基于街景数据的绿视率模型构建及其影响因子研究

以行人的视觉直观感受为出发点, 以匈牙利塞克什白堡为研究区, 基于街景数据, 深入研究植被信息提取方法, 针对传统像素级分类容易造成过度提取的现象, 提出一种面向对象的街景图像分类方法, 构建了基于街景数据的绿视率模型, 并分析总结了街景图像拍摄时的水平视角、垂直视角、水平方向范围等镜头参数对绿视率计算的影响。研究结果表明: 面向对象的分类方法提升了街景图像分类的精度和效率, 为绿视率计算模型提供了新的数据源和计算方法; 采集街景图像时, 增加水平视角和垂直视角、扩大水平方向范围能使绿视率计算结果更加真实地反映行人视觉感受。构建的绿视率计算模型能从行人角度为街道绿化的布局和空间结构优化提供依据, 可为城市绿地规划设计、居住区视觉生态设计等提供参考依据。     

基于卷积神经网络的超声影像肝癌自动分类

目的 针对从原发性肝癌中检测肝细胞癌（HCC）的灵敏度不高和诊断结果高度依赖放射科医生的专业性和临床经验，本文利用深度卷积神经网络（CNN）的方法自动学习B超和超声造影（CEUS）图像中的特征信息，并实现对肝癌的分类。方法 建立并验证基于CNN的多个二维（2D）和三维（3D）分类模型，分别对116例患者（其中100例HCC和16例非HCC）的B超和CEUS影像进行定量分析，并对比分析各个模型的分类性能。结果 实验结果表明，3D-CNN模型的各方面性能指标都优于2D-CNN模型，验证了3D-CNN模型能同时提取肿瘤区域的2D影像特征及血流时间动态变化特征，比2D-CNN模型更适用于HCC与非HCC分类。其中3D-CNN模型的AUC、准确率和敏感度值最高，分别达到了85%、85%和80%。此外，由于HCC和非HCC样本不均衡，通过扩充非HCC样本的数量可以提升网络的分类性能。结论 本文提出的3D-CNN模型能够实现快速、准确的肝癌分类，有望应用于辅助临床医师诊断与治疗肝癌。     

基于卷积神经网络和循环神经网络的环形RNA剪接位点识别研究

本文提出了一种基于卷积神经网络和循环神经网络的深度学习模型,通过分析基因组序列数据,识别人基因组中环形RNA剪接位点.首先,根据预处理后的核苷酸序列,设计了2种网络深度、8种卷积核大小和3种长短期记忆(long short term memory,LSTM)参数,共8组16个模型;其次,进一步针对池化层进行均值池化和最大池化的测试,并加入GC含量提高模型的预测能力;最后,对已经实验验证过的人类精浆中环形RNA进行了预测.结果表明,卷积核尺寸为32×4、深度为1、LSTM参数为32的模型识别率最高,在训练集上为0.9824,在测试数据集上准确率为0.95,并且在实验验证数据上的正确识别率为83%.该模型在人的环形RNA剪接位点识别方面具有较好的性能.     

基于三维卷积神经网络的肺结节探测与定位方法

提出一种基于三维卷积神经网络对肺部计算机断层扫描图像(CT)进行肺结节自动探测及定位的方法.基于开源数据集LUNA16开展研究,对数据进行像素归一化、坐标转换等预处理,对正样本使用随机平移、旋转和翻转的方式进行扩充,对负样本进行随机采样.搭建了三维卷积神经网络并在训练过程中调整网络参数,直到得到性能最佳的网络.此外还设...     

基于卷积神经网络的细菌转录终止子预测

在遗传学中,终止子是位于poly(A)位点下游、长度在数百碱基以内、包含多个回文序列、具有终止转录功能的DNA结构域,其主要作用是使转录终止。在原核生物基因组中有两类转录终止子,即Rho-dependent因子和Rho-independent因子。在本项研究中,提出了一种新的预测模型(TermCNN)来快速准确地识别细菌转录终止子。该模型将具有代表性的6-mer特征子集(2 537个特征)和电子—离子相互作用伪电位(EIIP)作为输入向量,利用卷积神经网络(CNN)构建预测模型。五折交叉验证和独立测试的结果表明该模型优于最新的预测模型iTerm-PseKNC。值得注意的是,该模型在跨物种试验中具有明显的优势。它可以高度精确地预测大肠杆菌(E. coli)和枯草芽孢杆菌(B. subtilis)的转录终止子。     

基于深度卷积神经网络识别可变剪接位点

可变剪接源于多外显子基因生成多个转录本的调控过程。随着高通量测序,尤其是RNA-seq的研究进展,剪接序列和剪接位点可以通过挖掘海量的测序数据进行预测。可变剪接现象拓宽了人们对基因结构和蛋白质亚型的知识。然而现有的短序列比对软件受到随机性比对的影响,产生很多假阳性剪接位点,干扰下游数据分析。本研究发现,可变剪接位点周边序列的结构特征可被深度学习模型提取,并利用深度卷积神经网络识别剪接位点。本研究的模型具有识别率高、计算速度快,模型泛化能力强、鲁棒性高等优势。     

基于深度学习的红外相机动物影像人工智能识别：以东北虎豹国家公园为例

为解决大量红外相机监测影像数据量庞大、亟待快速和自动识别的问题,本研究以东北虎豹国家公园为例,应用卷积神经网络,通过深度学习算法对红外相机影像实现物种自动识别。本研究选择8个物种的红外相机视频影像,以50帧率均匀采集成图片格式,每个物种筛选不同角度、不同环境条件的图片,建立图片数据集,训练集2 074张,测试集519张。对图片进行目标打框、信息标注,选用darknet框架下的YOLO v3模型进行训练,首先不区分昼（RGB）夜（灰度）图像进行训练,再区分昼夜进行训练,最后分别对昼夜图像利用微调（fine-tune）进行训练。研究初步结果显示,基于YOLO v3模型对自然条件下拍摄的红外相机图像进行物种自动识别能够一定程度减轻人力负担,但其效果还需通过完善数据集进行提升。fine-tune在小数据集时或可作为辅助。模型对8个物种识别的平均精确率达到 84.9%~96.0%,且模型收敛。       

染色体易位重组位点的自动识别方法研究

染色体易位重组位点的识别对很多染色体遗传性疾病的诊断有着重要的意义.本文基于实际诊断中采集到的24类染色体数据和9号正常与异常染色体数据,构建了一套自动识别染色体易位重组位点的模型和方法.首先,对染色体图像进行预处理,得到了方向梯度直方图特征(HOG)和局部二值模式特征(LBP),构建了基于纹理特征的染色体24分类多通...     

基于灰狼优化算法的蛋白质二级结构分类

针对传统方法在蛋白质二级结构分类中精度低的问题,介绍了一种基于灰狼优化算法的卷积神经网络图像分类算法.首先,选取卷积神经网络模型中所需优化的参数,并且初始化灰狼优化算法的迭代次数、灰狼数量、搜索边界和空间维数;其次,计算优化参数的个体适应度函数,对个体适应度进行排序,确定历史最优解、优解和次优解,更新灰狼的位置;最后,...     

计算生物学在RNA研究中的应用

计算生物学在非编码RNA(non-coding RNA, ncRNA)研究领域中发挥着重要的作用.计算生物学是利用计算机科学方法来研究和理解生命科学问题的交叉学科,而ncRNA作为一类数目庞大且功能多样的RNA分子,参与了广泛的生物学过程.本文对RNA计算生物学中的常用算法和工具进行综述,并着重介绍专家系统、机器学习、深度学习等计算生物学研究策略在ncRNA鉴定、ncRNA靶标预测、RNA修饰、RNA二级结构检测、RNA-蛋白质互作及RNA功能预测中的应用.     

渥太华绿色空间体系形成与发展研究

绿色空间体系在渥太华市历次城市规划中占有重要地位,深刻影响了加拿大首都的城市结构、空间形态、城市增长以及居民生活。通过研究渥太华过去一个多世纪以来的城市规划及各类绿色空间规划,分析渥太华绿色空间体系发展的3个重要阶段,包括20世纪早期为提升首都形象而形成的公园系统规划,1950年以遏制城市增长为主要目标的国家首都规划,以及近20年来聚焦于自然保护、娱乐休闲、农业等多重目标的综合规划及各类专项规划,阐述了在时代发展背景下渥太华绿色空间体系形成、发展、不断完善的过程。通过分析不同发展阶段的规划背景、战略目标及策略要点,总结其规划经验,以期能为中国城市绿色空间体系的构建和发展提供一定借鉴。     

Research on Plant Species Identification Based on Improved Convolutional Neural Network

Plant species recognition is an important research area in image recognition in recent years. However, the existing plant species recognition methods have low recognition accuracy and do not meet professional requirements in terms of recognition accuracy. Therefore, ShuffleNetV2 was improved by combining the current hot concern mechanism, convolution kernel size adjustment, convolution tailoring, and CSP technology to improve the accuracy and reduce the amount of computation in this study. Six convolutional neural network models with sufficient trainable parameters were designed for differentiation learning. The SGD algorithm is used to optimize the training process to avoid overfitting or falling into the local optimum. In this paper, a conventional plant image dataset TJAU10 collected by cell phones in a natural context was constructed, containing 3000 images of 10 plant species on the campus of Tianjin Agricultural University. Finally, the improved model is compared with the baseline version of the model, which achieves better results in terms of improving accuracy and reducing the computational effort. The recognition accuracy tested on the TJAU10 dataset reaches up to 98.3%, and the recognition precision reaches up to 93.6%, which is 5.1% better than the original model and reduces the computational effort by about 31% compared with the original model. In addition, the experimental results were evaluated using metrics such as the confusion matrix, which can meet the requirements of professionals for the accurate identification of plant species.     

上海城乡绿地网络规划建设的历史进程与驱动力研究

为研究中国先进的城乡绿地规划理念与建设成果,选取上海为研究对象,以城市建设背景变化及绿地格局重大变革为转折,将城乡绿地网络建设划分为6个阶段,通过历史地图、统计资料的收集及田野调查,重点梳理绿地网络规划建设历史进程并对比6个阶段绿地建设的时代背景、规划编制、规划布局及建设成果,进而从经济支持、政策引导和事件推动3方面探讨绿地建设主要驱动力。由此总结上海城乡绿地网络主要特征及控制、连接、拓展、更新和融合五大整合策略,为其他城市绿地建设提供理论依据。     

Characterizing robustness and sensitivity of convolutional neural networks for quantitative analysis of mitochondrial morphology

Background: Quantitative analysis of mitochondrial morphology plays important roles in studies of mitochondrial biology. The analysis depends critically on segmentation of mitochondria, the image analysis process of extracting mitochondrial morphology from images. The main goal of this study is to characterize the performance of convolutional neural networks (CNNs) in segmentation of mitochondria from fluorescence microscopy images. Recently, CNNs have achieved remarkable success in challenging image segmentation tasks in several disciplines. So far, however, our knowledge of their performance in segmenting biological images remains limited. In particular, we know little about their robustness, which defines their capability of segmenting biological images of different conditions, and their sensitivity, which defines their capability of detecting subtle morphological changes of biological objects. Methods: We have developed a method that uses realistic synthetic images of different conditions to characterize the robustness and sensitivity of CNNs in segmentation of mitochondria. Using this method, we compared performance of two widely adopted CNNs: the fully convolutional network (FCN) and the U-Net. We further compared the two networks against the adaptive active-mask (AAM) algorithm, a representative of high-performance conventional segmentation algorithms. Results: The FCN and the U-Net consistently outperformed the AAM in accuracy, robustness, and sensitivity, often by a significant margin. The U-Net provided overall the best performance. Conclusions: Our study demonstrates superior performance of the U-Net and the FCN in segmentation of mitochondria. It also provides quantitative measurements of the robustness and sensitivity of these networks that are essential to their applications in quantitative analysis of mitochondrial morphology.     

基于地面调查与遥感调查协同的城市绿地规模和分布研究——以青岛市为例

城市绿地调查作为园林绿化规划建设管理的基础工作,其数据准确程度直接影响着城市园林绿化的科学发展。提出了基于遥感调查与地面调查协同的城市绿地调查的技术方法,通过该方法获得数据与单独使用遥感调查或地面调查技术获得数据相比提升了城市绿地,尤其是公园绿地和附属绿地调查的时效性和准确性,为城市绿地调查提供了可操作的技术方法。     

德国生态网络构建方法及多层次规划研究

生态网络作为德国自然保护领域的重要战略,在《联邦自然保护法》中占有重要地位。在由联邦自然保护局资助的多项研究项目中,德国逐渐形成了一套较为成熟、统一的生态网络构建方法及技术标准,并成为各州及地方开展生态网络规划的技术框架。德国的生态网络规划强调在跨国、国家、州及地方各个层级之间的实施和并在落实方法上积极探索了自然保护与空间规划两大政策领域间的整合。通过介绍德国生态网络的相关政策、构建方法、跨界合作以及在各州及地方的实践等,以期能为中国的生态网络规划与建设提供借鉴。     

基于样带—地理探测器的陆桥通道沿线建制市建成区绿地率区域差异影响机理研究

在中国新型城镇化转型发展背景下,科学认识城市绿地建设水平的影响机理是提升人居环境质量、实现城市绿色发展的重要前提。选取陆桥通道样带为研究区域,采用地理探测器方法,探究 1996—2016 年沿线样带 139 个建制市建成区绿地率区域差异的影响机理。研究表明： 1）沿线样带市域建成区绿地率逐年提升,但存在明显时空分异,呈东西部两头高、中部低的“U”型格局; 2）地理探测显示样带市域建成区绿地率差异是自然、经济和政策等因素非线性或双因子作用的结果,年均温为核心主导因子,园林城市政策、海拔高程是次要解释力; 3）自然地理本底是奠定差异的重要基础,政策引领是关键,经济水平是直接推动因素,产业结构、土地供给和基础设施为外部主导动力。研究定量化呈现了自然因素对城市绿地建设水平区域差异的大尺度、长期性影响;探测“自然—经济—政策”多维因素的综合作用,更精准地对城市绿地建设分类施治,是典型区域和典型方法在学科领域的一次尝试。