简介:摘要目的结合图像自动分割技术和机器学习方法对乳腺钼靶X线图像进行准确分类识别。方法以数字钼靶X线图像数据库(DDSM)中的BI-RADS4类的簇状分布多形性钙化钼靶图像为研究对象,自动切分图像的感兴趣区域(ROI)。对小波变换、Gabor滤波和灰度共生矩阵法所提取的特征参数进行融合,并基于灵敏度分析对融合后的特征参数进行筛选。使用基于集成学习的方法,对多项式核支持向量机(SVM)、随机森林和逻辑(logistic)回归分类器进行投票集成,构成用于乳腺钼靶X线图像自动分类的分类器。投票集成方法为软投票。结果提出的集成分类器可高效地识别与分类乳腺钼靶X线图像,其分类的灵敏度、特异度和准确率分别为99.1%、99.6%和99.3%。结论所提出的乳腺钼靶X线图像处理与分类识别方法能为医生的临床判断提供辅助检测的依据,并为细分BI-RADS4类图像提供技术基础。
简介:摘要:当前随着人工智能、物联网等前沿技术的迅速发展,智能时代已悄然到来, "刷脸 "逐渐成为了新的风潮。在人脸识别技术商业化应用领域不断扩张的趋势下, "刷脸 "办事正愈发常见。人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别。本文从多个应用场景对进行利用生物特征识别技术通行实现快速通行探讨。
简介:摘要目的探讨胰腺癌相关糖尿病(PCDM)的基因特征,筛选潜在的分子标志物。方法收集来自癌症基因组图谱(TCGA)-胰腺癌(PC)数据集的临床数据,根据PC确诊前2年内是否诊断糖尿病,将患者分为PCDM组(11例)和PC组(109例)。提取TCGA-PC数据集mRNA的芯片表达谱数据,通过R软件"limma"程序包进行两组基因差异表达分析,以"|log2(fold change)|>2且P<0.05"为条件筛选差异基因(DEGs),并进行基因本体(GO)和京都基因与基因组百科全书(KEGG)通路富集分析,最后通过STRING数据库构建蛋白相互作用(PPI)网络,通过Cytoscape软件MCODE模块筛选枢纽基因。结果TCGA-PC数据集mRNA基因差异分析显示,20 531个基因中47个在PCDM组高表达,60个低表达。GO分析显示107个DEGs在生物学功能方面主要参与正向调节细胞分泌功能(基因数=9,P<0.01),在分子功能方面主要集中于受体功能调节(基因数=10,P<0.01),在细胞组分方面主要与细胞质微管腔内成分相关(基因数=8,P<0.01)。KEGG通路富集分析显示,107个DEGs可能通过细胞因子相互作用(基因数=8,P<0.01)影响PCDM。PPI网络分析显示,GNG8、CNR2、GALR2、CXCL13、NPY2R可能是PCDM相关的枢纽基因。结论PCDM与PC在细胞分泌功能、受体功能、细胞质微管成分及细胞因子相互作用方面存在基因差异。GNG8、CNR2、GALR2、CXCL13、NPY2R可能成为PCDM的潜在分子标志物。
简介:摘要目的探索精神病临床高危综合征人群、首发精神病患者和健康对照在情绪识别过程中的耗时和准确率的特征。方法2015~2017年经前驱期综合征结构式访谈(structured interview for prodromalsyndromes,SIPS)临床访谈后入组临床高危人群50例,经定式临床访谈诊断表(structured clinical interview for DSM-5,SCID)诊断入组首发未服药的精神病患者50例,同时招募健康对照50例。以情绪的眼神图片为线索,结合认知功能变量,自编基于电脑化的评估和时间记录系统,比较三组间情绪识别准确率及其耗时性特征。使用SPSS 17.0进行统计分析,三组样本的情绪识别准确率和耗时特征采用one-way ANOVA分析,两两比较采用LSD检验,对三组被试的情绪识别准确率和耗时特征进行Pearson相关分析。结果(1)高危人群组[(65.1±10.4)%]、健康对照组[(72.5±6.6)%]和首发患者[(50.3±21.6)%]在眼神阅读准确率上,差异有统计学意义(P<0.05);进一步两两比较,高危人群和首发患者眼神阅读准确率均低于健康对照组,首发患者眼神阅读准确率低于高危人群(均P<0.05)。在眼神性别判断准确率上,三组差异有统计学意义[(80.6±26.0)%,(92.7±3.7)%,(91.8±4.4)%](P<0.05);进一步两两比较,首发患者眼神性别判断准确率低于健康对照组和高危人群(均P<0.05)。(2)高危人群组[(12.4 ±11.2)s]、健康对照组[(6.9 ±1.7)s]和首发组[(10.3 ±6.0)s]在眼神阅读耗时上,差异有统计学意义(P<0.05);进一步两两比较,高危人群眼神阅读耗时高于健康对照组(P<0.05);在眼神性别判断耗时上,三组差异有统计学意义[(1.1±0.4)s,(0.8±0.2)s,(1.6 ±1.2)s](P<0.05);进一步两两比较,首发患者眼神性别判断耗时高于健康对照组和高危人群(均P<0.05)。(3)高危人群眼神阅读准确率与眼神阅读耗时呈负相关(r=-0.175,P=0.225),首发患者眼神阅读准确率与眼神阅读耗时呈正相关(r=0.503,P<0.01),健康对照眼神阅读准确率与眼神阅读耗时不相关(r=-0.104,P=0.471)。结论情绪识别能力在精神病发作过程中表现出时效降低的特征,高级复杂认知测评需要引入时间维度的测量。