简介：当前,高性能计算极大地促进了众多领域的发展,因此,探究高性能计算的潜在的运算能力尤为重要。本研究基于自由、开源的计算流体力学(computationalfluiddynamics,CFD)平台OpenFOAM,测试了一个多核计算集群在不同网格数和计算节点数下的并行计算时间,通过分析加速性能和计算效率来探究其潜在的运算能力。结果表明,多核并行计算很难达到理想的线性加速性能,甚至当计算能力达到饱和时,加速性能反而下降。同时,随着网格数量的增加,即计算规模的增大,计算效率也越来越高。本研究对于实现基于OpenFOAM的最佳多核并行计算策略具有一定参考价值。

简介：目的建立10个肺癌相关基因的多重甲基化特异性聚合酶链反应（PCR）检测方法并运用于临床标本的检测。方法选取19例肺癌患者病灶组织标本,患者中男性16例,女性3例;平均年龄57.3岁。1例肺部良性病变患者组织标本为男性,年龄52岁。通过质粒构建及甲基化转移酶和亚硫酸盐修饰制备10个基因的甲基化和非甲基化标准品。通过选择甲基化特异性引物来识别甲基化模板,挑选10对甲基化特异性引物并平均分成2组,经最佳聚合酶及最佳退火温度的选择,建立多重甲基化特异性PCR体系,并应用于19例肺癌组织的检测,计算10个基因的甲基化率。结果在成功构建10个基因的甲基化和非甲基化标准品的基础上,建立了它们的多重甲基化特异性PCR检测方法。临床标本检测结果显示10个肺癌相关基因的甲基化率分别为p16INK4A92%,H-cadherin89%,E-cadherin和DAPK76%,TIMP-363%,RARβ50%,MGMT39%,RASSF1A21%,GSTP111%,hMLH10%。2次实验结果重复性较好。结论这种分2组多重甲基化特异性PCR的方法能一次性检测10个基因甲基化状态,可以应用于临床标本的检测。

简介：对肿瘤样本进行准确的分型识别是有效治疗肿瘤的前提。首先，利用方差滤波方法选择肿瘤表达谱中具有最大方差的部分基因作为识别特征集，然后，利用支持向量聚类对肿瘤表达谱进行分型识别。针对多类型样本情况和支持向量聚类中出现的孤立点聚类问题，分别提出了有效的解决办法。对两个肿瘤表达谱数据的测试结果显示，基于支持向量聚类的方法能够准确地对肿瘤样本进行分型识别，同时能够自动发现肿瘤样本真实的亚型数量。

简介：为了在超声波图像中提取颈动脉斑块边缘,我们提出了一种基于GVF-测地线模型的图像分割算法。由于超声波图像含有大量噪声,首先使用加权均值空间平滑滤波器对图像进行预处理;再人工画出初始轮廓,分别采用GVF-Snake模型、GVF-测地线模型和改进后的GVF-测地线模型对图像进行分割,比较其结果。实验结果表明,改进后的方法分割精度很高,能够在颈动脉斑块边缘提取中取得非常好的效果。

简介：利用边缘检测算子和数学形态学方法提取医学图像轮廓，采用主轴矩法配准两幅图像的轮廓，使其达到粗略配准的目的。通常的互信息测度是基于香农熵的，因为香农熵对于局部极值具有很强吸引域，而某些参数下的雷尼熵可以消除局部极值，将两种测度分别用于精配过程中不同的搜索阶段。首先利用全局搜索算法，寻找基于雷尼熵的归一化互信息测度的全局最优初值，再通过局部优化算法对当前的最优解寻找基于香农熵的更精确的全局最优解。实验表明，这种配准算法是有效的。

简介：提出一种基于Sobel算子和数学形态学相结合的改进算法,用于尿液试纸条图像的边缘检测。首先采用Sobel算子对预处理后的尿液试纸条进行边缘检测,得到粗略的边缘图像;然后采用双结构多尺度形态学算子精准检测。根据图像特点,使用形态学算子时,将膨胀运算和开运算进行加权求和,有效地克服了图像的双边缘现象;最后使用顶帽底帽联合运算以增强图像边缘。实验表明,本研究提出的改进算法信噪比可达到8.6471,边缘连续性指标可达到0.9212,实现了尿液试纸条图像边缘的准确定位和清晰成像。

简介：针对医学图像处理和三维医学图像可视化,系统总结了目前边缘检测技术,归纳了各种边缘检测算法.

简介：本研究利用吲哚菁绿(indocyaninegreen,ICG)对胂瘤进行标记,通过改进的拉普拉斯金字塔算法对非顶层图像的肿瘤细节进行增强,同时去除顶层图像的非肿瘤信息,从而达到强化与区分肿瘤信息的目的;利用图形处理单元(graphicsprocessingunit,GPU)技术将融合算法进行并行化处理,可以有效提高本研究算法的运算速度,实时显示多光谱融合图像。相对于传统成像方式,本研究提供的成像方法可以实时获取更为全面的胂瘤信息,提高了胂瘤检测的准确性,从而帮助外科医生更好地实施胂瘤切除手术。关键词:图像融合;并行计算;多光谱;拉普拉斯金字塔;多尺度变换

简介：胸痛三联征在临床上有相似的胸痛症状,误诊率居高,其确切病因尚不十分明确。针对经典支持向量机不适用于胸痛三联征此类非平衡数据集分类的缺点,本研究结合径向基核函数、布谷鸟算法以及支持向量机,提出一种基于布谷鸟算法优化支持向量机的分类识别模型,用于胸痛三联征的分类诊断。在收集到的735例有效样本数据集上,采用Java程序抽取平衡数据集。实验结果显示,基于平衡数据集,该模型的平均正确率为80.667%;基于非平衡数据集,其平均正确率为97.767%,相比经典支持向量机、粒子群算法-支持向量机、遗传算法-支持向量机均有不同程度的提高。因此,本研究模型对胸痛三联征的分类诊断具有一定的参考价值。

简介：基于互信息的全局配准算法是近年图像配准研究的热点之一,此法具有精度高、鲁棒性强的特点.现将互信息作为相似性测度,采用模拟退火与鲍威尔相结合的多分辨率搜索优化策略,对临床使用的三维CT、MR图像进行了刚体配准.实验结果表明此方法能有效地防止优化陷入局部极值,具有良好的实用性.