摘要：随着抗生素的大量使用,许多国家针对氟苯尼考残留制定了食品安全限量标准,并规定了相应的休药期。设计连续7 d以10 mg/(kg·d)的氟苯尼考投药试验和14 d停药的暴露试验,使用高效液相色谱检测氟苯尼考在循环水养殖系统中的残留规律以及在欧洲舌齿鲈肌肉和肝脏组织中的残留水平。试验结果显示,循环水养殖系统各处理单元中(蛋白分离器、生物滤池、紫外消毒装置)氟苯尼考的质量浓度随着投药时间的增加,呈不同程度积累上升。在投药第7 d时,各处理单元氟苯尼考的残留质量浓度均达到最大值;停药后,氟苯尼考残留质量浓度逐渐下降,停药第14 d各处理单元中的氟苯尼考水平与投药前水平相当。不同处理单元对于氟苯尼考降解率的贡献为紫外消毒装置>蛋白分离器>生物滤池。此外,氟苯尼考在欧洲舌齿鲈组织样品中的残留水平随停药时间延长而降低,停药7 d后其肝脏和肌肉组织中的残留量均低于国家标准(1000μg/kg)。本试验将为循环水系统中各水处理单元的工艺设计提供理论基础,推动水产养殖业的健康可持续发展。

摘要：目的 脑胶质瘤及其子区域的全自动分割是计算机辅助肿瘤临床诊断的基础,卷积神经网络在脑部磁共振成像(magnetic resonance imaging, MRI)分割过程中,小卷积核只能提取局部特征而无法有效融合全局特征,缩小了对影像信息的感知范围,从而导致分割精度不足的问题。本研究旨在利用膨胀卷积,针对三维(three-dimensional, 3D)-UNet不能充分提取全局特征的问题进行改进。方法 (1)算法构建:本文提出一种带有三条全局上下文特征提取通路的3D-UNet模型,即3DGE-UNet模型。使用脑部肿瘤分割挑战赛(Brain Tumor Segmentation Challenge, BraTS)2019提供的公开数据集(335例患者),设计一种全局上下文特征提取(more global contextual feature extraction, GE)模块,并将该模块引入到3DUNet网络的第一、二、三条跳跃连接处,利用该模块充分提取图像的不同尺度全局特征,并与上采样得到的特征图叠加,扩大模型感受野,实现不同尺度特征的深层融合,从而完成端到端的脑肿瘤全自动分割。(2)算法验证:图像数据来源于BraTs2019数据集(335例患者术前MRI图像,包括T1、T1ce、T2和FLAIR四种模态图像和一张医生标注的肿瘤标签图像),将数据集分别按照8∶1∶1划分为训练集、验证集和测试集。以医生标注的肿瘤标签图像为金标准,使用Dice系数(综合评价有效性)、敏感度(病灶区域的查全率)和95%Hausdorff距离(肿瘤边界的分割精度)在测试集中评估算法对完整肿瘤区域(whole tumor, WT)、核心肿瘤区域(tumor core, TC)和增强肿瘤区域(enhancing tumor, ET)三种区域的分割性能,分别使用无GE模块的3D-UNet模型和有GE模块的3DGE-UNet模型进行检测,内部验证GE模块设置的有效性。使用3DGEUNet模型、ResUNet、UNet++、nnUNet、UNETR检测上述性能指标,并比较5种算法模型的收敛性,外部验证3DGEUNet模型的有效性。结果 (1)在内部验证中,改进的3DGE-UNet模型在测试集中分割WT、TC和ET区域的Dice均值分别为91.47%、87.14%和83.35%,与传统的3D-UNet模型相比(89.79%、85.13%和80.90%),综合评价达到了最优值,对于三个区域的分割精度都有提升(P<0.05)。3DGE-UNet模型与3D-UNet模型相比,ET区(86.46%vs. 80.77%)具有更高的敏感度(P<0.05),在查全率方面表现更为优越,在面对病灶区域时,3DGE-UNet模型更倾向于正确识别并捕获更全面的阳性区域,更为有效地避免漏诊发生。3DGE-UNet模型在肿瘤WT区域边缘分割的出色性能,其95%Hausdorff距离均值优于3DUNet模型(8.17 mm vs. 13.61 mm,P<0.05),但在TC区(8.73 mm vs. 7.47 mm)和ET区(6.21 mm vs. 5.45 mm)的性能表现与3DUNet模型相似。(2)在外部验证中,其余4种算法仅TC的Dice均值(87.25%)、WT的敏感度均值(94.59%)、TC的敏感度均值(86.98%)和ET的平均95%Hausdorff距离(5.37 mm)优于3DGE-UNet模型,但差异无统计学意义。3DGE-UNet模型可以在训练阶段快速收敛,速度优于其他外部模型。结论 3DGE-UNet模型可以有效地提取和融合不同尺度的特征信息,提高脑肿瘤分割的准确性。