导读:本文包含了分布标记论文开题报告文献综述及选题提纲参考文献,主要关键词:脑胶质瘤,c(RGD)_2-Lp,放射性核素~(131)I,生物分布
分布标记论文文献综述
申镐源,仰浈臻,庞小溪,杜祎甜,杜毓箐[1](2019)在《~(131)I标记_C(RGD)_2修饰的脂质体的制备及生物分布研究》一文中研究指出目的将c(RGD)2连接于脂质体表面并用放射性核素~(131)I进行标记,通过放射性核素生物分布测定探讨脂质体介导的~(131)I-c(RGD)_2-Lp对比无脂质体介导的~(131)I-c(RGD)_2脑部摄取情况,为后续将~(131)I-c(RGD)_2应用于脑胶质瘤的诊断与治疗研究奠定基础。方法将c(RGD)_2肽连接于脂质体上[c(RGD)_2-Lp]。用放射性核素~(131)I进行标记,得到核素探针~(131)I-c(RGD)_2-Lp,测定该探针在小鼠体内的生物分布,并与未连接脂质体的探针~(131)I-c(RGD)_2进行对比。结果~(131)I-c(RGD)_2-Lp主要浓聚在肝、脾、胃等脏器;而~(131)I-c(RGD)_2主要浓聚在肾、胃等脏器。~(131)I-c(RGD)_2-Lp在多数器官(除肾以外)中的放射性摄取值均比~(131)I-c(RGD)_2高。注射~(131)I-C(RGD)_2-Lp后6h在血液中的放射性摄取值为(3.222±1.205)%ID/g;而~(131)I-c(RGD)_2的血液放射性摄取值为(0.616±0.277)%ID/g;~(131)I-c(RGD)_2-LP注射后6h在脑组织中的放射性摄取值为(0.133±0.053)%ID/g,而~(131)I-c(RGD)2的放射性摄取值为(0.023±0.011)%ID/g,两者具有统计学差异(P<0.05)。结论脂质体修饰的c(RGD)_2的生物分布与未修饰的c(RGD)_2存在很大差异。~(131)I-c(RGD)_2-Lp的脑摄取值显着高于~(131)I-c(RGD)_2,并具有较长的血液循环时间,具有进一步应用于脑胶质瘤显像研究的可能性。(本文来源于《标记免疫分析与临床》期刊2019年10期)
王一宾,田文泉,程玉胜[2](2019)在《基于标记分布学习的异态集成学习算法》一文中研究指出为了提高预测的准确性,文中结合机器学习中堆积(Stacking)集成框架,组合多个分类器对标记分布进行学习,提出基于标记分布学习的异态集成学习算法(HELA-LDL).算法构造两层模型框架,通过第一层结构将样本数据采用组合方式进行异态集成学习,融合各分类器的学习结果,将融合结果输入到第二层分类器,预测结果是带有置信度的标记分布.在专用数据集上的对比实验表明,HELA-LDL可以发挥各种算法在不同场景下的性能较优,稳定性分析进一步说明算法的有效性.(本文来源于《模式识别与人工智能》期刊2019年10期)
权有娟,袁飞敏,刘德梅,李想,陈志国[3](2019)在《利用KASP标记检测青海和西藏小麦品种中光周期基因分布》一文中研究指出为了解青海和西藏小麦品种中光周期基因的分布情况,采用KASP标记对青海和西藏249份小麦品种光周期基因 Ppd-D1、 Ppd-B1和 Ppd-A1等位变异组成进行检测。结果显示,在 Ppd-B1位点上,237个品种携带光周期不敏感型等位变异 Ppd-B1a(95.18%),12个品种携带光周期敏感型等位变异 Ppd-B1b(4.82%);在 Ppd-A1位点上,233个品种携带光周期不敏感型等位变异 Ppd-A1a(93.57%),16个品种携带光周期敏感型等位变异 Ppd-A1b(6.43%);在 Ppd-D1位点上,221个品种携带光周期不敏感型等位变异 Ppd-D1a(88.76%),28个品种携带光周期敏感型等位变异 Ppd-D1b(11.24%)。光周期不敏感型等位变异 Ppd-B1a和 Ppd-A1a分别在青海和西藏小麦品种光周期反应中占主导地位。西藏和青海小麦品种中共存在6种等位变异组合类型,其中青海小麦品种中存在5种等位变异组合类型,不存在 Ppd-D1a/Ppd-B1b/Ppd-A1a类型,西藏农家品种中存在4种等位变异组合类型,不存在含光周期敏感型等位变异 Ppd-A1b的类型。等位变异组合 Ppd-D1a/Ppd-B1a/Ppd-A1a在青海和西藏小麦品种中分布最广。(本文来源于《麦类作物学报》期刊2019年10期)
张秋杭[4](2019)在《句法可及和语篇可及——汉语关系从句中指数量标记分布考察》一文中研究指出本文根据汉语关系从句中指数量标记的隐现与语序,把汉语关系从句分成无标记形式MN、标记前置IMN和标记后置OMN叁种类型。本文基于真实语料,从句法可及、语篇可及来探讨汉语关系从句指数量标记的分布,不仅关注单一因素的分析,而且综合各因素来揭示叁种类型核心名词的可及性程度。研究发现:1)句法可及方面,MN、IMN均与主语关系从句相联系,OMN未表现出任何倾向,叁种类型均倾向内置于主句宾语位置; 2)语篇可及方面,MN、IMN的核心名词均表达新信息,MN核心名词距离被关系化的名词短语最近,IMN距离最远,叁者在核心名词的长度和修饰语的数量方面存在一定的差异。语篇可及较之句法可及能更充分地说明指数量标记在汉语关系从句中的分布情况。(本文来源于《外国语(上海外国语大学学报)》期刊2019年05期)
张璐,彭烨,王涛,李潇,左长京[5](2019)在《~(99m)Tc标记奥曲肽及帕瑞肽用于神经内分泌受体过表达的胰腺癌小鼠模型体内分布及生物安全性研究》一文中研究指出目的:评估放射性核素标记的奥曲肽(Octreotide)及其长效生长激素抑制素(Long-acting somatostatin,SST)类似物帕瑞肽(Pasireotide)在胰腺癌小鼠模型体内成像效果,并系统的评估了在小鼠体内的生物安全性。方法:取Balb/C裸鼠通过右后肢注射SSTR-5过表达的胰腺癌细胞系SW1990构建荷瘤鼠模型,采用放射性同位素~(99m)Tc标记奥曲肽及帕瑞肽,尾静脉注射于荷瘤裸鼠模型体内进行~(99m)Tc-奥曲肽及~(99m)Tc-帕瑞肽的体内分布对比。尾静脉注射相应多肽于昆明鼠体内观察其体重及外观变化。通过滴加和涂抹于家兔皮肤及一侧眼结膜囊内观察药物的急性皮肤刺激和眼刺激,并取家兔血做溶血性试验进一步验证探针的生物安全性。结果:~(99m)Tc-奥曲肽靶向效果略好于~(99m)Tc-帕瑞肽,~(99m)Tc标记的奥曲肽尾静脉注射的昆明鼠体重无明显变化,高浓度~(99m)Tc标记的帕瑞肽注射组有明显的体重下降,并伴随着一定的溶血现象出现,家兔的急性眼刺激和皮肤刺激实验均未观察到显着病变。结论:~(99m)Tc标记的奥曲肽的靶向及生物安全性方面均优于~(99m)Tc标记的帕瑞肽。(本文来源于《现代医用影像学》期刊2019年09期)
于欢,郝飞,刘美辰,梁战华[6](2019)在《CM-DiI标记的BMSCs在实验性自身免疫性脑脊髓炎大鼠的体内示踪分布》一文中研究指出目的观察并探讨CM-DiI标记骨髓间充质干细胞(BMSCs)移植到实验性自身免疫性脑脊髓炎(EAE)大鼠体内的示踪分布。方法全骨髓培养法分离培养大鼠BMSCs;用CM-DiI荧光染料进行体外标记;将标记后的BMSCs移植到EAE大鼠体内,观察移植后细胞的形态及分布。结果荧光显微镜下可在移植BMSCs的EAE大鼠大脑、小脑和脊髓切片内检测到发出红色荧光的细胞,疾病高峰期数量较多,主要位于软膜下和血管周围,形状为圆形或椭圆形;疾病缓解期大部分细胞仍存在,荧光强度略有减弱。结论 CM-DiI是一种短中期标记、示踪BMSCs的良好染料,CM-DiI标记的BMSCs在EAE大鼠体内主要分布在血管周围,少量向脑实质内迁移。(本文来源于《基础医学与临床》期刊2019年09期)
林思岑[7](2019)在《话语标记“对的”的分布及话语功能探析》一文中研究指出文章通过分类描写应答语"对的"在对话中的分布来探究其在会话中的多种话语功能。结果表明,会话中,"对的"出现的位置较灵活,可以在句首、句中、句尾或是单独成为一个独立话轮。它现已从应答语转化成为一个话语标记,具有语篇连贯和言语行为的语用功能,其从应答语转变为话语标记,主要原因是使用语境的泛化以及使用频率的增加,根本原因是交际中的交互主观性。(本文来源于《柳州职业技术学院学报》期刊2019年04期)
李田力[8](2019)在《标记分布学习特征重构及其情感识别应用研究》一文中研究指出标记分布学习作为多标记学习的拓展研究,已成为当今机器学习的热门之一。在实际生活中,为了更好的研究标记分布学习,往往需要搜集大量样本数据。然而获得大量样本数据的同时会带来某些样本之间的相似度过高,采集样本中可能会存在噪声干扰等问题。因此如何约简冗余样本,回避样本噪声干扰,对提高标记分布学习分类精度至关重要。传统多标记学习中对此类问题研究颇多,然而少有学者拓展研究至标记分布学习,基于此,本文针对这两个问题提出两种处理算法,主要内容如下:(1)现有标记分布学习算法均直接利用条件概率建立参数模型,大多数未充分考虑样本之间的联系。基于此,引入谱聚类算法,通过样本之间相似性关系将聚类问题转化为图的全局最优划分问题,进而提出一种结合谱聚类的标记分布学习算法SC-LDL(Label Distribution Learning with Spectral Clustering)。首先计算样本相似度矩阵,然后对矩阵进行拉普拉斯变换,构造特征向量空间,最后通过K-means算法对数据进行聚类建立参数模型,预测未知样本的标记分布。与现有算法在多个数据集上的实验表明,本算法优于多个对比算法,统计假设检验进一步说明算法的有效性和优越性。(2)目前大部分标记分布学习算法均在具有完整信息数据下设计,未考虑数据中存在噪声情况。为此,结合自编码器的降噪特性和核极限学习机的稳定性,在数据集中人为增加高斯噪声,提出一种基于核极限学习机自编码器的标记分布学习算法AKELM-LDL(Label Distribution Learning Algorithm based on Kernel Extreme Learning Machine with Self-Encoder)。本文使用核极限学习机自编码器对原始特征空间映射,得到更具鲁棒性的特征表达,之后构造适应标记分布学习的极限学习机模型作为分类器以提升分类效率及性能。在与多个LDL算法实验结果中表明,本文算法较其他对比算法具有一定优势,使用假设检验方法进一步说明所提算法的有效性。标记分布学习相较于传统多标记学习更贴近真实世界,为了进一步研究,本文构造了一种人脸情感识别模型ER-LDL(Label Distribution Learning with Emotion Recognition)。通过LBP提取二维人脸样本特征,构造情绪分布。然后使用KELM分类器预测情绪分布。通过实验研究表明,构造的情绪分布更符合人类对情感判断方式,说明标记分布学习是更贴近真实世界的一种学习方式。(本文来源于《安庆师范大学》期刊2019-06-17)
田文泉[9](2019)在《基于标记分布的年龄估计与实现》一文中研究指出人脸图像包含许多重要的生物特征,人脸图像的研究方向主要包括人脸年龄估计、性别判断以及表情识别等。以人脸年龄估计为例,通过算法对人脸年龄图像进行估计可以广泛应用在生物识别、个性化服务等领域。目前在年龄估计中,主要使用分类算法或者回归算法对人脸图像进行单标记学习,导致年龄标记无法准确对图像进行相关性度量,而采用年龄标记分布的形式可以将相邻年龄加入到图像的描述中,提高年龄估计准确度。为了对年龄标记分布进行学习,本文主要从以下方面进行研究:(1)近年来,学者们已经提出多种标记分布学习算法,采用最大熵模型构造的专用化算法能够很好的解决标记多样性问题,但是计算量巨大,引入运行速度快、稳定性更高的核极限学习机模型,提出基于核极限学习机的标记分布学习算法,在保证预测精度的同时有效降低时间消耗。(2)现有标记分布学习大都通过选择合适的分类器以求获得较高的效果,但是不同的分类器由于方法各异导致分类的效果不尽相同。本文将多个分类器进行组合,重点研究不同分类器异态集成下对提高标记分布学习准确率的方法,提出基于标记分布的异态集成学习算法。采用组合分类器的方式可以提高算法整体的预测精度,同时预测结果是带有置信度的标记分布,符合标记分布范式。(3)由于人脸图像在相近年龄变化较小,采用单个年龄标记难以准确概括年龄的情况,而标记分布学习可以对年龄进行准确描述。本文采用正态概率密度函数对年龄标记进行标记分布处理,同时将预测结果中最大概率年龄和期望值年龄合并共同决定预测年龄。算法通过年龄标记与年龄分布标记进行对比,发现采用分布式年龄标记可以有效降低年龄预测误差。(本文来源于《安庆师范大学》期刊2019-06-17)
陆文成[10](2019)在《基于标记分布的图像匹配研究与应用》一文中研究指出随着计算机和互联网技术的快速发展,在日常生活和科研工作中往往需要处理越来越繁多的图像信息,如图像检索、人脸识别、自然场景检测等。如何快速有效的找出图像的信息,提取图像的特征,提高图像的匹配精度成为了目前研究的重点。另一方面,标记学习的相关研究在近年来也取得了很大的进展,在图像识别方面有着广泛的应用。通过标记图像来定义图像信息,然后选择合适的机器学习的方法对图像进行检索,识别和分类。基于此,本文主要做了以下方面的一些研究。在标记学习方面主要研究的是标记分布学习的知识。作为一种新型的学习范式,标记分布学习能反映出样本中相关标记对于整个样本的重要程度,相对于传统标记学习更具广泛适用性。由于目前标记分布数据集的样本特征数目较少,导致了一些标记学习算法准确度不高。针对这一问题,提出了一种基于Gradient Boost Decision Tree(简称GBDT)的标记分布学习算法(GBDT-LDL)。该算法主要过程是利用GBDT对样本特征进行学习与变换,将变换后得到的新特征与原始特征归一化处理,将混合的特征建立GBDT-LDL模型对未知标记分布进行预测。为检验该算法的预测能力,利用六项标记分布学习的评价指标对比现有经典的标记分布学习算法,实验结果表明GBDT-LDL算法更加理想,并通过统计假设检验的方法,进一步来说明该算法具有良好的预测效果。在图像匹配方面用HOG来提取图像特征,详细介绍了HOG提取图像信息的步骤和优势,并提出了两种提高匹配效果的方法。一种是利用GBDT构建分类器对图像训练预测,另一种是将标记分布运用于余弦相似度度量上来提高预测准确性。通过实验对比了决策树、支持向量机和K近邻来验证两种方法的优势,实验结果反映出标记分布优化余弦相似度的方法效果最好。因此主要对优化余弦相似度的方法的实验方案进行详细的描述与展示,采用ORL人脸数据集来做图像匹配的应用实验,展现该方法的实际应用效果,然后对实验结果的示例图片进行详细的分析,说明标记分布学习能够有效的运用在图像匹配中。(本文来源于《安庆师范大学》期刊2019-06-17)
分布标记论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
为了提高预测的准确性,文中结合机器学习中堆积(Stacking)集成框架,组合多个分类器对标记分布进行学习,提出基于标记分布学习的异态集成学习算法(HELA-LDL).算法构造两层模型框架,通过第一层结构将样本数据采用组合方式进行异态集成学习,融合各分类器的学习结果,将融合结果输入到第二层分类器,预测结果是带有置信度的标记分布.在专用数据集上的对比实验表明,HELA-LDL可以发挥各种算法在不同场景下的性能较优,稳定性分析进一步说明算法的有效性.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分布标记论文参考文献
[1].申镐源,仰浈臻,庞小溪,杜祎甜,杜毓箐.~(131)I标记_C(RGD)_2修饰的脂质体的制备及生物分布研究[J].标记免疫分析与临床.2019
[2].王一宾,田文泉,程玉胜.基于标记分布学习的异态集成学习算法[J].模式识别与人工智能.2019
[3].权有娟,袁飞敏,刘德梅,李想,陈志国.利用KASP标记检测青海和西藏小麦品种中光周期基因分布[J].麦类作物学报.2019
[4].张秋杭.句法可及和语篇可及——汉语关系从句中指数量标记分布考察[J].外国语(上海外国语大学学报).2019
[5].张璐,彭烨,王涛,李潇,左长京.~(99m)Tc标记奥曲肽及帕瑞肽用于神经内分泌受体过表达的胰腺癌小鼠模型体内分布及生物安全性研究[J].现代医用影像学.2019
[6].于欢,郝飞,刘美辰,梁战华.CM-DiI标记的BMSCs在实验性自身免疫性脑脊髓炎大鼠的体内示踪分布[J].基础医学与临床.2019
[7].林思岑.话语标记“对的”的分布及话语功能探析[J].柳州职业技术学院学报.2019
[8].李田力.标记分布学习特征重构及其情感识别应用研究[D].安庆师范大学.2019
[9].田文泉.基于标记分布的年龄估计与实现[D].安庆师范大学.2019
[10].陆文成.基于标记分布的图像匹配研究与应用[D].安庆师范大学.2019
标签:脑胶质瘤; c(RGD)_2-Lp; 放射性核素~(131)I; 生物分布;