摘要:高强度聚焦超声（High intensity focused ultrasound，HIFU）作为一种新型无创的外科技术已在临床上应用于各种良恶性实体肿瘤治疗。为了实现安全高效的肿瘤治疗，HIFU换能器的聚焦效率仍然有待提高。本文综述了声异常透射效应的基本原理，以及近期利用声异常透射效应的HIFU聚焦超声换能器的研究。主要涉及两个方面的工作：（1）将声人工结构引入凹面型声透镜的设计，设计并制作了声超常透镜，对声透镜式聚焦换能器进行改进，达到了降低旁瓣的效果，从而提高了HIFU治疗的安全性；（2）基于球弧周期槽阵列设计并制作了超构聚焦换能器，以增强HIFU换能器聚焦效率。从理论及实验两方面研究了超构聚焦换能器与传统凹面换能器的声压分布和在组织中产生的温升。本文研究结果可进一步促进HIFU在临床治疗的广泛应用。

摘要:分子对接是研究蛋白质-配体分子间相互作用与识别的有效方法。分子间的相互作用过程中形成的近天然构象是结合自由能极低的构象，快速且准确搜索能量极低的构象对于蛋白质-配体分子对接至关重要。本文回顾了蛋白质-配体分子对接中主要的构象搜索算法，包括快速穷举搜索、启发式搜索和其他搜索方法，并列举了采用不同搜索算法的代表性分子对接软件。其次，介绍了蛋白质-配体分子对接的国际评估实验、常用的测试标准库和评价的重要指标。最后，分析并指出了当前蛋白质-配体对接构象搜索方法所存在的主要问题，并对未来的工作进行了展望。

摘要:人体重心是反映人体形态结构和质量分布特征的基本参数，本文探讨利用体感交互设备获取较为精确的重心位置。首先借助体感交互设备Kinect获取人体实时的关节点坐标数据，构建适合于体感交互设备Kinect的人体重心计算的环节模型，结合人体重心计算方法中力矩合成法的改进算法"乘系数法"，提出计算人体重心的实时线性计算方法。为验证该方法获得重心的准确性，实验利用平板压力测试系统Footscan提供的同步重心数据作为标准重心数据对该方法进行检验，结果表明本方法的重心计算结果与Footscan有类似的结果，在大幅度动作中有更好的准确性和稳定性。

摘要:分子对接是预测蛋白质复合物的有效手段。对于分子对接算法的优化旨在加速分子对接效率，降低计算成本，以及充分发挥计算资源的利用率。本文主要采用3个方案对半柔性对接算法进行优化：（1）方案一在CPU端进行优化；（2）方案二在方案一的基础上，利用CUFFT的移植工具CUFFTW为方案一提供部分GPU并行接口；（3）方案三利用GPU并行架构，通过CPU和GPU的协同处理，利用纯并行计算接口进行优化。3种方案对PDB code分别为1PEE，1B6C，4HX3和2SNI的测试蛋白进行结合态和自由态的对接，求得的最小均方根偏差L_RMSD小于5 Å，满足了复合物结构预测竞赛要求的中等精度结构标准，验证了对接结果的正确性。最后在保证结果正确性的前提下，测试了不同蛋白在不同方案下的运行速率；在保证不同蛋白对接效率相同的前提下，以1PPE为例，比较了不同方案下的对接速率。实验结果表明在同等旋转步长并保证程序运行结果正确性的前提下，最终的优化效果可提速近10倍，有效改进了半柔性对接算法的运行速率。

摘要:高强度聚焦超声（High intensity focused ultrasound，HIFU）已在临床治疗肿瘤领域展示了较好的应用前景，但目前的治疗计划中未考虑空化效应的影响。本文通过离体实验研究了空化效应对HIFU治疗中组织损伤形成的影响。首先采用KZK非线性方程和Pennes生物传热模型，在理论上模拟了不同超声激励参数的HIFU热效应产生的组织损伤。然后在实验中改变脉冲长度和声压，比较了实验和理论上产生的损伤形成。最后采用B型成像系统定量监测产生的声空化，从而定量分析空化效应对损伤形成的影响，为HIFU治疗策略的设计提供更好的指导。

摘要:因对功能性服装的需求越来越迫切，设计了一款可穿戴的心电监护服装系统。系统设计了3个灵敏度较高的柔性织物电极，并选取导电性能良好的纺织线来完成信号采集。信号处理采用AD8232芯片搭配的简单电路和STM32F103C8T6为核心的单片机，然后通过蓝牙将数据实时发送至上位机并显示心电信号波形。针对穿戴过程中大幅度运动所带来的运动伪迹干扰，运用经验模态分解，结合主成分分析方法抑制。实验结果表明，该系统能有效实时监测人体在不同状态下的心电图。

摘要:为明确多泡空化在高强度聚焦超声（High intensity focused ultrasound，HIFU）治疗中焦前区、焦后区的副作用，进一步优化HIFU治疗，本文在不同声强下利用高速摄像系统与数字相机拍摄聚焦超声在脱气水声场中的多泡及多泡声致发光（Multi-bubble sonoluminescence，MBSL）的空间分布，通过被动空化检测（Passive cavitation detection，PCD）技术和光电倍增管（Photomultiplier tube，PMT）系统检测多泡空化特征及声场整体发光强度。研究表明：当声强较低时（如3 047 W/cm²），气泡以驻波场模式分布；随着声强的提高，焦点处出现向焦后方生长的气泡群，3~6 MHz宽带噪声增幅明显，同时MBSL最先出现在焦前区，并向换能器表面扩大，声场整体发光强度与声强成正比；当声强足够高时（如21 328 W/cm²），焦点处空化泡群剧烈坍缩的同时可见椭球形光斑，嘶嘶声不断，气泡的聚集大大降低了声场的相对发光强度。

摘要:针对基因组新测序物种缺乏高质量的基因结构用于从头预测软件训练的现状，本文提出了一种以新测序物种自身RNA-seq组装为基础的可靠基因训练集构建方法（Building reliable training gene set，BRTGS）。该方法利用RNA-seq组装获得大量初始基因结构，然后根据蛋白同源证据筛选具有正确且编码区相对完整的基因结构，最后综合利用RNA-seq组装结构和蛋白同源证据统计信息确定的基因起始密码子和终止密码子位置，从而获得基因完整的编码结构。实验结果表明，该方法不仅可为各种组装水平的基因组构建高质量的基因训练集，而且从头预测软件在这些基因集上训练后能够获得很好的预测性能。

摘要:集合经验模态分解（Ensemble empirical mode decomposition，EEMD）方法在去除心电信号噪声时，噪声本征模态函数（Intrinsic mode function，IMF）分量难以选择且将噪声分量直接去掉会导致信号失真。针对上述问题，提出了一种基于EEMD的自适应阈值算法。首先对含噪心电图（Electrocardiogram，ECG）数据进行EEMD分解，得到IMF，根据马氏距离进行信号IMF分量和噪声IMF分量的判定，然后通过果蝇优化算法确定噪声IMF的阈值，将经过阈值去噪的新的分量和剩余分量重构得到去噪后的ECG。最后，使用MIT-BIH数据库中的心电数据进行实验，实验结果表明，该方法在去噪同时能够较好地保留信号细节。

摘要:结直肠癌是消化系统常见的恶性肿瘤之一，死亡率居发达国家恶性肿瘤死亡率的第3位。本文通过生物分析进行结直肠癌致病基因的识别。首先，基于GEO中GSE9348基因表达数据集，利用R语言的LIMMA包筛选出P<0.05，Fold change>2的结直肠癌差异基因339个；其次，基于OMIM数据库中已知结直肠癌的致病基因和STRING数据库，获得差异表达基因与致病基因的蛋白质互作网络；接着利用Cytoscape软件的ClusterONE插件进行蛋白质互作网络模块分析，获得一个含有53个基因的子网络；最后，通过对子网络的拓扑分析，获得了FOS、CCND1、CEBPB、EGR1和NOS3等5个新结直肠癌致病基因。同时，通过功能富集分析和文献挖掘对新发现的致病基因进行验证。

摘要:仿生学优化算法是一类模仿生物行为和自然界现象的仿生算法，其目的是求解优化问题的全局最优解。本文首先介绍了各种仿生学优化算法的起源和基本原理，主要包括蚁群优化算法、粒子群优化算法、细菌觅食优化算法、蜂群优化算法、鱼群优化算法、萤火虫群优化算法、狼群优化算法、蝙蝠算法、鸡群优化算法、进化算法、免疫算法、克隆选择算法和小世界网络等。然后总结了仿生优化算法的研究现状，并给出了仿生优化算法在信号处理、图像处理、语音处理和通信网络等领域中的典型应用。最后，归纳了仿生学优化算法的特点，并对如何扩展其适用范围、探索新的仿生学优化算法提出了基本思路，对其发展进行了展望。

摘要:针对空间高速运动目标的运动特征，分析目标距离徙动轨迹（Range migration trajectory，RMT）与等效运动模型，提出了一种基于距离徙动轨迹的联合运动补偿算法。该算法依据距离像全局熵值最小化原则，从RMT中估计出目标的平动参数，根据平动参数分别补偿距离像偏移并校正一维距离像畸变，从而实现对空间目标回波的距离对齐和脉内走动的联合平动补偿。仿真和实测数据处理结果表明该算法准确性较高，更重要的是，距离对齐步骤不会引入随机偏移误差和相位误差，这也是应用高分辨成像方法的前提条件。

摘要:空间Co-location模式是一组在空间中频繁并置的空间特征的子集。空间Co-location模式挖掘通常假设空间实例之间相互独立，然而，在实际应用中，不同空间特征、不同实例之间往往相互作用或依赖。空间Co-location关键特征是指对模式具有主导作用的特征。在频繁模式中，识别含关键特征的Co-location模式并摘取模式中的关键特征，为用户提供更精简的挖掘结果，提高Co-location模式的可用性，对Co-location模式挖掘具有重要意义。本文首先定义了含有关键特征的显著频繁Co-location模式新概念，以及一系列度量指标以识别显著频繁Co-location模式中的关键特征；其次，给出了一个挖掘显著频繁Co-location模式和关键特征的算法；最后，在模拟和真实数据集上进行了大量的实验，验证了所提出算法的效果及性能。

摘要:针对推荐系统中普遍存在的数据稀疏和冷启动等问题，本文将标签与基于信任的社交推荐方法相结合，提出了一种融合社会标签和信任关系的社会网络推荐方法。该方法利用概率因式分解技术实现了社会信任关系、项目标记信息和用户项目评分矩阵的集成。从不同维度出发，实现了用户和项目潜在特性空间的互连。在此基础上，通过概率矩阵因式分解技术实现降维，从而实现了有效的社会化推荐。在Epinions和Movielens数据集上的实验结果表明本文所提出的方法优于传统的社会化推荐和社会标签推荐算法，特别是当用户评分数据较少时该算法的优越性体现得更好。

摘要:在模糊决策表中，基于有序加权平均（Ordered weighted averaging，OWA）算子建立的相容关系中，OWA算子是一个信息集成工具。本文利用OWA算子及其诱导的截集相容关系，分别讨论基于正域、负域与边界域的属性约简。首先，利用OWA算子中的权重给出属性区分对象的贡献度；然后，根据属性贡献度定义每个属性被约简的可能性；从而给出模糊决策表的一种启发式三支属性约简方法，该方法可以减少属性约简的搜索空间并避免属性约简的盲目性；最后，利用实例来分析影响该三支区域属性约简方法的主要因素，并说明该启发式属性约简方法的合理性和有效性。本文提出的属性贡献度度量及启发式三支属性约简方法将减少属性约简的搜索空间，有益于模糊决策表特征选取的应用。

摘要:鉴于异构蜂窝网络（Heterogeneous cellular network，HCN）的自身特性，传统最强信号接入（小区选择）方式已不再适合，新型小区选择方案急需引入。不同于传统接入方案，新型方案应具备平衡各类基站负载的能力。为反映用户资源消耗水平与实现平衡网络负载的目的，设计了一个服务质量（Quality of service，QoS）感知的负载平衡方案。该方案以资源消耗量作为基站负载，且同时拟合了用户服务质量需求。最终，该方案被规划为网络加权效益最大化问题。从规划问题的形式来看，该问题为非线性、混合整数优化问题，因此求解其最优解富于挑战性（尤其针对大规模问题）。为解决该问题，尝试利用对偶分解法设计了一个分布式算法。仿真结果表明，相比于最强信号接入和区域拓展接入，提出的接入方案具有更高的负载平衡水平与更低的呼叫阻塞概率。

摘要:针对两跳无人机中继通信场景，综合考虑机身姿态、天线特性、气候状况及信道衰落等影响，建立了两跳中继链路的传播损耗模型，分析了传播损耗均值的计算方法，推导了多径阴影复合衰落导致传播损耗随机起伏的统计特性。在此基础上，进一步推导得到了两跳无人机中继系统的中断概率与误比特率的理论表达式。最后，通过对郊区、山区和海洋场景的数值仿真，验证了本文推导的理论结果的正确性，并分析了无人机飞行高度、地面节点位置以及通信场景等因素对两跳中继系统性能的影响。

摘要:在基于字典的单帧图像超分辨率重建算法中，依赖人工浅层特征设计的字典表达图像特征能力有限。为此，提出基于深度学习特征字典的超分辨重建方法。该算法首先利用深度网络进行高、低分辨率训练样本图像深层次特征学习；然后，在稀疏字典超分辨框架下联合训练特征字典；最后，输入单帧低分辨率图像并利用该字典实现超分辨率重建。理论分析表明，引入深度网络提取图像深层次特征并用于字典训练，对低分辨率图像的高频信息补充更加有利。实验证明，与双三次插值以及基于一般人工特征字典的超分辨重建算法相比，本文算法的主观视觉和客观评价指标均高于对比算法。

摘要:现实情况中缺少大量有标签数据，导致有监督的行人再识别模型训练受到影响。此外，低层特征的缺乏语义特性限制了行人再识别在行人检索、罪犯追踪等中的应用。本文提出了一种基于深度学习与属性学习相结合的行人再识别方法，利用深度学习的无监督模型提取行人图像的本质特征，并引入"属性"概念增强特征的语义表达能力。首先采用卷积自动编码器进行无监督的特征提取，提取的特征然后交由多个属性分类器进行属性分类，并结合统计获得的属性类别映射关系表计算最终类别判定，最后在VIPeR和i-LIDS标准数据集上进行了测试，并与基于优化属性的行人再识别方法（Optimized attribute based re-identification，OAR）、显著性检测对应法（Salience detection correspondence，SDC）等进行了比较，结果表明本方法能够赋予行人再识别较好的语义性能，并在一定程度上提高了识别的准确率，同时获得了较好的零训练样本识别效果。

摘要:由于多模态数据中的数据分属多种模态且相互之间存在互补关系，所以利用传统单模态数据的分析和处理方法无法有效地融合不同模态的数据并表示和处理不同模态数据之间的相互关系。为了解决多模态数据的建模、表示和存储问题，使得更好地融合不同模态的数据及更有效地表示数据之间的相互关系，本文提出了一种新的数据模型，即模态结构图，用于多模态医学数据的建模。该模型利用图结构对多模态数据中的模态及模态间的关系进行建模和表示。基于此模型，本文提出了一种并行的数据加载技术，用于抽取出多模态医学数据中分属不同模态和模态间关系的数据并存储到图数据库中。通过使用批量医学数据文件进行实验，验证了该提取加载技术能够获得较好的数据处理效率。