基于突触连接视通路方位敏感的图像分级边缘检测方法

视觉通路上的多级方位敏感特性对于视觉轮廓感知起着关键作用,将为更高层次的视皮层图像理解提供重要的特征信息。从视觉方位敏感机制出发,提出一种图像边缘检测的新方法。利用神经节细胞以及外膝体神经元感受野向心分布的生理结构特性,构建具有突触连接和多方向敏感特性的视皮层下功能层,融合多方向上的神经元脉冲发放信息,将视觉激励映射为边缘敏感图像;构建具有去最优方位感受野特性的初级视皮层的功能层,对前级结构生成的脉冲序列按时间信息进行神经编码,经过感受野内侧向抑制和阈值处理,获得边缘检测结果。对层次模糊而细节丰富的菌落图像进行处理,并以边缘置信度和重构相似度以及两者的加权和作为边缘检测评价指标。结果表明,该方法在完整检测图像边缘的同时,并不引入纹理噪声,有着明显的优势,其对12幅图像的加权和指标均值为0.746 8,显著高于其他对比方法。所提出的方法可以模拟视通路中初级视皮层及视皮层下的方向敏感特性,提供一种基于视觉机制的图像处理和理解新思路。     

在脑片水平上突触可塑性长时程增强的研究进展

长时程增强(LTP)是突触效能的重要表现形式,是研究学习与记忆突触机制的客观指标.近年来随着脑片技术的发展,很多关于LTP的实验研究都在脑片水平上进行.介绍了海马脑片CA1区LTP的调节表达机制的研究,海马脑片上诱导产生的LTP的特征和脑片条件的关系,多巴胺转运蛋白阻断剂通过活化D3多巴胺受体增强海马脑片CA1区LTP,以及激活大鼠海马脑片CA1区突触β-肾上腺素能受体增强联合LTP的研究,综述了在脑片水平上研究LTP的诱导表达维持及调节等方面的研究动态和进展.     

化学突触短时程可塑性的动态模型及计算机仿真

提出了化学突触短时程可塑性的动态模型，此模型以神经生物学为依据，通过计算机模拟，较好地反映了突触短时程可塑性的动态特性，再现了突触的易化、压抑、增强，恢复到正常水平的动态过程。     

基于抑制性突触多层神经元群放电编码的图像边缘检测

图像边缘检测所获得的目标轮廓细节质量,对于后续图像分析或理解过程具有重要作用。提出一种基于视觉机制的图像边缘检测新方法:构建抑制性突触连接的多层神经元群,在待检测图像的激励下,分析7像素×7像素视觉感受野窗口内互连接神经元的脉冲放电过程,记录发放时刻进行次序编码;同时考虑神经元之间的侧向抑制作用,在选择注意机制作用下获得增强图像;之后利用Log Gabor滤波器模拟视觉系统中的方向选择特性,获取8个方向的滤波结果,经过输出层神经元群的融合处理并经灰度映射到0～255的范围后获得边缘图像。对含有丰富边缘细节特性的24幅菌落图像进行处理,其处理结果的ROC评价指标均值为0.698 4,优于PCNN法的0.659 3;从评价指标的均方差来看,该结果具有更好的一致性。另外,从信息熵评价指标来看,该方法同样具有一定的优势,能够有效提取图像的边缘信息,而且也能反映更多层次的图像细节。所提出的方法为利用视觉生理特性进行图像处理提供了崭新而有效的思路。     

大鼠纹状体边缘区的突触特征

本文在电镜下对大鼠纹状体边缘区的突触特征进行了研究。边缘区中可见四种类型的突触:轴—体,轴—树,轴棘及轴—轴。在胞体、树突或树突棘上均可见有对称性及非对称性突触。多数对称性突触含有多形性小泡,而非对称性突触主要含圆形小泡。我们还在边缘区中首次观察到少量轴—轴—棘突触。边缘区中这些突触特征和纹状体其余部位有区别。     

基于神经元颜色拮抗与动态编码的轮廓检测方法

基于神经元的颜色拮抗特性及神经元群体的动态编码机制,实现对图像的轮廓检测。模拟视皮层下神经元的颜色单拮抗特性,引入单拮抗感受野的动态调节机制,以充分响应颜色边界和亮度边界;利用单细胞的树突极性分布,构建初级视皮层的双拮抗神经元网络,实现对特定方位的视觉刺激响应,有效提取目标轮廓;在神经元的群体感受野内,考虑神经元的动态突触连接,融合单细胞的脉冲频率响应,实现对纹理信息的抑制作用。以BSDS500图库的图像为实验对象,结果显示该方法在提取主体轮廓的过程中能有效抑制纹理信息,其对100幅图像最佳检测结果的P值指标均值和标准差为0.58±0.04,相对CORF和CO等其他对比方法,可提高轮廓提取的准确率。所提出方法可有效实现图像的轮廓检测,为利用颜色信息以及神经元之间的动态编码、实现更高级皮层的图像理解或者视觉认知提供新的思路。     

去除感觉神经细胞体对突触长时程易化效应的影响

目的去除感觉神经细胞的体部,研究离体培养突触长时程易化效应的变化。方法体外培养多组由无脊椎海生动物海兔(Ap lysia)的感觉神经元(SN)和运动神经元(L7,MN)互相接触而形成的突触模型,培养到第4 d时,将部分感觉神经细胞体去除(SN/L7,-CB),其余仍保留细胞体部(SN/L7,+CB),应用5-HT处理上述突触模型,之后将处理后的模型继续培养,在此后24 h和48 h,分别检测去除和保留感觉神经细胞体突触模型的长时程易化(LTF)效应。结果在应用5-HT后24 h,去除胞体组突触的LTF明显高于保留胞体组;而在应用5-HT后48 h,去除细胞体组突触的LTF呈明显下降,与保留细胞体组无明显差异;应用5-HT后24 h和48 h保留感觉神经细胞体组突触的LTF水平无明显变化。结论去除感觉神经细胞体在较短的时程内(24 h)可以提高突触LTF表达水平,而这种高水平的LTF无法长时间维持(48 h),保留感觉神经细胞体突触的LTF在一定时程内(48 h)可以在一定水平上稳定表达。     

突触结合蛋白-1与学习记忆的研究进展

<正>突触结合蛋白-1(synaptotagmin-1,Syt-1)是脑内小突触囊泡和大致密核心囊泡特有的膜内在蛋白质,是在膜融合机制中起重要作用的一个蛋白,可以作为Ca2+感受器调节刺激偶联的快速化学突触传递,对胞吐及递质释放过程皆有影响。本文旨在讨论Syt-1通过调节神经递质释放进而影响到     

去除感觉神经元胞体促进离体培养的海兔感觉神经突触形成

目的 研究去除离体培养的海兔感觉神经元（SN）与运动神经元（MN,L7）互相接触形成的突触终末数量的变化。方法 体外培养无脊椎海生动物海兔（Aplysia）SN和MN,L7,两者互相接触形成突触联系fSN／L7）,培养到第4d时,将部分感觉神经细胞的体部去除（SN／L7,-CB）,其中一部分应用5-HT处理,另一部分应用5-HT＋茴香霉素（Anisomysin）处理,将仍保留细胞体部（SN／L7,＋CB）的离体培养突触作为对照组,24h后。利用免疫组织化学方法观察突触终末数目的变化。结果与对照组相比,应用5-HT后24h,5-HT处理组突触终末的数目显著增加（P〈0．01）;而5-HT＋茴香霉素组的突触终末数目却没有明显改变。结论 在长时程易化条件下,去除感觉神经细胞体可能使突触终末的数量增加,而这种感觉神经突触可塑性的变化可以被蛋白质合成抑制剂茴香霉素所抵消。     

基于边缘检测算子的腰椎磁共振图像的比较

应用边缘检测算子进行图像的边缘检测是图像后处理中一种常用的方法.本文分别对各个边缘检测算子进行腰椎磁共振图像的边缘检测,从原理上分析了各个边缘检测算子的检测效果,可以看出边缘检测算子可以应用于医学磁共振图像的处理.     

基于加强梯度边缘检测算法和FFT的穿刺针定位方法

目的：针对CT引导介入图像中存在金属穿刺针伪影以及其他噪声,要准确提取穿刺针边缘和针尖的精确位置。方法：将加强梯度边缘检测算法和FFT结合．对图像进行滤波、增强、分割。首先采取高斯滤波器（GLPF）进行低通滤波,然后由罗盘算子、Canny算子提取边缘。通过取样针尖不同坐标计算针道斜率,据此计算针与水平方向夹角。为此训练了300幅CT引导穿刺图像。结果与结论：在MATLAB平台上仿真验证,结果表明,罗盘边缘算子相对应进针角度时,强化了针的边缘．加强梯度边缘检测方法和FFT能有效抑制图像噪声,并能提高针尖角度计算精度。     

基于细胞神经网络的有核细胞边缘检测方法研究

骨髓切片中的有核细胞数是测量骨髓增生程度的一个重要标志。由于骨髓成分的复杂性,计算机自动识别的效果不甚理想。提出了基于改进的细胞神经网络的有核细胞边缘检测的新方法。首先提出了改进的细胞神经网络的形式,推导了它的稳定性的条件。针对具体应用,设计了合适的网络参数。实验结果证明,新方法能够在复杂背景条件下,准确地提取出有核细胞的边缘。由于细胞神经网络硬件的易实现性,所以具有非常好的应用前景。     

基于MDL的病毒冷冻电镜图像边缘检测

信息技术在生物分予病毒微观研究上有着越来越多的应用。本文介绍了应用MDL小波软阈值去噪结合盲目反卷积来实现病毒原图像的恢复，以达到对比度提高的效果。首先简单介绍了小波软阈值去噪和盲目反卷积原理。然后结合这两种算法，有效的恢复了冷冻电镜病毒图像。实验表明用该算法得到的病毒恢复图像来做边缘检测，在同一些经典图像复原算法比较中，衬度上有明显的改善。     

基于小波变换和拉普拉斯算子的细胞图像边缘检测方法

目的：介绍一种基于小波变换和拉普拉斯算子的血液细胞图像边缘识别方法。材料和方法：取正常人血样5mL。制成血液细胞图片12片，对血图像进行预处理后，利用小波变换的多分辨率特性滤除细胞图像中的干扰成份。根据血液细胞边缘附近的灰度分布梯度较大的特点，采用拉普拉斯算子及双阈值法对其进行边缘检测和识别。结果和结论：实验结果表明，结合小波变换和拉普拉斯算子的边缘提取算法对血液细胞图像边缘提取有良好的效果．为下一步对血液细胞的形态学分析、分类和识别提供了新途径。     

一种基于多尺度分析的CT图像边缘检测方法

为了准确提取CT图像中解剖组织几何形态特征,提出了一种基于多尺度分析的CT图像边缘检测方法。本文应用多尺度分析中含有尺度因子的平滑函数的负导数作为小波,对CT图像实施小波变换,并检测小波变换的模局部极大值,完成基于模局部极大值的解剖组织轮廓特征表达。本文还讨论了一种模局部极大值点的简单筛选方法,针对CT图像噪声较大的特点,以模局部极大值的均方根乘以一个与尺度有关的因子作为模局部极大值的阈值,在不同尺度上获得了清晰的边缘信息。阈值处理后的模局部极大值图表明,不同尺度下的边缘检测能给出大小不同的物体的边缘信息。本方法能在有效抑制噪声的基础上,准确提取感兴趣解剖组织的几何轮廓特征。     

基于活动轮廓模型和边缘对比度特征量的血管内超声图像边缘提取

血管内超声（IVUS）图像冠状动脉血管壁的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。本研究提出了一种用于自动提取IVUS序列图像冠状动脉血管壁内、外膜边缘的方法。该方法基于活动轮廓模型以及本研究所定义的边缘对比度特征量，利用Hopfield神经网络并结合模拟退火算法自动提取IVUS序列图像冠状动脉血管壁的内、外膜边缘。实验结果表明，本研究方法易于实现，而且准确性和可靠性较高，对IVUS序列图像处理的可重复性和鲁棒性较好，是一种较好的全局最优化算法。     

基于生成对抗网络的彩色眼底图像硬性渗出检测方法

糖尿病视网膜病变(DR)是糖尿病严重的并发症,是视力损害最常见的原因之一。硬性渗出物(HE)是DR早期的症状之一,从眼底图像中对硬性渗出的准确检测是DR筛查的关键步骤。提出一种基于生成对抗网络(GANs)的视网膜硬性渗出的自动检测方法。相比一般的卷积神经网络,生成对抗网络由生成式模型G和判别式模型D组成,两者之间的博弈与竞争使得生成对抗网络能够更加精确地检测眼底图像中的硬性渗出。首先,为了避免视盘对后续硬性渗出检测的干扰,根据血管分布信息与全局灰度信息,准确定位视盘(OD)中心并掩盖视盘;然后,交替迭代训练生成式模型G和判别式模型D,得到在验证集上分割效果最佳的模型并保存。所提出的算法在e-ophtha EX数据库上训练和验证,并进行像素级评估,获得88.6％、84.3％和86.4％的平均灵敏度、PPV和F-score。在另一个独立的DIARETDB1数据库上进行测试,获得的平均灵敏度、特异性和准确性分别为100％、96.2％和97.8％。综上所述,两个视网膜图像数据库的评估结果证明,生成对抗网络的博弈模式能够有效地检测彩色眼底图像中的硬性渗出。     

基于特征编码和卷积神经网络的注意力状态检测

列车运行安全与列车驾驶员的注意力状态密切相关,为了快速准确检测驾驶员的注意力状态,提出一种基于特征编码和卷积神经网络(FECNN)的注意力状态检测方法。对从Kaggle数据集上下载的5名参与者的脑电图数据,用快速独立成分分析(FastICA)和小波滤波方法进行去噪,从中提取微分熵(DE)特征,并进行最大最小归一化;然后将DE特征编码成对应的矩阵,转化为对应的彩色图,标上对应的状态类别。将数据预处理后的彩色图作为卷积神经网络的输入,通过对模型参数的不断优化,得到分类精度较好的注意力状态检测模型。对提取DE特征和没有提取DE特征的10个样本进行实验,平均检测精度分别为95.10%±2.88%和93.12%±3.38%,高于传统的DNN模型和LeNet-5模型,并且模型更具有稳定性。所提出的FECNN模型,可为注意力状态检测提供一种新的思路,在驾驶员疲劳检测系统的开发方面具有一定的应用价值。