一种电针刺激和MSCS移植联合应用的脑出血动物模型.pdf

《一种电针刺激和MSCS移植联合应用的脑出血动物模型.pdf》由会员分享，可在线阅读，更多相关《一种电针刺激和MSCS移植联合应用的脑出血动物模型.pdf（16页珍藏版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201810180087.3 (22)申请日 2018.03.05 (71)申请人 西南医科大学 地址 646000 四川省泸州市龙马潭区香林 路1段1号 (72)发明人 杨朝鲜 范光碧 邓莉 汤华军 郑宇杰 高小青 郭侃 (74)专利代理机构 北京众合诚成知识产权代理 有限公司 11246 代理人 夏艳 (51)Int.Cl. A61D 1/00(2006.01) A61D 7/00(2006.01) G06F 17/16(2006.01) G06K 9/62(2006.01)。

2、 (54)发明名称 一种电针刺激和MSCs移植联合应用的脑出 血动物模型 (57)摘要 本发明属于医疗检测技术领域， 公开了一种 电针刺激和MSCs移植联合应用的脑出血动物模 型， 可在脑出血急性期抑制AQP-4的表达， 减轻局 部脑水肿， 恢复期可促进AQP-4表达上调， 加快水 的跨膜转运， 促进水肿消散； 可在脑出血后上调 AQP-9的表达， 加快脑水肿的消散和促进脑能量 代谢的恢复； 降低MMP-9的表达， 减轻移植排斥反 应。 在复制大鼠脑出血模型的基础上， 对其施加 电针刺激和MSCs移植联合治疗， 采用免疫组化法 检测出血灶周围脑区AQP-4、 AQP-9、 MMP-9的表达 变。

3、化以分析三种蛋白与脑水肿演变的关系， 为电 针联合细胞移植治疗脑出血的病理生理机制奠 定基础。 权利要求书4页 说明书10页 附图1页 CN 108210108 A 2018.06.29 CN 108210108 A 1.一种电针刺激和MSCs移植联合应用的脑出血动物模型， 其特征在于， 所述电针刺激 和MSCs移植联合应用的脑出血动物模型通过设置4组实验组， 以及进行时间的亚组设置， 检 测出血灶周围脑区AQP-4、 AQP-9、 MMP-9的表达变化以分析三种蛋白与脑水肿演变的关系。 2.如权利要求1所述的电针刺激和MSCs移植联合应用的脑出血动物模型， 其特征在于， 所述电针刺激和MSC。

4、s移植联合应用的脑出血动物模型利用脑立体定位仪向SD大鼠右侧尾 状核区注射肝素+I型胶原酶诱导脑出血模型， 于术后2h、 24h、 48h进行三次神经损害程度评 分， 任意一次评分大于8分者入选实验组。 3.如权利要求1所述的电针刺激和MSCs移植联合应用的脑出血动物模型， 其特征在于， 所述电针刺激和MSCs移植联合应用的脑出血动物模型实验动物分组分为： 生理盐水组、 细 胞移植组、 电针治疗组、 电针刺激联合MSCs移植组。 4.一种如权利要求1所述电针刺激和MSCs移植联合应用的脑出血动物模型的构建方 法， 其特征在于， 所述电针刺激和MSCs移植联合应用的脑出血动物模型包括： 步骤一，。

5、 实验动物分组分为： 生理盐水组、 细胞移植组、 电针治疗组、 电针刺激联合MSCs 移植组； 通过设置4组实验组， 以及进行时间的亚组设置， 检查出血灶周围脑区AQP4、 AQP-9、 MMP-9的表达变化以分析三种蛋白与脑水肿演变的关系； 步骤二， 利用脑立体定位仪向SD大鼠右侧尾状核区注射肝素+I型胶原酶诱导脑出血模 型， 于术后2h、 24h、 48h进行三次神经损害程度评分， 任意一次评分大于8分者入选实验组； 步骤三， 将冷冻保存并已作绿色荧光蛋白GFP标记的MSCs进行复苏、 传代， 当生长至细 胞融合度为80时， 换预诱导液诱导24h， 于移植前6h改用无血清诱导液诱导， 移植。

6、时收集 细胞， 调整细胞浓度至2.5107个/ml用于移植； 步骤四， 采用免疫组化SABC法观察AQP-4、 AQP-9及MMP-9在脑组织中的分布及表达， 干 湿法检测出血灶周边脑组织含水量。 5.如权利要求4所述的构建方法， 其特征在于， 所述分析三种蛋白与脑水肿演变的关系 中， 利用图像分析系统的分析模块进行分析， 具体包括： 使用移动最小二乘法的拉普拉斯抠图矩阵用移动最小二乘法替代最小二乘法构造拉 普拉斯矩阵， 并使用KNN邻域替代空间邻域， 获取非邻域像素在alpha图上的线性关系， 计算 出移动拉氏矩阵， 并得到alpha图； 除图形中的奇化部分； 建立两图形的数学模型， 由描述。

7、图 形的完备向量组建立与图形对应的特征矩阵， 计算出相邻两边的夹角； 计算两图形间的最 近距离； 对计算结果的增强性处理。 6.如权利要求5所述的构建方法， 其特征在于， 所述建立的数学模型用多边形的边长和 邻角按逆时针构造一个向量S1表示多边形： S1(l1, 1,l2， 2lN-1, N-1,lN, N)； S1和该多边形有一一映射关系， 其表示与边角初始顺序无关； 所述完备向量组， 按逆时针方向， 有2N个向量S1、 S2S2N1、 S2N和多边形均有一一映射 关系， 构成了该多边形的一个完备向量组， 表示如下： S1(l1, 1,l2， 2lN-1, N-1,lN, N)； S2( 1。

8、,l2， 2lN-1, N-1,lN, N,l1)； S2N1(lN, N,l1, 1,l2， 2lN-1, N-1)； 权 利 要 求 书 1/4 页 2 CN 108210108 A 2 S2N( N,l1, 1,l2， 2lN-1, N-1,lN)； 用矩阵SE表示完备向量， 并定义SE为该多边形的特征矩阵， SE表示如下： 所述图形中源图形和目标图形作预处理包括: 根据图形最小包容矩形长宽比设置适当域值， 进行过滤； 根据源图形中各边长与周长比的最小值设置域值， 去除目标图形中的奇化部分； 对目标图形边数作化简处理， 使和源图形具有相同边数； 获取源图形和目标图形特征矩阵中最相似向量的。

9、欧式距离和最大相和系数具体包括： 首先， 按逆时针方向分别建立源图形P和目标图形Q的特征矩阵PE和QE： PEP1T P2T P2N1T P2NT； QEQ1T Q2T Q2N1T Q2NT； 欧式距离公式d(x,y)和夹角余弦公式sim(x,y)如下： 以d(x,y)和为sim(x,y)基础， 重新定义两个矩阵D和S,使: 求出D和S中的最小值； 分别令EueminDij,1ij2N； SimemaxSij,1ij2N； 然后再按顺序针方向构造图形P和Q的特征矩阵， 重复上述计算方法， 求出两特征矩阵 中最完备向量间的最小值Euc和Simc； 最后令EuminEue， Euc； Simmin。

10、Sime， Simc； 权 利 要 求 书 2/4 页 3 CN 108210108 A 3 Eu和Sim即为P、 Q两图形对应最相似向量的欧式距离和最大相和系数。 7.如权利要求5所述的构建方法， 其特征在于， 所述对计算结果的增强性处理包括： 对初始向量进行一次到多次变形， 在用相邻边角序列构造初始向量的基础上， 再添加 图形的几何特征值， 采用添加顺序的相邻边角比作为新的初始向量； 将初始向量进行一次 到多次非线性化处理， 采用将初始向量进行开方处理； 对变形后的初始向量进行多次相似度计算， 最后按加权平均取值， 以欧式距离Eu和相 和系数Sim的评定公式如下： 上式中n为向量变形的次数。

11、， ki为权重系数， Eui和Simi为第i次变形后向量的欧式距离， Eu(P,Q)为欧式距离的评定， n4， ki取0.25； 构造抠图拉氏矩阵时， 使用移动最小二乘法替代最小二乘法得到alpha图上的线性关 系,所述移动最小二乘抠图的方法如下： 在灰度图像中,窗口wi的邻域内alpha值满足局部线性条件， 使用移动最小二乘法求解 局部线性关系， 表示如下： 公式(1)中权值， i是邻域wk中的权值； 式(1)表示为以下矩阵的形式: 对于每个邻域wk,Gk定义为 wk 2矩阵； Gk每行包括向量(Ii,1)， Wk是每行向量对应的 权值i组成的向量， Gk 为Gk的Wk加权， 对应的每行向量。

12、表示为(Wk.Ii,Wk)， 是邻域内所有 像素对应的alpha值组成的向量； 系数ak,bk解得如下所示： Gk Wk.Gk 令J( )表示为下式： 权 利 要 求 书 3/4 页 4 CN 108210108 A 4 i,j是Kronecker delta函数， k和 2分别是小窗口wk内的基于Wk的加权均值和方差， wk 是窗口内像素的个数,L为移动拉氏抠图矩阵； 引入权值i， 应用至彩色模型， 彩色模型下的移动最小二乘抠图方法如下： 用下式表示彩色图像各通道间的线性关系： c为彩色图像的通道数,在考虑各个通道信息后， 式(1)转化为下式: 对式(2)进行化简后， 解得彩色模型下移动拉氏。

13、矩阵如下式所示： J( ) L T； 在(3)式中， I为小邻域内所有像素对应3*1颜色向量组成的矩阵，k为I的Wk加权平均, k是I在Wk加权下的协方差矩阵。 权 利 要 求 书 4/4 页 5 CN 108210108 A 5 一种电针刺激和MSCs移植联合应用的脑出血动物模型 技术领域 0001 本发明属于医疗检测技术领域， 尤其涉及一种电针刺激和MSCs移植联合应用的脑 出血动物模型。 背景技术 0002 脑出血是指原发性非外伤性脑实质内出血， 是急性脑血管疾病中最严重的一种。 多见于原发性高血压伴脑小动脉硬化的中老年病人， 因血压骤升时导致脑小动脉破裂、 使 血液聚集于脑实质内所致。。

14、 脑出血起病急、 病情重、 病死率和致残率高， 是严重危害人类健 康的杀手之一。 脑出血后， 血液快速涌入脑实质内， 使受挤压的脑组织局部血液循环和营养 代谢中断、 血脑屏障损毁、 炎症介质和代谢产物堆积等， 导致脑组织水平衡被打破， 引发严 重的脑水肿。 在脑缺血缺氧和脑水肿的双重作用下， 出血灶中心和周边区域神经元坏死导 致严重的神经功能障碍。 因此， 改善脑出血后脑缺血缺氧症状、 减轻脑水肿、 补充缺失的神 经元是恢复神经功能和降低致残和致死率的关键。 迄今为止， ICH缺乏满意而有效的治疗手 段， 其内科治疗与手术治疗仅能使脑组织不被进一步破坏并尽可能多的保存神经功能， 难 以实现坏死。

15、组织的再生与修复。 0003 交互式抠图技术在医学交互下抠取图像的前景， 被广泛的应用在病变图像及视频 编辑、 三维重建等领域中， 有极高的应用价值。 近年来的抠图技术中， 拉氏矩阵给出alpha图 上像素间的线性关系， 对alpha图的估计起到了重要作用。 交互式抠图是在有限的图像交互 下， 计算前景的alpha图， 从而将前景从背景中分离出来。 抠图问题的输入是原图像I和摄取 病变提供的三分图， 输出是alpha图及前景F、 背景B， 因此是典型的病态问题， 需要引入假设 条件求解alpha图。 抠图算法可分为三类： 基于采样的方法、 基于传播的方法、 采样和传播结 合的方法。 0004 。

16、现有技术推导出的拉氏抠图矩阵给出邻域像素的alpha值间的线性关系， 被广泛 的应用在抠图算法中； 拉氏抠图矩阵有其局限性， 拉氏抠图矩阵表示空间邻域内像素间的 关系， 但不能体现非邻域间像素间的关系； 拉氏抠图矩阵建立在空间连续的假设基础上， 在 某些前景和背景分量突变的区域， 拉氏抠图矩阵难以得到理想的效果。 0005 综上所述， 现有技术存在的问题是： ICH缺乏满意而有效的治疗手段， 其内科治疗 与手术治疗仅能使脑组织不被进一步破坏并尽可能多的保存神经功能， 难以实现坏死组织 的再生与修复。 发明内容 0006 针对现有技术存在的问题， 本发明提供了一种电针刺激和MSCs移植联合应用的。

17、脑 出血动物模型。 0007 本发明是这样实现的， 一种电针刺激和MSCs移植联合应用的脑出血动物模型， 所 述电针刺激和MSCs移植联合应用的脑出血动物模型通过设置4组实验组， 以及进行时间的 亚组设置， 检测出血灶周围脑区AQP-4、 AQP-9、 MMP-9的表达变化以分析三种蛋白与脑水肿 说 明 书 1/10 页 6 CN 108210108 A 6 演变的关系。 0008 进一步， 所述电针刺激和MSCs移植联合应用的脑出血动物模型利用脑立体定位仪 向SD大鼠右侧尾状核区注射肝素+I型胶原酶诱导脑出血模型， 于术后2h、 24h、 48h进行三次 神经损害程度评分， 任意一次评分大于。

18、8分者入选实验组。 0009 进一步， 所述电针刺激和MSCs移植联合应用的脑出血动物模型实验动物分组分 为： 生理盐水组、 细胞移植组、 电针治疗组、 电针刺激联合MSCs移植组。 0010 本发明的另一目的在于提供一种所述电针刺激和MSCs移植联合应用的脑出血动 物模型的构建方法， 所述电针刺激和MSCs移植联合应用的脑出血动物模型包括： 0011 步骤一， 实验动物分组分为： 生理盐水组、 细胞移植组、 电针治疗组、 电针刺激联合 MSCs移植组； 通过设置4组实验组， 以及进行时间的亚组设置， 检查出血灶周围脑区AQP4、 AQP-9、 MMP-9的表达变化以分析三种蛋白与脑水肿演变的。

19、关系； 0012 步骤二， 利用脑立体定位仪向SD大鼠右侧尾状核区注射肝素+I型胶原酶诱导脑出 血模型， 于术后2h、 24h、 48h进行三次神经损害程度评分， 任意一次评分大于8分者入选实验 组； 0013 步骤三， 将冷冻保存并已作绿色荧光蛋白GFP标记的MSCs进行复苏、 传代， 当生长 至细胞融合度为80时， 换预诱导液诱导24h， 于移植前6h改用无血清诱导液诱导， 移植时 收集细胞， 调整细胞浓度至2.5107个/ml用于移植； 0014 步骤四， 采用免疫组化SABC法观察AQP-4、 AQP-9及MMP-9在脑组织中的分布及表 达， 干湿法检测出血灶周边脑组织含水量。 001。

20、5 进一步， 所述分析三种蛋白与脑水肿演变的关系中， 利用图像分析系统的分析模 块进行分析， 具体包括： 0016 使用移动最小二乘法的拉普拉斯抠图矩阵用移动最小二乘法替代最小二乘法构 造拉普拉斯矩阵， 并使用KNN邻域替代空间邻域， 获取非邻域像素在alpha图上的线性关系， 从而计算出移动拉氏矩阵， 并得到alpha图； 除图形中的奇化部分； 建立两图形的数学模型， 由描述图形的完备向量组建立与图形对应的特征矩阵， 计算出相邻两边的夹角； 计算两图 形间的最近距离； 对计算结果的增强性处理。 0017 进一步， 所述建立的数学模型用多边形的边长和邻角按逆时针构造一个向量S1表 示多边形： 。

21、0018 S1(l1, 1,l2， 2lN-1, N-1,lN, N)； 0019 S1和该多边形有一一映射关系， 其表示与边角初始顺序无关； 0020 所述完备向量组， 按逆时针方向， 有2N个向量S1、 S2S2N1、 S2N和多边形均有一 一映射关系， 构成了该多边形的一个完备向量组， 表示如下： 0021 S1(l1, 1,l2， 2lN-1, N-1,lN, N)； 0022 S2( 1,l2， 2lN-1, N-1,lN, N,l1)； 0023 0024 S2N1(lN, N,l1, 1,l2， 2lN-1, N-1)； 0025 S2N( N,l1, 1,l2， 2lN-1, 。

22、N-1,lN)； 0026 用矩阵SE表示完备向量， 并定义SE为该多边形的特征矩阵， SE表示如下： 说 明 书 2/10 页 7 CN 108210108 A 7 0027 0028 所述图形中源图形和目标图形作预处理包括: 0029 根据图形最小包容矩形长宽比设置适当域值， 进行过滤； 0030 根据源图形中各边长与周长比的最小值设置域值， 去除目标图形中的奇化部分； 0031 对目标图形边数作化简处理， 使和源图形具有相同边数； 0032 获取源图形和目标图形特征矩阵中最相似向量的欧式距离和最大相和系数具体 包括： 0033 首先， 按逆时针方向分别建立源图形P和目标图形Q的特征矩阵P。

23、E和QE： 0034 PEP1T P2T P2N1T P2NT； 0035 QEQ1T Q2T Q2N1T Q2NT； 0036 欧式距离公式d(x,y)和夹角余弦公式sim(x,y)如下： 0037 0038 0039 以d(x,y)和为sim(x,y)基础， 重新定义两个矩阵D和S,使: 0040 0041 求出D和S中的最小值； 0042 分别令EueminDij,1ij2N； SimemaxSij,1ij2N； 0043 然后再按顺序针方向构造图形P和Q的特征矩阵， 重复上述计算方法， 求出两特征 矩阵中最完备向量间的最小值Euc和Simc； 0044 最后令EuminEue， Euc。

24、； 0045 SimminSime， Simc； 0046 Eu和Sim即为P、 Q两图形对应最相似向量的欧式距离和最大相和系数。 说 明 书 3/10 页 8 CN 108210108 A 8 0047 进一步， 所述对计算结果的增强性处理包括： 0048 对初始向量进行一次到多次变形， 在用相邻边角序列构造初始向量的基础上， 再 添加图形的几何特征值， 采用添加顺序的相邻边角比作为新的初始向量； 将初始向量进行 一次到多次非线性化处理， 采用将初始向量进行开方处理； 0049 对变形后的初始向量进行多次相似度计算， 最后按加权平均取值， 以欧式距离Eu 和相和系数Sim的评定公式如下： 0。

25、050 0051 0052 0053 上式中n为向量变形的次数， ki为权重系数， Eui和Simi为第i次变形后向量的欧式 距离， Eu(P,Q)为欧式距离的评定， n4， ki取0.25； 0054 构造抠图拉氏矩阵时， 使用移动最小二乘法替代最小二乘法得到alpha图上的线 性关系,所述移动最小二乘抠图的方法如下： 0055 在灰度图像中,窗口wi的邻域内alpha值满足局部线性条件， 使用移动最小二乘法 求解局部线性关系， 表示如下： 0056 0057 公式(1)中权值， i是邻域wk中的权值； 式(1)表示为以下矩阵的形式: 0058 0059 对于每个邻域wk,Gk定义为 wk 。

26、2矩阵； Gk每行包括向量(Ii,1)， Wk是每行向量对 应的权值i组成的向量， Gk 为Gk的Wk加权， 对应的每行向量表示为(Wk.Ii,Wk)， 是邻域内 所有像素对应的alpha值组成的向量； 0060 系数ak,bk解得如下所示： 0061 0062令J( )表示为下式： 0063 说 明 书 4/10 页 9 CN 108210108 A 9 0064 0065 i,j是Kronecker delta函数， k和 2分别是小窗口wk内的基于Wk的加权均值和方 差， wk 是窗口内像素的个数,L为移动拉氏抠图矩阵； 0066 引入权值i， 应用至彩色模型， 彩色模型下的移动最小二乘。

27、抠图方法如下： 0067 用下式表示彩色图像各通道间的线性关系： 0068 0069 c为彩色图像的通道数,在考虑各个通道信息后， 式(1)转化为下式: 0070 0071 对式(2)进行化简后， 解得彩色模型下移动拉氏矩阵如下式所示： 0072 J( ) L T； 0073 0074 0075 在(3)式中， I为小邻域内所有像素对应3*1颜色向量组成的矩阵，k为I的Wk加权平 均,k是I在Wk加权下的协方差矩阵。 0076 本发明的模型在复制大鼠脑出血模型的基础上， 对其实施加电针刺激和MSCs移植 联合治疗， 采用免疫组化法检测出血灶周围脑区AQP-4、 AQP-9、 MMP-9的表达变。

28、化以分析三 种蛋白与脑水肿演变的关系， 为电针联合细胞移植治疗脑出血的病理生理机制奠定基础。 0077 本发明提供的使用移动最小二乘法的拉普拉斯抠图矩阵方法， 有复杂的前景和前 景区域， 以及前景和背景复杂混合的区域， 都能取得较好的效果。 使用最小移动二乘法替代 最小二乘法推导出移动拉氏矩阵； 相对于最小二乘法， 移动最小二乘法求解的线性条件更 为准确； 使用KNN邻域替代空间邻域， 使得拉氏矩阵可以反映非邻域间像素的alpha值的关 系。 本发明的使用移动最小二乘法的拉普拉斯抠图矩阵方法， 根据矩阵求解alpha图,从而 可以对复杂背景下的图像进行前景抠图处理,相比以前的方法更为有效， 可。

29、以求解出更为 精确的alpha图， 并在图中前背景复杂的区域， 特别是在前景和背景颜色混合区域， 以及局 部会出现空洞的区域， 变化较大的区域， 都能取得良好的效果。 0078 本发明提高了对图形相似度的视觉分辨效果， 尤其对人工不易分辨高相似度图形 的难点有很大帮助； 图形检测效果有较强的稳定性和可靠性； 检测时间短， 运行高效， 实施 效果成本低。 本发明仅对图形的边进行查询， 减少了数据处理量。 本发明通过构造图形的特 征矩阵， 选取合适的判定准则， 并对特征矩阵元素进行多次增强性非线性变换， 用多数值、 多标准的加权平均值建立相似度标准， 达到了算法高效并有较强的稳定性。 附图说明 0。

30、079 图1是本发明实施例提供的电针刺激和MSCs移植联合应用的脑出血动物模型构建 流程图。 说 明 书 5/10 页 10 CN 108210108 A 10 具体实施方式 0080 为能进一步了解本发明的发明内容、 特点及功效， 兹例举以下实施例， 并配合附图 详细说明如下。 0081 下面结合附图对本发明的结构作详细的描述。 0082 如图1所示， 本发明实施例提供的电针刺激和MSCs移植联合应用的脑出血动物模 型的关键方法包括以下步骤： 0083 S101： 实验动物分组分为： 生理盐水组、 细胞移植组、 电针治疗组、 电针刺激联合 MSCs移植组； 通过设置4组实验组， 以及进行时间。

31、的亚组设置， 检查出血灶周围脑区AQP4、 AQP-9、 MMP-9的表达变化以分析三种蛋白与脑水肿演变的关系； 0084 S102： 利用脑立体定位仪向SD大鼠右侧尾状核区注射肝素+I型胶原酶诱导脑出血 模型， 于术后2h、 24h、 48h进行三次神经损害程度评分， 任意一次评分大于8分者入选实验 组； 0085 S103： 将冷冻保存并已作绿色荧光蛋白GFP标记的MSCs进行复苏、 传代， 当生长至 细胞融合度为80时， 换预诱导液诱导24h， 于移植前6h改用无血清诱导液诱导， 移植时收 集细胞， 调整细胞浓度至2.5107个/ml用于移植； 0086 S104： 采用免疫组化SABC。

32、法观察AQP-4、 AQP-9及MMP-9在脑组织中的分布及表达， 干湿法检测出血灶周边脑组织含水量。 0087 按分组后喂养的时间不同将各组动物再次分组。 0088 本发明的优点及积极效果为： 该模型在复制大鼠脑出血模型的基础上， 对其施加 电针刺激和MSCs移植联合治疗， 采用免疫组化法检测出血灶周围脑区AQP-4、 AQP-9、 MMP-9 的表达变化以分析三种蛋白与脑水肿演变的关系， 为电针联合细胞移植治疗脑出血的病理 生理机制奠定基础。 0089 所述分析三种蛋白与脑水肿演变的关系中， 利用图像分析系统的分析模块进行分 析， 具体包括： 0090 使用移动最小二乘法的拉普拉斯抠图矩阵。

33、用移动最小二乘法替代最小二乘法构 造拉普拉斯矩阵， 并使用KNN邻域替代空间邻域， 获取非邻域像素在alpha图上的线性关系， 从而计算出移动拉氏矩阵， 并得到alpha图； 除图形中的奇化部分； 建立两图形的数学模型， 由描述图形的完备向量组建立与图形对应的特征矩阵， 计算出相邻两边的夹角； 计算两图 形间的最近距离； 对计算结果的增强性处理。 0091 进一步， 所述建立的数学模型用多边形的边长和邻角按逆时针构造一个向量S1表 示多边形： 0092 S1(l1, 1,l2， 2lN-1, N-1,lN, N)； 0093 S1和该多边形有一一映射关系， 其表示与边角初始顺序无关； 0094。

34、 所述完备向量组， 按逆时针方向， 有2N个向量S1、 S2S2N1、 S2N和多边形均有一 一映射关系， 构成了该多边形的一个完备向量组， 表示如下： 0095 S1(l1, 1,l2， 2lN-1, N-1,lN, N)； 0096 S2( 1,l2， 2lN-1, N-1,lN, N,l1)； 0097 说 明 书 6/10 页 11 CN 108210108 A 11 0098 S2N1(lN, N,l1, 1,l2， 2lN-1, N-1)； 0099 S2N( N,l1, 1,l2， 2lN-1, N-1,lN)； 0100 用矩阵SE表示完备向量， 并定义SE为该多边形的特征矩阵。

35、， SE表示如下： 0101 0102 所述图形中源图形和目标图形作预处理包括: 0103 根据图形最小包容矩形长宽比设置适当域值， 进行过滤； 0104 根据源图形中各边长与周长比的最小值设置域值， 去除目标图形中的奇化部分； 0105 对目标图形边数作化简处理， 使和源图形具有相同边数； 0106 获取源图形和目标图形特征矩阵中最相似向量的欧式距离和最大相和系数具体 包括： 0107 首先， 按逆时针方向分别建立源图形P和目标图形Q的特征矩阵PE和QE： 0108 PEP1T P2T P2N1T P2NT； 0109 QEQ1T Q2T Q2N1T Q2NT； 0110 欧式距离公式d(x。

36、,y)和夹角余弦公式sim(x,y)如下： 0111 0112 0113 以d(x,y)和为sim(x,y)基础， 重新定义两个矩阵D和S,使: 0114 0115 求出D和S中的最小值； 0116 分别令EueminDij,1ij2N； SimemaxSij,1ij2N； 0117 然后再按顺序针方向构造图形P和Q的特征矩阵， 重复上述计算方法， 求出两特征 矩阵中最完备向量间的最小值Euc和Simc； 说 明 书 7/10 页 12 CN 108210108 A 12 0118 最后令EuminEue， Euc； 0119 SimminSime， Simc； 0120 Eu和Sim即为P、。

37、 Q两图形对应最相似向量的欧式距离和最大相和系数。 0121 进一步， 所述对计算结果的增强性处理包括： 0122 对初始向量进行一次到多次变形， 在用相邻边角序列构造初始向量的基础上， 再 添加图形的几何特征值， 采用添加顺序的相邻边角比作为新的初始向量； 将初始向量进行 一次到多次非线性化处理， 采用将初始向量进行开方处理； 0123 对变形后的初始向量进行多次相似度计算， 最后按加权平均取值， 以欧式距离Eu 和相和系数Sim的评定公式如下： 0124 0125 0126 0127 上式中n为向量变形的次数， ki为权重系数， Eui和Simi为第i次变形后向量的欧式 距离， Eu(P,。

38、Q)为欧式距离的评定， n4， ki取0.25； 0128 构造抠图拉氏矩阵时， 使用移动最小二乘法替代最小二乘法得到alpha图上的线 性关系,所述移动最小二乘抠图的方法如下： 0129 在灰度图像中,窗口wi的邻域内alpha值满足局部线性条件， 使用移动最小二乘法 求解局部线性关系， 表示如下： 0130 0131 公式(1)中权值， i是邻域wk中的权值； 式(1)表示为以下矩阵的形式: 0132 0133 对于每个邻域wk,Gk定义为 wk 2矩阵； Gk每行包括向量(Ii,1)， Wk是每行向量对 应的权值i组成的向量， Gk 为Gk的Wk加权， 对应的每行向量表示为(Wk.Ii,。

39、Wk)， 是邻域内 所有像素对应的alpha值组成的向量； 0134 系数ak,bk解得如下所示： 0135 0136令J( )表示为下式： 说 明 书 8/10 页 13 CN 108210108 A 13 0137 0138 0139 i,j是Kronecker delta函数， k和 2分别是小窗口wk内的基于Wk的加权均值和方 差， wk 是窗口内像素的个数,L为移动拉氏抠图矩阵； 0140 引入权值i， 应用至彩色模型， 彩色模型下的移动最小二乘抠图方法如下： 0141 用下式表示彩色图像各通道间的线性关系： 0142 0143 c为彩色图像的通道数,在考虑各个通道信息后， 式(1)。

40、转化为下式: 0144 0145 对式(2)进行化简后， 解得彩色模型下移动拉氏矩阵如下式所示： 0146 J( ) L T； 0147 0148 在(3)式中， I为小邻域内所有像素对应3*1颜色向量组成的矩阵，k为I的Wk加权平 均,k是I在Wk加权下的协方差矩阵。 0149 下面结合具体分析对本发明作进一步描述。 0150 最后详细说明本模型实验结果： 0151 1、 出血灶周边脑组织水含量:各组模型脑组织水含量在第3d开始升高， 第5d达 到峰值。 Ea组各时间点脑组织水含量均低于其余各组(p0.05)。 Ea-MSCs组只有5d、 7d 组脑组织水含量低于Control组(p0.05。

41、)。 Ea-MSCs组与MSCs组之间比较未见统计差异。 0152 2、 出血灶周边区脑组织AQP-4的表达变化:(1)免疫荧光双标显示， AQP-4阳性物质 表达于出血灶周边脑区胶质酸性纤维蛋白(GFAP)阳性细胞突起上。 (2)免疫组化检测出血 灶周边脑区AQP-4阳性产物的OD值(平均光密度值):Control组、 MSCs组和Ea-MSCs组AQP- 4在第3d开始升高， 于第5d达到峰值， MSCs组和Ea-MSCs组在第7d后再度升高， 而Control组 和Ea组在达峰值后未见升高。 Ea-MSCs组和MSCs组在第1d、 5d时AQP-4表达均低于Control 组(p0.05。

42、)， 在第14d表达却高于Control组(p0.05)， 且Ea-BMSCs组第1d、 5d的表达低于 MSCs组(p0.05)， 而第14d蛋白的表达与MSCs组比较无统计学差异。 0153 3、 出血灶周边区脑组织AQP-9的表达变化:免疫组化检测出血灶周边脑区AQP-9阳 性产物OD值显示， Control组、 MSCs组和Ea-MSCs组AQP-9蛋白在第1d开始升高， 于第3d和 7d第两次达到峰值， 而Ea组只于第7d达到峰值； 第3d， Ea-MSCs组AQP-9表达高于Control 组、 BMSCS组和Ea组(p0.05)， 而MSCSs组与Control组和Ea组之间比较。

43、无统计学差异； 第 7d， Ea组、 Ea-MSCs组和MSCs组AQP-9表达均高于Control组(p0.05)， Ea-MSCs组AQP-9表达 高于Ea组， 且具有统计学差异(p0.05),但Ea-MSCs组与MSCs组之间比较差异无统计学意 说 明 书 9/10 页 14 CN 108210108 A 14 义。 0154 4、 出血灶周边区脑组织MMP-9的表达变化:(1)免疫荧光检则可见， MMP-9阳性产物 主要表达于出血灶及周边脑区， 且随着时间的推移， 阳性表达产物逐渐减少。 (2)免疫组化 检测出血灶周边脑区MMP-9阳性产物OD值显示， Ea-MSCs组和MSCs组MM。

44、P-9表达于第1d开 始升高， 第3d达到峰值， 之后缓慢下降， Ea-MSCs组于第7d开始出现上升的趋势。 Control组 和Ea组一直呈现缓慢下降的趋势。 在第ld， Ea-MSCs组和Ea组显著低于MSCs组和Control 组(p0.05)， 但Ea-MSCs组和Ea组之间比较以及MSCSs组和Control组之间比较， 未见统计学 差异。 在第3d， Ea-MSCs组和Ea组MMP-9表达低于Control组(p0.05)， Ea-MSCs组高于Ea组 (p0.05)； MSCs组高于Control组(p0.05)。 在第14d， Ea-MSCs组和MSCs组MMP-9表达均高 于Control组(p0.05)， Ea组低于Control组(p0.05)， 但Ea-MSCs组、 MSCs组组间比较未见 统计学差异。 0155 以上所述仅是对本发明的较佳实施例而已， 并非对本发明作任何形式上的限制， 凡是依据本发明的技术实质对以上实施例所做的任何简单修改， 等同变化与修饰， 均属于 本发明技术方案的范围内。 说 明 书 10/10 页 15 CN 108210108 A 15 图1 说 明 书 附 图 1/1 页 16 CN 108210108 A 16 。