期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
灭活铜绿假单胞菌适体的筛选
被引量：
6
1
作者
曾燕丽
兰小鹏
+2 位作者
江丽
刘丰伟
李卫滨
《中国生物化学与分子生物学报》
CAS
CSCD
北大核心
2009年第1期90-97,共8页
利用指数富集配基的系统进化(SELEX)技术,以灭活的铜绿假单胞菌为靶标,从体外合成的96 nt随机ssDNA文库中筛选与铜绿假单胞菌特异结合的适体.在第12轮和第14轮与其它假单胞菌属进行反筛策略,并进行了适体的结合亲和力的测定,再分别利用C...
利用指数富集配基的系统进化(SELEX)技术,以灭活的铜绿假单胞菌为靶标,从体外合成的96 nt随机ssDNA文库中筛选与铜绿假单胞菌特异结合的适体.在第12轮和第14轮与其它假单胞菌属进行反筛策略,并进行了适体的结合亲和力的测定,再分别利用ClustalX、Mega2和Mfold sever软件分析适体的一级和二级结构.研究结果表明,经过15轮筛选,随机ssDNA文库与铜绿假单胞菌结合的A值从0.022上升到0.448.反筛与未反筛的结合A比值最高比为53倍.经过第15轮反筛后的24个阳性克隆子测序,根据软件分析,其可分成10个家族.每个家族都有其共同的保守序列(除第10个家族),其中有2条序列几乎完全一致(F23和F47),同源性达到97%,A值分别高达1.598和1.508,Kd为14.55和77.46 nmol/L,间接说明适体与铜绿假单胞菌的结合力明显增高.
展开更多
关键词
指数富集配基的系统进化技术
铜绿假单胞菌
适体
在线阅读
下载PDF
职称材料
基于卷积神经网络的外周血白细胞分类
被引量：
13
2
作者
陈畅
程少杰
+1 位作者
李卫滨
陈敏
《中国生物医学工程学报》
CAS
CSCD
北大核心
2018年第1期17-24,共8页
白细胞图像的自动分类有助于提高临床诊疗效率,但仍需进一步改进方法以提高分类正确率。探索用卷积神经网络(CNN)进行外周血白细胞图像的自动分类识别。在深度学习框架Caffe上,以Alex Net和Le Net为网络原型构建CNN训练平台;用Cella Vis...
白细胞图像的自动分类有助于提高临床诊疗效率,但仍需进一步改进方法以提高分类正确率。探索用卷积神经网络(CNN)进行外周血白细胞图像的自动分类识别。在深度学习框架Caffe上,以Alex Net和Le Net为网络原型构建CNN训练平台;用Cella Vision DM96采集外周血涂片中的5类白细胞图像,经人工鉴定后按训练∶校验∶测试=7∶2∶1的比例,随机分配图像构建原始数据集,再通过平移、旋转及镜像构建扩充数据集;训练时采用随机梯度下降算法优化模型权值,以分类准确率>95%为目标评估训练结果及优化调整网络结构。结果发现,Alex Net的训练误差无法收敛,陷入局部极小,Le Net则达到预期目标。随后对Le Net网络进行删减优化,获得一轻量高效的新结构——CCNet,其在模型大小、训练用时和分类用时上分别仅为Le Net的1/1000、1/3和1/30。两者对979张5类细胞图像的最佳分类准确率分别达到99.69%和99.18%,高于目前同类研究报道。结果表明,CNN可用于5类白细胞图像的"端对端"分类识别,特别是CCNet模型兼具准确与效率优势。
展开更多
关键词
深度学习
卷积神经网络
白细胞形态
分类识别
在线阅读
下载PDF
职称材料
题名
灭活铜绿假单胞菌适体的筛选
被引量：
6
1
作者
曾燕丽
兰小鹏
江丽
刘丰伟
李卫滨
机构
福州总医院全军检验医学研究所
出处
《中国生物化学与分子生物学报》
CAS
CSCD
北大核心
2009年第1期90-97,共8页
基金
全军医学科学技术研究"十一五"计划资助项目(No.06G038)~~
文摘
利用指数富集配基的系统进化(SELEX)技术,以灭活的铜绿假单胞菌为靶标,从体外合成的96 nt随机ssDNA文库中筛选与铜绿假单胞菌特异结合的适体.在第12轮和第14轮与其它假单胞菌属进行反筛策略,并进行了适体的结合亲和力的测定,再分别利用ClustalX、Mega2和Mfold sever软件分析适体的一级和二级结构.研究结果表明,经过15轮筛选,随机ssDNA文库与铜绿假单胞菌结合的A值从0.022上升到0.448.反筛与未反筛的结合A比值最高比为53倍.经过第15轮反筛后的24个阳性克隆子测序,根据软件分析,其可分成10个家族.每个家族都有其共同的保守序列(除第10个家族),其中有2条序列几乎完全一致(F23和F47),同源性达到97%,A值分别高达1.598和1.508,Kd为14.55和77.46 nmol/L,间接说明适体与铜绿假单胞菌的结合力明显增高.
关键词
指数富集配基的系统进化技术
铜绿假单胞菌
适体
Keywords
systematic evolution of ligands by exponential enrichment （SELEX）
Pseudomonas aeruginosa
aptamer
分类号
R378 [医药卫生—病原生物学]
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络的外周血白细胞分类
被引量：
13
2
作者
陈畅
程少杰
李卫滨
陈敏
机构
中国科学技术大学信息科学技术学院
解放军
福州总医院全军检验医学研究所
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2018年第1期17-24,共8页
基金
福建省科技重点项目(2012Y0058)
文摘
白细胞图像的自动分类有助于提高临床诊疗效率,但仍需进一步改进方法以提高分类正确率。探索用卷积神经网络(CNN)进行外周血白细胞图像的自动分类识别。在深度学习框架Caffe上,以Alex Net和Le Net为网络原型构建CNN训练平台;用Cella Vision DM96采集外周血涂片中的5类白细胞图像,经人工鉴定后按训练∶校验∶测试=7∶2∶1的比例,随机分配图像构建原始数据集,再通过平移、旋转及镜像构建扩充数据集;训练时采用随机梯度下降算法优化模型权值,以分类准确率>95%为目标评估训练结果及优化调整网络结构。结果发现,Alex Net的训练误差无法收敛,陷入局部极小,Le Net则达到预期目标。随后对Le Net网络进行删减优化,获得一轻量高效的新结构——CCNet,其在模型大小、训练用时和分类用时上分别仅为Le Net的1/1000、1/3和1/30。两者对979张5类细胞图像的最佳分类准确率分别达到99.69%和99.18%,高于目前同类研究报道。结果表明,CNN可用于5类白细胞图像的"端对端"分类识别,特别是CCNet模型兼具准确与效率优势。
关键词
深度学习
卷积神经网络
白细胞形态
分类识别
Keywords
deep learning
convolution neural network
leukocyte morphology
classification
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
灭活铜绿假单胞菌适体的筛选
曾燕丽
兰小鹏
江丽
刘丰伟
李卫滨
《中国生物化学与分子生物学报》
CAS
CSCD
北大核心
2009
6
在线阅读
下载PDF
职称材料
2
基于卷积神经网络的外周血白细胞分类
陈畅
程少杰
李卫滨
陈敏
《中国生物医学工程学报》
CAS
CSCD
北大核心
2018
13
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
