第一节 磁共振成像仪的基本硬件 第二节 磁共振成像的物质基础 第三节 进入主磁场前后人体内质子核磁状态的变化 第四节 磁共振现象 第五节 核磁弛豫 第六节 磁共振加权成像 第七节 磁共振信号的空间定位 第八节 K 空间的基本概念 第九节 自旋回波的产生 第十节 影响 MR 信号强度的因素 第十一节 血流的 MR 信号特点 第一节 脉冲序列的基本概念和分类 第二节 MRI 脉冲序列相关的概念 第三节 自由感应衰减类序列 第四节 自旋回波和快速自旋回波序列 第五节 反转恢复及快速反转恢复序列 第六节 梯度回波的原理、特点 第七节 常规梯度回波序列和扰相梯度回波序列 第八节 稳态进动成像序列 第九节 其他梯度回波序列 第一节 MRI 常规成像技术 第二节 MRI 脂肪抑制技术 第三节 MRI 化学位移成像技术 第四节 MR 水成像技术 第五节 MR 血管成像技术 第六节 MR 扩散加权成像技术 第七节 MR 灌注加权成像技术 第八节 MR 波谱分析 第九节 磁化转移技术 第十节 MRI 相关的其他重要技术 第一节 MRI 常规质控指标 第二节 MRI 常见伪影及其对策 第一节 MRI 对比剂概述 第二节 离子型非特异性细胞外液对比剂 第三节 其他 MRI 对比剂 第一节 自由水和结合水 第二节 脑水肿 第三节 出血 第四节 铁沉积 第一节 MRI 的优缺点 第二节 MRI 的生物效应和安全性

第一节 时间序列的对比分析 第二节 时间序列的趋势分析 第三节 季节变动分析 第四节 循环波动分析

• 第一节 时间序列的对比分析 • 第二节 时间序列的趋势分析 • 第三节 季节变动分析 • 第四节 循环波动分析

Woese用寡核苷酸序列编目分析法对60多株细菌的 16 6SrRNA序列进行比较后,发现:产甲烷细菌完全没有 作为细菌特征的那些序列,于是提出了生命的第三种形 式--古细菌(archaebacteria) 古细菌原界:产甲烷菌;极端嗜盐,热和酸菌 真细菌原界(Eubacteria)原核生物; 真核生物原界(Eukaryotes):真菌;原生动物;植物和动物

要在分子生物学领域进行计算分析,从公共数据库( DDBJ/EMBL/GenBank)中获得DNA序列记录 是其必需条件。借助于和一个已了解其生物学功能而被分离出来并测序的基因比较相似性的 方法,我们可以尝试确定某疾病基因的功能,这种方法要求序列记录有精确并且富于信息的 生物学注解。对于将其作为 BLAST或Eηtrez的检索结果来硏究的科学家来说,编码的蛋白质 产物的名称或功能、基因座位的名称以及和该序列最初的公布之间的联系(它因何被测 序?)构成了序列记录的直接的确切涵义 本章的内容是提交DNA序列及其注解到公共数据库,重点介绍了与国际核苷酸序列协作数据 库:DDBJ、EMBL和 Gen Bank密切相关的核苷酸序列数据库

绪论 统计与统计学 统计学的分科 统计学与其它学科关系 统计数据的搜集 数据的计量与类型 统计数据的来源 调查方案设计 统计数据的质量 统计数据整理和显示 数据的预处理 品质数据的整理与显示 数值型数据整理与显示 统计表 数据分布特征的测度 集中趋势的测度 离散和程度的测度 偏态和峰度的测度 时间序列分析 时间序列的对比分析 长期趋势分析 指数 指数编制的基本问题 加权指数 指数体系

针对金属矿山特有的地理地质条件,开展相应岩石声发射试验,确定矿区矿体围岩的时间序列特征,获得岩石破裂冒落声发射参数的危险临界值,并深入研究形成该种声发射信号的破裂机制和破坏特征.然后分别对较均质岩石试样和含有结构弱面的岩石试件进行比较试验,总结弱面裂隙影响下的岩石试件产生声发射信号的规律.利用基于离散单元法的颗粒元程序进行含裂隙岩石试样数值模拟研究,通过降低接触面刚度来模拟岩石内部的损伤,通过不同的模拟条件来研究岩石的破坏情况.研究成果将为分析损伤岩体的声发射规律开辟一条新的研究途径

结合影像学和人工智能技术对病灶进行无创性定量分析是目前智慧医疗的一个重要研究方向。针对肝细胞癌（Hepatocellular carcinoma, HCC）分化程度的无创性定量估测方法研究，结合放射科医师的临床读片经验，提出了一种基于自注意力指导的多序列融合肝细胞癌组织学分化程度无创判别计算模型。以动态对比增强核磁共振成像（Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）的多个序列为输入，学习各时序序列及各序列的多层扫描切片在分化程度判别任务的权重，加权序列中具有的良好判别性能的时间和空间特征，以提升分化程度判别性能。模型的训练和测试在三甲医院的临床数据集上进行，实验结果表明，本文所提出的肝细胞癌分化程度判别模型取得相比几种基准和主流模型最高的分类计算性能，在WHO组织学分级任务中，判别准确度、灵敏度、精确度分别达到80%，82%和82%

1 基因组序列特征分析  碱基组成分析  序列模体分析  密码子使用偏嗜性分析  重复序列分析  限制性酶切位点分析  基因识别 2 基因功能分析 3 基因组比较 基因组比较  基因组比较：将一个基因组（全部序列、预测的所有基因或蛋白质）与其自身（物种内）或其它的基因组（物种间）进行比较。  对不同物种的基因组进行比较分析，帮助我们理解基因组间的相似性、基因组的进化及其基因的进化历程 基因组内比较 vs 基因组间比较

为了提升航班运行风险预测精度，基于某航空公司2016—2018年航班运行风险数据，在验证15个风险时间序列的混沌特性后，构建基于多变量混沌时间序列的风险预测模型。首先，对15个风险时间序列进行多变量相空间重构，采用主成分分析法（PCA）对相空间进行降维处理；然后，基于迭代预测的方式，分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型；最后，以降维后的相空间作为输入，计算并比较分析未来1～7 d的风险预测结果。结果表明：多变量相空间重构后总维数为62维，经PCA降维处理，降至31维；在不同的预测模型中，降维后RBF模型预测效果最佳；其中，预测第1天结果相对误差<25%出现频数为82.62%，至第5天仍达75%以上；该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%，且前5 d均低于20%，满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值，证明基于多变量混沌时间序列的风险预测方案可行、有效