大脑中动脉光化学栓塞模型的改良及免疫表型分析

光照缺血模型是常用的脑卒中永久性缺血模型,其原理是：光敏感染料在光照射下被激活并产生活性氧自由基,生成的活性氧自由基会引起血管内皮损伤,导致血小板的黏附和聚集,并形成血栓。由于光照缺血模型产生的缺血半影带较小,同临床病理差异较大,限制了对于缺血半影带的研究,因此,该研究基于光化学法构建了一种改良的中动脉近端栓塞模型。具体地,向小鼠体内注射光敏感染料孟加拉红后,用激光照射中动脉近端3 min,以诱导血管栓塞,并通过氯化三苯基四氮唑染色、免疫荧光以及流式细胞术对模型进行评估。氯化三苯基四氮唑染色和免疫荧光结果显示,与传统的光照缺血模型相比,该模型能在纹状区和皮质区产生较大且稳定的梗死区域(9%～15%),且能通过流式细胞术分离出梗死组织中的驻留小胶质细胞、浸润髓系细胞和淋巴细胞。上述实验结果表明,改良的中动脉近端光化学栓塞模型能够应用于缺血性脑卒中损伤后病理和免疫反应机制的研究。     

利用局部特征的子空间车辆识别算法

利用改进的主成分分析（Principal Component Analysis,PCA）方法,通过研究不同的车辆特征（如全局特征、各种局部特征）对静态图像车辆识别效果的影响,提出了一种新的静态图像车辆识别算法。该算法可有效降低光照和背景噪声对识别的影响,实现对存在部分遮挡的车辆检测。实验结果表明,该算法具有良好的鲁棒性和车辆识别率。     

基于二阶非线性投票的多目标跟踪算法*

提出了基于二阶非线性投票的多目标跟踪算法。该算法通过目标匹配得到同一目标在不同帧中的位置,同时利用特征监测来处理目标的遮挡、分裂问题,并实现目标特征的实时更新。在目标匹配过程中,通过对目标前一帧与当前帧的特征相似性进行投票,得到匹配目标。利用视频图像进行实验,结果表明,该方法对噪声、阴影、遮挡、分裂等具有良好的鲁棒性,较好地实现了多目标的跟踪。     

基于最小最大圆度量的鲁棒模板匹配方法

为了解决强噪声干扰、部分遮挡等复杂环境下的图像匹配问题,给出了一种鲁棒的图像匹配算法。在引进圆约束的条件下,对点点间距离给出了一种新的定义。在此基础上,对经典Hausdorff距离进行改进,提出了一种新的度量,即最小最大圆度量。以此度量作为景象匹配的相似性度量,并在搜索的过程中采用圆形窗,获得了一种鲁棒的图像匹配方法,即基于最小最大圆度量的鲁棒模板匹配方法。多组实验与分析表明,该算法可以有效地解决存在旋转、灰度对比度变化、噪声干扰、部分遮挡与强光饱和等变换与干扰存在下的景象匹配定位问题。     

三七皂甙对大脑中动脉栓塞性脑缺血的影响

目的 观察三七皂甙(PNS)及三七皂甙单体(Rb₁、Rg₁)对大脑中动脉栓塞(MCAO)后脑血流量(CBF)及脑组织超微结构的影响。方法 60只Wistar大鼠随机分7组:其中第7组为假手术对照组(SO);第1组为MCAO对照组;第2,3,4组MCAO前30min及MCAO后即刻分别静脉给予Rg₁20μg·kg^-1,Rb₁20μg·kg^-1,Nim5μg·kg^-1;第5,6组分别于MCAO前灌胃PNS200mg·kg^-1及400mg·kg^-1连续10d。结果 与MCAO对照组比较Rb₁,Nim,PNS400mg·kg^-1组,CBF明显增高(P<0.01),Rg₁组CBF无明显增加。PNS能明显提高超氧化物歧化酶(SOD)活力,降低一氧化氮(NO)含量。超微结构显示,Rb₁,Rg₁,PNS和Nim能明显减轻脑缺血性神经元损伤,其中Rb₁,Nim,PNS400mg·kg^-1组优于Rg₁和PNS200mg·kg^-1组。结论 Rb₁,Nim和PNS400mg·kg^-1能明显增加MCAO区CBF,其机理可能与扩张血管有关;Rg₁不能增加CBF。Rb₁,Rg₁,PNS有减轻脑缺血坏死作用。其机理可能与提高脑细胞内SOD活力、降低细胞内Ca²⁺及NO含量有关。     

部位级遮挡感知的人体姿态估计

随着深度学习的快速发展,人体姿态估计技术近年来取得显著进步,但是现有方法仍难以较好地处理普遍存在的遮挡问题.针对此问题,提出一种部位级遮挡感知的人体姿态估计方法.首先,采用基准人体姿态估计网络从含遮挡噪声的图像中获得各人体部位的带噪声特征表达.然后,通过遮挡部位预测模块估计人体被遮挡部位,从而获得可见性向量.遮挡部位预测模块由遮挡部位分类网络和可见性编码器组成,前者预测关节点的遮挡状态,后者利用注意力机制将遮挡状态转换为一组权重.最后,通过通道重加权方式融合可见性向量和带噪声特征,获得部位级遮挡感知的人体部位相关特征,用于计算关节点热图.在MPII和LSP(leeds sports pose)数据集上的实验结果表明,相比基准姿态估计网络,该方法能够在较小的额外计算代价下更好地应对遮挡问题,并且取得了比目前先进方法更佳的结果.     

基于多尺度方向特征的快速鲁棒人体检测算法

提出一种多尺度方向(multi-scale orientation,简称MSO)特征描述子用于静态图片中的人体目标检测.MSO特征由随机采样的图像方块组成,包含了粗特征集合与精特征集合.其中,粗特征是图像块的方向,而精特征由Gabor小波幅值响应竞争获得.对于两种特征,分别采用贪心算法进行选择,并使用级联Adaboost算法及SVM训练检测模型.基于粗特征的Adaboost分类器能够保证高的检测速度,而基于精特征的SVM分类器则保证了检测精度.另外,通过MSO特征块的平移,使得所提算法能够检测多视角的人体.通过对于MSO特征块的装配,使得算法能够检测人群中相互遮挡的人体目标.在INRIA公共测试集合及SDL多视角测试集合上的实验结果表明,算法具有对视角与遮挡的鲁棒性和较高的检测速度.     

硅铁红色料包裹机理的研究

采用ＸＲＤ、ＤＴＡ－ＴＧ、ＳＥＭ、ＥＰＭＡ等现代测试方法,研究了坯用硅铁红色料的物质组成及其在加热过程中的变化。揭示了硅铁红色在高温下稳定呈色的包裹机理。     

基于局部特征在线学习的视频人脸识别

针对视频人脸识别实时性问题,提出一种基于局部特征在线学习的视频人脸识别方法。首先,从人脸任意关键点提取局部特征,采用投票算法挑选出每个簇的代表性特征;然后,进行学习过程,直到簇中人脸数目达到要求的最小值且人脸图像距其簇平均的最远距离低于一个阈值;最后,将检测到的视频帧按顺序与图库中所有个体的簇进行匹配,利用复合时序相似度度量完成人脸的识别。在一个有50个注册对象和20个未知者的数据库上进行在线识别实验,获得了97.8%的识别率。实验结果表明,相比其他几种视频人脸识别算法,该算法取得了更好的识别效果。