的实现:荧光染料标记；非荧光染料标记。荧光检测信号的提升:酶介导的靶标循环和信号扩增策略；链置换反应介导的靶标循环和信号扩增策略；基于链置换反应和酶介导的靶标循环和信号扩增策略。在此基础上对基于DNA适配体的荧光生物传感器进行展望并提出建议。