图 4 凝视运动。 (a) 三种模式下参与者目光注视的示例。屏幕上显示 16 个字母数字字符,由 4×4 矩阵表示。每次试验在 16 个字符中有一个、三个或五个目标与声音呈现的单词相匹配。在单人模式下,屏幕上显示的红色圆圈表示参与者的注视点。在合作和竞争模式下,屏幕上两位参与者的注视点以红色和绿色圆圈区分。 (b) 单次试验中观察到的参与者扫描路径和注视热图的示例。虚线框在实验期间不可见,标记了目标的位置。请注意,观察者的注视点在实验期间不可见。 (c) 40 次试验的注视热图。 (d) 两位参与者眼动追踪热图之间的相似性。每个小提琴图(透明色)上都叠加了一个箱线图,显示了相似性度量的分布,包括单一、合作和竞争模式下的 Pearson's r、结构相似性指数度量 (SSIM) 和 Jaccard 相似性系数。黑色星号和线分别表示相似性的平均值和中位数。使用重复测量方差分析确定任务模式之间相似性的显著差异。
2020年7月29日收到; 2021年1月11日接受;于2021年2月4日出版:作者隶属关系:1个非编码RNA技术与健康中心,哥本哈根大学兽医和动物科学系,1871年,丹麦Frederiksberg,哥本哈根大学; 2荷兰荷兰癌症研究所的致癌基因组学司,荷兰阿姆斯特丹1066; 3哥本哈根大学生物学系计算和RNA生物学部分,丹麦哥本哈根1165;丹麦的Bagsværd4 Novozymes。*通信:Jan Gorodkin,Gorodkin@rth。DK关键字:B。uttilis;基因组注释;非编码和结构化RNA;操纵子。缩写:Asrna,反义RNA; CD,编码序列;去,基因本体论; GRNA,导向RNA; Ji,Jaccard索引; ncRNA,非编码RNA; SRNA,小RNA; TMRNA,转移Messenger RNA; TSS,转录开始站点; TTS,转录终止位点; TU,转录单元; UTR,未翻译区域。†目前地址:英国索尔福德大学科学,工程与环境学院。数据语句:文章或通过补充数据文件中提供了所有支持数据,代码和协议。本文的在线版本可以使用四个补充表和九个补充数据。000524©2021作者
摘要:胶质瘤脑肿瘤具有与其他肿瘤相似的纹理模式,因此检测和分割胶质瘤脑肿瘤是一项具有挑战性的过程。本研究提出了一种改进的肿瘤检测系统 (MTDS) 方法来从健康脑图像中识别和分类胶质瘤脑图像。空间 Gabor 变换 (SGT)、特征计算和深度学习结构构成了建议的 MTDS 技术的训练工作流程。从胶质瘤脑图像数据集图像和正常脑图像数据集图像计算特征,并将这些特征输入到分类架构中。在本文中,提出的 IVGG 架构源自现有的视觉几何组 (VGG) 架构,以提高所提系统的检测率并降低计算时间复杂度。所提系统的测试工作流程还包括 SGT、特征计算和 IVGG 架构,以产生将源脑图像分类为正常或胶质瘤的结果。此外,形态分割技术已用于查找此胶质瘤图像中的肿瘤位置。本研究使用了两个独立的脑成像数据集来评估和验证建议的 MTDS 的性能效率。数据集是 BRATS Imaging 2020 (BI20) 和 Kaggle Brain Imaging (KBI)。已经根据 Jaccard 指数、召回率、准确率和检测率对性能效率进行了分析。
心血管疾病(CVD)是全球死亡率的主要原因,准确的预测模型对于改善预防和管理策略至关重要。本研究通过基于相关的图形结构和加权链路预测算法来解决增强CVD风险预测的挑战。使用Pearson和Spearman相关方法,我们将包含1025个患者记录和14个关键特征的综合数据集转换为图形结构。基于相关的图形结构捕获特征依赖性,通过将变量关系表示为网络中的边缘。为了评估图形表示的有效性,我们应用了加权链路预测算法,包括加权共同邻居(WCN),加权优先附着(WPA)和加权Jaccard系数(WJC)。基于Pearson相关的网络表现出非凡的性能,WCN算法在曲线(AUC)下达到99.80%的面积,精度为48.0%。相比之下,基于Spearman相关的网络显示出强大的结果,WJC的AUC为96.60%,精度为67.16%。在jupyter环境中使用Python进行的比较分析,并采用了诸如NetworkX和各种统计文库之类的库,突出了基于相关图在CVD数据中捕获线性和非线性关系的卓越能力。虽然有希望,但该研究承认与数据集大小和计算复杂性有关的局限性。我们的发现表明,基于相关的图形方法可显着增强CVD预测,提供更个性化的CVD预防和管理方法。
关于海关数据使用的大部分研究都是技术性的。通过使用聚类、分类算法、计量经济学技术、镜像分析和搜索异常值,海关定位以及更广泛的打击欺诈已成为工程师、计量经济学家、统计学家和数据科学家的经典问题(Cantens,2015 年;Cariole 等人,2019 年;Chermiti,2019 年;Choi,2019 年;Grigoriou,2019 年;Hua 等人,2006 年;Laporte,2011 年;Xiao 等人,2016 年;Yaquin 和 Yuming,2010 年;Zhou,2019 年)。使用数据来改革或打击不良做法,而不必调动复杂的算法,也显示出其有效性(Cantens 等人,2010 年;Chalendard 等人,2019 年;Grigoriou 等人,2019 年;Kalinzije,2018 年)。研究人员很快就建立了海关问题与人工智能已经非常先进的领域之间的联系,例如应用于非侵入式扫描检查的图像识别(Jaccard 等人,2017 年;Kolokytha 等人,2017 年)。世界海关组织 (WCO) BACUDA 平台(海关数据分析师联盟)开展了一系列研究,研究如何使用机器学习进行海关欺诈检测、在线价格数据收集、机器学习进行海关收入预测和数据可视化。5 最后,海关使用地理定位数据开辟了新的可能性。
通过使用RAPD(随机扩增的多态性DNA)和ISSR(简单序列重复序列重复序列)进行了10种不同的Grewia optiva家族之间的多样性分析。Grewia Optiva家族是由从喜马al邦(印度)的各个地区收集的种子养育的,并根据形态学参数选择。分别使用15个RAPD和20个ISSR引物和9个RAPD和12个ISSR引物显示放大。9个RAPD引物显示出68.96%的多态性,12个ISSR引物显示出71.25%的多态性。使用NTSYSPC Ver.2.02H的Sahn模块生成相似性矩阵和树状图。jaccard的相似性矩阵显示了与RAPD引物之间的“ SO-7”和“ SO-3”之间的最大相似性系数为0.88。对于ISSR,系数值范围为0.52至0.80。树状图在更大程度上也揭示了相似的结果,在Grewia Optiva收集的10个家族中发现的最大相似性在“ SO-7”和“ SO-3”的RAPD引物之间为88%,与ISSR的“ SO-7”和“ SO-3”之间的“ SO-7”和80%。RAPD和ISSR在10种不同基因型的Grewia optiva中有效揭示了多态性。根据地理分布和遗传构造,RAPD和ISSR的基于UPGMA的树状图证实了不同基因型将不同的基因型放置在不同的簇和子集群中。Family SH-7与RAPD和ISSR研究所揭示的那样发出了Outliner。
磁共振 (MR) 图像分割是创建伪计算机断层扫描 (CT) 图像的一项关键任务,伪计算机断层扫描 (CT) 图像可用于实现正电子发射断层扫描 (PET) 衰减校正。创建伪 CT 图像的主要挑战之一是难以对脑 MR 图像中的骨组织进行准确分割。深度卷积神经网络 (CNN) 已被广泛而有效地应用于执行 MR 图像分割。这项工作的目的是提出一种分割方法,将多分辨率手工制作的特征与基于 CNN 的特征相结合,以添加方向属性并丰富用于执行分割的特征集。主要目标是有效地将大脑分割成三个组织类别:骨骼、软组织和空气。所提出的方法使用不同的机制将非下采样 Contourlet (NSCT) 和非下采样 Shearlet (NSST) 系数与 CNN 的特征相结合。计算熵值以选择最有用的系数并降低输入的维数。使用 50 张临床脑部 MR 和 CT 图像通过计算精度、召回率、骰子相似系数 (DSC) 和 Jaccard 相似系数 (JSC) 来评估分割结果。还将结果与文献中报道的其他方法进行了比较。骨骼类的 DSC 从 0.6179 ± 0.0006 提高到 0.6416 ± 0.0006。将 NSCT 和 NSST 的多分辨率特征与 CNN 的特征相加,显示出了令人鼓舞的结果。此外,NSST 系数比 NSCT 系数提供了更多有用的信息。
摘要 - 甲状腺结节是一种病变,医生通常需要高级诊断工具来检测和进行后续诊断。有监督的深度学习技术,尤其是生成的对抗网络(GAN),已被用来提取基本特征,检测结节并生成甲状腺面膜。但是,由于识别癌症区域和训练模式崩溃的高成本,这些方法在获得培训数据方面面临重大挑战。因此,本研究提出了一个GAN模型的改进,即用于甲状腺结节分割的像素到像素(Pix2Pix)模型,在该模型中,将发生器与监督损失功能合并,以解决GAN训练期间的不稳定性。该模型使用了具有u-Net体系结构启发的编码码头结构的生成器来产生掩码。该模型的歧视者由多层卷积神经网络(CNN)组成,以比较真实和生成的面具。此外,使用三个损失函数,即二进制跨透明镜丢失,软骰子丢失和jaccard损失,并结合损失gan来稳定GAN模型。基于结果,提出的模型从超声甲状腺结节图像中实现了97%的癌症区域检测准确性,并使用稳定模型对其进行了分割,其发电机损耗函数值为0.5。简而言之,这项研究表明,与半监视分割模型相比,改进的PIX2PIX模型在结节分割精度方面产生了更大的灵活性。关键字 - 甲状腺结节分割,超声图像,深度学习,生成对抗网络,pix2pix,损失功能
总结本研究旨在评估宾果岛社区储备中两种森林物种(Entandrophragma Cylindricum和Khaya Grandifoliola)的社会文化知识和用途以及置换率和二氧化碳固相潜力。根据概率层压板采样技术进行了民族植物学调查。样品的大小是根据dagnelie关系固定的。在50 m x 50 m的斑点中,在12 ha细分的设备中进行了树状测量测量,其中所有大于或等于10 cm的DHP树已被鉴定出来。从这项研究中得出,两种植物被用于传统医学治疗14种疾病。K。Grandifoliola是E. cylindricum(23.49%)的最被引用的植物(76.51%);最引用的两种疾病是普遍的疼痛(29个引号)和疟疾(29个引号),其相似性系数的Jaccard等于57%); K. Grandifoliola和疟疾更多的愈合,而E. cylindricum则更多地用于管理广义疼痛。对于两种植物,树皮是最常用的器官(99.3%),而汤是最引用的收入方法(95.3%)。The Cubage price of E. Cylindricum obeys mathematical models of polynomial regression (y = -0,0002x 2 + 0.2935x - 16.392) and power (y = 0.0038x 1.6976) while that of K. Grandifoliola only obeys polynomial regression (y = 0.0012x 2 - 0.0216x + 0.5592).E. cylibdricum隔离比Co 2(77.10吨/公顷)的序列比K. Grandifoliola(33.83吨/公顷)。因此,希望获得的结果可以鼓励当地行为者(当地人口)和负责森林管理的机构为建立能够通过社区生物文化方案来确保合理管理和可持续发展的标准。关键词:传统医学,社区林业,生物多样性,碳井,异量
总结本研究旨在评估宾果岛社区储备中两种森林物种(Entandrophragma Cylindricum和Khaya Grandifoliola)的社会文化知识和用途以及置换率和二氧化碳固相潜力。根据概率层压板采样技术进行了民族植物学调查。样品的大小是根据dagnelie关系固定的。在50 m x 50 m的斑点中,在12 ha细分的设备中进行了树状测量测量,其中所有大于或等于10 cm的DHP树已被鉴定出来。从这项研究中得出,两种植物被用于传统医学治疗14种疾病。K。Grandifoliola是E. cylindricum(23.49%)的最被引用的植物(76.51%);最引用的两种疾病是普遍的疼痛(29个引号)和疟疾(29个引号),其相似性系数的Jaccard等于57%); K. Grandifoliola和疟疾更多的愈合,而E. cylindricum则更多地用于管理广义疼痛。对于两种植物,树皮是最常用的器官(99.3%),而汤是最引用的收入方法(95.3%)。cylindricum obeys多项式回归的数学模型(y = -0,0002x 2 + 0.2935x -16.392)和功率(y = 0.0038x 1.6976),而K。 0.0216x + 0.5592)。cylindricum obeys多项式回归的数学模型(y = -0,0002x 2 + 0.2935x -16.392)和功率(y = 0.0038x 1.6976),而K。 0.0216x + 0.5592)。E. cylibdricum隔离比Co 2(77.10吨/公顷)的序列比K. Grandifoliola(33.83吨/公顷)。因此,希望获得的结果可以鼓励当地行为者(当地人口)和负责森林管理的机构为建立能够通过社区生物文化方案来确保合理管理和可持续发展的标准。关键词:传统医学,社区林业,生物多样性,碳井,异量