目的探讨乳腺癌易感基因1(breast cancer susceptibility gene 1,BRCA1)在散发性乳腺癌干细胞和分化细胞中的表达及意义。方法选取散发性乳腺浸润性导管癌新鲜标本30例,采用机械分离法将乳腺癌组织块制备成单细胞悬液,通过免疫磁珠两步...目的探讨乳腺癌易感基因1(breast cancer susceptibility gene 1,BRCA1)在散发性乳腺癌干细胞和分化细胞中的表达及意义。方法选取散发性乳腺浸润性导管癌新鲜标本30例,采用机械分离法将乳腺癌组织块制备成单细胞悬液,通过免疫磁珠两步法从中分离出乳腺癌干细胞(CD44+/CD24-细胞)和分化细胞(CD24+、CD44-、CD24-细胞),应用免疫细胞化学PV6000两步法分别检测两组细胞BRCA1的表达情况。结果乳腺癌干细胞所占比例平均为2.96%,乳腺癌干细胞BRCA1阴性组与阳性组相比,乳腺癌干细胞在乳腺癌中的比例明显升高,其差异有统计学意义(P<0.01);BRCA1在乳腺癌干细胞和分化细胞的阳性率分别为53.3%(16/30)8、3.3%(25/30),差异有显著性(P<0.05)。结论 BRCA1能够抑制乳腺癌干细胞的增殖,某些乳腺癌的癌干细胞在增殖分化过程中出现BRCA1的表达。展开更多
在自动驾驶感知系统中视觉传感器与激光雷达是关键的信息来源,但在目前的3D目标检测任务中大部分纯点云的网络检测能力都优于图像和激光点云融合的网络,现有的研究将其原因总结为图像与雷达信息的视角错位以及异构特征难以匹配,单阶段...在自动驾驶感知系统中视觉传感器与激光雷达是关键的信息来源,但在目前的3D目标检测任务中大部分纯点云的网络检测能力都优于图像和激光点云融合的网络,现有的研究将其原因总结为图像与雷达信息的视角错位以及异构特征难以匹配,单阶段融合算法难以充分融合二者的特征.为此,本文提出一种新的多层多模态融合的3D目标检测方法:首先,前融合阶段通过在2D检测框形成的锥视区内对点云进行局部顺序的色彩信息(Red Green Blue,RGB)涂抹编码;然后将编码后点云输入融合了自注意力机制上下文感知的通道扩充PointPillars检测网络;后融合阶段将2D候选框与3D候选框在非极大抑制之前编码为两组稀疏张量,利用相机激光雷达对象候选融合网络得出最终的3D目标检测结果.在KITTI数据集上进行的实验表明,本融合检测方法相较于纯点云网络的基线上有了显著的性能提升,平均mAP提高了6.24%.展开更多
文摘在自动驾驶感知系统中视觉传感器与激光雷达是关键的信息来源,但在目前的3D目标检测任务中大部分纯点云的网络检测能力都优于图像和激光点云融合的网络,现有的研究将其原因总结为图像与雷达信息的视角错位以及异构特征难以匹配,单阶段融合算法难以充分融合二者的特征.为此,本文提出一种新的多层多模态融合的3D目标检测方法:首先,前融合阶段通过在2D检测框形成的锥视区内对点云进行局部顺序的色彩信息(Red Green Blue,RGB)涂抹编码;然后将编码后点云输入融合了自注意力机制上下文感知的通道扩充PointPillars检测网络;后融合阶段将2D候选框与3D候选框在非极大抑制之前编码为两组稀疏张量,利用相机激光雷达对象候选融合网络得出最终的3D目标检测结果.在KITTI数据集上进行的实验表明,本融合检测方法相较于纯点云网络的基线上有了显著的性能提升,平均mAP提高了6.24%.
