一种新的基于多重液相色谱-质谱实验肽信号峰形相似性的校准算法

提出了一种基于多次重复液相色谱-质谱(LC-MS)实验,结合肽信号时间差校准的峰形相似性统计学习模型,解决了重复实验数据肽链校准匹配准确性与覆盖率低的问题。采用统计学习的方法,首先建立时间差统计模型,结果表明仅靠时间特征无法完全消除校准误差。因此,除了时间特征,引入了峰形相似性特征,即认为同一种肽链在多次重复实验谱图中会产生相似的LC峰形。通过选取训练数据集,提出了一种新的基于LC峰形相似性的肽信号校准算法,并通过测试序列完成模型测试。结果表明,改进算法的准确率达98. 3%;将该数学模型应用于校准匹配两个实验数据的所有LC-MS/MS肽链,其覆盖率达91. 0%。峰形相似性特征结合时间特征可以提升多次重复LC-MS实验中相关肽链信号的匹配校准的准确性与覆盖率。     

基于分通道自适应匹配的梯度保持色彩迁移算法

本文针对经典Welsh与Reinhard算法进行改进，提出一种基于分通道自适应匹配的梯度保持色彩迁移算法。引入L、a、b三通道作为匹配依据，因通道间的序列不相关，对单一通道进行处理时不会影响到另外两通道，消除了RGB颜色模式中单一目标区域易受多通道影响的弊端；对整体灰度值相近的图像，将色度均值差异最大的待处理区与背景区通道及参考图像对应通道进行自适应匹配，解决了Welsh算法对灰度差异小或灰度范围重叠的彩色源图像分级易造成误判的问题。然后引入梯度因子，同参考图像与源图像标准差比值作加权运算，将结果作为本文改进迁移算法的缩放比例系数，对匹配到的每组像素采用保持梯度的色彩迁移算法进行着色，避免了Reinhard算法易出现色彩细节信息丢失、阶调间过渡不自然等问题。实验证明，本文改进算法所得目标图像的彩色化效果均优于经典Welsh与Reinhard算法，极大提升了色彩迁移算法的灵活性与适用性。     

基于Jaccard系数提高核磁共振波谱代谢物数据库匹配的精度

NMR代谢组学检测完成后,人们通常基于化学位移值在人类代谢组学数据库(human metabolome database,HMDB)上进行手动代谢物匹配,然而该方法对代谢物的鉴定较为粗糙,准确度不高。本研究试图基于建立一种更加合理,且能够自动寻峰并根据数据库匹配代谢物方法。通过分析HMDB的峰匹配方法,提出了基于Jaccard系数和匹配率(匹配的峰数目/总峰数)的新方法,基于MATLAB编程实现,然后比较HMDB中1D NMR search和本方法对于同一段随机化学位移列表的匹配结果。分析结果显示,对于同一随机化学位移列表,HMDB的匹配结果中排在前20位的物质峰数目超过16的占60%,说明其匹配方法偏向于峰数目较多的物质;HMDB用于峰匹配排序的评分与峰匹配率有明显区别,而本方法匹配评分与匹配率较为接近;且HMDB匹配结果排在第10位的物质与该随机序列没有可匹配的化学位移值。本文对于HMDB峰匹配算法存在的不足进行了改进,并发现基于Jaccard分数的匹配算法能够提高根据代谢物数据库进行NMR代谢物鉴定的精度。     

基于特征块匹配的医用注射液图像位移补偿应用

针对机器视觉药液异物检测机器人由于机械振动或跟踪不同步,导致所拍摄的序列图像产生位移偏差、影响后续异物分割与提取的问题,本工作采取特征点匹配与块匹配相结合的方法,对序列图像进行配准,求出运动矢量进行图像位移补偿,克服了传统特征点匹配产生空间位置偏差较大误匹配、传统块匹配需对背景静止块进行预处理以及单独使用特征点对匹配或块匹配均难以满足实时需要的问题。首先,对参考帧进行FAST特征点检测,再利用Hessian矩阵、非极大值抑制、熵值差法和特征点距离约束选取稳定的特征点;然后,根据特征点位置信息,选取以特征点为中心的待匹配宏块,再采用一种改进的偏水平方向的六边形搜索策略（HHS）与当前帧进行块与块的匹配,找到最佳匹配块;最后,利用匹配块之间的坐标参数求出运动参数,再利用求出的运动矢量进行帧间补偿。实验结果表明,该算法实时性能能达到72 ms,远快于点对匹配中ORB算法的140 ms,比直接用原有的六边形搜索算法（HS）进行块匹配快了近20%,兼顾了速度与精度,能快速补偿药瓶在图像中的位移偏差,抑制图像位移偏差所引起的各种干扰。     

基于Android平台的地震云轮廓提取与匹配研究

针对当前地震云研究中只能利用长期以来的经验进行目视解译,无法形成系统的研究理论和研究模型的现状,结合目前流行的Android便携式设备,提出在Android平台上对地震云图像进行轮廓提取与匹配的研究思路。采用抗噪性能较好的数学形态学算法,在此基础上得到一种改进算法以提取出感兴趣区域,进而通过构造10个新的不变矩对Hu矩匹配算法进行改进,进行轮廓匹配,识别出地震云图像。在Android平台上则利用NDK(Native Delelopment Kit)通过JNI(Java Native Interface)调用OpenCV库函数,用C++语言实现改进算法。实验结果表明:该方法能够有效地识别时间序列下的地震云,正确率高,并且在Android平台上操作简单方便,为地震云预测地震提供初步研究基础和研究依据。     

基于多参数融合的红外光谱对混合物的组分识别研究

为解决混合物组分的识别问题,该文以7种标准品以及由7种标准品配制的26种混合物为研究对象,以准确率与误判率为混合组分识别效果的评价指标,在研究谱峰匹配算法、非负最小二乘匹配算法与相关系数匹配系数算法的基础上,采用一种基于多特征融合的BP神经网络模型红外光谱技术对混合物组分进行识别,并与逻辑回归模型进行了对比。结果表明,3种单一匹配算法的识别准确率均低于76.31%,多特征融合的逻辑回归模型与多特征融合的BP神经网络模型预测集的识别准确率分别为83.33%和98.18%,误判率分别为4.76%和1.82%。研究结果表明,中红外光谱技术结合BP神经网络模型可以更好地进行混合物的组分识别。为了进一步探究模型对混合组分最低浓度的检测能力,采用香兰素和乙醇两组分溶液进行检出限的研究。结果表明混合物中香兰素的质量浓度为0.03 g/mL时准确率为100.00%,误判率为14.29%;香兰素质量浓度低于0.03 g/mL时,准确率下降20.00%,误判率上升19.04%。故可认为该研究能识别出的香兰素乙醇溶液中香兰素的最低质量浓度为0.03 g/mL。     

基于B样条自由形变三维医学图像非刚性配准研究

医学超声成像具有成本低、实时成像等优势,基于超声的多模态配准在临床诊断、病情监测、外科手术等应用上具有较大的意义。三维医学图像能够清晰地显示病变大小、形态,提供相对完整的人体组织的三维结构信息。本文采用基于B样条自由形变模型的非刚性配准方法对三维超声图像和计算机断层扫描图像（Computed Tomography,CT）进行配准,利用薄板样条能量约束项解决三维图像配准过程中的图像交叉与重叠问题。此外,使用仿体数据以及临床数据验证算法性能,通过感兴趣区域的相对重叠率,互信息值和程序运行时间这三个指标对算法精度和速度进行评价。其中Demons方法平均耗时1896 s,本文改进算法平均耗时195 s,运行效率提高8.7倍;算法改进前后的感兴趣区域重叠率分别是89.58%和91.35%,精度提高2.0%。实验结果表明此算法能够对超声和CT图像进行配准并获得较好的结果。     

三维(二阶)算法在液相色谱分析中的应用

使用"垂线法"、"切线法"或"三角形法"等传统方法对液相色谱重叠峰分辨时经常会遇到误差过大的情况,而使用三维(二阶)算法对重叠和拖尾峰分辨可以最大限度地降低这种因几何分割而人为产生的误差。这样改进的色谱解析方法具有自动化程度高、抗干扰能力强、对重叠/拖尾峰定量准确等优点,甚至可以减少样品前处理和色谱条件优化。该方法的核心是基于化学计量学三维(二阶)算法抽取有效信息和建模的思想,三维色谱数据按照对三线性模型的符合程度有"三线性数据"和"非三线性数据"的区别,相应地将三维(二阶)算法分为"三线性算法"和"非三线性算法"。本文综述了近10年来国内外三维(二阶)算法在复杂体系液相色谱分析中的应用进展,侧重于样品前处理、辅助算法、校正算法间的联用和对比等问题。     

多相多组元化学平衡相平衡通用计算方法的研究

本文工作基于自由能最小原理,以通用、可靠、高效率为目标,研究多相多组元化学相平衡新的通用计算方法。编制了通用算法SVMP的计算机程序;并在此基础上,对SVMP法进行了三项改进,改进后的算法称之为M-SVMP法。检验结果表明,对多数情况M-SVMP的性能优于原算法。     

基于随机森林结合博弈论的特征选择算法在近红外光谱分类中的应用研究

针对近红外光谱中的噪声和冗余信息导致分类模型识别率低的问题,提出了随机森林结合博弈论的特征选择算法。该算法首先根据随机森林对特征重要性进行度量,优选出对分类具有一定相关性的特征;然后利用改进的夏普利值结合互信息计算优选特征的权重,从加权后的特征集合中去掉冗余得到最优特征子集。为了验证算法的有效性,将其应用于烟叶产地识别模型,实验结果表明,该文所提出的特征选择算法对烟叶产地识别效果较好,分类识别率可达95.88%。     

A new kernel discriminant analysis framework for electronic nose recognition

Electronic nose (e-Nose) technology based on metal oxide semiconductor gas sensor array is widely studied for detection of gas components. This paper proposes a new discriminant analysis framework (NDA) for dimension reduction and e-Nose recognition. In a NDA, the between-class and the within-class Laplacian scatter matrix are designed from sample to sample, respectively, to characterize the between-class separability and the within-class compactness by seeking for discriminant matrix to simultaneously maximize the between-class Laplacian scatter and minimize the within-class Laplacian scatter. In terms of the linear separability in high dimensional kernel mapping space and the dimension reduction of principal component analysis (PCA), an effective kernel PCA plus NDA method (KNDA) is proposed for rapid detection of gas mixture components by an e-Nose. The NDA framework is derived in this paper as well as the specific implementations of the proposed KNDA method in training and recognition process. The KNDA is examined on the e-Nose datasets of six kinds of gas components, and compared with state of the art e-Nose classification methods. Experimental results demonstrate that the proposed KNDA method shows the best performance with average recognition rate and total recognition rate as 94.14% and 95.06% which leads to a promising feature extraction and multi-class recognition in e-Nose.     

Recognizing chromatographic peaks with pattern recognition methods III. Application of the algorithm for peak recognition in trace analysis

Summary The application of a newly developed peak recognition algorithm is shown. This algorith is based on the KNN method, one of the pattern recognition methods. It is shown that peaks with a S/N-ratio down to one can be safely recognized. This is also possible if the baseline has not only detector noise, but has other disturbances, e.g., noise signals which are generated by a reaction detector. The recognition ability of the algorithm is demonstrated by a standard chromatogram with three different concentrations and with two different sampling rates. The improvement against the classical algorithm is demonstrated. Some properties of the algorithm are discussed.     

VOCs分子的半导体型传感器识别检测研究进展

具有体积小、功耗低、灵敏度高、硅工艺兼容性好等优点的金属氧化物半导体(MOS)气体传感器现已广泛地应用于军事、科研和国民经济的各个领域。然而MOS传感器的低选择性阻碍了其在物联网(IoT)时代的应用前景。为此,本文综述了解决MOS传感器选择性的研究进展,主要介绍了敏感材料性能提升、电子鼻和热调制三种改善MOS传感器选择性的技术方法,阐述了三种方法目前所存在的问题及其未来的发展趋势。同时,本文还对比介绍了机器嗅觉领域主流的主成分分析(PCA)、线性判别分析(LDA)和神经网络(NN)模式识别/机器学习算法。最后,本综述展望了具有数据降维、特征提取和鲁棒性识别分类性能的卷积神经网络(CNN)深度学习算法在气体识别领域的应用前景。基于敏感材料性能的提升、多种调制手段与阵列技术的结合以及人工智能(AI)领域深度学习算法的最新进展,将会极大地增强非选择性MOS传感器的挥发性有机化合物(VOCs)分子识别能力。     

Crystal Engineering with Multipoint Halogen Bonding: Double Two-Point Donors and Acceptors at Work

The combination of singly or doubly bidentate halogen-bond donors with double bidentate acceptors was investigated as a supramolecular synthon in crystal engineering. The crystal topologies obtained feature novel halogen-bonding motifs like double two-point recognition and infinite chains or networks based on two-point interactions. Induced conformational changes in the double bidentate halogen-bond donors could be exploited to obtain different 1D and 2D networks. All solid-state studies were accompanied by DFT calculations to predict and rationalize the outcome.     

Exploiting the performance of dictionary-based bio-entity name recognition in biomedical literature

Bio-entity name recognition is the key step for information extraction from biomedical literature. This paper presents a dictionary-based bio-entity name recognition approach. The approach expands the bio-entity name dictionary via the Abbreviation Definitions identifying algorithm, improves the recall rate through the improved edit distance algorithm and adopts some post-processing methods including Pre-keyword and Post-keyword expansion, Part of Speech expansion, merge of adjacent bio-entity names and the exploitation of the contextual cues to further improve the performance. Experiment results show that with this approach even an internal dictionary-based system could achieve a fairly good performance.     

核酸适配体-荧光传感技术在重金属检测领域的应用

重金属污染环境后难以自然降解或无害化,进入有机体后有较强的生物蓄积性,会对环境安全和人类健康造成巨大威胁;此外,有些高毒重金属离子还可作为蓄意投毒、威胁恐吓的恐怖剂.因此,对环境中的重金属离子实现快速、现场检测尤为重要.传统仪器检测方法前处理复杂、成本高、操作需要专业人员,现场应用受限.近年来随着技术的发展和新材料的应...     

胆甾类分子钳对氨基酸衍生物的对映选择性识别

用差紫外光谱滴定法考察了以脱氧胆酸作spacer的手性分子钳1～3对一系列α-氨基酸甲酯的对映选择性识别性能。结果表明,分子钳1和2与客体氨基酸甲酯形成1:1型超分子配合物,并显示较好的手性识别能力。分钳3对所考察的氨基酸甲酯均没有明显的识别作用。讨论了主-客体间尺寸/形状匹配、几何互补等因素对形成超分子配合物的影响,并利用计算机模拟作辅助手段对实验结果和现象进行了解释。     

基于几何矩预分类的无人机遥感图像自动配准方法

图像配准技术是近些年来图像处理领域发展迅速的研究方向之一.在遥感领域内,图像配准更是实现图像融合、运动检测、图像校正、图像拼接等应用的一个关键步骤.尽管国内外目前在图像配准方面提出了很多方法,但不同方法适用的图像范围不同,很多时候需要人工干预进行方法的选择.尤其对于无人机这种快速、实时获取图像的新型遥感平台,如何集合不同方法的优点以实现图像自动配准成为了关键性问题.本文在比较分析了基于SIFT和SURF特征提取图像配准方法的各自优势后,提出基于几何矩的方法对图像进行预先分类,从而决定将其分配给何种方法进行配准,实现全程自动化.实验证明,这种图像自动配准方法在拓宽了图像应用范围的同时保证了良好的配准效果.     

杯芳烃光学识别试剂

光学识别试剂是建立有关光学分析方法的物质基础，在许多领域中具有极强的应用背景。本文简要评述杯芳烃光学识别试剂的研究进展及其分析应用，包括近年我们在该方面所取得的一些结果。