检索结果-南通市图书馆

基于cpDNA和ITS序列探讨“川贝母复合群”的系统发育关系

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

分子植物育种 2024年

作者：黄娇胡霞周勇乐山师范学院生命科学学院

“川贝母复合群”是一个分类困难的类群，主要分布在青藏高原和横断山区。为了探讨“川贝母复合群”的系统发育和亲缘关系，本研究对“川贝母复合群”11个种(含1个变种)进行网罗式采样，基本覆盖了该复合群在中国的分布范围，共计46居... 详细信息

“川贝母复合群”是一个分类困难的类群，主要分布在青藏高原和横断山区。为了探讨“川贝母复合群”的系统发育和亲缘关系，本研究对“川贝母复合群”11个种(含1个变种)进行网罗式采样，基本覆盖了该复合群在中国的分布范围，共计46居群58个体，通过核基因(ITS)和叶绿体片段(matK， rpl16， rbcL)，构建基于贝叶斯法和最大似然法的系统发育树。结果表明：核基因建树分辨率较弱，峨眉贝母、榆中贝母和太白贝母各自以较高支持率聚为一支，后两者与川贝母有较近的亲缘关系。叶绿体3个序列联合建树，可有效区分大金贝母、粗茎贝母、太白贝母，暗紫贝母与长腺贝母有近的亲缘关系。在“川贝母复合群”的进化中，快速辐射/分化、种间杂交/基因渐渗的共同影响导致了基因树间的冲突，以及基因树与形态分类的冲突。对“川贝母复合群”的系统发育研究应联合使用核基因和叶绿体基因共同进行，未来需进一步开发单/低拷贝核基因，并建议峨眉贝母应独立为种。研究结果可为川贝母及其近缘类群遗传多样性的研究提供参考依据。

关键词： “川贝母复合群” 系统发育基因树杂交/渐渗

Toehold链置换辅助智能手机比色法特异性检测废水中新冠病毒靶标RNA

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

分析试验室 2024年第1期43卷 36-41页

作者：张琳张颖宋九华韩耀霞杨孝容雷欣梦黄莉翔徐君茹何思仪邱小凤史铠乐山师范学院新能源材料与化学学院乐山614000

基于Toehold介导的链置换反应(TSDR)与DNA酶,构建了一个强特异性及低成本检测废水中SARS-CoV-2靶标RNA单碱基突变的比色生物传感器。SARS-CoV-2靶标RNA与双链DNA(dsDNA)引发TSDR,释放出完整的G-四链体序列并与氯化血红素(Hemin)结合,形... 详细信息

基于Toehold介导的链置换反应(TSDR)与DNA酶,构建了一个强特异性及低成本检测废水中SARS-CoV-2靶标RNA单碱基突变的比色生物传感器。SARS-CoV-2靶标RNA与双链DNA(dsDNA)引发TSDR,释放出完整的G-四链体序列并与氯化血红素(Hemin)结合,形成G-四链体/Hemin DNA酶,进而催化双氧水氧化3,3’,5,5’-四甲基联苯胺,使溶液呈蓝色。当SARS-CoV-2靶标RNA存在单碱基突变时,TSDR被抑制,导致裸眼观察到的溶液颜色与未突变异的靶标相比更浅。同时采用智能手机摄像头捕捉溶液的RGB值变化(ΔRGB),对裸眼观察结果的准确性进行验证。在最优条件下,构建的比色生物传感器能够特异性识别单个碱基突变的SARS-CoV-2靶标RNA,具有用于废水中SARS-CoV-2变异毒株检测的潜力。

关键词：新冠病毒靶标RNA Toehold链置换智能手机废水

CRISPR-Cas12a信号放大策略与便携式血糖仪耦合定量检测黄曲霉毒素B1

在线全文

学校读者我要写书评

暂无评论

分析试验室 2024年第3期43卷 301-306页

作者：尹会刘素君李杨贺范祥周媛媛李娜舒琴乔文艳史铠乐山师范学院新能源材料与化学学院乐山614000

建立了CRISPR-Cas12a与便携式血糖仪耦合定量检测黄曲霉毒素B1(AFB1)的方法。体系中AFB1能够激活Cas12a的反式切割活性,激活后的Cas12a切割电极上蔗糖酶修饰的发夹探针,使得蔗糖酶游离到电极表面的溶液中。蔗糖酶催化蔗糖产生可以被血... 详细信息

建立了CRISPR-Cas12a与便携式血糖仪耦合定量检测黄曲霉毒素B1(AFB1)的方法。体系中AFB1能够激活Cas12a的反式切割活性,激活后的Cas12a切割电极上蔗糖酶修饰的发夹探针,使得蔗糖酶游离到电极表面的溶液中。蔗糖酶催化蔗糖产生可以被血糖仪监测的响应信号,进而实现对AFB1的检测。在浓度0.001~0.1 ng/mL范围内,AFB1浓度与血糖信号呈良好的线性关系,线性方程为S=3.5+229.1c,检出限为0.3 pg/mL。该方法特异性强,适用于实际样品中AFB1的检测。

关键词： CRISPR-Cas12a 血糖仪黄曲霉毒素B1 便携式定量检测

面向视网膜血管精细分割的多层级图卷积特征融合神经编解码网络

在线全文

学校读者我要写书评

暂无评论

电子科技大学学报 2024年第3期53卷 404-413页

作者：崔少国张乐迁文浩重庆师范大学计算机与信息科学学院重庆401331

眼底视网膜血管分割可以帮助医生对眼科疾病以及心脑血管疾病进行辅助诊断。然而,由于血管拓扑结构复杂,边界不清晰,分割难度增大。针对这些问题,在U型结构的基础上提出了一种基于图卷积特征融合网络。该网络使用图卷积模块对编码器特... 详细信息

眼底视网膜血管分割可以帮助医生对眼科疾病以及心脑血管疾病进行辅助诊断。然而,由于血管拓扑结构复杂,边界不清晰,分割难度增大。针对这些问题,在U型结构的基础上提出了一种基于图卷积特征融合网络。该网络使用图卷积模块对编码器特征中像素之间的全局上下文信息进行建模,弥补普通卷积缺少全局建模的能力;然后使用多尺度特征融合模块对编码器特征与解码器特征进行融合,减少特征层中噪声信息对分割结果的影响;最后使用多层次特征融合模块将解码器每一层特征融合输出,减少下采样过程中空间信息的缺失以及对深层特征的复用。在公开数据集DRIVE、CHASEDB1以及STARE上进行验证,F1值和AUC值均优于其他两个模型。

关键词：医学图像分割视网膜血管 U型结构图卷积特征融合

在线全文

学校读者我要写书评

暂无评论

长吻海蛇形态学观察及鳞片显微皮纹学研究

野生动物学报 2024年

作者：郭玉红张庆林乐山师范学院生命科学学院乐山师范学院继续教育学院

为探讨长吻海蛇（Hydrophis platurus）的宏观及微观形态特征，运用经典分类及扫描电镜观察方法，对相关标本的形态特征及鳞片微皮纹结构进行考察，结果表明：标本深色的背面与浅色的腹面具有清晰的分界，吻部明显突出，背、腹部鳞片的... 详细信息

为探讨长吻海蛇（Hydrophis platurus）的宏观及微观形态特征，运用经典分类及扫描电镜观察方法，对相关标本的形态特征及鳞片微皮纹结构进行考察，结果表明：标本深色的背面与浅色的腹面具有清晰的分界，吻部明显突出，背、腹部鳞片的形状和大小无明显分别；背部鳞片显微皮纹结构表现为多个耳状结构沿身体纵轴方向交错排列，整个视野呈现为波纹状，耳状结构之间为较深的沟槽，耳状结构侧面布满小孔。标本形态结构符合长吻海蛇形态特征，其鳞片显微皮纹结构与同属眼镜蛇科（Elapidae）的陆上种类，如舟山眼镜蛇（Naja atra）、广西华珊瑚蛇（Sinomicrurus peinani）明显属于不同模式。长吻海蛇鳞片显微皮纹结构表现出显著的水生生活适应特征，此结构特征有利于长吻海蛇在游泳时减少阻力，其沟槽和小孔有利于对海水的截留。研究结果认为，蛇类鳞片显微皮纹结构具有明确的分类学意义，但鳞片超微结构差异可能不适合用推断蛇类系统进化关系。

关键词：海蛇显微皮纹结构形态特征分类学环境适应

SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子学报 2024年第3期52卷 824-837页

作者：谢娟英张凯云陕西师范大学计算机科学学院陕西西安710119

非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks... 详细信息

非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks)自动分割模型,利用ResNet(Residual Network)基础层和空洞卷积构造非对称编码器-解码器结构作为分割主网络,利用轴向取反注意力模块ARA(Axial Reverse Attention)逐步擦除背景中对分割有影响的结构,再使用结构细化模块SR(Structure Refinement)对主网络输出的粗略特征图进行结构细化,从而实现非小细胞肺癌肿瘤结节分割.在非小细胞肺癌公开数据集的实验测试表明,本文提出的小目标自动分割模型SOSNet可以有效分割出非小细胞肺癌CT图像中的小体积肿瘤结节,其mDice(mean-Dice)、mIoU(mean Intersection over Union)、Sensitivity、F1、Specificity、平均绝对误差MAE(Mean Absolute Error)均优于当前最先进的小目标分割模型CaraNet(Context Axial Reverse Attention Network).

关键词：小目标分割非小细胞肺癌非对称编码器-解码器结构细化轴向取反注意力 CT图像深度学习卷积

在线全文

学校读者我要写书评

暂无评论

多卷积神经网络的胸部X光片肺结核检测方法

计算机工程与应用 2024年第13期60卷 246-254页

作者：崔少国解筝宋豪杰重庆师范大学计算机与信息科学学院重庆401331

由于肺结核病灶区域与正常肺部区域之间的差异微小,导致肺结核疾病难以准确检测。针对此问题,提出了一种基于深度可分离卷积和图卷积相结合的肺结核疾病检测算法。使用深度可分离卷积模块提取图像的局部特征;使用图卷积模块提取图像的... 详细信息

由于肺结核病灶区域与正常肺部区域之间的差异微小,导致肺结核疾病难以准确检测。针对此问题,提出了一种基于深度可分离卷积和图卷积相结合的肺结核疾病检测算法。使用深度可分离卷积模块提取图像的局部特征;使用图卷积模块提取图像的全局特征;通过一个捷径分支操作,将提取的局部特征和全局特征进行融合;将融合后的特征经过线性层输出检测的结果。算法模型在中国广东省深圳市第三医院收集的公开可用的正面胸部X光片数据集上进行了充分的实验与验证。实验结果表明,所提算法模型与基准模型相比,在Accuracy、Precision、Recall和F1-Score四个评价指标上分别提高了2.98、3.23、2.94和3.08个百分点,从而证明了所提方法的有效性。

关键词： X光片深度可分离卷积图卷积网络肺结核检测

在线全文

学校读者我要写书评

暂无评论

多耦合反馈网络的图像融合和超分辨率方法

计算机工程与应用 2024年第5期60卷 210-220页

作者：王蓉端木春江浙江师范大学计算机科学学院浙江金华321000

人们在日常生活中往往需要得到高动态范围和高分辨率的图像。但由于技术设备的限制,高动态范围的图像往往通过低动态范围图像的多曝光融合(MEF)而获得,高分辨率图像往往通过低分辨率图像的超分辨率(SR)而获得。MEF和SR通常被作为两个独... 详细信息

人们在日常生活中往往需要得到高动态范围和高分辨率的图像。但由于技术设备的限制,高动态范围的图像往往通过低动态范围图像的多曝光融合(MEF)而获得,高分辨率图像往往通过低分辨率图像的超分辨率(SR)而获得。MEF和SR通常被作为两个独立的内容进行研究。为了解决当前模型不能同时实现高动态范围和高分辨率的问题,通过对现有方法进行研究,提出了一种基于多耦合反馈网络MCF-Net及其方法。模型包括:N个子网和输出模块;在方法中,将N张下采样图片I_(lr)^(i),I_(lr)^(m),I_(lr)^(-i)分别输入至N个子网,提取的低分辨率特征F_(lr)^(i),F_(lr)^(m),F_(lr)^(-i);根据低分辨率特征F_(lr)^(i),F_(lr)^(m),F_(lr)^(-i)提取对应图像的超分辨率特征G_(0)^(i),G_(0)^(m),G_(0)^(-i);得到融合高分辨率特征G_(t)^(i),G_(t)^(m),G_(t)^(-i)并输入至下个MCFB中,直至第T个MCFB得到融合高分辨率特征G_(T)^(i),G_(T)^(m),G_(T)^(-i);获取对应的融合超分辨率图像I_(t)^(i),I_(t)^(m),I_(t)^(-i);融合N个子网中第T个重建模块REC输出的I_(T)^(i),I_(T)^(m),I_(T)^(-i)得到高动态范围、超分辨率图像I_(out)。在SICE数据集上实验并验证了性能,与现有的33种方法进行对比,结果显示以下各评价指标都有明显的提高,其中结构相似性(SSIM)达到0.833 2,峰值信噪比(PSNR)达到22.07 dB,多曝光融合相似性(MEF-SSIM)达到0.937 8。

关键词：图像多曝光融合图像超分辨率卷积神经网络计算机视觉深度学习

DL-MAML:一种新的蝴蝶物种自动识别模型

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第3期61卷 674-684页

作者：赵戈伟许升全谢娟英陕西师范大学计算机科学学院西安710119 陕西师范大学生命科学学院西安710119

蝴蝶种类成千上万,每种蝴蝶都与一定植物密切相关,研究蝴蝶种类自动识别有重要意义.野外环境下的蝴蝶物种识别研究受制于现有数据集蝴蝶种类较少,每类样本(图像)数量较少,使基于机器学习的蝴蝶种类识别面临泛化推广难的挑战.另外,野外... 详细信息

蝴蝶种类成千上万,每种蝴蝶都与一定植物密切相关,研究蝴蝶种类自动识别有重要意义.野外环境下的蝴蝶物种识别研究受制于现有数据集蝴蝶种类较少,每类样本(图像)数量较少,使基于机器学习的蝴蝶种类识别面临泛化推广难的挑战.另外,野外环境下的蝴蝶翅膀遮挡使分类特征学习面临挑战.因此,提出基于元学习的蝴蝶物种自动识别新模型DL-MAML(deep learning advanced model-agnostic meta-learning),实现野外环境下的任意蝴蝶种类识别.首先,DL-MAML模型采用L2正则改进经典元学习算法MAML(model-agnostic meta-learning)的目标函数和模型参数更新方法,并对MAML增加了2层特征学习模块,避免模型陷入过拟合风险,解决现有野外环境下蝴蝶物种识别面临的泛化推广困难;其次,采用ResNet34深度学习模型提取蝴蝶分类特征,对图像进行表征预处理,作为DL-MAML模型元学习模块的输入,克服其特征提取不足的缺陷,以及野外环境下蝴蝶翅膀遮挡带来的分类特征学习困难.大量消融实验以及与同类模型的实验比较表明,DL-MAML算法学习获得的初始模型参数对蝴蝶新类识别具有很好的效果,优于MAML和其他同类模型,对野外环境下的蝴蝶种类识别很有效,使利用现有野外环境下的蝴蝶数据集构造通用且完全的蝴蝶物种识别系统成为可能.

关键词：蝴蝶分类深度学习特征提取元学习 MAML算法