生物实验室

"生物实验室"栏目刊发的文章主要侧重于从实验室科研人员的角度,深度报道使用某种仪器设备进行实验后所获得的最新结果,交流由此衍生出的新技术新方法。     

基于多色彩空间的YOLOv5松枯死树检测方法

【目的】针对在松枯死树监测实践中,从无人机航拍RGB影像中自动识别松枯死树漏检率高的问题,提出了一种生产应用场景下基于多色彩空间的YOLOv5松枯死树高精度自动识别新方法。【方法】利用无人机采集大面积松材线虫病发生林分的RGB图像,用Pix4Dmapper软件拼接,用LabelImg开源软件建立VOC格式的松枯死树数据集,分别用Faster R-CNN、YOLOv3、YOLOv4、YOLOv5、SSD和EfficientDet等6种基于深度学习的目标检测算法对数据集进行训练和测试,以精确率、召回率、平均准确率以及F₁分数作为评价指标筛选出最优目标检测算法;然后将采集的RGB图像转换成LAB和HSV色彩空间图像,再将这3个色彩空间的图像分别用最优目标检测算法进行训练,得到目标在每个色彩空间的边界框,使用非极大值抑制算法对这些边界框进行处理,得到最优边界框实现松枯死树自动识别。【结果】6种算法均取得良好效果,其中YOLOv5模型为最优算法,其精准率、平均查准率和F₁分数在6种算法中均最高,分别达到97.58%、82.40%和0.85。通过3个色彩空间融合后,反映漏检情况的召回率由74.54%提高到98.99%,平均准确率提升至98.39%。【结论】基于多色彩空间的YOLOv5模型能够显著提高从无人机航拍RGB影像中检测松枯死树的精度,为松枯死树监测提供了有力工具,也有助于松材线虫病的防治。     

中药治愈椎基底动脉痉挛1例报告

椎基底动脉痉挛，临床较为少见，且西医治疗效果欠佳，本人以中医中药治愈1例，现报告如下。     

基于深度卷积神经网络的树轮宽度测量算法

数字图像处理技术已被广泛用于树轮宽度测量，但大多集中在边界清晰可见的针叶树种，对于木材解剖结构复杂、树轮边界清晰度较差的阔叶树种，传统的图像处理技术表现不佳。为了改善阔叶树种的树轮边界识别精度，本文提出了一种基于U-Net卷积神经网络模型的树轮宽度测量算法。以鱼鳞云杉(Picea jezoensis var.komarovii)、臭冷杉(Abies nephrolepis)、红松(Pinus koraiensis)、白桦(Betula platyphylla)、枫桦(Betula costata)、榆树(Ulmus pumila)的树芯为对象，提出了一种基于U-Net的树轮边界检测模型。采用3种评价指标比较了U-Net方法与手工标注方法的差异，并与WinDENDRO测量得到的树轮宽度进行了精度对比。结果显示，U-Net识别到的树轮边界与实际边界精确匹配，尤其是对阔叶树种树轮边界的检测精度相比传统的数字图像处理方法有显著提高，通过3种评价指标证明所得到的树轮边界精确可靠，在树轮分析中具有较高的实用价值。     

患者满意度第三方监测的实践与思考

患者满意度是衡量治疗结果和医疗服务质量的重要尺度，也是卫生行政部门对医院实行监督管理的有效手段。通过综述传统患者满意度监测中的不足，分析第三方监测的优势，并以某大型综合性三甲医院为例，介绍第三方监测的可行性方案和实施效果，为其他医院开展患者满意度的第三方监测提供依据。     

m6AmTwins:基于深度学习和Twins网络的m6Am位点预测

N6,2′-O-二甲基腺苷(m⁶A_m)是一种常见的RNA分子的可逆修饰。部分研究已经说明m⁶A_m对mRNA的影响，但现阶段对m⁶A_m的生物学功能探索仍不够。所以我们提出了m⁶A_mTwins,一种新的端到端双胞胎网络，将Transformer(自动编码器)和双向门控循环单元(Bi-GRU)有机结合，简单利用RNA序列得到RNA的检测性。相比于现有的算法，本文亮点在于利用对比学习，构建新的损失函数来训练m⁶A_mTwins模型，提高了模型的泛化能力。基于Twins网络和简单编码方案，在两组正负比为1∶10的非平衡数据集下，其独立测试集上均取得了较好的结果，马修斯相关系数(MCC)分别得到0.53和0.545。同时，为增强m⁶A_mTwins模型的鲁棒性(robustness),本文在训练集上还进行了10折交叉验证，其MCC结果分别为0...     

基于双层BiGRU网络的哺乳动物组织m6A甲基化位点预测

目的 N⁶-甲基化腺苷（N⁶-methyladenosine，m⁶A）是RNA中最常见、最丰富的化学修饰，在很多生物过程中发挥着重要作用。目前已经发展了一些预测m⁶A甲基化位点的计算方法。然而，这些方法在针对不同物种或不同组织时，缺乏稳健性。为了提升对不同组织中m⁶A甲基化位点预测的稳健性，本文提出一种能结合序列反向信息来提取数据更高级特征的双层双向门控循环单元（bidirectional gated recurrent unit，BiGRU）网络模型。方法 本文选取具有代表性的哺乳动物组织m⁶A甲基化位点数据集作为训练数据，通过对模型网络、网络结构、层数和优化器等进行搭配，构建双层BiGRU网络。结果 将模型应用于人类、小鼠和大鼠共11个组织的m⁶A甲基化位点预测上，并与其他方法在这11个组织上的预测能力进行了全面的比较。结果表明，本文构建的模型平均预测接受者操作特征曲线下面积（area under the receiver operating characteristic curve，AUC）达到93.72%，与目前最好的预测方法持平，而预测准确率（accuracy，ACC）、敏感性（sensitivity，SN）、特异性（specificity，SP）和马修斯相关系数（Matthews correlation coefficient，MCC）分别为90.07%、90.30%、89.84%和80.17%，均高于目前的m⁶A甲基化位点预测方法。结论 和已有研究方法相比，本文方法对11个哺乳动物组织的m⁶A甲基化位点的预测准确性均达到最高，说明本文方法具有较好的泛化能力。     

旧石器时代晚期人类在欧亚东部地区的扩散和文化传播（英文）

本论文概述了旧石器时代晚期中国东部、朝鲜半岛、日本列岛等欧亚东部地区的石器工业，并基于“迁徙传播”和“接触传播”的角度就该地区旧石器时代晚期石器群的趋势进行了分析。通过分析阐明，旧石器时代晚期早段（40 kaBP cal以前），运用中国南方石器工业人群的向该地区北部区域的扩散；旧石器时代晚期前半段(40-28 kaBP cal)的地方人群形成和人群间的接触及技术传播；旧石器时代晚期后半段(28 kaBP cal以后)，运用细石叶工业人群的广泛迁徙和扩散及再扩散，人群间的接触。虽有西方或者北方运用旧石器时代晚期初段或早中段石器工业人群的数次进入痕迹，但表明每次进入时间短暂且进入地也是局部性的。可以说，从石器群的分析角度所看到的石器工业运用人群的趋势和从基因分析结果表明的东亚祖先人群的趋势大致吻合。     

重新定位免疫受体

文章： Q.H. Shen et al.,“Nuclear activity of MLA immune receptors links isolate-specific and basal disease esistance responses[MLA 。免疫受体的核放射性连接分离特异性和基底神经节抗性反应]”.Science，