医学图像通常需要重新缩放到各种空间分辨率,以确保在不同层面上的解释。传统的基于深度学习的图像超分辨率 (SR) 增强了固定尺度的分辨率。隐式神经表征 (INR) 是一种实现任意尺度图像 SR 的有前途的方法。然而,现有的基于 INR 的方法需要重复执行神经网络 (NN),这既慢又低效。在本文中,我们提出了用于快速任意尺度医学图像 SR 的神经显式表征 (NExpR)。我们的算法用显式解析函数表示图像,其输入是低分辨率图像,输出是解析函数的参数化。通过单个 NN 推理获得解析表示后,可以通过在所需坐标处评估显式函数来得出任意尺度的 SR 图像。由于解析显式表示,NExpR 比基于 INR 的方法快得多。除了速度之外,我们的方法还实现了与其他强大竞争对手相当或更好的图像质量。在磁共振成像 (MRI) 数据集(包括 ProstateX、fastMRI 和我们内部的临床前列腺数据集)以及计算机断层扫描 (CT) 数据集(特别是 Medical Segmentation Decathlon (MSD) 肝脏数据集)上进行的大量实验证明了我们方法的优越性。我们的方法将重新缩放时间从 1 毫秒的数量级缩短到 0.01 毫秒的数量级,实现了超过 100 倍的加速,同时不损失图像质量。代码可在 https://github.com/Calvin-Pang/NExpR 上找到。
赵欣教授于2013年获得中国科学技术大学博士学位。他的研究兴趣包括视频分析和性能评估,尤其针对目标跟踪任务。他发表过许多国际期刊和会议论文,例如IJCV、IEEE TPAMI、IEEE TIP、IEEE TCSVT、CVPR、ICCV、NeurIPS、AAAI、IJCAI。最近,他主要进行人机视觉评估方面的研究。他构建了多个广泛使用的计算机视觉基准测试集(例如GOT-10k、VideoCube、SOTVerse、Biodrone等)并建立了在线评估平台。他定期担任以下会议和期刊的程序委员会成员或同行评审员:CVPR、ICCV、ECCV、ICML、NeurIPS、ICLR、IJCV、IEEE TPAMI、IEEE TIP、IEEE TMM等。
ZQ ( 钱增强 ), Zhao P ( 赵鹏 ), Zhu J ( 祝娟 ), Yang YX ( 杨一 欣 ), Yan XH ( 阎晓昊 ), Li YJ ( 李银军 ), Zhao GF ( 赵桂仿 ) (2014) A review on studies of speciation in the presence of gene flow: evolution of reproductive isolation.Biodiversity Science ( 生物多样性 ), 22 , 88–96.(in Chinese with English abstract) Liu TY ( 刘铁燕 ), Chen MS ( 陈明生 ) (2014) Genome evolu-
赵海洋、罗可欣、刘梅寒、赵永胜、张红攀。除了现有的附属机构外,他们还应该有中国四川省南充市川北医学院附属医院。更正后的单位如下: 赵海洋 1,2,3,4,† ,罗可欣 1,2,3,4,† ,刘梅涵 1,2,4,5,† ,蔡元泽 2 ,刘思曼 2 ,李诗娟 6 ,赵永胜 1,2,3,*,张红攀 1,2,5,7,* 1.川北医学院附属医院,四川省南充市 2.川北医学院附属医院胸外科,四川省南充市 5.川北医学院附属医院肿瘤科,四川省南充市 6.南充市中心医院,四川省南充市 7.四川省治疗性蛋白质重点实验室,四川省南充市原文已更新。
讲师 • 时间 – 讲座:周二 14:00 至 15:00 – 实验室:周二 15:00~17:30,周五 14:00~17:30 • 讲师 – 赵健助理教授和王国兴教授 – 微电子学院,427 室
收稿日期:2021 - 08 - 18 基金项目:国家自然科学基金项目(31972059),国家现代农业产业技术体系资助(CARS - 20) 作者简介:刘笑天,男,硕士研究生,研究方向:食药用真菌遗传育种;E - mail :sheltonliu@foxmail.com 通讯作者:赵明文,男,博士,教授,研究方向:食药用真菌遗传育种;E - mail :mwzhao@njau.edu.cn
负责部门 国防科技保护局局长 李永彬(02-2079-6800) 技术政策本部长 赵永进(02-2079-6380)
熊瑞 2, † , 张雷克 3, † , 李世良 2, † , 孙元 3 , 丁敏一 2 , 王勇 1 , 赵永亮 1 , 吴艳 3 , 尚伟娟 3 , 蒋夏明 3 , 单继伟 2 , 沉子豪 2 , 童一 2 , 徐柳新 2 , 陈宇 1 , 英乐刘 1 , 邹刚 4 , Dimitri Lavillete 4 , 赵振江 2 , 王锐 2 , 朱丽丽 2 , 肖耕夫 3 , 兰柯 1 , 李洪林 2,* , 徐克 1,4,* 1 武汉大学生命科学学院病毒学国家重点实验室,
摘要 目的 评估不同类型血脂异常个体罹患2型糖尿病(T2DM)的风险,并比较不同血脂参数对T2DM的预测价值。 方法 对中国健康与养老纵向研究(CHARLS)的数据进行二次分析。在基线调查(2011—2012年)中,共访谈17 708名45岁以上个体,采集11 847份血样。在两次随访调查(2013—2014年和2015—2016年)中确认T2DM的结果。通过Cox比例风险回归模型估计T2DM与血脂异常相关的HR和95%CI。通过受试者工作特征(ROC)曲线下面积(AUC)比较八个血脂参数的判别值。 结果 共7329名参与者纳入分析;在平均3.4年的随访期内,387名(5.28%)受试者新发糖尿病。与血脂正常者相比,高胆固醇血症、高甘油三酯血症及低高密度脂蛋白胆固醇(HDL-C)者的2型糖尿病风险显著升高(HR(95% CI)分别为1.48(1.11至1.96)、1.92(1.49至2.46)和1.67(1.35至2.07))。非HDL-C(0.685,95%CI 0.659~0.711)、甘油三酯(TG)(0.684,95%CI 0.658~0.710)、总胆固醇(TC)/HDL-C(0.685,95%CI 0.659~0.712)及TG/HDL-C(0.680,95%CI 0.654~0.706)的AUC均显著(p<0.005)大于其他脂质参数。结论中老年人高甘油三酯血症、高胆固醇血症及低HDL-C是罹患糖尿病的高危人群,非HDL-C、TG、TC/HDL及TG/HDL在预测2型糖尿病发病率方面优于其他脂质参数。