摘要。可变形图像配准是医学图像分析中的关键步骤,用于找到一对固定图像和运动图像之间的非线性空间变换。基于卷积神经网络 (CNN) 的深度配准方法已被广泛使用,因为它们可以快速、端到端地执行图像配准。然而,这些方法通常对具有较大变形的图像对性能有限。最近,迭代深度配准方法已被用来缓解这一限制,其中变换以由粗到细的方式迭代学习。然而,迭代方法不可避免地延长了配准运行时间,并且倾向于在每次迭代中学习单独的图像特征,这阻碍了利用这些特征来促进以后的迭代配准。在本研究中,我们提出了一种用于可变形图像配准的非迭代由粗到细配准网络 (NICE-Net)。在 NICE-Net 中,我们提出了:(i) 单次深度累积学习 (SDCL) 解码器,可以在网络的单次(迭代)中累积学习从粗到细的转换;(ii) 选择性传播特征学习 (SFL) 编码器,可以学习整个从粗到细配准过程的常见图像特征并根据需要选择性传播这些特征。在 3D 脑磁共振成像 (MRI) 的六个公共数据集上进行的大量实验表明,我们提出的 NICE-Net 可以胜过最先进的迭代深度配准方法,而只需要与非迭代方法类似的运行时间。
简单总结:慢性粒单核细胞白血病 (CMML) 是一种罕见疾病,预后不良,有进展为急性髓系白血病 (AML) 的风险。干细胞移植 (alloSCT) 是唯一可能治愈的选择。针对特定基因突变的新型靶向药物 (NTD) 对 AML 有用,但人们对 CMML 如何进展为 AML 以及这些药物是否对 CMML 有效知之甚少。在我们的研究中,38% 的患者接受了低甲基化药物治疗,但其中不到一半有反应。六名患者接受了 NTD 治疗,反应良好。只有 10% 的患者可以进行 AlloSCT。25% 的患者进展为 AML,在诊断和进展之间,他们的基因突变发生了变化。尽管 CMML 的预后较差,但分析基因突变有助于更好地分层每位患者的风险,并确定每位患者可能有效的 NTD。
dharanir.pec@gmail.com, ramesh.revathy@gmail.com, danesh.kn1@gmail.com Received : 31 July 2023, Revised: 14 October 2023, Accepted : 21 October 2023 * Corresponding Author ABSTRACT Oral cancer presents a pressing global health concern, ranking as the eighth most prevalent cancer worldwide and leading to a significant number of deaths, particularly evident in India with an annual toll of大约有130,000人死于口腔癌。早期检测的紧迫性是显而易见的,因为由于临床检查和活检而导致的疾病识别延迟可以阻碍有效的治疗和改善患者的结果。这项研究通过开发能够识别受疾病影响的口腔区域并准确分类各种口腔癌疾病的系统来解决这一关键需求。该研究利用深度学习算法来检测和精确定位口服图像中的受影响区域,并结合了高级特征提取技术,尤其是基于模式的特征。使用创新的蜜蜂脉冲夫妇神经网络(BEEPCNN)算法用于对受影响区域的有效分割。为了进一步提高检测效率,引入了一种新型模糊遗传粒子群卷积神经网络(FGPSOCNN),从而降低了计算复杂性,同时保持了高精度水平。拟议的系统使用从Arthi Scan医院收集的实时MRI图像进行了严格的评估。实验结果令人信服地证明了与现有的口腔癌检测方法相比,FGPSOCNN模型的优越性。1。简介这项综合研究不仅满足了早期口腔癌检测的关键需求,而且还引入了一种创新的方法,可以显着提高效率而不会损害准确性。这项研究对口腔癌诊断的潜在影响是很大的,为全球关键的全球健康挑战提供了有希望的解决方案。关键字:口腔癌,深度学习,蜂鸣声,模糊,粒子群优化,fgpsocnn。
引言内质网(ER)是一种多功能细胞器,涉及蛋白质折叠和组装,分离键的形成以及Ca 2 +储存。在ER中,源自与Ca 2 + - 和氧化还原依赖性事件相互之间的源自展开的蛋白质反应(UPR)的信号(17,25)。它们的整合对于细胞分化和死亡决策至关重要(19)。为了实现其许多功能,ER由专门的子区域组成(38,44),其中之一是一个关键信号枢纽:线粒体相关的膜(MAM)保证与线粒体与线粒体的物理关联,用于CA 2 +信号传导和细胞存活的基础(13)。富含Ca 2 +辅助蛋白,氧化还原酶和伴侣蛋白,MAM产生高[Ca 2 +]的微区域,从而激活线粒体Ca 2 + Uniporter(MCU)(MCU)(12、13、16)。ER是过氧化氢的潜在来源(H 2 O 2)。ERO1 A和ERO1 B脂蛋白可持续氧化蛋白折叠,通过PDI将电子从货物蛋白转移到分子氧,并作为副产物产生H 2 O 2(27)。in
摘要 最近,使用卷积神经网络 (CNN) 解码人类脑电图 (EEG) 数据推动了脑机接口 (BCI) 中运动想象脑电图模式识别的最新技术。虽然已经使用多种 CNN 模型来对运动想象脑电图数据进行分类,但尚不清楚聚合异构 CNN 模型集合是否可以进一步提高分类性能。为了整合集成分类器的输出,本研究利用模糊积分和粒子群优化 (PSO) 来估计分配给分类器的最佳置信度水平。所提出的框架聚合了 CNN 分类器和模糊积分与 PSO,根据 BCI 使用场景,在各种 CNN 模型训练方案中实现运动想象脑电图数据的单次试验分类的稳健性能。这项概念验证研究证明了应用模糊融合技术增强基于 CNN 的 EEG 解码的可行性,并有利于 BCI 的实际应用。关键词:脑机接口 (BCI)、脑电图 (EEG)、卷积神经网络 (CNN)、模糊积分、运动想象 (MI)、粒子群优化 (PSO)。
作物遗传多样性和种群结构评估对于标记性状关联、标记辅助育种和作物种质保护至关重要。我们分析了一组 285 个硬粒小麦种质,其中包括 215 个埃塞俄比亚硬粒小麦地方品种、10 个已发布的硬粒小麦品种、10 个来自埃塞俄比亚的先进硬粒小麦品系和 50 个来自 CIMMYT 的硬粒小麦品系。我们分别基于 11,919 个已知物理位置的 SNP 标记,调查了整个小组以及 215 个地方品种的遗传多样性和种群结构。整个小组聚类为两个种群,一方面主要代表地方品种,另一方面主要代表已发布的、先进和 CIMMYT 品系。对地方品种的进一步种群结构分析发现了 4 个亚群,强调了埃塞俄比亚硬粒小麦地方品种中高度的遗传多样性。基于两组群体结构的 AMOVA 分析表明,群体间和群体内均存在显著 (P < 0.001) 的变异。两组群体内的总变异 (81%、76%) 高于群体间的总变异 (19%、24%)。基于群体结构分析的全组和埃塞俄比亚地方品种的遗传分化 (FST) 和基因流 (Nm) 分别为 0.19 和 0.24、1.04 和 0.81,表明遗传分化程度高,基因流有限。多样性指数证实,地方品种组 (I = 0.7、He = 0.46、uHe = 0.46) 比高级品系 (I = 0.6、He = 0.42、uHe = 0.42) 更具多样性。同样,也观察到地方品种群内的差异。总之,我们发现埃塞俄比亚硬粒小麦地方品种具有很高的遗传多样性,这可能是国家和国际小麦改良计划的目标,以利用其宝贵的特性来对抗生物和非生物胁迫。
为了降低电网的功耗和成本,本文讨论了基于粒子群优化 (PSO) 的模糊逻辑控制器 (FLC) 的开发,用于微电网 (MG) 应用中电池储能系统 (ESS) 的充电 - 放电和调度。最初,FLC 被开发用于控制储能系统的充电 - 放电,以避免传统系统的数学计算。然而,为了改进充电 - 放电控制,使用 PSO 技术优化 FLC 的隶属函数,同时考虑可用功率、负载需求、电池温度和充电状态 (SOC)。调度控制器是根据负载实现低成本不间断可靠电源的最佳解决方案。为了降低电网电力需求和消耗成本,还引入了最佳二进制 PSO 来在一天中的不同时间在各种负载条件下调度 ESS、电网和分布式电源。得到的结果证明了所开发的基于 PSO 的模糊控制的鲁棒性,可以有效地管理电池充电和放电,同时将电网功耗降低 42.26%,将能源使用成本降低 45.11%,这也证明了该研究的贡献。© 2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。
可变形图像配准是医学图像分析的基本步骤。最近,Transformer 已用于配准,其表现优于卷积神经网络 (CNN)。Transformer 可以捕获图像特征之间的长距离依赖性,这已被证明对配准有益。然而,由于自注意力的计算/内存负载高,Transformer 通常用于下采样特征分辨率,无法捕获全图像分辨率下的细粒度长距离依赖性。这限制了可变形配准,因为它需要每个图像像素之间精确的密集对应关系。没有自注意力的多层感知器 (MLP) 在计算/内存使用方面效率高,从而可以捕获全分辨率下的细粒度长距离依赖性。然而,MLP 尚未在图像配准中得到广泛探索,并且缺乏对医学配准任务至关重要的归纳偏差的考虑。在本研究中,我们提出了第一个基于相关感知 MLP 的配准网络 (CorrMLP) 用于可变形医学图像配准。我们的 CorrMLP 在新颖的粗到细配准架构中引入了关联感知多窗口 MLP 块,该架构可捕获细粒度多范围依赖性以执行关联感知粗到细配准。对七个公共医疗数据集进行的大量实验表明,我们的 CorrMLP 优于最先进的可变形配准方法。
近年来,基于深度学习的目标检测取得了长足的进步。然而,由于域转移问题,将现成的检测器应用于看不见的域会导致性能大幅下降。为了解决这个问题,本文提出了一种新的由粗到细的特征自适应方法用于跨域目标检测。在粗粒度阶段,与文献中使用的粗糙的图像级或实例级特征对齐不同,采用注意机制提取前景区域,并通过在公共特征空间中多层对抗学习根据其边缘分布进行对齐。在细粒度阶段,我们通过最小化来自不同域但属于同一类别的全局原型的距离来进行前景的条件分布对齐。由于这种由粗到细的特征自适应,前景区域中的领域知识可以得到有效的迁移。在各种跨域检测场景中进行了大量的实验。结果是最先进的,证明了所提出方法的广泛适用性和有效性。
1。生命科学学院副教授陈廷峰教授生命科学学院副教授陈廷峰教授研究专题︰香牙蕉抗枯萎病的基因探究及机理分析,也是全球产量第二大水果。本项目将结合基因组也是全球产量第二大水果。本项目将结合基因组,foc-tr4 foc-tr4 foc-tr4 的8号」(8号」(8号」( ZJ-08)品种,本研究将应用最新的长读取定序技术和高通量的染,本研究将应用最新的长读取定序技术和高通量的染,本研究将应用最新的长读取定序技术和高通量的染,并利用中大团队在光学基因组图谱测绘的专长ZJ-08 ZJ-08 ZJ-01 ZJ-01111 foc-tr4(foc-tr4)((生物医学学院李嘉诚生物医学讲座教授陈伟仪教授生物医学学院李嘉诚生物医学讲座教授陈伟仪教授生物医学学院李嘉诚生物医学讲座教授陈伟仪教授甲基化调控线粒体类核相分离及转录机制的研究甲基化调控线粒体类核相分离及转录机制的研究甲基化调控线粒体类核相分离及转录机制的研究甲基化调控线粒体类核相分离及转录机制的研究,dna 储存、复制和转录的重要结构,深入研究线粒体,dna甲基化修饰如何调控类核结构与转录功能。本研究将在多能干细胞和心肌细,确定线粒体,dna甲基化调控线粒体类核相分离的具体过程,dna甲基化调控线粒体类核相分离的具体过程,并揭示线粒体dna甲基化调控相分离介导的线粒体转录分子机制。本研究有望为线粒体类核结,dna甲基化调控相分离介导的线粒体转录分子机制。本研究有望为线粒体类核结甲基化调控相分离介导的线粒体转录分子机制。本研究有望为线粒体类核结ca 2+ t t细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建细胞在肿瘤微环境中的生物活性具有重大意义。团队拟构建,以用于精,构建红光调控的钙离子信号通路控制器,构建红光调控的钙离子信号通路控制器,实现红光,并研究其动力学特征;其次,并研究其动力学特征;其次