国家自然科学基金(61271063)
- 作品数：13 被引量：36H指数：3
- 相关作者：厉力华刘晓娟林兴建赵伟杰范明更多>>
- 相关机构：杭州电子科技大学浙江省肿瘤研究所浙江省肿瘤医院更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家杰出青年科学基金更多>>
- 相关领域：医药卫生电子电信生物学自动化与计算机技术更多>>
- 用于生物电阻抗检测的Howland电流源恒流特性研究被引量：7
- 2015年
- 本研究旨在基于生物电阻抗检测应用,分析、改进Howland电流源电路,研究高输出阻抗和高稳定度的交变电流恒流源。从电阻匹配值、运放参数选择两个方面仿真研究Howland电流源的恒流特性,并对输出阻抗进行了分析。仿真实验结果表明Howland电流源在最佳匹配电阻值时有更好的恒流特性;运放参数影响Howland电流源恒流特性;在Howland电流源电路中,经过参数优化的电流源有较高的输出阻抗和带负载能力。研究提示Howland电流源在匹配电阻的选择上存在最佳匹配电阻值;高带宽、高压摆率和开环增益、宽范围供电电压的运算放大器更加适合于生物电阻抗检测电路。
- 林兴建赵伟杰刘晓娟厉力华
- 基于SELDI-TOF蛋白质谱的三阴性乳腺癌预后分析
- 2015年
- 目的使用SELDI-TOF蛋白质质谱,分析和寻找影响三阴性乳腺癌预后的新指标。方法采集浙江省肿瘤医院提供的三阴性乳腺癌样本51例,每例样本均包含病理及质谱数据。将病例数据分为死亡或复发组与无复发组,并统计检验两组间病理因素有无显著差异。首先统计分析两组样本的蛋白质质谱数据,检验样本中具有显著差异的蛋白质峰;然后对具有显著差异的蛋白质峰所在的特征位点使用SVM分类器分析三阴性乳腺癌的预后。结果统计结果显示,病理因素很难作为精确预测三阴性乳腺癌预后的因素。死亡或复发样本组与无复发组蛋白质质谱存在显著差异。在51例三阴性乳腺癌蛋白质质谱中,发现了7个蛋白质峰P值小于0.01,联合7个峰分类,分类率达90.20%,敏感性达82.35%,特异性达94.12%。结论 SELDI-TOF蛋白质质谱数据分析能够较好地区分三阴性乳腺癌死亡或复发样本与无复发样本,挑选出的蛋白质峰可以为三阴性乳腺癌的预后判断提供新的有价值的标志物。
- 余庆邦范明郑智国许沈华陈占红王晓稼厉力华
- 关键词：蛋白质质谱三阴性乳腺癌病理因素预后因素
- 基于再生核希尔伯特空间的In-Silico基因网络重构
- 2013年
- 针对逆向工程的评估与方法交流(Dialogue for Reverse Engineering Assessments and Methods,DREAM)第四次竞赛(DREAM4)中In-Silico基因调控网络(Challenge2)的重构问题,作者提出一种基于再生核希尔伯特空间的统计独立性度量方法(Hilbert-Schmidt independence criterion,HSIC)。该方法不要求数据符合某种特定的分布,约束条件少,是一种非参数计算统计独立性的方法。对10规模的In-Silico基因网络,HSIC方法的受试者工作特征曲线面积(area under receiver operating characteristic curve,AUROC)比常微分方程(ordinary differential equation,ODE)方法和格兰杰因果关系(granger causality,GC)方法分别高了16%和7%,比动态贝叶斯网络(dynamic bayesian network,DBN)方法和非线性动态系统(nonlinear dynamic systems,NDS)方法中的最好算法分别高了2.4%和1.4%。对100规模的In-Silico基因网络,HSIC方法的AUROC分别超出ODE及GC方法 16%和14.2%,超出DBN和NDS方法中的最好算法5%和1.4%。实验表明,HSIC方法具有基因调控网络重构的可行性与可靠性,并且对In-Silico网络的重构准确率要优于目前经典的基因调控网络建模方法。
- 金丽艳韩斌厉力华祝磊樊双喜
- 关键词：基因调控网络再生核希尔伯特空间独立性
- 基于SELDI-TOF蛋白质谱分析的乳腺癌TNM分期研究被引量：2
- 2015年
- 运用浙江省肿瘤医院提供的乳腺癌临床SELDI-TOF质谱数据,依据临床TNM分期,探索肿瘤大小、淋巴结受累情况在蛋白质质谱数据表达中的差异。对预处理后的质谱数据运用近邻传播聚类和零空间LDA算法进行特征选择,再用SVM-RFE算法选择相关生物标志物,最后分类测试并统计分析所挑选的生物标志物是否体现样本间差异。结果显示,通过四个组TNM分期样本对比实验,各获得35个相关差异生物标志物,能够得到较好的分类结果,部分生物标志物P值小于0.05。实验结果说明肿瘤大小和淋巴结受累情况的差异能够在蛋白质水平表达。
- 余庆邦范明王晓稼郑智国许沈华陈占红厉力华
- 关键词：乳腺癌蛋白质质谱TNM分期生物标志物
- 多维度动态增强核磁共振乳房区域全自动分割被引量：2
- 2015年
- 提出了一种基于乳房水平面与乳房矢状面相结合的多维度DCE-MRI乳房图像全自动分割方法。方法分为3部分,即基于乳房水平面的分割,基于乳房矢状面的分割,以及水平面与矢状面相结合的分割方法。首先,基于水平面的分割方法通过阈值确定乳房外边缘,经过梯度算法后,根据乳房与胸大肌分界面的特点设定约束条件,得到分界面的分割曲线。其次,基于乳房矢状面的分割方法使用双边滤波、边缘提取法对图像预处理,分区计算分割曲线。最后,矢状面的分割结果根据图像三维大小按比例映射到水平面上,将两者的分割结果结合,然后根据相邻图像之间的相关性,从而进行优化,输出分割结果。通过对24例DCE-MRI病例测试,与手动分割得到的结果对比,平均重叠率为93.33%,平均差异度为8.14%。
- 黄丽娟厉力华范明
- 关键词：多维度图像分割
- 基于多维基因组学的卵巢癌亚型分析被引量：1
- 2016年
- 卵巢癌预后较差且个体差异很大,有必要从多维基因组学的角度来理解卵巢癌复杂的致癌机制,以期获得导致卵巢癌亚型间预后差异的分子机制.鉴于从基因组学数据中所识别的预后特征往往不具备较好的一致性,提出一种多维基因组学中应用通路活性对卵巢癌亚型进行区分的方法.首先,通过DNA拷贝数、DNA甲基化及miRNA等基因表达调控因素与基因表达变化相结合的方法来识别卵巢癌预后相关的14个通路.其次,基于卵巢癌预后相关的通路活性在不同亚型中有不同的模式,得到4种存在着生存差别的稳定亚型,并提取了其中预后最差的亚型区别于其它亚型的TGF-β等显著差异通路.最后,独立数据验证显示,该组显著差异通路的活性在验证集预后最差的亚型中也发生了一致地改变.识别预后显著差别的亚型及其内在一致的分子机制可以对卵巢癌的预后预测及治疗提供一定的参考.
- 孟令豪章琳厉力华
- 关键词：聚类分析
- 基于SELDI-TOF蛋白质谱分析的乳腺癌TNM分期研究
- 文章运用浙江省肿瘤医院提供的乳腺癌临床SELDI-TOF质谱数据,依据临床TNM分期,探索肿瘤大小、淋巴结受累情况在蛋白质质谱数据表达中的差异。首先,对预处理后的质谱数据运用近邻传播聚类和零空间LDA算法进行特征选择,再...
- 余庆邦厉力华范明
- 关键词：蛋白质质谱生物标志物
- 文献传递
- 用于乳腺电阻抗测量的三种电流源恒流特性的研究被引量：1
- 2013年
- 研究生物电阻抗测量电流源的恒流特性,选择最佳方案。讨论了三种电压控制电流源(VCCS)方案,分别是:Howland电流源、改进型Howland电流源和带直流稳定环路的双极电流源,分析电路参数对输出阻抗的影响,运用NI Multisim12.0软件对三种电流源的恒流特性进行比较,选取其中两个较好的方案进行了实物测试。仿真和实验结果表明,带直流稳定环路的双极电流源在三种电流源中频率或负载变化时性能最优。带直流稳定环路的双极电流源是乳腺电阻抗测量用电流源的最佳方案。
- 刘晓娟林兴建赵伟杰厉力华
- 关键词：电压控制电流源
- 多维度DCE-MRI乳房区域全自动分割
- 文章提出了一种基于乳腺水平面与乳腺矢状面相结合的多维度DCE—MRI乳房图像全自动分割方法。该方法分为三部分,即基于乳腺水平面的分割,基于乳腺矢状面的分割,以及水平面与矢状面相结合的分割方法。首先,基于水平面的分割方法通...
- 黄丽娟厉力华范明
- 关键词：多维度DCE-MRI计算机辅助诊断图像分割
- 文献传递
- 基于视觉感知信息的乳腺钼靶肿块检测分析与自动提取被引量：1
- 2014年
- 医生的视觉感知信息与影像诊断联系紧密,如何有效利用该信息以提高医学影像辅助诊断中的决策准确性,是一个具有前沿性和实际临床价值的研究课题。针对医生临床诊断时其视觉感知行为的分析和利用,探讨医生读片时单纯的视觉注视信息在多大程度上反映肿块位置(可检测性),以及如何利用视觉注视信息提取病灶。首先,用眼动仪采集医生读片时的注视点序列,每个注视点包括该点在钼靶影像中的相对位置、注视点停留时间和瞳孔直径等3个视觉特征,然后基于这些特征对注视点序列进行聚类分析,根据关注度评价找出医生浏览影像时的若干"关注点"位置,并对比分析其与肿块位置的关系,以评价"命中率";以关注点为引导,利用区域生长和水平集方法对肿块病灶进行提取。利用DDSM数据库和浙江省肿瘤医院数据库的75张钼靶影像进行初步实验。将关注点数限制在4个以内时,肿块病灶命中率为58.49%,同时所有命中肿块中被完整提取的占70.97%。结果表明,医生视觉注意信息对肿块位置的反应有一定作用,有助于理解感知反馈提高诊断精度的内在机理。
- 柯尔挺厉力华刘伟徐伟栋张娟张凌男ZHENG Bin
- 关键词：视觉感知眼动仪
