55、生物与医学领域的创新计算模型探索

生物与医学领域的创新计算模型探索

在生物与医学领域的研究中，计算模型的发展为解决复杂问题提供了强大的工具。本文将介绍三个不同方面的计算模型，包括遗传调控系统建模、生物视觉立体感知模型以及计算机断层扫描（CT）重建方法，探讨它们的原理、优势和应用。

遗传调控系统的回声状态网络（ESN）建模

在遗传调控系统的研究中，为了更好地模拟和分析基因网络，研究者采用了回声状态网络（ESN）这一特殊的自回归神经网络（ARNN）。

• ESN的优势 ：与传统的ARNN不同，ESN内部神经元的连接权重是固定的，仅输出权重可调整。这使得训练过程中不存在训练读出连接之间的循环依赖，将遗传调控系统的训练转化为简单的线性回归任务。
• 实验表现 ：通过观察原始测量和ESN输出的对比图，可以发现具有稀疏互连性的ESN能够更好地对遗传调控系统进行建模。实验研究表明，基于ESN建模并从报告蛋白的GFP密度进行训练的新遗传调控系统，在模拟大肠杆菌细胞转录调控的合成振荡网络方面表现令人满意。

生物视觉立体感知的新计算模型

计算机视觉领域长期以来依赖Marr的立体视觉计算系统，但该系统在处理复杂多样的3D自然场景图像时存在局限性。受人类生物视觉系统的启发，研究者致力于开发基于生物视觉机制的计算机视觉系统。

1. 背景与动机

Grossberg的FACADE理论和3D LAMINART模型为双目视觉系统建立了基于生物学基础的初步框架，但它们主要侧重于尽可能精确地构建生物视觉系统的数学描述，适用于解释简单图像中的视觉现