人miR-134真核表达载体的构建及其鉴定

针对人工识别汽车轮胎标识点颜色效率低、误差大的问题,研究了一种基于支持向量机的轮胎标识点颜色识别方法,利用PLC 工业相机图像采集系统获取轮胎标识点图像信息,对获取的标识点图像进行图像降噪、标识点分割、颜色特征向量提取等处理,将提取的轮胎标识点颜色特征向量输入到支持向量机颜色分类器中进行颜色识别。实验结果表明,该方法能够有效地识别出轮胎标识点颜色信息。     

应用新的基于知识编码方法及双层SVM识别人类PolⅡ启动子

目的优选对人类RNA聚合酶(Pol)Ⅱ启动子数据识别分类并提高识别准确率的方法。方法采用基于知识的统计编码方法、CpG编码、五联体(Pentamers)编码、模式字典(Pattern Dictionary)编码,最后建立共识模型,使用支持向量机(SVM)方法对启动子数据进行分类。结果启动子数据编码后在SVM中识别,与其他利用SVM工具相比,得到了较高的识别准确率、特异性及灵敏度。将新编码方法应用到人类22号染色体启动子数据的识别中,其中模式字典编码识别准确率达到了90.98%。结论共识模型考虑了各子模型的独立性和模型之间的差异性,发挥了各模型之间的互补优势,从而提高了最终的识别准确率。     

基于深度图像HOG特征的实时手势识别方法

手势识别是模式识别领域的一个热点研究方向。提出了一种利用Kinect传感器深度图像进行手势分割的方法,并研究了基于灰度图像HOG特征的手势识别模型;深入研究了HOG特征,分析其特征向量特点,探讨了不同特征维数对训练机的影响及处理效率;通过SVM机器学习方法实现手势的分类识别,经过对大量实验样本的优化训练,获得了最优SVM参数,并进行分析、对比识别率。本文方法维数少、识别率高、运行速度快、性能稳定,能满足实时性手势识别的要求。     

基于能量特征的左右手运动想象脑信号的识别方法

提出了一种基于能量特征的左右手运动想象识别方法,利用快速傅里叶变换分析特定脑电(μ波和β波)的频率分布,然后利用小波分解去噪,再利用小波包分析脑电能量,提取能量特征,最后基于支持向量机(SVM)进行左右手运动想象的识别。本文把能量作为特征的支持向量机(SVM)识别法分别与自适应自回归系数法(AAR)和相同步分析法进行比较。仿真结果表明:在相同样本数据情况下,能量特征作为特征向量的SVM识别准确率明显高于其他2种方法。     

基于神经网络的显微高光谱乳腺癌组织图像研究

目的 探索神经网络结合显微高光谱成像识别乳腺癌组织的可行性和应用价值。方法 采用显微高光谱成像技术采集乳腺癌组织的图像数据,使用基于神经网络的显微高光谱乳腺癌组织图像分析方法,实现乳腺癌组织的自动分类和区域划分。提出数据预处理方法以提高图像的信噪比,利用神经网络训练图谱信息识别乳腺组织病变区域并突显以利于可视化。结果 基于神经网络的显微高光谱的乳腺组织识别分析方法同时利用了图谱两个方面的特征,获得了比传统彩色病理图像更好的识别结果。结论 基于神经网络的显微高光谱乳腺组织图像分析方法可以提供特征性的样本信息,是传统彩色病理图像的有效补充。在神经网络分析方法的支持下,将显微高光谱成像技术应用于乳腺癌组织的分析具有一定的应用前景。     

基于视觉注意和支持向量机的舌体自动分割方法的探讨

目的探讨基于视觉注意机制和支持向量机(support vector machine,SVM)相结合的舌体自动提取方法,为模式识别方法应用到舌体图像分割提供新思路。方法将舌图像经过视觉特征提取、高斯金字塔多尺度变换,依据多特征图合并策略生成显著图并进行二值化;在不需要人工干预的情况下,从显著区和非显著区分别随机选取正类训练样本和负类训练样本;机器自动学习样本创建SVM分类器,最后用训练好的SVM分类器对完整舌图像进行分割。结果获得的正常舌、裂纹舌、齿痕舌等多种舌象的分割效果良好,没有特征信息丢失的情况,并具有一定的抗噪能力。结论基于视觉注意和SVM舌体自动分割方法在无需任何先验知识的条件下,具有较稳定的分割效果,为模式识别应用到舌体图像分割中作了初步探索。     

基于边缘检测与支持向量机的关节软骨自动分割算法研究

目的设计并实现一种针对核磁共振成像(MRI)图像的关节软骨自动分割算法。方法利用像素的整体与局部特征分别构建二分类支持向量机(support vector machine,SVM)分类器对股软骨、胫软骨及髌软骨进行自动分割。首先提出一种基于边缘数目反馈的Canny检测器阈值迭代法并利用该方法提取图像的主要边缘,随后根据特征参数对提取的边缘进行识别并标记出不同的骨-软骨边缘,利用训练的SVM分类器对软骨进行初步分割并根据软骨的解剖位置缩小搜索空间,最后利用形态学操作对初步分割结果进行优化。结果自动分割结果中软骨的形态轮廓与原始图像吻合效果好,股软骨、胫软骨及髌软骨的Dice’s系数平均值分别为0.80、0.76、0.74,与手工分割结果具有较好的一致性。结论该算法能够准确、快速地分割出MRI图像中不同的软骨组织。     

改进型Unet网络在脑CT图像出血区域识别与分割中的应用

目的 探讨改进型Unet网络技术对脑CT图像出血区域识别与分割的性能及其应用价值.方法 回顾性纳入476份自发性脑出血(spontaneous intracerebral hemorrhage,SICH)患者的脑CT图像,采用基于改进型Unet网络对患者脑CT图像出血区域进行识别和分割,由临床医生手动标注出血区域的影像...     

基于级联区域卷积神经网络算法在肾组织病理切片中对肾小球的识别与定位

目的 基于级联区域卷积神经网络(cascade R-CNN)算法开发一种能自动识别肾组织病理切片图像中肾小球的人工智能(AI)系统,帮助病理医师提高计算肾小球个数与识别肾小球的效率.方法 收集2017-2019年3年内在山西医科大学第二医院和山西医科大学附属人民医院行肾穿刺活检术患者的肾脏病理切片,剔除模糊不清、染色质量差的图像,最终得到1 180张质量无明显差异的六胺银(PASM)染色图像.通过高分辨率全视野数字切片(WSI)获得数字化扫描图像,图像数据通过远程病理系统传输到云端并储存.使用cascade R-CNN方法创建训练集(940张图像)和测试集(240张图像),训练集用于训练AI学习识别肾小球,测试集用于测试和评价cascade R-CNN算法识别出肾小球的精确度和召回率.将测试集的病理切片由3名工作年限至少3年的病理医师阅读,计算医师们识别肾小球的精确度与时间.结果 基于cascade R-CNN网络训练完成的深度学习模型识别每张图像肾小球区域时间为(0.20±0.02)s.精确度、召回率分别为93.90％、98.00％,F1值为95.91％.3名病理医师识别每张图像肾小球区域时间分别为(3.57±0.05)、(4.57±0.07)、(3.98±0.02)s,精确度分别为88.08％、89.69％、89.98％,差异均无统计学意义(P均＞0.05).cascade R-CNN算法识别肾小球的精确度高于3名病理医师的平均精确度(89.25％),差异有统计学意义(t=-5.607,P=0.009).结论 cascade R-CNN算法通过高分辨率WSI可快速有效地识别肾小球,能够帮助病理医师提高肾脏疾病的诊断效率.     

基于近红外光谱-支持向量机技术识别单碱基差异

目的建立一种基于近红外光谱-支持向量机（SVM）技术的单碱基差异识别方法。方法以仅相差1个碱基对的4种双链DNA为研究对象,其近红外光谱为识别变量,以径向基核函数（RBF）SVM建立非线性识别模型。结果对于长度为100bp的DNA链,当正则化系数γ=0.1,惩罚系数C=106时,模型的支持向量数最小为32,识别正确率为100%。结论该方法可发展为一种新的检测单核苷酸多态性的方法,具有简单、快速、低成本等优点。     

头罩与面罩无创通气对慢性阻塞性肺疾病患者临床有效性及安全性的Meta分析

目的 比较头罩与面罩无创通气对慢性阻塞性肺疾病(COPD)患者临床治疗的有效性及安全性。方法 检索PubMed、Web of Science、中国知网(CNKI)、万方、维普数据库中针对头罩与面罩无创通气治疗COPD患者的相关研究,应用Review Manager 5.3统计软件进行Meta分析。结果 共纳入文献9篇,共606例患者,包括头罩组304例,面罩组302例。Meta分析结果显示,头罩无创通气与面罩式无创通气对于降低患者呼吸频率、提高氧合指数、降低二氧化碳分压方面差异无统计学意义,对于年龄≤70岁的患者,头罩式可降低患者呼吸频率(P<0.05),提高氧合指数(P<0.05)。头罩无创通气可显著减少面部皮肤溃疡或坏死、结膜炎、不耐受、漏气等并发症发生率,差异具有统计学意义(P<0.05)。结论 头罩式无创通气治疗COPD患者较面罩式可显著减少临床并发症,尤其在对于年龄≤70岁的患者中治疗有效性及安全性更高,可提高患者氧合指数并降低呼吸频率,更具临床优势。     

Down Syndrome Diagnosis Based on Gabor Wavelet Transform

Down syndrome is a chromosomal condition caused by the presence of all or part of an extra 21st chromosome. It has different facial symptoms. These symptoms contain distinctive information for face recognition. In this study, a novel method is developed to distinguish Down Syndrome in a custom face database. Gabor Wavelet Transform (GWT) is used as a feature extraction method. Dimension reduction is performed with Principal Component Analysis (PCA). New dimension which has most valuable information is derived with Linear Discriminant Analysis (LDA). Classification process is implemented with k-nearest neighbor (kNN) and Support Vector Machine (SVM) methods. The classification accuracy is carried out 96% and 97,34% with kNN and SVM methods, respectively. Different from the studies related with the Down Sydrome, feature selection process is applied before PCA according to the correlation between components of feature vectors. Best results are achieved with euclidean distance metric for kNN and linear kernel type for SVM. In this way, we developed an efficient system to recognize Down syndrome.     

二进制量子粒子群优化算法及其在化工过程故障诊断中的应用

针对实际化工生产过程中故障数据缺乏,采用适合小样本问题的支持向量机(SVM)对化工过程稳态故障进行诊断。为了保证在线故障诊断的实时性,消除高维监控数据以及系统噪声对故障诊断的干扰,提出了一种新的基于二进制量子粒子群优化(BQPSO)算法和SVM的故障特征选择方法。仿真实验表明:BQPSO算法具有良好的全局搜索能力,能够快速、准确地搜索到故障特征变量;而基于特征选择的SVM故障诊断方法能可靠地实现对复杂化工过程的在线故障诊断。     

Bicycle helmet use by children. Evaluation of a community-wide helmet campaign

To assess the effect of a community-wide bicycle helmet campaign on helmet use, we observed 9827 children riding bicycles at sites in high-, middle-, and low-income census tracts in Seattle, Wash (intervention city), and Portland, Ore (control city); observations were made during 2-week intervals before and 4, 12, and 16 months after the campaign's start. Helmet use increased from 5.5% before the campaign to 15.7% afterward in Seattle and from 1.0% to 2.9% in Portland. Strong associations were found between helmet use and white compared with black or other race; riding geared vs nongeared bicycles; riding at playgrounds, in parks, or on bicycle paths vs on city streets; and riding with adults or other children compared with riding alone. The proportions of helmet wearers, adjusted for these variables, increased from 4.6% to 14.0% in Seattle and from 1.0% to 3.6% in Portland, a significantly greater increase in use in Seattle compared with Portland. We conclude that a community-wide bicycle helmet campaign can increase helmet use among children.     

Retinal detachment following hockey injury.

Thirty-three cases of retinal detachment following hockey injury were seen during a 15-year period at the retina clinic of Maisonneuve-Rosemont Hospital, Montreal. Most injuries occurred in adolescents, the average age being 18 years. The mean interval between injury and preoperative examination was 3 years. Almost half of these young hockey players remained legally blind in the affected eye even after a successful operation. A helmet with a protective face visor is suggested as the best prevention against severe ocular damage such as retinal detachment.     

人类熟悉性特征识别障碍神经机制的研究进展

本文综述了人类熟悉性特征识别障碍涉及复杂的神经机制,包括: 1面孔失认症在涉及到面孔识别过程中出现的解剖结构和认知功能的障碍。2声音失认症患者声音识别障碍涉及到的神经机制。3熟悉的面孔和熟悉的声音被同时处理时两者之间存在的相互关系。4在识别熟悉人中左侧或右侧大脑损伤的两种不同模型及其影响。5颞叶前部损伤在识别熟悉人障碍中起到关键作用。     

中医面诊信息自动识别方法研究进展

目的:基于图像信息自动识别方法对中医面诊客观化发展做出总结与展望。方法:通过文献查阅、资料梳理,系统概括出中医面诊客观化的研究进展。结果:结合计算机识别技术对人脸图像进行信息采集、人脸分割、区域定位、特征提取与识别、四诊合参进行梳理,并归纳面诊检测技术在实际应用中的推广使用情况,对存在的问题进行讨论与分析,并对中医面诊技术的未来发展趋势进行展望。结论:随着中医诊断方法与现代科学技术相结合,中医面诊的研究与应用取得了较大进展,为面诊客观化和标准化做出了一定贡献。     

Efficacy of Interferon Treatment for Chronic Hepatitis C Predicted by Feature Subset Selection and Support Vector Machine

Chronic hepatitis C is a disease that is difficult to treat. At present, interferon might be the only drug, which can cure this kind of disease, but its efficacy is limited and patients face the risk of side effects and high expense, so doctors considering interferon must make a serious choice. The purpose of this study is to establish a simple model and use the clinical data to predict the interferon efficacy. This model is a combination of Feature Subset Selection and the Classifier using a Support Vector Machine (SVM). The study indicates that when five features have been selected, the identification by the SVM is as follows: the identification rate for the effective group is 85%, and the ineffective group 83%. Analysis of selected features show that HCV-RNA level, hepatobiopsy, HCV genotype, ALP and CHE are the most significant features. The results thus serve for the doctors’ reference when they make decisions regarding interferon treatment.     

基于SVM的动态建模新方法

为了提高传感器系统的动态特性，本文提出了一种基于支持向量机(SVM)的传感器动态建模新方法。由于支持向量机是基于统计学习理论的新一代机器学习技术，它有效地解决了小样本学习问题，因此本方法建模对实验样本数量没有特殊的要求。最后，仿真实验结果也证明了该动态建模方法在小样本情况下特别有效。