基于纳米功能界面和新型传感机制的生物传感器件

纳米材料因其具有光、电、磁和高的比表面等特殊性质,在催化、电化学、生物电子器件等领域显示出重大的潜在应用前景.利用现有的和新开发的化学制备原理合成具有生物相容的纳米功能界面,探索其在生物分子组装、生物分子的直接电子转移、生物催化和传感等方面的应用,将为生命科学的发展开辟新的天地,同时也为重大疾病的早期诊断和预警提供有力的工具.     

基于NRU网络的肺结节检测方法

肺癌的早期发现和早期诊断是提高肺癌患者生存率的关键。由于肺癌早期结节很小,目前已有的肺结节检测系统在检测这些结节时很容易漏诊。准确检测早期肺癌结节对于提高肺癌治愈率至关重要,为了降低检测系统对早期结节的漏诊率,需要优化候选结节的提取步骤。在U-Net网络中引入残差网络的捷径,有效解决了传统U-Net网络由于缺乏深度而导致结果较差的问题。在此改进的基础上提出了一种U型噪声残差网络NRU（Noisy Residual U-Net）,通过利用跳跃层连接的特性和向卷积层添加噪声来增强神经网络对小结节的灵敏度。使用Lung Nodule Analysis 2016和阿里巴巴天池肺癌检测竞赛数据集训练神经网络。U-Net和NRU之间的比较实验表明,该算法对直径为3~5 mm（97.1％）的小结节的灵敏度大于U-Net值（90.5％）。     

基于纳米技术和分子工程的生物医学传感

探索和发展新的传感技术和方法在更加微观的尺度（比如说亚微米、纳米尺度）上原位、活体、实时地获取相关生物、医学信息,对人类疾病的机理研究、诊断和治疗等具有非常重要的意义。该文基于纳米技术和分子工程发展了一系列适合生物医学分析与研究的传感技术,包括基于生物功能化纳米颗粒、原子力显微镜（AFM）以及新型核酸分子探针的生物医学传感技术。     

深度学习在肺结节辅助诊断中的应用

肺癌位居癌症死亡率首位,对其进行早期诊断和治疗可降低肺癌患者的死亡率。深度学习能够自动提取结节特征,并完成肺结节的良恶性及恶性等级分类,因此深度学习方法成为肺癌早期诊断的重要手段。对常用数据集进行介绍,系统阐述了栈式去噪自编码器（SDAE）、深度置信网络（DBN）、生成对抗网络（GAN）、卷积神经网络（CNN）、循环神经网络（RNN）和迁移学习技术在肺结节良恶性分类中的应用,阐述了深度卷积生成对抗网络（DCGAN）、多尺度卷积神经网络（MCNN）、U型网络（U-Net）和集成学习技术在肺结节恶性等级分类中的应用,针对肺结节分类的深度学习方法进行了综合分析,并对未来研究方向进行展望。     

磁声断层成像逆问题的研究进展*

病变组织的早期发现对病症的诊断和治疗具有重要的临床意义。生物磁声断层（Magnetoacoustic tomography, MAT）成像是一种新型的无损伤功能成像技术,它融合了电磁场技术、超声技术和多物理场探测与成像技术,同时具备电阻抗成像的高对比度以及超声扫描成像的高空间分辨率的优点。它基于生物组织电导率的变化特点,能够先于结构成像技术发现组织的早期病变情况。MAT的研究包括正问题和逆问题两方面。该文在简介MAT成像原理的基础上,对其逆问题的研究现状进行综述,对主要方法进行归纳总结,分析目前存在的问题和可能的解决方法,最后指出未来的研究趋势。     

基于复杂网络理论的肺癌特异性基因识别研究

基于复杂网络理论分别构建以肺癌组织和健康肺组织基因为节点,基因间调控关系为边的基因调控网络,并从拓扑结构、分布特征、节点中心性三方面分析网络特性,挖掘网络核心节点生物功能差异性以识别出肺癌特异性基因。结果发现,肺癌组织和健康肺组织基因调控网络拓扑参数极其相似且两者都为无标度网络,两网络核心节点集高度重叠,但非重叠部分核心节点的生物功能十分特殊,并据此识别出肺癌特异性基因。该方法识别出的肺癌特异性基因,能够成为潜在肺癌生物标记物,为肺癌的早期诊断提供帮助,同时该方法能够适用于其他疾病特异性基因的识别。     

磁敏生物传感器及其在生物检测中的应用

磁敏生物传感器是一种利用磁与电之间的关系对磁标记待测生物分子敏感,并将其磁信号转换为可用输出信号实现生物分子检测的新型传感器.对磁敏生物传感器及其在生物检测中的应用进行了综述,并对该领域的发展方向进行了展望.     

CT图像肺结节计算机辅助检测与诊断技术研究综述

肺结节计算机辅助诊断（Comput er-aided diagnosis,CAD）能够从CT图像中检测、分割和诊断肺结节,提高早期肺癌的生存率,因而具有重要临床意义。由于肺结节的形态根据其类型、尺寸、位置、内部结构及恶性与否等动态变化,导致肺结节检测和诊断已经成为一个重大的挑战问题。本文对比分析了CAD系统中肺实质分割、肺结节检测、肺结节分割以及肺结节良恶性判断等4个步骤所运用的关键技术及挑战,并指出开发有效CAD系统需要进一步优化不同类型结节诊断算法灵敏度、降低结节检测误报数量、提高诊断自动化水平,同时需要集成影像存储与通信系统（Picture archiving and communication systems, PACS）以及电子病历系统（Electronic medical record systems, EMRS）,以便在日常临床实践中应用。     

基于神经网络集成的肺癌早期诊断

将病理性诊断与计算机技术相结合以实现肺癌的早期诊断，首先利用数字图像技术对肺癌穿刺样本进行处理，提出取形态和色度特征，然后通过一种二级集成结构和特殊的投票方式，用神经网络集成对细胞图象进行分析，实验和原型系统试用表明，方法的总误诊率和肺癌患者漏诊率均低于单一神经网络方法和常用的神经网络集成方法。     

上海应用物理所研制出新型电化学DNA纳米生物传感器

在国家自然科学基金委、中国科学院和上海市科委纳米专项等的相关项目资金资助下，由中科院上海应用物理所樊春海研究员研究小组负责研制的新型的电化学DNA纳米生物传感器已取得成果，这一CDS生物传感器具有高灵敏度和高特异性，该成果将在美国化学会志（Journal of the American Chemical Society）正式发布。     

基于BP神经网络的肺结节自动检测算法研究

长期监测发现近年来我国肺癌发病率上升至原先的4倍,气象等专家经过研究发现,灰霾是致肺癌高发的一个根本原因,特别是在城市。肺癌的早期诊断十分重要。利用计算机图像处理技术检测肺癌早期标志物——肺结节,可以提高肺癌诊断的准确率。据此设计了一个CAD系统,尝试通过四个步骤实现肺结节的检测:肺实质分割、感兴趣区(ROI)的提取、特征的提取与计算、肺结节检测。     

基于荧光卟啉传感器阵列系统的肺癌标志物检测研究

针对肺癌呼出挥发性有机气体（VOCs）中的特定标志物,提出了一种新型的基于荧光卟啉传感器阵列检测系统,并对4种肺癌呼出标志物进行检测研究。通过小波分析等数学工具对测得的荧光光谱数据进行特征提取,然后采用层次聚类、主成分分析等统计学方法对特征向量进行分析。不同体积分数的各类标志物在聚类分析中能够完全正确的聚到一起。通过主成分分析得到的前3个主成分包含了标志物的88%的信息,便能对不同类别的标志物进行识别。研究表明：该荧光卟啉传感器阵列系统能够快速有效地对不同肺癌标志物进行识别,有望在临床中得到应用。     

肺癌呼吸气体检测系统的气室设计

基于卟啉传感器阵列(PSA)的肺癌呼吸气体检测系统是通过采集处理PSA芯片表面图谱信息来对人体呼吸气体进行定性检测,达到早期肺癌诊断的目的。检测过程中,PSA芯片能否与气体分子快速、均匀结合将直接影响气体检测系统的准确度。以系统中PSA芯片与肺癌呼吸气体反应的气室为研究对象,借助CFD专用软件FLUENT对气室进行流场仿真结构优化,在气室理论模型的基础上,进行了气室实物制作,结果表明:通过采用抛物线形气室内腔、安装导流板、减小分流孔通径、适当加大分流孔倾斜角度等优化方案后,气室内呼吸气体呈层流流动状态,流场更加均匀、密集,能达到检测系统中PSA芯片与呼吸气体分子快速、均匀结合的要求。     

肺结节DR图像的计算机辅助诊断技术

在胸部DR图像中,肺结节一直是备受关注的焦点,其早期检出及良恶性的鉴别对肺癌的早期诊断和治疗尤为重要。但是由于肺结节形态多变,大小各异以及位置不固定等因素,其检测诊断一直是放射学家的一个难点,随着计算机辅助诊断逐渐成为医学领域的研究热点之一,越来越多的学者致力于开发肺结节的计算机辅助诊断系统,利用计算机辅助诊断系统提高医生在肺结节检测和诊断上的准确率和减少漏诊率。本文介绍了计算机辅助诊断系统的构成,重点讨论了计算机辅助检测和诊断的关键技术,最后采用实验对胸部DR图像进行了肺结节的识别工作。     

应用于CT图像肺结节检测的深度学习方法综述

肺癌是世界上死亡率最高的癌症，通过胸部CT影像检测肺结节对肺癌早期诊断和治疗意义重大。为了减轻放射科医生的工作量以及同时减少误诊率和漏诊率，研究人员提出了计算机辅助检测（CAD）系统辅助放射科医生检测和诊断肺结节。目前，研究人员正在尝试不同的深度学习技术，以提高计算机辅助诊断系统在基于CT图像的肺癌筛查中的性能。这项工作回顾了作为肺癌检测的CAD系统目前典型的深度学习的算法和框架，主要从数据集介绍、2D深度学习方法、3D深度学习方法、数据不平衡问题的处理、模型训练方法以及模型可解释性这六个方面进行介绍。最后，对各个方法的主要特点和算法性能进行了综合比较分析，并对如何提高结节检测性能进行了展望。     

三维多尺度嵌套U结构CT影像肺结节检测

目的 肺结节检测在低剂量肺部计算机断层扫描(computed tomography, CT)筛查肺癌中具有重要意义。但由于结节大小、形状和密度的变化十分复杂,导致难以在低假阳性率下保证高的灵敏度,这限制了深度学习算法在常规临床实践中的肺结节自动诊断,建立具有良好结节检测性能的深度学习模型仍然是一个挑战。针对此问题,本文提出了一种基于3D ReSidual U(3D RSU)块的嵌套U结构的肺结节检测框架。方法 3D RSU块通过混合不同大小的感受场获得多尺度特征来丰富特征信息。而嵌套U结构允许网络获得更大分辨率的特征图,从而具有多层次深度特征,获得丰富的局部和全局信息,增强网络区分前景和背景的能力,进而提高微小结节等非显著性目标的检测性能。结果 该框架在公共肺结节(lung nodule analysis 16)挑战数据集上进行了评价。方法能够准确地检测出肺结节,灵敏度达到了97.2%,与基准方法相比,该方法灵敏度提高了2.6%,具有很高的灵敏度和特异性,在0.125、0.25、0.5、1、2、4、8共7个假阳率点的灵敏度平均值为86.4%,尤其是在每扫描0.25个假阳性上,灵敏度达到...     

基于Zigbee的桥梁荷载无线检测系统

针对当前桥梁荷载检测系统的抗干扰能力差、布线复杂和不适用于大跨度桥梁等问题,在综合桥梁无损检测与无线传感网络技术的基础上,设计并制作了一种基于Zigbee无线传感网络的桥梁荷载检测系统。该系统主要由布置在被测桥梁上的检测节点和远程监控管理软件组成。该系统在多座实际桥梁上得到应用,实桥试验结果表明：该检测系统所采集的数据与传统的检测设备采集的数据高度一致,而且该系统相比传统检测系统具有低功耗、抗干扰能力强、线缆使用量少等诸多优点。     

预警卫星半实物仿真系统设计与实现

国防支援计划(DSP)是美国现役的预警卫星系统,主要对导弹进行早期探测和预警;为评估DSP卫星对目标的探测能力,文中分析了预警卫星的部署情况和工作模式,提出了预警卫星仿真系统的总体设计方案,确定该系统的功能模块以及实现方式;根据预警卫星双波段探测的工作模式构建了红外双色扫描探测模型,提出了基于双霍夫变换的多帧关联目标检测算法,利用目标的运行特性有效去除背景噪声,并结合双波段探测信息融合策略降低卫星虚警率;最后利用双星定位方法预估目标轨迹并对不同发射角目标的预测轨迹与真实轨迹之间的误差进行对比分析;通过试验运行,该系统达到了预期结果,具备对目标导弹的探测和跟踪能力,为导弹性能评估提供一种仿真手段和依据。     

Lung nodules detection using semantic segmentation and classification with optimal features

Neural Computing and Applications - Lung cancer is a deadly disease if not diagnosed in its early stages. However, early detection of lung cancer is a challenging task due to the shape and size of...