导读:本文包含了细胞网络论文开题报告文献综述及选题提纲参考文献，主要关键词:宫颈细胞,深度学习,卷积神经网络,残差网络
细胞网络论文文献综述
娄润东,陈俊彪,侯宏花,刘艳莉,田珠[1]（2019）在《基于深度卷积神经网络的细胞分类新方法》一文中研究指出针对现有的细胞分类方法在准确率方面无法满足人们要求的现象,本文提出一种基于深度卷积神经网络的细胞分类新方法:嵌套残差网络(Multiple Residual Neural Network,M-ResNet).该方法以深度学习理论为基础,在原始ResNet50基础上添加了更高级别的快捷连接(嵌套快捷连接),以挖掘残差网络的优化能力.实验采取宫颈癌细胞作为数据集进行了细胞分类方法测试,其中3 528幅作为训练集,350幅作为测试集.通过与ResNet50网络模型进行对比实验,得出测试结果表明:该方法可以有效提高细胞分类的正确率和工作效率,验证了该方法的有效性.这些研究对卷积神经网络的应用和细胞分类方法的发展有着重要的意义,有很好的现实价值.(本文来源于《测试技术学报》期刊2019年06期）
李发挥,李雁浩,桂逢烯,谢霜,杜永洪[2]（2019）在《声空化对巨噬细胞损伤效应的人工神经网络自适应模型辨识》一文中研究指出超声空化效应有助于提高基因或药物向细胞内的转染或运输。为了进一步指导超声空化效应在医学应用中声参数的选择,建立声参数与空化效应之间的量效关系十分重要。由于超声空化效应的复杂性和非线性,难以采用传统的机理分析方法确定其精确的数学表达式。人工神经网络辨识方法具有较好的自组织、自学习能力及强大的非线性拟合能力,能够以监督或非监督学习的方式建立输入变量与输出变量之间的映射关系,而不需要建立对象的详细数学表达式。基于本课题组前期谢霜等的实验研究数据,本研究旨在采用改进的人工神经网络算法,建立声参数与空化效应之间的量效关系模型,有望为超声应用的声参数筛选提供理论指导。目的针对超声空化效应过程中声参数与空化效应之间的影响关系问题,本研究将多模型自适应思想与人工神经网络相结合,构建了声空化对巨噬细胞损伤效应的辨识模型。方法 1.本课题组前期探究了频率为42 kHz、强度为0.13—0.34 W/cm~2连续可调的低频低强度超声在不同声参数(超声强度、辐照时间)条件下,超声辐照对体外培养的巨噬细胞活性的影响。实验研究数据分为建模样本和检测样本。2.将巨噬细胞视为黑箱,超声强度和辐照时间作为神经网络的输入变量,巨噬细胞存活率作为输出变量。基于建模样本,采用了人工神经网络算法来训练神经网络,由此构建输入与输出变量之间的数值映射关系,并通过检测样本检测建立的神经网络模型的辨识精度。3.本研究提出基于多模型自适应思想选取建模样本,从而克服因建模样本选取不当而造成的模型失配问题,实现传统神经网络模型的改进。结果相比传统模型,基于多模型自适应思想与人工神经网络相结合建立的改进模型的辨识值与实验值更为接近,具有较高的辨识精度(EI=0.0137;PA=100%)。结论基于改进的人工神经网络建立的声空化对巨噬细胞的损伤效应模型具有较高的辨识精度。利用本研究建立的模型,能够实现超声空化效应的量化分析,缩减生物学实验成本。(本文来源于《中国超声医学工程学会第十届全国超声治疗及生物效应医学学术大会论文汇编》期刊2019-12-06）
舒伟,杨清琳,陈明[3]（2019）在《手机教学提高医学细胞生物学网络资源利用率》一文中研究指出医学细胞生物学是医学生的必修课,其既是生命医学课程的基础理论学科,又是一门较为综合性的前沿学科。由于医学细胞生物学课程内容多、课堂教学学时数相对较少、前沿进展迅速、教师课堂授课信息量大,学生单靠课堂时间不能很好地把握重难点,而刚入学的新生面临适应大学新环境等多种原因导致学生课后不能及时对所学知识进行归纳总结等,种种原因使医学细胞生物学课程的教学效果有待提高。依据手机用户的普及性、手机微信的经济性和手机学习的便捷和及时特点,教师可利用手机微信和网页浏览器互动平台将本教研室开发的医学细胞生物学网络教学共享资源库通过微信以手机报等形式发送给学生,让学生随时随地利用手机终端获得集文字、图形、图片和声音于一体的学习资料,提高网络教学资源利用率及教学效果。(本文来源于《大学教育》期刊2019年12期）
王仁明,陈昱,张赟宁,王凌云[4]（2019）在《分数阶细胞神经网络的动力学特性分析及控制设计》一文中研究指出构建了一个四阶分数阶细胞神经网络系统模型,通过仿真分析了其动力学特性,如混沌吸引子、时序图、李雅普诺夫指数、平衡点的稳定性.同时也验证了在相同的系统参数和初始条件下,系统的混沌吸引子结构依赖于分数阶阶次的取值,并给出了系统出现混沌的参数范围.设计了状态反馈控制器镇定系统的平衡点.仿真结果验证了理论分析的正确性.(本文来源于《叁峡大学学报(自然科学版)》期刊2019年06期）
黄珊,王亚利,王中卫,白明华,郭亚[5]（2019）在《基于调控网络构建的食管鳞状细胞癌放疗抵抗核心miRNA/mRNA鉴定》一文中研究指出目的基于食管鳞状细胞癌肿瘤组织RNA表达情况构建放疗抵抗miRNA-mRNA网络,鉴定并验证放疗抵抗核心miRNA及mRNA。方法癌症基因图谱(TCGA)数据库选取行放疗的食管鳞状细胞癌患者,R语言edgeR包对比获得放疗抵抗组肿瘤组织差异表达mRNA(DE mRNA)和miRNA(DE miRNA)。miRWalk 3. 0预测DE miRNA的靶mRNA,Cytoscape绘制放疗抵抗miRNA-mRNA调控网络。采用MMC法分析获得核心miRNA及mRNA,实时定量PCR在放射抵抗癌细胞中进行验证。结果共获得548个DE mRNA和5个DE miRNA,成功构建放疗抵抗miRNA-mRNA调控网络,分析后最终获得4个核心miRNA(miR-1293、miR-873、miR-375及miR-1468)和5个核心mRNA(ZDHHC22、IGFBP5、ADAM23、NTNG1和DCC)。细胞学验证显示miR-1293、miR-375、IGFBP5、ADAM23在食管鳞状细胞癌放疗抵抗细胞表达具有明显差异(P <0. 05)。结论该研究通过miRNA-mRNA调控网络构建,鉴定食管鳞状细胞癌放疗抵抗核心miRNA和mRNA,为逆转放疗抵抗提供潜在靶点。(本文来源于《山西医科大学学报》期刊2019年11期）
Y.F.He,J.P.Guo,X.Y.Ding,P.M.A.van,Ooijen,Y.P.Zhang[6]（2019）在《基于术前MRI的卷积神经网络模型预测骨巨细胞瘤刮除术后局部复发的可能性》一文中研究指出摘要目的使用基于术前MR和临床特征的深度卷积神经网络(CNN)模型预测骨巨细胞瘤(GCTB)刮除术后局部复发的可能性。材料与方法收集56例经刮除术后组织病理(本文来源于《国际医学放射学杂志》期刊2019年06期）
杨涛,祁烁,张雅月,啜文静,骆长永[7]（2019）在《基于网络药理学探索芪甲扶正方治疗非小细胞肺癌的分子机制》一文中研究指出目的:基于网络药理学研究芪甲扶正方治疗非小细胞肺癌的潜在分子机制。方法:利用TCMSP、Swiss Target Prediction等数据库筛选芪甲扶正方中药物的成分,并进行靶点预测,通过TCGA、TTD、CTD等数据库筛选非小细胞肺癌相关靶点,构建疾病模型。获得共有靶点后,构建"药物-靶点"映射网络,并通过网络拓扑分析方法筛选关键靶点,进行GO富集和KEGG通路分析。结果:本研究共预测得到106个芪甲扶正方治疗非小细胞肺癌的潜在靶点,利用网络拓扑分析筛选得到20个关键靶点。根据关键靶点GO富集分析和KEGG通路注释结果,芪甲扶正方可能具有调节一氧化氮合酶活性、细胞外基质降解、细胞周期蛋白结合、细胞周期蛋白依赖性蛋白激酶活性等分子功能,其作用通路与膀胱癌、雌激素信号转导、VEGF信号、非小细胞肺癌、IL-17信号转导等通路相关。结论:芪甲扶正方通过多靶点作用于非小细胞肺癌,其主要机制与调节一氧化氮合酶活性、细胞周期、细胞外基质降解等生物学过程,并可影响多条癌症相关通路。(本文来源于《中医学报》期刊2019年11期）
李智能,刘任任,梁光明[8]（2019）在《基于卷积神经网络的医学宫颈细胞图像的语义分割》一文中研究指出显微细胞分割的精度直接影响疾病的判别诊断,特别在宫颈细胞的显微病理图像中,细胞核的形态大小、与细胞质之间的比例参数等对于病情的良恶诊断具有重大的意义。为提高宫颈细胞核质分割的精度,提出一种基于卷积神经网络的医学宫颈细胞图像的语义分割方法。标定宫颈细胞显微图像中的细胞核和细胞质轮廓,制作基于长沙市第二人民医院的基于新柏氏液基细胞学检测TCT(Thinprep cytologic test)制片技术的宫颈TCT细胞涂片的CCTCT数据集;通过卷积神经网络对核质分割模型进行训练,避免人工提取特征;通过反卷积达到图像的语义分割。实验结果表明,该算法在宫颈细胞的显微病理图像中的核质分割准确率高达94.7%,具有很高的鲁棒性和适应性。(本文来源于《计算机应用与软件》期刊2019年11期）
罗兰,周楠,司杰[9]（2019）在《不确定细胞神经网络鲁棒稳定新的时滞划分法》一文中研究指出研究了一类具有时变时滞和参数不确定项的细胞神经网络的鲁棒稳定性。引用凸组合方法,实现了对时滞区间的不均等划分,且参数的引入降低了对时滞导数小于1的限制;新变量的引入实现了对不确定项的处理,并将Jensen不等式与凸组合方法相结合,得到了积分区间新的处理方法;最后数值举例验证了结论的有效性。(本文来源于《广西师范大学学报(自然科学版)》期刊2019年04期）
张雨,刘芳[10]（2020）在《一种度量细胞网络结构的方法》一文中研究指出背景:在多细胞组成的生物体社会中,细胞之间的通讯必不可少。众多细胞之间相互通讯、相互联系,形成了一个复杂的细胞网络结构。对细胞网络结构相关属性值进行度量和评价,显得极其重要。目的:基于复杂网络,提出了一种细胞网络结构的度量方法。方法:结合文献研究及实际应用,搭建细胞网络结构的度量框架,分别从细胞节点的度、细胞网络的度分布、细胞网络的平均路径长度、细胞网络的簇系数等方面对细胞网络结构进行度量。以某小型实验为例,进行了实例验证。结果与结论:细胞网络的度分布中,绝大部分细胞节点的度值比较小,只有较少量细胞节点的度值较高。细胞网络中细胞节点的度分布P(k)的幂律分布特点越是明显,则此细胞网络结构越是合理,细胞网络越正常;同时,许多细胞网络结构具有较小的平均路径长度。细胞网络的簇系数越大,表明该细胞网络具有较高的聚集特性。一般情况下,细胞网络结构越"紧密",细胞网络结构的"集团化"特性越明显,细胞网络越正常。(本文来源于《中国组织工程研究》期刊2020年01期）
细胞网络论文开题报告
（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：
超声空化效应有助于提高基因或药物向细胞内的转染或运输。为了进一步指导超声空化效应在医学应用中声参数的选择,建立声参数与空化效应之间的量效关系十分重要。由于超声空化效应的复杂性和非线性,难以采用传统的机理分析方法确定其精确的数学表达式。人工神经网络辨识方法具有较好的自组织、自学习能力及强大的非线性拟合能力,能够以监督或非监督学习的方式建立输入变量与输出变量之间的映射关系,而不需要建立对象的详细数学表达式。基于本课题组前期谢霜等的实验研究数据,本研究旨在采用改进的人工神经网络算法,建立声参数与空化效应之间的量效关系模型,有望为超声应用的声参数筛选提供理论指导。目的针对超声空化效应过程中声参数与空化效应之间的影响关系问题,本研究将多模型自适应思想与人工神经网络相结合,构建了声空化对巨噬细胞损伤效应的辨识模型。方法 1.本课题组前期探究了频率为42 kHz、强度为0.13—0.34 W/cm~2连续可调的低频低强度超声在不同声参数(超声强度、辐照时间)条件下,超声辐照对体外培养的巨噬细胞活性的影响。实验研究数据分为建模样本和检测样本。2.将巨噬细胞视为黑箱,超声强度和辐照时间作为神经网络的输入变量,巨噬细胞存活率作为输出变量。基于建模样本,采用了人工神经网络算法来训练神经网络,由此构建输入与输出变量之间的数值映射关系,并通过检测样本检测建立的神经网络模型的辨识精度。3.本研究提出基于多模型自适应思想选取建模样本,从而克服因建模样本选取不当而造成的模型失配问题,实现传统神经网络模型的改进。结果相比传统模型,基于多模型自适应思想与人工神经网络相结合建立的改进模型的辨识值与实验值更为接近,具有较高的辨识精度(EI=0.0137;PA=100%)。结论基于改进的人工神经网络建立的声空化对巨噬细胞的损伤效应模型具有较高的辨识精度。利用本研究建立的模型,能够实现超声空化效应的量化分析,缩减生物学实验成本。
（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。
细胞网络论文参考文献
[1].娄润东,陈俊彪,侯宏花,刘艳莉,田珠.基于深度卷积神经网络的细胞分类新方法[J].测试技术学报.2019
[2].李发挥,李雁浩,桂逢烯,谢霜,杜永洪.声空化对巨噬细胞损伤效应的人工神经网络自适应模型辨识[C].中国超声医学工程学会第十届全国超声治疗及生物效应医学学术大会论文汇编.2019
[3].舒伟,杨清琳,陈明.手机教学提高医学细胞生物学网络资源利用率[J].大学教育.2019
[4].王仁明,陈昱,张赟宁,王凌云.分数阶细胞神经网络的动力学特性分析及控制设计[J].叁峡大学学报(自然科学版).2019
[5].黄珊,王亚利,王中卫,白明华,郭亚.基于调控网络构建的食管鳞状细胞癌放疗抵抗核心miRNA/mRNA鉴定[J].山西医科大学学报.2019
[6].Y.F.He,J.P.Guo,X.Y.Ding,P.M.A.van,Ooijen,Y.P.Zhang.基于术前MRI的卷积神经网络模型预测骨巨细胞瘤刮除术后局部复发的可能性[J].国际医学放射学杂志.2019
[7].杨涛,祁烁,张雅月,啜文静,骆长永.基于网络药理学探索芪甲扶正方治疗非小细胞肺癌的分子机制[J].中医学报.2019
[8].李智能,刘任任,梁光明.基于卷积神经网络的医学宫颈细胞图像的语义分割[J].计算机应用与软件.2019
[9].罗兰,周楠,司杰.不确定细胞神经网络鲁棒稳定新的时滞划分法[J].广西师范大学学报(自然科学版).2019
[10].张雨,刘芳.一种度量细胞网络结构的方法[J].中国组织工程研究.2020