导读:本文包含了循环谱分析论文开题报告文献综述及选题提纲参考文献，主要关键词:急性呼吸窘迫综合征,中性粒细胞,生物信息学分析,表达谱
循环谱分析论文文献综述
王栋[1]（2019）在《ARDS患者循环中性粒细胞和脂多糖诱导人肺微血管内皮细胞表达谱分析》一文中研究指出1.研究背景急性呼吸窘迫综合征(ARDS)的特征是肺泡-毛细血管屏障的弥漫性损伤、免疫细胞浸润、富含蛋白质的肺泡水肿液和严重的气体交换异常。尽管经过了50多年临床和基础的研究,ARDS仍然是一个严峻的挑战。ARDS不仅增加医疗成本并严重影响患者生活质量,而且死亡率很高。因此,迫切需要深入了解ARDS的发病机制。中性粒细胞(PMNs)作为先天免疫细胞对控制感染起到至关重要的作用。在ARDS发病过程中,循环PMNs被激活并穿透肺泡-毛细血管屏障进入肺泡。PMNs在肺泡炎性微环境中进一步活化,发挥吞噬病原体、释放活性氧和中性粒细胞胞外陷阱的重要作用。活化的中性粒细胞进一步导致肺泡损伤和肺功能的丧失。然而,ARDS循环PMNs活化的机制仍然知之甚少。近十年来,高通量检测技术的快速发展为ARDS转录组学的研究提供了技术支持。然而,既往高通量研究存在一个问题:检测样本是全血或总白细胞而不是纯化的中性粒细胞。本研究中,为了鉴定ARDS特异性中性粒细胞表型,我们分析了GSE76293数据集ARDS患者循环PMNs和GSE4975数据集暴露于严重脓毒症患者血浆的PMNs的差异表达基因(DEGs)。利用生物信息学方法,我们鉴定了ARDS特异性循环中性粒细胞表型的关键通路和基因。2.研究目的本研究的目的是鉴定ARDS特异性循环中性粒细胞表型的关键通路和基因,为ARDS的诊断和治疗提供新的思路。3.研究方法3.1芯片数据我们在GEO(Gene Expression Omnibus)数据库中检索ARDS和脓毒症血液PMN的表达谱,最终筛选得到数据集GSE76293和GSE49757。我们选择GSE76293数据集12例ARDS患者循环PMNs样本与12例健康志愿者(HVT)循环PMNs样本;同时选择GSE49757数据集20例严重脓毒症血浆刺激的PMN样本与19例HVT血浆刺激的PMN样本用于差异分析。3.2差异表达基因的鉴定使用GE02R软件分析GSE76293和GSE49757中实验组与对照组的差异表达基因(DEGs),其中筛选标准是adj p<0.01和|log2差异倍数|>1。使用维恩图软件分析GSE49757和GSE76293 DEGs的交集。3.3基因本体论(GO)和信号通路富集分析利用DAVID数据库分析DEGs的功能和通路富集情况。P<0.05被认为具有统计学意义。3.4蛋白质-蛋白质相互作用(PPI)网络和功能模块分析使用STRING数据库预测DEGs之间的相互作用,然后使用Cytoscape软件绘制PPI网络。使用Cytoscape软件CytoNCA和MCODE插件鉴定PPI网络的功能模块和核心(hub)基因。3.5转录因子(TF)调控网络分析使用Cytoscape的iRegulon插件预测PPI网络核心基因的TFs。阈值设定为标准化富集分数(NES)>4。3.6核心基因mRNA相对表达水平的验证为了分析GSE49757和GSE76293中7个核心基因mRNA的相对表达水平,我们从GEO数据库下载两个数据集的原始数据,经过log2标准化处理后使用GraphPad Prism 7.04统计分析并绘制箱式图。3.7统计学分析所有统计学分析均使用GraphPad Prism 7.04(GraphPad Software,San Diego,CA,USA)。两组数据比较采用非配对t检验。所有数据均以平均值± SEM表示,p<0.05被认为有统计学差异。4.研究结果4.1差异表达基因的鉴定在GSE76293中,与HVT血液PMNs相比,总共有1120个DEGs在ARDS血液PMNs中显着差异表达。在GSE49757中,与未感染的对照相比,总共有971个DEGs在暴露于严重脓毒症患者血浆的PMNs中显着差异表达。GSE49757和GSE76293 DEGs存在220个重迭基因。4.2基因本体论(GO)和信号通路富集分析GSE76293中DEGs主要参与以下生物学过程:凋亡过程、对氧化应激的反应、对脂多糖的反应、对肿瘤坏死因子的反应和白叁烯信号传导通路。GSE76293中DEGs主要富集在以下通路:MAPK信号通路、FoxO信号通路、AMPK信号通路和TNF信号通路。GSE49757中DEGs主要与以下生物学过程相关:炎症反应、对脂多糖的反应、细胞凋亡过程、免疫应答、细胞因子产生的正调节和NF-κB信号传导的正调节。GSE49757中DEGs主要富集在以下通路:NF-κ B信号通路、细胞因子-细胞因子受体相互作用、NOD样受体信号通路和TNF信号通路。4.3蛋白质-蛋白质相互作用(PPI)网络使用Cytoscape软件构建了具有899个节点的PPI网络,并利用MCODE和CytoNCA插件分析PPI网络中的功能模块和核心基因。最终我们鉴定了30个核心基因和3个最重要的功能模块。其中,GAPDH、AKT1、MAPK14、MAPK8、IL8、PIK3CB和MMP9是叁个功能模块的核心基因。4.4转录因子(TF)调控网络分析使用Cytoscape软件iRegulon插件预测了PPI网络中前50个核心基因的TFs。当设定阈值NES>4时,筛选到6个转录因子(E2F1、NFKB1、NFYA、PBX3、EGR1、RELA)及其30个靶向基因。4.5核心基因mRNA相对表达水平的验证本研究比较了 GSE49757和GSE76293中7个核心基因的相对mRNA表达水平。结果发现在GSE49757和GSE76293中,AKT1和IL8均被下调,MAPK14均被上调;而GAPDH、MAPK8、PIK3CB和MMP9相对表达趋势不同。5.结论我们鉴定了参与ARDS特异性中性粒细胞表型的关键通路和基因。MAPK8、PIK3CB和MMP9可能在ARDS特异性循环中性粒细胞活化中起关键作用。这些发现可能为急性呼吸窘迫综合征的诊断和治疗提供新的视角。(本文来源于《山东大学》期刊2019-05-19）
杜盼盼[2]（2018）在《基于高阶累积量与循环谱分析的数字调制信号识别》一文中研究指出通信信号调制方式自动识别在军事和民用领域的信号检测、威胁干扰分析、频谱监测管理等方面有着广泛应用,是非合作通信的关键技术。其主要任务是对截获信号进行处理,比如变频、去载波、参数估计等,从中提取特征参数,然后利用适当的算法对调制信号的调制方式做出判决,为后续信号解调等处理提供依据。本文主要对数字通信信号在传统高斯和复杂非高斯环境下的调制识别进行了研究,主要工作如下:(1)传统高斯噪声背景下数字通信信号调制识别研究。针对单一累积量调制信号识别有限且识别率低等问题,利用信号的二、四、六阶累积量特征所构造的矢量集,实现了MASK,MPSK,MFSK,MQAM四类信号的类间识别,以及2ASK,4ASK,8ASK,2PSK,4PSK,8PSK,2FSK,4FSK,8FSK,4QAM,16QAM,64QAM的类内识别。在此基础上,针对利用累积量方法导致MFSK、MQAM识别率不理想问题,改进算法,利用瞬时特性及谱相关理论,构造、提取特征参数,从而实现MFSK,MQAM类内识别。最后在MATLAB环境下进行了仿真实验,仿真结果说明,利用该算法进行识别,当信噪比为5d B时,识别率在90%以上。(2)非高斯噪声背景下数字通信信号调制识别研究。以Alpha稳定分布噪声模拟非高斯噪声,研究了Alpha稳定分布噪声下多载波OFDM(Orthogonal Frequency Division Multiplexing)与单载波混合信号的调制识别。首先定义了广义四阶累积量、广义瞬时特征和广义循环谱特征;然后基于上述概念分析了各类信号广义归一化四阶累积量、零中心归一化瞬时幅度功率谱密度最大值、零中心非弱信号段瞬时相位绝对值标准差以及广义循环谱的谱峰位置与个数5个特征参数差异,给出了Alpha稳定分布噪声下多载波OFDM信号与单载波2ASK,4ASK,BPSK、4FSK,16QAM信号的混合调制方式识别方法。最后在MATLAB下进行了仿真实验,结果表明该方法对于多载波信号在混合信噪比大于-5d B时识别率可以达到100%,对于单载波信号,当混合信噪比大于2d B时可以达到90%。(本文来源于《兰州理工大学》期刊2018-05-30）
刘会,张富斌,范一海,田佳佳,康建芬[3]（2018）在《2008-2016年河北省张北县农村住院病例循环系统疾病谱分析》一文中研究指出目的分析2008-2016年张北县农村住院病人循环系统疾病谱的变化,为临床诊疗建设与疾病预防控制提供科学依据。方法依托新农合管理中心收集2008-2016年农村住院病人个案信息,应用国际疾病分类规则(ICD-10)进行系统分类,保留包含循环系统疾病诊断的个案形成数据库,对构成比、住院患病率、平均发展速度等指标开展描述性研究。结果 2008-2016年张北县农村住院循环系统疾病呈增长趋势,构成和绝对增长量均居前3位的为卒中、高血压、冠心病,占循环系统疾病总数的74.93%,平均增长速度分别为29.03%、23.47%、23.62%;2016年住院患病率居前3位的疾病为卒中、高血压、冠心病,分别为3 732.45/10万、1 945.61/10万、1 754.13/10万。结论卒中、高血压、冠心病是循环系统疾病中危害人群健康与生命安全的首要疾病。必须采取群体预防先行的一体化策略,努力降低这些疾病在老龄化背景下的患病峰值,缓解社会医疗资源的压力。(本文来源于《医学动物防制》期刊2018年06期）
张娟娟[4]（2017）在《α稳定分布噪声下数字调制信号的分数低阶循环谱分析》一文中研究指出α稳定分布能够很好地描述实际应用中具有显著尖峰脉冲特性以及较厚拖尾特性的非高斯分布,无线通信系统中常用的一些数字调制信号因为载波调制等很多因素通常都表现出循环平稳特性。但是,在α稳定分布噪声下分析和处理这些循环平稳信号的二阶循环统计量方法显著退化,不能很好地实现对信号的检测和估计。分数低阶循环统计量方法是对α稳定分布噪声下循环平稳信号检测的一种很有效的工具。本文的主要内容包括:].理论推导了标准参数系下α稳定分布序列的产生过程,仿真分析了决定α稳定分布特性的四个参数分别变化时,对应的α稳定分布序列及概率密度函数的变化情况。2.分别给出了 2ASK信号、2FSK信号和BPSK信号的循环谱密度函数公式,仿真分析了这叁种信号的频谱和循环谱相关特性以及不同信噪比下的高斯分布噪声对这叁种循环平稳信号循环谱线的影响。3.α稳定分布噪声背景下,结合分数低阶统计量理论和循环平稳理论,研究了基于共变的分数低阶循环谱算法及分数低阶离散频域平滑估计算法,详细理论推导了 2ASK信号和2FSK信号的分数低阶循环自相关函数,对比仿真分析了在不同混合信噪比、不同特征指数及不同分数低阶因子的条件下2ASK信号、2FSK信号和BPSK信号的分数低阶循环谱及对应的循环频率轴截面图。结果表明:α稳定分布噪声背景下,这叁种信号的分数低阶循环谱结构和其对应的传统二阶循环谱结构相同,循环频率相同,但是,谱峰对应的幅值不同,这主要取决于分数低阶因子。相对于在α稳定分布噪声下失效的二阶循环谱,分数低阶循环谱能很好地实现对这叁种信号谱线的检测,且不同信号对应的检测效果不同。(本文来源于《西安理工大学》期刊2017-06-30）
刘高辉,张娟娟[5]（2017）在《α稳定分布噪声下数字频移键控信号的分数低阶循环谱分析》一文中研究指出针对α稳定分布噪声环境下数字通信信号的二阶与高阶循环统计特征显著退化问题,结合分数低阶矩和共变理论对二进制频移键控(Frequency Shift Keying,FSK)信号的分数低阶循环谱公式进行了理论推导,并对2FSK信号在不同混合信噪比、分数阶因子和特征指数条件下的分数低阶循环谱进行了详细的仿真分析.理论和仿真结果表明:2FSK信号分数低阶与二阶的循环谱结构相同,其谱峰对应的循环频率相同,谱峰的幅度值不同,取决于循环谱的阶因子.相对于在低混合信噪比下失效的二阶循环谱,分数低阶循环谱对α稳定分布噪声具有更强的抗干扰性和适用性.(本文来源于《电波科学学报》期刊2017年01期）
郭祥宸,孙志国[6]（2017）在《正弦型非线性调频键控信号循环谱分析》一文中研究指出本文在正弦非线性切普键控(Sine Non-linear Chirp Keying,SNCK)通信系统的理论下,对SNCK已调信号的谱特征进行了深入的研究。介绍循环谱原理,根据循环谱定义推导SNCK已调信号的循环谱数学公式,推出SNCK已调信号的载波频率和码元速率在循环谱截面的特征。使用Matlab进行仿真,得到SNCK已调信号循环谱叁维图及其截面,可以据此得到载波频率和码元速率,并用硬件仿真SNCK已调信号循环谱截面,得到软硬件联调一致性。(本文来源于《自动化技术与应用》期刊2017年01期）
褚晶辉,卢莉莉,吕卫,李喆[7]（2017）在《循环谱分析在心律失常分类中的应用研究》一文中研究指出心电信号心律失常分类性能主要取决于有效的特征提取和分类器设计。针对传统心律失常分类研究中,多数研究直接利用时域或者频域特征实现心律失常分类,对于多类别的分类性能仍有待提高。鉴于此,选用循环谱分析方法实现心律失常多分类任务。假设信号处于非平稳状态,建立更符合心电信号实际状态的模型去捕捉心电信号中的隐含周期实现心律失常分类。在提取形态特征和时频域小波系数特征之外,利用循环谱技术提取了谱相关系数特征用于后续多分类任务。除此之外,比较了人工神经网络、传统支持向量机和超限学习机分类器在该实验环境下的分类性能,通过多组对比实验,结果表明,利用循环谱技术结合超限学习机分类器进行心律失常分类,可以区分10类心律失常并在MIT-BIH心律失常数据库上实现了98.13%的平均分类准确率。(本文来源于《计算机科学与探索》期刊2017年11期）
边素艳,刘宏斌,刘宏伟,白永怿,朱启伟[8]（2016）在《2005至2014年因循环系统疾病住院的老年患者疾病谱分析》一文中研究指出目的分析近十年老年住院患者循环系统疾病谱构成、治疗结果及其变化趋势。方法收集2005~2014年我院以循环系统疾病作为出院第一诊断的老年患者病案资料7193例,将老年患者分为4个年龄段,即60~69岁730例,70~79岁1057例,80~89岁3583例,≥90岁1823例;根据出院时间分为2个时间段,即2005~2009年3199例,2010~2014年3994例。按心血管病常用分类法统计疾病谱构成比和治疗结果,分析年龄及不同时期疾病谱构成、顺位及死亡情况。结果 7193例老年患者中,总死亡人数182例(2.5%),以80岁以上患者居多,占死亡人数的95.6%。2010~2014年总住院患者平均年龄较2005~2009年明显升高[(84.46±8.91)岁vs(82.38±8.43)岁,P<0.01]。冠心病是老年患者各年龄段、不同时期住院和死亡的首位单病种疾病。随着住院患者高龄化趋势的加剧,近5年脑血管疾病(缺血性脑血管病和出血性脑血管病)的住院和死亡构成比呈增长趋势,而因高血压住院和死亡构成顺位下降。结论冠心病是老年患者循环系统疾病首位住院和死亡原因。近年来,高龄患者脑血管病的住院和死亡构成比上升应引以重视。(本文来源于《中华老年心脑血管病杂志》期刊2016年10期）
李贵子,雷小亚,王季,柴世文[9]（2016）在《Alpha稳定分布下OFDM信号循环谱分析》一文中研究指出基于稳定分布构造的信号处理计算方法相对高斯假设的情况,对复杂噪声具有更好的抗干扰性和韧性。文章在Alpha稳定分布下基于共变系数、非平稳理论和分数低阶矩(FLOM)等理论,推导并分析了OFDM信号的循环平稳特性和低阶循环谱密度,并用Matlab对本文的算法中做了仿真验证,结果表明在Alpha稳定分布下OFDM信号的低阶循环谱密度函数的循环谱结构和在高斯模型下是一致的,但基于稳定分布所设计的算法具有良好的抗脉冲性能,为复杂环境下的调制识别以及盲信号分离研究提供了理论基础。(本文来源于《机械研究与应用》期刊2016年01期）
王鑫,孙军,程毓华,王守金,杜恺[10]（2015）在《循环谱分析和支持向量机在认知无线电中的研究》一文中研究指出在认识无线电系统中,感知频谱是一项最具挑战性的功能。在认识与适应无线电环境中,检测信号在特性频段的存在于区别是至关重要的。本文提出一种新的结合了频谱相关分析和支持向量机的认知无线电检测方法,以有效解决信号检测性能较低的问题。(本文来源于《山东工业技术》期刊2015年23期）
循环谱分析论文开题报告
（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：
通信信号调制方式自动识别在军事和民用领域的信号检测、威胁干扰分析、频谱监测管理等方面有着广泛应用,是非合作通信的关键技术。其主要任务是对截获信号进行处理,比如变频、去载波、参数估计等,从中提取特征参数,然后利用适当的算法对调制信号的调制方式做出判决,为后续信号解调等处理提供依据。本文主要对数字通信信号在传统高斯和复杂非高斯环境下的调制识别进行了研究,主要工作如下:(1)传统高斯噪声背景下数字通信信号调制识别研究。针对单一累积量调制信号识别有限且识别率低等问题,利用信号的二、四、六阶累积量特征所构造的矢量集,实现了MASK,MPSK,MFSK,MQAM四类信号的类间识别,以及2ASK,4ASK,8ASK,2PSK,4PSK,8PSK,2FSK,4FSK,8FSK,4QAM,16QAM,64QAM的类内识别。在此基础上,针对利用累积量方法导致MFSK、MQAM识别率不理想问题,改进算法,利用瞬时特性及谱相关理论,构造、提取特征参数,从而实现MFSK,MQAM类内识别。最后在MATLAB环境下进行了仿真实验,仿真结果说明,利用该算法进行识别,当信噪比为5d B时,识别率在90%以上。(2)非高斯噪声背景下数字通信信号调制识别研究。以Alpha稳定分布噪声模拟非高斯噪声,研究了Alpha稳定分布噪声下多载波OFDM(Orthogonal Frequency Division Multiplexing)与单载波混合信号的调制识别。首先定义了广义四阶累积量、广义瞬时特征和广义循环谱特征;然后基于上述概念分析了各类信号广义归一化四阶累积量、零中心归一化瞬时幅度功率谱密度最大值、零中心非弱信号段瞬时相位绝对值标准差以及广义循环谱的谱峰位置与个数5个特征参数差异,给出了Alpha稳定分布噪声下多载波OFDM信号与单载波2ASK,4ASK,BPSK、4FSK,16QAM信号的混合调制方式识别方法。最后在MATLAB下进行了仿真实验,结果表明该方法对于多载波信号在混合信噪比大于-5d B时识别率可以达到100%,对于单载波信号,当混合信噪比大于2d B时可以达到90%。
（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。
循环谱分析论文参考文献
[1].王栋.ARDS患者循环中性粒细胞和脂多糖诱导人肺微血管内皮细胞表达谱分析[D].山东大学.2019
[2].杜盼盼.基于高阶累积量与循环谱分析的数字调制信号识别[D].兰州理工大学.2018
[3].刘会,张富斌,范一海,田佳佳,康建芬.2008-2016年河北省张北县农村住院病例循环系统疾病谱分析[J].医学动物防制.2018
[4].张娟娟.α稳定分布噪声下数字调制信号的分数低阶循环谱分析[D].西安理工大学.2017
[5].刘高辉,张娟娟.α稳定分布噪声下数字频移键控信号的分数低阶循环谱分析[J].电波科学学报.2017
[6].郭祥宸,孙志国.正弦型非线性调频键控信号循环谱分析[J].自动化技术与应用.2017
[7].褚晶辉,卢莉莉,吕卫,李喆.循环谱分析在心律失常分类中的应用研究[J].计算机科学与探索.2017
[8].边素艳,刘宏斌,刘宏伟,白永怿,朱启伟.2005至2014年因循环系统疾病住院的老年患者疾病谱分析[J].中华老年心脑血管病杂志.2016
[9].李贵子,雷小亚,王季,柴世文.Alpha稳定分布下OFDM信号循环谱分析[J].机械研究与应用.2016
[10].王鑫,孙军,程毓华,王守金,杜恺.循环谱分析和支持向量机在认知无线电中的研究[J].山东工业技术.2015