检索结果-南通市图书馆

ARGA-Unet:Advanced U-net segmentation model using residual grouped convolution and attention mechanism for brain tumor MRI image segmentation

引用

虚拟现实与智能硬件（中英文） 2024年第3期6卷 203-216页

作者： Siyi XUN Yan ZHANG sixu duan Mingwei WANG Jiangang CHEN Tong TONG Qinquan GAO Chantong LAM Menghan HU Tao TAN Faculty of Applied Sciences Macao Polytechnic UniversityMacao 999078China Jinan Branch of China Telecom Co.Ltd. Jinan 250000China School of Physics and Electronics Shandong Normal UniversityJinan 250000China Department of Dardiovascular Medicine Affiliated Hospital of Hangzhou Normal UniversityHangzhou 310000China Clinical School of Medicine Hangzhou Normal UniversityHangzhou 310000China Hangzhou Institute of Cardiovascular Diseases Hangzhou 310000China Shanghai Key Laboratory of Multidimensional Information Processing Shanghai 200000China School of Communication&Electronic Engineering East China Normal UniversityShanghai 200000China Engineering Research Center of Traditional Chinese Medicine Intelligent Rehabilitation Ministry of EducationShanghai 200000China College of Physics and Information Engineering Fuzhou UniversityFuzhou 350000China

Background Magnetic resonance imaging(MRI)has played an important role in the rapid growth of medical imaging diagnostic technology,especially in the diagnosis and treatment of brain tumors owing to its non invasive characteristics and superior soft tissue ***,brain tumors are characterized by high non uniformity and non-obvious boundaries in MRI images because of their invasive and highly heterogeneous *** addition,the labeling of tumor areas is time-consuming and *** To address these issues,this study uses a residual grouped convolution module,convolutional block attention module,and bilinear interpolation upsampling method to improve the classical segmentation network *** influence of network normalization,loss function,and network depth on segmentation performance is further *** In the experiments,the Dice score of the proposed segmentation model reached 97.581%,which is 12.438%higher than that of traditional U-net,demonstrating the effective segmentation of MRI brain tumor *** In conclusion,we use the improved U-net network to achieve a good segmentation effect of brain tumor MRI images.

关键词： Brain tumor MRI U-net Segmentation Attention mechanism Deep learning

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

JSRV-env慢病毒过表达载体的构建及BEAS-2B细胞稳转株的建立

引用

中国兽医学报 2023年第11期43卷 2228-2236页

作者：杨小林杜晓悦段续接张培陈思旭王振玲刘淑英内蒙古农业大学兽医学院农业部动物临床诊疗技术重点实验室内蒙古呼和浩特010018 内蒙古农业大学兽医学院内蒙古自治区基础兽医学重点实验室内蒙古呼和浩特010018 北京农业职业学院北京102442

通过构建过表达JSRV-env的慢病毒载体,筛选获得稳定表达Env的人支气管上皮细胞株(human bronchial epithelial cells-2b,BEAS-2B),检测Env对细胞增殖能力和迁移能力的影响。PCR扩增目的基因env,将其插入pMT194质粒中,构建pMT194-JSRV-env慢病毒过表达质粒,将重组质粒同包装辅助质粒混合后与转染试剂复合物共转染293T细胞。在收集、纯化浓缩病毒后,感染BEAS-2B细胞并优化感染条件。根据慢病毒载体携带的抗性基因puro,用嘌呤霉素(Puro)筛选稳定细胞株。通过qPCR和Western blot从转录和翻译水平检测目的基因表达,通过CCK-8检测细胞增殖能力和划痕试验检测细胞迁移能力。结果显示:目的基因env扩增成功,并将其重组插入pMT194载体,酶切鉴定与预期相符,pMT194-JSRV-env表达载体构建成功;转染293T细胞env表达量极显著高于空白对照组和阴性对照组(P<0.001),JSRV Env重组慢病毒平均滴度为1.03×10~9 IU/mL;慢病毒感染BEAS-2B细胞的最佳感染复数(multiplicity of infection,MOI)为40,筛选细胞株的最佳Puro质量浓度为0.3 mg/L;荧光显微镜显示BEAS-2B细胞表达红色荧光;qPCR和Western blot检测结果均表明env表达量在试验组中极显著高于空白对照组和阴性对照组(P<0.001),Env-FLAG融合蛋白在宿主细胞成功表达;相较于空白对照组和阴性对照组,试验组细胞的增殖能力及迁移能力显著增强(P<0.05)。结果表明,成功构建JSRV-env慢病毒过表达载体,筛选出稳定表达Env的BEAS-2B细胞株,Env能够显著增加BEAS-2B细胞的增殖和迁移能力。

关键词：慢病毒载体稳转株囊膜蛋白增殖迁移

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高速列车餐椅的意象表达研究

引用

设计 2019年第21期32卷 125-127页

作者：杨思旭戴端中南大学建筑与艺术学院

总结出高速列车餐车中的餐椅设计要素以及意象表达一般规律,为今后高速列车餐椅的创新设计和制造提供有价值的方法参考与实践依据。从意象表达的视角,运用感性意向相关测量和转译方法对于餐椅设计进行定性定量分析。通过对设计要素及特... 详细信息

总结出高速列车餐车中的餐椅设计要素以及意象表达一般规律,为今后高速列车餐椅的创新设计和制造提供有价值的方法参考与实践依据。从意象表达的视角,运用感性意向相关测量和转译方法对于餐椅设计进行定性定量分析。通过对设计要素及特征属性和感性词汇进行研究后总结归纳出高速列车餐椅重点设计要素及获得可靠的设计规律该方法可为实现更加符合乘客感性需求的高速列车餐饮设计提供有效的参考。

关键词：感性意象高速列车餐椅意象表达

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：