您的位置: 专家智库 > >

白雪

作品数:7 被引量:56H指数:2
供职机构:中国科学院更多>>
发文基金:国家自然科学基金浙江省医药卫生科学研究基金中央级公益性科研院所基本科研业务费专项资金项目更多>>
相关领域:医药卫生生物学农业科学自动化与计算机技术更多>>

文献类型

  • 6篇期刊文章
  • 1篇会议论文

领域

  • 3篇医药卫生
  • 2篇生物学
  • 1篇自动化与计算...
  • 1篇农业科学

主题

  • 2篇基因座
  • 2篇汉族
  • 2篇Y-STR基...
  • 1篇典型草原
  • 1篇形态性状
  • 1篇性状
  • 1篇羊草
  • 1篇皂苷
  • 1篇生理生态
  • 1篇生理生态响应
  • 1篇生理性状
  • 1篇生态响应
  • 1篇特征聚类
  • 1篇念珠
  • 1篇念珠菌
  • 1篇器官
  • 1篇人工智能
  • 1篇肿瘤
  • 1篇重楼
  • 1篇周围型

机构

  • 6篇中国科学院
  • 2篇公安部物证鉴...
  • 1篇北京大学
  • 1篇西安交通大学
  • 1篇南华大学
  • 1篇中国科学院植...
  • 1篇阿克苏地区第...
  • 1篇中国科学院大...

作者

  • 7篇白雪
  • 2篇叶健
  • 2篇张建
  • 2篇白雪
  • 2篇张译文
  • 1篇白永飞
  • 1篇陈明
  • 1篇杨珺
  • 1篇李育林
  • 1篇李恒
  • 1篇赵兴春
  • 1篇郑淑霞
  • 1篇詹书侠
  • 1篇张成
  • 1篇李生斌
  • 1篇贾宏远
  • 1篇康玺
  • 1篇张建
  • 1篇莫晓婷
  • 1篇程军回

传媒

  • 1篇植物生态学报
  • 1篇激光生物学报
  • 1篇中国中药杂志
  • 1篇浙江医学
  • 1篇中华放射肿瘤...
  • 1篇生命科学仪器

年份

  • 2篇2023
  • 1篇2021
  • 2篇2020
  • 1篇2014
  • 1篇2012
7 条 记 录,以下是 1-7
排序方式:
皱叶重楼根茎的化学成分及抗菌活性研究被引量:1
2023年
藜芦科植物皱叶重楼目前仅分布于我国云南省,其化学成分尚未被系统地研究。该研究通过多种柱色谱方法及半制备高效液相等分离手段,从皱叶重楼根茎的乙醇提取物中分离鉴定了9个化合物,分别为pariposide G(1)、cerin(2)、豆甾-4-烯-3-酮(3)、β-蜕皮激素(4)、麦冬皂苷C′(5)、甲基原纤细薯蓣皂苷(6)、纤细薯蓣皂苷(7)、重楼皂苷H(8)、parisyunnanoside G(9)。其中化合物1为新化合物,化合物1~9均为首次从该植物中分离得到。对所有化合物的抗细菌和真菌活性进行了评价,实验结果表明麦冬皂苷C′对白色念珠菌[MIC90=(4.68±0.01)μmol·L^(-1)]和白色念珠菌氟康唑耐药株[MIC90=(4.66±0.02)μmol·L^(-1)]有较强的抑制作用。
段晓燕岳美岑杨珺白雪罗吉凤李恒王跃虎
关键词:甾体皂苷
基于特征聚类的多Atlas分割研究
2023年
目的研究基于聚类的多Atlas分割方法对正常组织感兴趣区分割的改善, 以达到更好的危及器官的勾画效果。方法选取2019—2020年浙江省肿瘤医院已完成治疗的100例宫颈癌患者的CT图像作为Atlas图谱库。按照危及器官(膀胱、直肠和外轮廓)的体积特征参数作为测度, 利用k均值聚类(k-means)算法将Atlas图谱库划分成若干子集。将待分割图像匹配到相对应的图谱库中进行多Atlas分割。使用相似性系数(DSC)对分割结果进行评价分析。结果以30例患者作为测试组, 比较了不同聚类方法所生成的子图谱库对图像分割结果的改进。相较于一般多Atlas分割, 聚类多Atlas分割方法能显著提高膀胱(DSC为0.83±0.09∶0.69±0.15, P<0.001)和直肠(DSC为0.7±0.07∶0.56±0.16, P<0.001)的分割准确性, 但左、右双侧股骨头(0.92±0.04、0.91±0.02)和骨髓(0.91±0.06)的差异无统计学意义。并且聚类多Atlas分割方法平均分割时间短于一般多Atlas分割方法(2.7∶6.3 min)。结论聚类多Atlas分割方法不但会减少与待分割图像配准的Atlas图像个数, 而且预期能提高分割效果, 并获得较高的准确率。
严恺白雪王彬冰单国平康玺
关键词:宫颈肿瘤ATLAS聚类算法危及器官
赣南地区汉族人群29个Y-STR基因座的遗传多样性及系统进化分析
2021年
研究赣南地区汉族人群29个Y-STR基因座的遗传多态性以及与国内多个民族群体的遗传关系,探讨其在群体遗传学和法医学中的实际应用价值。采用DNATyperTM Y29试剂盒对1532例赣南地区健康男性无关个体进行Y-STR基因座扩增,3730型遗传分析仪进行毛细管电泳检测,运用GeneMapper IDX1.4软件对数据结果进行Y-STR分型,计算29个Y-STR基因座的等位基因频率及单倍型频率等遗传学参数。应用Mega-X软件对选取的群体构建进化树,用YHRD在线工具软件的分子方差分析(AMOVA),计算群体间遗传距离,同时构建多维尺度图(MDS)。经分析,29个Y-STR基因座在赣南汉族人群中的基因多样性(GD)值范围为0.3815~0.8766,除了DYS508、DYS437、DYS391和DYS438基因座外,其余25个基因座GD值均高于0.5,且单倍型多样性为0.999924,表明29个Y-STR基因座在赣南汉族人群中有较高的遗传多态性。与其他地区汉族人群比较,赣南汉族与福建汉族遗传距离最近(遗传距离Rst值是0.0002),与黑龙江汉族遗传距离最远(Rst值是0.0249);与其他地区少数民族人群比较,赣南汉族与云南白族遗传距离最近(Rst值是0.0059),与甘孜藏族遗传距离最远(Rst值是0.4689)。研究表明,这29个Y-STR基因座在赣南汉族人群中具有较好的遗传多态性分布,能够满足家系排查及法医学检案的要求,所得的数据可为该地区的群体遗传学和法医学研究与应用提供基础数据支持。
张建张建白雪白雪张译文张成叶健莫晓婷
关键词:Y-STR基因座系统进化
典型草原建群种羊草对氮磷添加的生理生态响应被引量:49
2014年
由于人类活动和气候变化的共同作用,大气氮(N)沉降日益加剧,使得陆地生态系统中的可利用性N显著增加,生态系统更易受其他元素如磷(P)的限制。然而,目前关于N、P养分添加对草原生态系统不同组织水平的影响研究较少,相关机制尚不清楚。该文以内蒙古典型羊草(Leymus chinensis)草原为研究对象,通过连续两年(2011–2012年)的N和P养分添加实验,研究建群种羊草的生理生态性状、种群生物量和群落初级生产力对N、P添加的响应及其适应机制。结果表明:羊草草原不同组织水平对N、P添加的响应不同。群落水平上,地上净初级生产力在不同降水年份均受N和P元素的共同限制,N、P共同添加显著提高了地上净初级生产力;物种水平上,N、P添加对羊草种群生物量和密度,以及相对生物量均没有显著影响,表明羊草能够维持种群的相对稳定;个体水平上,在正常降水年份(2011年),羊草生长主要受N素限制,而在湿润年份(2012年),降水增加使得羊草生长没有受到明显的养分限制。羊草通过增加比叶面积、叶片大小和叶片N含量,提高整体光合能力,以促进个体生长。总之,内蒙古典型草原群落净初级生产力受N、P元素共同限制,作为建群种的羊草,其对N、P添加的响应因组织水平而异,也受年际间降水变化的影响。
白雪程军回郑淑霞詹书侠白永飞
关键词:羊草形态性状生理性状典型草原
纳米粒子的核酸功能化及DNA分析新应用
邓兆祥白雪李育林郑园琴
朔州地区汉族群体29个Y-STR基因座的遗传结构研究被引量:1
2020年
目的研究朔州地区汉族群体29个Y-STR基因座的遗传多样性,并评估其群体遗传学及法医学应用价值。方法采集朔州地区1374名无亲缘关系的健康汉族男性个体的血样,应用DNATyperTMY29荧光复合扩增检测试剂盒和3500xL型毛细管遗传分析仪获得29个Y-STR基因座分型,计算其等位基因的分布频率等群体遗传学数据,并与十五个群体进行遗传距离比较分析。结果在朔州汉族1374个个体中观察到1301种单倍型,其中1238种单倍型为唯一分型,1种单倍型检出5次,1种单倍型检出4次,5种单倍型检出3次,56种单倍型检出2次;HD值为0.999908,GD值范围为0.4365(DYS391)~0.9722(DYS385ab),除了DYS391、DYS438、DYS437和DYS508基因座外,其余25个基因座的GD值均高于0.6,表明29个Y-STR基因座在朔州汉族人群中有较高的遗传多样性。与选取的其他群体相比,朔州汉族与甘肃汉族遗传距离最近(Rst值=0.0019),与乌兰巴托蒙古族遗传距离最远(Rst值=0.1916)。结论本研究的29个Y-STR基因座在朔州地区汉族群体中有较高的个体识别率和遗传多样性,获得的遗传参数可为该地区的群体遗传学和法医学应用提供数据支持。
白雪白雪张译文刘天宇贾峥叶健叶健赵兴春
关键词:Y-STR基因座法医遗传学
深度学习方法对周围型肺癌和肺结核球的分类初探被引量:5
2020年
目的评价深度学习方法对周围型肺癌和肺结核球的分类能力,同时比较了不同来源CT影像和病灶大小对最终分类结果的影响。方法研究数据包含了2家医院的4台不同CT机型,共114例证实为肺癌或肺结核球的金标准CT影像。对CT图像进行肺组织提取、裁剪、旋转、翻转等数据增强方法后,生成4686张训练图像。使用改进的、基于GoogLeNet深度学习网络进行训练。结果对总共146张训练集以外的测试图谱分类结果显示,模型的总体分类精确率、召回率、F值分别为88.9%、77.4%、82.8%。如果测试影像和训练影像来自不同CT机型,深度学习方法的分类能力下降(F值92.6%比74.2%)。模型对病灶最长径<3cm的病灶分类能力更高(F值88.0%比73.2%)。结论深度学习方法可以有效地鉴别周围型肺癌和肺结核球,但病灶大小以及训练集、测试集图谱来源对训练结果有一定影响。
王彬冰白雪陈明郑光浩胡东张璐张华贾宏远刘吉平单国平
关键词:人工智能计算机辅助诊断肺癌肺结核球
共1页<1>
聚类工具0