导读:本文包含了基因图像论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,基因,基因芯片,污渍,病理,曼荼罗,照度。
基因图像论文文献综述
张傲霜[1]（2019）在《基于数字病理图像的肺鳞癌基因变异和无病生存期预测研究》一文中研究指出近年来,肺癌已经成为了发病率最高、死亡率最高、增长速度最快的癌症。肺鳞癌作为肺癌常见的病理类型之一,具有独特的临床病理学和分子学特征,且与肺癌其它病理类型相比,肺鳞癌患者的生存期更短、死亡率更高。为降低患者死亡率,许多研究提出通过基因检测技术寻找癌症细胞特有的基因变异,并设计特异性药物来进行针对性治疗。然而,基因检测通常需要花费很长时间,可能使患者错失最佳治疗时机。基于数字病理图像预测肺鳞癌基因变异,将有助于患者基因变异信息的快速获取,从而辅助医生制定最佳的治疗方案。除基因变异外,数字病理图像作为临床诊断和治疗中的重要参考依据,还能够提供非常丰富的无病生存期相关信息。此外,现有研究显示多组学数据与肺鳞癌的无病生存期也存在着密切的关系。因此,有效融合数字病理图像和多组学数据进行肺鳞癌无病生存期的预测研究,可以为医生做出临床诊断等提供科学依据,并有助于改善患者的生活质量。本文主要完成以下几个方面的工作:(1)为实现基于数字病理图像的肺鳞癌基因变异预测研究,本文首先采用CellProfiler从每张数据病理图像中提取了细胞、细胞核及病理图像叁个层面的特征,然后使用多种常见的机器学习算法分别对肺鳞癌中基因变异进行预测。多种性能指标的评估结果表明,预测算法对肺鳞癌基因变异取得了良好的预测效果。(2)为探索基于数字病理图像和多组学数据的肺鳞癌无病生存期预测研究,本文首先分别采用多种常见的机器学习算法进行预测,实验结果显示数字病理图像和多组学数据的结合能够提升预测性能。为更好地融合不同类型数据,本文提出了一种基于多核学习的肺鳞癌无病生存期预测方法LSCDFS-MKL,该方法首先针对不同类型数据分别构建多个核函数,并从中选择能够有效反映肺鳞癌数据集特性的核函数,随后通过对不同核函数进行加权平均得到最优核函数。实验结果表明,与现有预测方法相比,LSCDFS-MKL取得了更好的预测效果。最后,本文采用了独立验证集来进一步评估LSCDFS-MKL的泛化能力,实验结果显示LSCDFS-MKL取得了较高的预测准确率。(本文来源于《中国科学技术大学》期刊2019-05-07）
秦菁菁[2]（2019）在《曼荼罗图像的设计基因研究》一文中研究指出曼荼罗,是梵语“Mandala”的音译,被认为源自印度并与原始的宗教文化有着深刻的联系,用以表达宗教思想以及对宗教仪式活动进行引导。荣格借它来指代世界各古老文明和宗教记录行为的一种无意识状态下的秩序表象,这种秩序表象以图像的形式呈现。而曼茶罗图像的原型图式一直以“几何图形为框定,有中心、有层级、有对称”的表现形式广泛的存在于生活中的方方面面,不仅仅只局限于宗教视域下。目前曼茶罗一直作为宗教艺术形式来研究,从图像的角度来切入的却很少。曼荼罗图像的呈现与人类意识底层的喜好有许多共通之处,从图像的角度来分析曼茶罗,寻找曼荼罗图像原型背后隐藏的图像设计基因与蕴意,以期能为今后的设计发展带来更多的理论参考。本文即以曼茶罗图像的角度出发,力求探索曼荼罗图像的设计基因及其对设计应用的影响。针对以上研究思路,本文共分为四个章节。第一章绪论里包括研究背景、目的意义,研究对象,国内外研究现状与研究的方法。第二章系统的介绍曼荼罗图像的历史流变以及它在历史过程中被赋予的现实意义。第叁章通过对曼荼罗图像的解析来梳理出曼荼罗图像中的设计基因,解读它的设计形式与其中蕴意。第四章描述曼荼罗图像设计基因的应用与发展,通过将曼茶罗图像的设计基因与各设计作品案例进行关联与类比辅助以进一步证明假设推理的正确性,曼荼罗图像是多文明图式基因的呈现之一,具有普世性的特点,它当中蕴含的设计基因在设计上具有普遍适用性,并且可以利用曼茶罗图像中设计基因的普适性来对设计发展提供稳定结构。(本文来源于《浙江理工大学》期刊2019-03-01）
朱天赟,郑继红,孙刘杰,万新军,黄新荣[3]（2019）在《基于图像拼接的高通量数字PCR荧光基因芯片读取系统的设计》一文中研究指出针对高通量数字聚合酶链式反应荧光基因芯片检测的需求,提出了一种基于荧光显微光学技术的基因芯片检测系统。系统以无限远荧光显微系统为框架,通过制冷CCD一次完成较大视场的成像,顺序移动基因芯片得到全部图像,通过图像拼接完成检测,切换二向色镜组实现检测不同荧光通道的目的。光学系统分辨率可达16.3μm、曝光时间500ms,目前只需要拼接35次,即可在1min内完成对28mm×16mm的基因芯片内两万多荧光通道的检测,极大的提高了检测效率。(本文来源于《光学技术》期刊2019年01期）
芦碧波,王培,刘利群,王永茂,张自豪[4]（2019）在《高污染基因芯片图像的网格划分》一文中研究指出对基因芯片图像进行网格划分是基因芯片图像处理的基础,针对高污染基因芯片图像中高亮污渍对网格划分造成的干扰,将高亮目标分为靶点、污渍块和污渍点3种类型,根据其不同特征分别进行处理,提出一种新的网格划分算法。利用全局分割确定高亮目标所在位置,根据污渍点的特征,使用图像腐蚀技术对其进行剔除;根据污渍块的特征,对其先进行膨胀处理,然后对其进行剔除,可消除污渍块及其边缘痕迹。使用自协方差对没有污渍的图像进行网格划分,实验表明,对于高污染基因芯片图像,该算法可以得到理想的网格划分结果,靶点检测平均准确率可以达到94.73%。(本文来源于《应用光学》期刊2019年01期）
贾新宇,李婷婷,江朝晖,刘海秋,饶元[5]（2019）在《基因表达式编程优化的色调保持低照度图像增强》一文中研究指出提出了一种基因表达式编程寻优的色调对比度增强算法。选用多幅低照度图像作为参考图像,将该方法与自适应直方图均衡化、同态滤波、多尺度Retinex和带颜色恢复的多尺度Retinex等方法的实验结果进行了比较。所提算法的峰值信噪比、结构相似度和基于局部方差质量指数的平均值分别为25.93、0.75和0.87,均优于其他算法,在主观上亮度和对比度都更自然,更符合人眼视觉特性。该算法可广泛适用于低照度环境下的机器视觉领域。(本文来源于《激光与光电子学进展》期刊2019年09期）
王天杰[6]（2018）在《基于图像和基因数据整合分析的大脑功能特异性基因特征识别》一文中研究指出在脑科学领域,包含基因和多类图像数据的多模态数据的结合分析在揭示大脑的功能和机理的过程中越来越发挥着重要的作用。本文通过运用统计学中的偏最小二乘回归方法,结合基因数据和两类图像数据,对大脑的功能发育进行了相关分析,并查找文献进行了结果的比较,分析了与大脑功能发育相关的基因,并对功能网络进行了相关分析,得到了可靠的结果。(本文来源于《电脑知识与技术》期刊2018年28期）
李东耀[7]（2018）在《基因芯片图像的自适应增强与分割算法研究》一文中研究指出基因芯片(genechip)是生物芯片中的一种,又称DNA芯片。该技术通过将大量的探针分子固定于支持物上后与标记的样品分子进行杂交,实现对生物基因表达信息的获取。它被广泛的应用于药物筛选与新药开发、疾病诊断、环境保护、现代农业等。基因芯片图像处理是基因芯片技术的一个关键环节,整个流程包括图像预处理、网格定位、样点分割和数据提取等。本文主要针对基因图像中的图像预处理和样点分割等关键步骤进行深入研究,主要内容包含以下几个方面:首先,在图像预处理部分,本文实现了传统的以及现今较好的图像去噪方法并分析各种方法适应条件、优缺点,通过噪声级别函数对图像噪声类型、噪声级别进行评估,实现了去噪方法的自适应选择。其次,通过分析基因芯片图像的质量特征,结合现有的对比度增强方法,提出了一种自适应直方图均衡化的对比度增强方法,该算法能够自适应估算基因图像背景强度并基于背景强度进行对比度增强,通过主观分析以及网格定位结果分析,证明改进后的算法更好的增强了图像对比度。最后,本文在基因图像样点分割步骤上,总结了传统的分割方法,现有的聚类分类方法存在的局部分割不准确和分割的抗干扰性、泛化性不足等问题,通过分析基因点大小、位置、灰度信息分布等特征,提出了一种基于聚类的自适应样点分割算法,并通过主观视觉分析和定量实验证明了改进后的算法具有更高的准确性和有效性。(本文来源于《厦门大学》期刊2018-06-30）
殷依[8]（2018）在《基于特征学习与有效区域基因选择算法的商品图像属性标注》一文中研究指出近年,伴随电子商务的快速发展,Web上的商品图像急速增长,如何有效地组织并管理商品图像,进而向用户提供准确、便捷的检索服务是制约电子商务发展的关键。对大规模图像进行有效管理的重要前提是使其“语义清晰”,即准确、有效地标注图像。图像标注包括手工标注和自动标注两种方法。手工标注的人工成本较高且不具备客观性;早期自动标注多采用名词标注,标注结果单一,易产生噪声和歧义。若采用高层组合语义(如句子或短语)标注图像,则需设计自然语言处理算法来分析单词之间的句法关系,算法复杂度高。因此,本文聚焦位于中间语义层的图像属性标注,提出商品图像属性标注新机制:一、基于传统特征与分类模型的商品图像材质属性标注。材质是刻画商品图像的显着特性,其优劣会影响用户的购买行为。建立全新的材质数据集MattrSet。围绕MattrSet,从形状、纹理等角度提取图像的LBP、Gist、SIFT特征,运用KNN、Na?ve Bayes等分类模型完成商品图像材质属性标注。此外,跨越异类商品进行迁移学习,以进一步提升材质属性标注性能。不同于名词性标注,属性标注对商品采用形容词标注,它能跨越商品类型完成材质属性标注,语义信息更丰富。实验表明:叁种图像特征在不同材质属性分类中性能有差异,即单种特征对材质属性的刻画各有侧重,仅采用单种特征不能全面地描述商品图像。二、基于深度学习特征与ERGS(Effective Range Based Gene Selection,简称ERGS)算法的商品图像材质属性标注。引入深度学习特征:VGG-16、VGG-19,并运用ERGS算法,动态计算特征权重,实现多特征融合,生成判别性能更优的标注模型;同时,拓展材质属性深层语义描述,丰富材质标注的语义内涵。此外,运用迁移学习策略改进标注模型性能。实验表明:1)ERGS后融合后,属性标注性能显着提升;2)材质属性的深层语义描述中蕴涵更有价值的信息(也称实用属性),它能降低人类认知与低层特征之间的“语义鸿沟”;3)迁移学习策略实现了跨越异类商品的材质属性标注,标注性能稳步提升。叁、商品图像相对属性标注。由于实用属性贴近人类客观认知,基于相对属性(Relative Attribute,简称RA)模型完成商品图像的实用属性标注:不同于传统的“非0即1”(二元)的图像属性标注,RA模型对商品图像的实用属性值做定量度量,以比较不同商品图像中实用属性的程度大小,进而更好地辅助用户的购买行为并改善其检索交互体验。实验表明:通过相对属性标注,零样本学习(Zero-shot learning)或少量样本学习所获得的标注性能优于传统的二元属性标注模型,模型的实用性大大提升。主要创新点:1)聚焦商品材质属性建立全新的商品图像材质属性数据集:MattrSet。围绕它,在特征学习基础上,构建基于ERGS算法的后融合模型及RA模型,从属性层面创新商品图像标注方法;2)聚焦商品图像属性标注,从特征、材质、核函数等角度设计多种定量的评估方法,更全面、客观地评判模型优劣。(本文来源于《华东交通大学》期刊2018-06-30）
程君[9]（2018）在《基于病理图像和基因数据的肾癌预后预测研究》一文中研究指出随着全切片扫描仪技术的出现,大量的组织切片被扫描成数字图像,使得原来的组织切片能够以数字化的形式表达和存储。数字病理不仅对于远程会诊和远程教育有重大的影响,作为大数据分析的一种新的数据来源也为医学图像分析提供了巨大的研究机遇。众所周知病理图像中蕴含着大量重要的与疾病诊断和预后相关的信息。利用计算机图像分析和机器学习等技术,不仅可以从病理图像中挖掘出病理医生无法观察到或者想到的有用信息,而且还能避免医生人工诊断时一些不足的之处,例如1)主观性较强,容易受诊断医生的经验和知识水平影响;2)容易遗漏细微病变;3)难以从图像中得到量化的特征。本文利用计算机自动分析数字病理图像,对两种最常见的肾细胞癌(透明细胞和乳突状肾细胞癌)的预后预测进行了研究。对于乳突状肾细胞癌的预后分析,基于病理图像提出了一种新颖的拓扑结构特征来描述肿瘤的微环境,并从中发现了和肾癌预后显着相关的特征。肿瘤的微环境中包括多种类型的细胞,例如癌细胞、免疫细胞和基质细胞。作为一种高度异质性的疾病,肿瘤的发展不仅仅是由于肿瘤细胞的无限增殖,也与肿瘤细胞周围微环境的支持、刺激和营养供给有关。传统的由病理医生肉眼观察得到的定性或半定量的参数很难捕获肿瘤与其微环境之间的相互作用。本文提出了一种新的拓扑特征来描述病理图像中不同形态类型细胞的空间分布。实验结果表明这种拓扑特征的预后预测能力优于临床常用的预后指标。针对透明细胞肾细胞癌,本文结合病理图像数据和基因数据系统地分析了肿瘤形态学特征与基因表达特征的关联,并展示了病理图像数据和基因组数据对于预后预测的互补性,即联合这两种类型的数据能显着提高预后预测的能力。实验中我们还发现病理图像数据以及基因组数据均表明细胞外基质与预后显着相关。基于这两种类型数据的预后模型预测的生存风险指数不仅与预后显着相关,而且还能预测早期(Ⅰ期和Ⅱ期)癌症的预后。多变量Cox回归分析显示预测的生存风险指数与其他已知的临床及分子预后因素相独立。总之,本文系统地展示了病理图像分析和多模态数据联合分析在肾癌预后预测中的应用,对于辅助临床决策,提供智能化、个性化的医疗服务有重要的意义。(本文来源于《南方医科大学》期刊2018-05-01）
贾耕云[10]（2018）在《面向文化基因的字典学习明清宫廷服饰图像多标签标注研究》一文中研究指出文化基因是在特定地域和文化环境中所形成的具有稳定性和继承性的基本信息模式,它是优秀文化传承研究的核心问题。明清宫廷服饰图像具有丰富的文化基因,是中华民族创造的宝贵财富。论文以此为研究对象,开展面向文化基因的图像自动标注研究。字典学习算法因在图像标注等任务中取得良好的效果而受到广泛关注,现有的字典学习算法多为传统多分类字典学习,但文化基因的内涵具有丰富性和多样性,因此,本文提出了两种多标签标注字典学习算法,实现了图像多标签自动标注和文化基因解读。论文的主要工作包括:(1)总结了多标签图像标注的框架,介绍了字典学习的主要原理,提出了文化基因研究的总体框架,并分析了字典学习图像标注应用在文化基因研究中的优势。(2)现有多标签字典学习标注算法应用到文化基因研究中存在局限性,为了实现面向文化基因的字典学习图像标注,①提出了一种多标签不相关字典学习标注算法。引入基于标签相关性的字典相关性惩罚项,提高标注性能;②改进多标签不相关字典学习标注模型。通过引入类内系数距离惩罚项,在训练时降低同类样本重建系数的欧式距离,测试时结合重建误差与系数距离进行标注。(3)在明清宫廷服饰图像文化基因数据集上进行多标签自动标注仿真实验,验证了算法的有效性,并基于文化基因的表征对明清宫廷服饰图像进行了模式分析,进一步说明了字典学习在文化基因研究中的意义。(本文来源于《北京邮电大学》期刊2018-03-15）
基因图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
曼荼罗,是梵语“Mandala”的音译,被认为源自印度并与原始的宗教文化有着深刻的联系,用以表达宗教思想以及对宗教仪式活动进行引导。荣格借它来指代世界各古老文明和宗教记录行为的一种无意识状态下的秩序表象,这种秩序表象以图像的形式呈现。而曼茶罗图像的原型图式一直以“几何图形为框定,有中心、有层级、有对称”的表现形式广泛的存在于生活中的方方面面,不仅仅只局限于宗教视域下。目前曼茶罗一直作为宗教艺术形式来研究,从图像的角度来切入的却很少。曼荼罗图像的呈现与人类意识底层的喜好有许多共通之处,从图像的角度来分析曼茶罗,寻找曼荼罗图像原型背后隐藏的图像设计基因与蕴意,以期能为今后的设计发展带来更多的理论参考。本文即以曼茶罗图像的角度出发,力求探索曼荼罗图像的设计基因及其对设计应用的影响。针对以上研究思路,本文共分为四个章节。第一章绪论里包括研究背景、目的意义,研究对象,国内外研究现状与研究的方法。第二章系统的介绍曼荼罗图像的历史流变以及它在历史过程中被赋予的现实意义。第叁章通过对曼荼罗图像的解析来梳理出曼荼罗图像中的设计基因,解读它的设计形式与其中蕴意。第四章描述曼荼罗图像设计基因的应用与发展,通过将曼茶罗图像的设计基因与各设计作品案例进行关联与类比辅助以进一步证明假设推理的正确性,曼荼罗图像是多文明图式基因的呈现之一,具有普世性的特点,它当中蕴含的设计基因在设计上具有普遍适用性,并且可以利用曼茶罗图像中设计基因的普适性来对设计发展提供稳定结构。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基因图像论文参考文献
[1].张傲霜.基于数字病理图像的肺鳞癌基因变异和无病生存期预测研究[D].中国科学技术大学.2019
[2].秦菁菁.曼荼罗图像的设计基因研究[D].浙江理工大学.2019
[3].朱天赟,郑继红,孙刘杰,万新军,黄新荣.基于图像拼接的高通量数字PCR荧光基因芯片读取系统的设计[J].光学技术.2019
[4].芦碧波,王培,刘利群,王永茂,张自豪.高污染基因芯片图像的网格划分[J].应用光学.2019
[5].贾新宇,李婷婷,江朝晖,刘海秋,饶元.基因表达式编程优化的色调保持低照度图像增强[J].激光与光电子学进展.2019
[6].王天杰.基于图像和基因数据整合分析的大脑功能特异性基因特征识别[J].电脑知识与技术.2018
[7].李东耀.基因芯片图像的自适应增强与分割算法研究[D].厦门大学.2018
[8].殷依.基于特征学习与有效区域基因选择算法的商品图像属性标注[D].华东交通大学.2018
[9].程君.基于病理图像和基因数据的肾癌预后预测研究[D].南方医科大学.2018
[10].贾耕云.面向文化基因的字典学习明清宫廷服饰图像多标签标注研究[D].北京邮电大学.2018
论文知识图
