摘要:蛋白质三维结构决定了其特殊的生物功能，蛋白质三维结构对蛋白质功能研究、疾病的诊断与治疗、创新药物研发都有着重要的科学意义。利用计算机技术从氨基酸序列预测蛋白质三维结构是获取蛋白质三维结构的有效方法。片段组装是一种广泛采用的蛋白质结构预测技术，它将连续的构象空间优化问题转换成离散的实验片段组合优化问题，从而有效地减小了构象搜索空间。首先介绍了片段组装技术；其次总结了基于片段组装的蛋白质结构预测的发展历程，并对部分具有代表性的方法进行了简要阐述；然后介绍了蛋白质结构预测研究中常用的数据库和评价指标，并比较了不同预测方法的性能；最后分析并指出了当前基于片段组装的蛋白质结构预测方法所存在的挑战性问题，并对该领域未来的研究方向进行了展望。

摘要:三维地面反作用力（Ground reaction force， GRF）是人体运动分析的重要测量参数，但其测量受到一定限制。本文系统归纳了机器学习在预测GRF中的应用现状。以“ground reaction force”与“machine learning”“neural network”组合为关键词检索，筛选利用机器学习模型预测GRF的研究。共纳入14篇研究，研究的动作包括步行、跑步及个别专项动作，利用不同的学习算法来预测GRF，输入参数包括足底压力参数、运动捕捉获取的人体运动学参数等，均采用相关系数及均一化均方根误差作为评价指标。结果显示，利用机器学习预测GRF可获得极好的预测精度。利用机器学习模型预测GRF在人体运动中的应用还有待更多的研究，如增加用于机器学习的数据集大小可进一步提高学习模型的预测性能等。

摘要:网络结构作为一种常见的数据关系表示方法被大量运用在各类研究中。人的大脑也可通过定义节点和连接边的方式抽象成一个复杂的网络结构。这个网络通常被简称为脑网络，其结构与人类的认知功能和脑疾病存在密切联系。分析和研究脑网络可以为人类探索大脑工作方式、研究神经性退化疾病的病理机制、改善心理疾病及大脑损伤的诊断治疗提供有力的工具。目前，脑网络分析及其应用已成为计算机与生物信息、医学等交叉学科中的研究热点。本文旨在回顾脑网络分析中的典型方法和应用，并按照脑网络构建、脑网络表示、脑网络分析3个部分加以介绍。最后，总结全文并展望未来研究方向。

摘要:肝癌是临床上具有高致死率的常见恶性肿瘤之一，发现新靶点、开发新药对于疾病的治疗至关重要。本文从生物功能和网络的角度分析了与肝癌发生、发展相关的差异表达基因，旨在筛选出肝癌早期诊断的分子标志物和免疫治疗靶点。首先对两组肝癌相关基因表达数据进行差异表达筛选；然后通过GO（Gene ontology）功能和KEGG（The kyoto encyclopedia of genes and genomes）通路分析，得到同时在主要功能和信号通路上显著富集的128个目标基因；最后通过基因调控网络探讨目标基因的相互作用规律，找出10个关键基因并进行生存分析验证。结果表明，得到的CYP3A4、CYP3A5、CYP2C9和CYP2C8这4个基因适合作为肝癌标志物或靶向治疗靶点。本文为肝癌发生、发展的机制研究，肿瘤标志物的筛选及药物靶点选择提供了参考，为进一步开展相关的功能研究提供了基础。

摘要:基于眼动仪检测到的受试者眼动数据，提出一项新的眼动指标——眼睑间距变动百分比，并对比传统的眼跳次数、瞳孔直径等眼动指标，经过显著性和相关性分析后，最后利用受试者特征曲线（Receiver operating characteristic，ROC）曲线评价每个眼动指标对镜片舒适度的判别性能。实验结果表明，本文提出的眼睑间距变动百分比反映镜片舒适度的性能最好，瞳孔直径次之，眼跳次数和平均注视时长相仿。本实验结果证明可以通过检测患者的眼睑间距变动百分比，来准确快速地判断镜片的舒适程度。这项研究成果能帮助相关从业者从更加客观的角度评价镜片的舒适程度，也为中国当前日益严峻的近视防控形势提供了一定的技术理论帮助。

摘要:鼻炎（Rhinitis ）是上呼吸道常见的慢性炎症，具有多种证型和体征。鼻炎临床分类具有样本类型多、类别不平衡特征，属于多输出分类范畴，常出现少数类样本识别率低、综合分类精度差的问题。为此，本文提出异质集成结构分类算法，将鼻炎多输出分类转化为多标签和多类别分类，采用集成学习算法构建异质集成分类器。该方法可根据子数据集中单一类标的不平衡度，自动调节集成森林基学习器数量和深度，有效减少不均衡样本对分类的影响，提高多数类和少数类的总体分类精度，进而提升集成模型的泛化能力。针对临床461例鼻炎样本进行交叉验证分类实验，本文分类模型灵敏度为74.9%，特异性为86.5%，准确度为92.0%，F1为0.783，AUC为0.953。与6种典型模型相比，本文模型具有更好的评估性能，更适合于鼻炎的早期临床诊断。

摘要:血流和血氧是生物体重要的生理参数，反映了生物体的机能状态。对于起病急且变化迅速的颅脑损伤，将脑血流和血氧作为监测颅脑损伤的参数，有利于颅脑损伤的诊疗和评估。论文采用光谱分析和激光散斑成像技术构建的联合测量系统，监测脂多糖诱导小鼠颅脑损伤过程中的血流血氧，并进一步分析了高渗盐水和甘露醇两种药物治疗脑损伤效果的一致性和差异性。实验结果显示，与对照组血氧血流值（1.09±0.075，0.75±0.019）相比，脂多糖能引起小鼠的脑血流（1.36±0.080）升高和脑血氧（0.62±0.021）降低，具有显著性差异。在治疗后血氧和血流逐渐恢复，且高渗盐水治疗后的恢复更加明显。研究发现，颅脑损伤后血流和血氧呈现相反变化趋势，侧面反映了颅脑损伤后血脑屏障改变导致的血脑供养失衡，而治疗剂改善后的血流血氧情况恢复，说明血流血氧可作为疗效评估的重要参数。因此采用光谱分析技术和激光散斑成像技术对血氧和血流进行联合检测为脑损伤的实时监测和药物疗效评估提供了一种技术方案。

摘要:内镜检查是临床消化道疾病诊疗的最主要手段，其功能是获取组织的结构信息。在消化道疾病的发生和发展过程中通常伴随着功能信息如血氧及与代谢相关参数的改变。论文基于内源光信号成像技术开发了一套纤维光学内镜系统，能够测量生物组织氧合血红蛋白、脱氧血红蛋白、细胞色素C、细胞色素氧化酶、黄素腺嘌呤二核苷酸（Flavin adenine dinucleotide， FAD）和散射特性等6种功能信息的变化量。设计注射过量亚硝酸钠（800 mg/kg）的小鼠实验，利用所设计的纤维光学内镜成功获得了注射药物3、6、9、12、15以及18 min后同视野、在体的血氧及与代谢相关参数图像。实验模型的氧合血红蛋白含量持续减少，脱氧血红蛋白的含量持续增加。研究表明内源光信号的纤维光学内镜系统能够准确反映生物组织功能信息的变化规律。

摘要:为了解决光学相干层析成像（Optical coherence tomography， OCT）系统中的散斑噪声问题，提出了一种基于双边随机投影的光学相干层析成像去噪算法。基于三维OCT图像相邻帧的生物组织结构之间的高度相似性及图像高分辨率的特性，将原始OCT图像信号分解为无噪低秩矩阵、稀疏矩阵以及噪声矩阵；然后采用双边随机投影算法进行求解，提取低秩矩阵，从而去除噪声，恢复无噪图像；在临床数据集上对本文算法进行了测试，并通过信噪比（Signal to noise， SNR）、对比度噪声比（Contrast to noise ratio， CNR）以及等效视数（Equivalent number of looks， ENL）3个指标对降噪效果进行评价。实验结果表明，与稳健性主成分分析算法相比，本文算法在信噪比、对比度信噪比以及等效视数指标上分别提高了1.22 dB、0.84 dB和59.5，能更有效地抑制散斑噪声，且计算复杂度较低。

摘要:为了提高聚焦超声的治疗精度，本文通过将两个完全相同，频率为0.6 MHz的行波聚焦换能器同轴共焦相向放置实现驻波聚焦。在相同焦点峰值正声压（17 MPa）条件下，结合组织中的声场数值仿真、空化和非线性测量，对比研究了驻波聚焦和行波聚焦超声分别辐照仿组织体模过程中的损伤变化及形成机制。研究可见：（1）相同焦点峰值正声压条件下，驻波聚焦和行波聚焦辐照形成的初始损伤尺寸分别为0.18λ×0.25λ、0.91λ×0.3λ，而达到相同焦点峰值正声压驻波聚焦所需的换能器表面声压仅为行波聚焦的0.46倍，表明驻波聚焦可以实现更精细的损伤同时降低声通道上声压幅值保护声通道的安全性。（2）相同焦点峰值正声压条件下，行波聚焦更快出现损伤，相比于空化，非线性效应影响更大。研究说明基于同轴共焦相向放置两换能器形成的驻波聚焦相比行波聚焦可以实现更精细的损伤，且声通道更安全，为驻波聚焦应用于临床提供了理论参考。

摘要:针对人体下肢运动状态识别精度低的问题，提出了一种基于足底压力的下肢运动状态识别预测方法。以EMED足底压力平板采集的不同步速下各40组足底压力数据为试验样本，通过分析足底压力特征参数，构建步态相位，建立足底步态周期关系，以及步态位移模型。下肢运动是非线性运动，采用步态周期模型结合粒子滤波算法实现足底压力预测。先对粒子群初始化获取先验概率密度函数，对预测压力进行估计，其次对状态向量检验，使用多元线性回归推导出预测足底压力。实验结果表明，在不同步态速度下，粒子滤波算法性能好，精确度达到97%以上，从而证明了足底压力预测方法的有效性。补充不同年龄、性别、体重的实验者的足底压力数据进行分析，预测精度均在97.5%以上，验证了预测算法的稳定性和精准性。

摘要:随着医学成像技术的快速发展，医学图像在临床检测及科研领域得到了广泛的应用。针对临床图像数据集不完备的情况，本文提出了基于密集连接的自逆生成对抗网络用于实现核磁共振T1加权图像和T2加权图像相互生成的模型。该模型在自逆循环对抗生成网络的生成器模块中引入密集连接块结构，并采用U-net的多尺度融合框架，实现了T1与T2加权图像的互相生成。实验采用BraTS 2018数据集进行验证，生成图像的峰值信噪比与结构相似度最高分别可以达到22.78和0.8。基于密集连接块的生成器与基于U-net及ResNet的生成器模型的对比实验结果表明，基于密集连接块的生成模型性能更优。本文提出的基于密集连接自逆生成对抗网络的MR图像生成方法可以较好地改善T1或T2加权像缺失的问题，为临床论断提供更多的信息。

摘要:为了提高传统跌倒检测系统的识别准确度和运算速度，减小误报率和漏报率，本文提出了一种基于模糊C均值（Fuzzy C-means， FCM）聚类算法和卷积神经网络算法的实时跌倒检测算法。该算法以深度视觉传感器为数据获取源，提取聚类中心点速度、高度、加速度以及夹角为跌倒识别特征向量，采用阈值分析和机器算法相结合的方式实现人体跌倒识别。实验表明，该算法的识别精度达到99%，运算速度为0.178 s，相对于传统算法具有更高的识别精度和运算速度。

摘要:为解决深层卷积神经网络（Deep convolutional neural network， DCNN）模型在算力弱、存储成本高的AI边缘计算设备上难以高效应用的现实问题，本文利用重量级网络辅助训练轻量级网络，设计了一种基于轻量级神经网络的花卉图像分类系统。首先利用重量级DCNN并结合迁移学习、爬虫技术与最大连通区域分割方法，构建了适用于轻量级网络训练的扩充花卉数据集。然后基于Tiny-darknet与Darknet-reference两种网络及扩充后的花卉数据集训练得到两种面向弱算力设备的轻量级DCNN模型。训练得到的两种花卉分类网络在Oxford102花卉数据集上的平均分类准确率可达98.07%与98.83%，模型大小分别为4 MB与28 MB，在AI边缘计算设备中具有较好的应用前景。

摘要:建立了一种结合仿射不变离散哈希（Affined-invariant discrete hashing， AIDH）和条件随机场（Confidential random field， CRF）的模型，实现遥感图像的目标检测。对遥感图像进行超像素分割，构建适用于CRF的以超像素块为顶点的无向图结构。以超像素块作为测试样本，使用AIDH学习方法作为CRF一元势函数，生成初始类别标签。采用Potts模型构建CRF的二元势函数进行标签的再学习，平滑目标邻域信息，解决目标检测中的漏判问题。最后，使用基于凸壳边界的方法生成最小外接目标框作为目标检测结果。实验表明，本文方法在目标检测的精度和效率上取得了较好的平衡。

摘要:网络对齐是集成不同平台数据的重要途径。利用网络表示学习得到节点表征并建立节点匹配策略是当前异构网络对齐的主流技术之一。在这类研究中，网络表示模型和计算复杂性为两大关键问题。本文提出一种基于多尺度特征建模和优化采样策略的无监督网络对齐方法。首先，提出一种不同尺度的节点特征表示，提取节点特征；然后利用网络嵌入模型获得网络的初表征，在此基础上设计了一种基于节点重要性的采样策略选择地标节点，改进随机抽样策略；建立了基于地标节点的网络节点相似关系矩阵，引入低秩矩阵近似方法进行矩阵分解，得到节点表示；最后，根据节点表示的相似性对网络进行对齐。在3个数据集上的实验结果表明，本模型优于其他基线模型。

摘要:随着表面贴装技术的迅速发展，对基于机器视觉的标志符定位技术提出了更高要求。本文提出一种三角环标志符的快速高精度定位算法。该方法通过利用凸包的几何特征和构建偏离值直方图概念，将影响精确定位的弧状拐角、凸点、细微凹凸和毛刺等不利因素由粗到精地逐步剔除掉，获得用于拟合三角环直线边的优质数据集；然后通过最小距离直线拟合得到三角环标志符各边的高精度拟合直线方程，从而计算得到三角环标志符的几何中心，实现精确定位功能。本文方法为直线型标志符的快速高精度定位研究提供了新思路。

摘要:现有年龄估算方法的性能度量主要是基于训练集与测试集独立同分布的假设。为了能更好地符合实际场景以及更好地评估年龄估算方法的泛化性能，提出一种异构数据集评估协议，即在年龄估算时更关注训练集与测试集具有的不同分布和特征情况。此外，为了提高基于卷积神经网络的年龄估算方法的拟合能力，在充分考虑相邻年龄特性的基础上，通过将年龄估算问题建模为基于高斯模型的标签分布学习，提出一种新颖的损失函数。理论分析与实验结果皆说明本文方法的有效性与鲁棒性。

摘要:电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。

摘要:由于航空航天活动越发复杂，深空通信和姿态控制等航空航天电子系统大量采用集成电路芯片以提高各方面性能。随着集成电路工艺节点的进一步缩小，电路受到单粒子效应而发生错误的概率越来越大。评估集成电路对单粒子翻转（Single event upset， SEU）的敏感性对航空航天的发展具有重要意义。电路规模的增加和系统功能集成度的提高给评估速度带来了严峻挑战。本文提出了一种能适用于超大规模集成电路（Very large scale integration， VLSI）的快速故障注入方法。该方法可通过脚本自动分析电路，并修改逻辑使电路具备故障注入功能。实验结果表明，该方法实现的故障注入速度可以达到纳秒级，可大幅缓解电路规模和评估时间之间的矛盾，从而满足VLSI的评估需求。