Centrality Dependence of Direct Photons in Au+Au Collisions at sqrt(s_NN) = 200 GeV
视网膜功能启发的边缘检测层级模型

视网膜功能启发的边缘检测层级模型郑程驰 1范影乐1摘 要 基于视网膜对视觉信息的处理方式, 提出一种视网膜功能启发的边缘检测层级模型. 针对视网膜神经元在周期性光刺激下产生适应的特性, 构建具有自适应阈值的Izhikevich 神经元模型; 模拟光感受器中视锥细胞、视杆细胞对亮度的感知能力, 构建亮度感知编码层; 引入双极细胞对给光−撤光刺激的分离能力, 并结合神经节细胞对运动方向敏感的特性, 构建双通路边缘提取层; 另外根据神经节细胞神经元在多特征调控下延迟激活的现象, 构建具有脉冲延时特性的纹理抑制层; 最后将双通路边缘提取的结果与延时抑制量相融合, 得到最终边缘检测结果. 以150张来自实验室采集和AGAR 数据集中的菌落图像为实验对象对所提方法进行验证, 检测结果的重建图像相似度、边缘置信度、边缘连续性和综合指标分别达到0.9629、0.3111、0.9159和0.7870, 表明所提方法能更有效地进行边缘定位、抑制冗余纹理、保持主体边缘完整性. 本文面向边缘检测任务, 构建了模拟视网膜对视觉信息处理方式的边缘检测模型, 也为后续构建由视觉机制启发的图像计算模型提供了新思路.关键词 边缘检测, 视网膜, Izhikevich 模型, 神经编码, 方向选择性神经节细胞引用格式 郑程驰, 范影乐. 视网膜功能启发的边缘检测层级模型. 自动化学报, 2023, 49(8): 1771−1784DOI 10.16383/j.aas.c220574Multi-layer Edge Detection Model Inspired by Retinal FunctionZHENG Cheng-Chi 1 FAN Ying-Le 1Abstract Based on the processing of visual information by the retina, this paper proposes a multi-layer model of edge detection inspired by retinal functions. Aiming at the adaptive characteristics of retinal neurons under periodic light stimulation, an Izhikevich neuron model with adaptive threshold is established; By simulating the perception ability of cones and rods for luminance and color in photoreceptors, the luminance perception coding layer is con-structed; By introducing the ability of bipolar cells for separating light stimulation, and combining with the charac-teristics of ganglion cells sensitive to the direction of movement, a multi-pathway edge extraction layer is constructed;In addition, according to the phenomenon of delayed activation of ganglion cell neurons under multi-feature regula-tion, a texture inhibition layer with pulse delay characteristics is constructed; Finally, by fusing the result of multi-pathway edge extraction with the delay suppression amount, the final edge detection result is obtained. The 150colony images from laboratory collection and AGAR dataset are used as experimental objects to test the proposed method. The reconstruction image similarity, edge confidence, edge continuity and comprehensive indicators of the detection results are 0.9629, 0.3111, 0.9159 and 0.7870, respectively. The results show that the proposed method can better localize edges, suppress redundant textures, and maintain the integrity of subject edges. This research is oriented to the task of edge detection, constructs an edge detection model that simulates the processing of visual information by the retina, and also provides new ideas for the construction of image computing model inspired by visual mechanism.Key words Edge detection, retina, Izhikevich model, neural coding, direction-selective ganglion cells (DSGCs)Citation Zheng Cheng-Chi, Fan Ying-Le. Multi-layer edge detection model inspired by retinal function. Acta Automatica Sinica , 2023, 49(8): 1771−1784边缘检测作为目标分析和识别等高级视觉任务的前级环节, 在图像处理和工程应用领域中有重要地位. 以Sobel 和Canny 为代表的传统方法大多根据相邻像素间的灰度跃变进行边缘定位, 再设定阈值调整边缘强度和冗余细节[1]. 虽然易于计算且快速, 但无法兼顾弱边缘感知与纹理抑制之间的有效性, 难以满足复杂环境下的应用需要. 随着对生物视觉系统研究的进展, 人们对视觉认知的过程和视觉组织的功能有了更深刻的了解. 许多国内外学者在这些视觉组织宏观作用的基础上, 进一步考虑神经编码方式与神经元之间的相互作用, 并应用于边缘检测中. 这些检测方法大多首先会选择合适的神经元模型模拟视觉组织细胞的群体放电特性, 再关联例如视觉感受野和方向选择性等视觉机制, 以不收稿日期 2022-07-14 录用日期 2022-11-29Manuscript received July 14, 2022; accepted November 29,2022国家自然科学基金(61501154)资助Supported by National Natural Science Foundation of China (61501154)本文责任编委 张道强Recommended by Associate Editor ZHANG Dao-Qiang1. 杭州电子科技大学模式识别与图像处理实验室 杭州 3100181. Laboratory of Pattern Recognition and Image Processing,Hangzhou Dianzi University, Hangzhou 310018第 49 卷 第 8 期自 动 化 学 报Vol. 49, No. 82023 年 8 月ACTA AUTOMATICA SINICAAugust, 2023同的编码方式将输入的图像转化为脉冲信号, 经过多级功能区块处理和传递后提取出图像的边缘. 其中, 频率编码和时间编码是视觉系统编码光刺激的重要方式, 在一些计算模型中被广泛使用. 例如,文献[2]以HH (Hodgkin-Huxley)神经元模型为基础, 使用多方向Gabor滤波器模拟神经元感受野的方向选择性, 实现神经元间连接强度关联边缘方向,将每个神经元的脉冲发放频率作为边缘检测的结果输出, 实验结果表明其比传统方法更有效; 文献[3]在 LIF (Leaky integrate-and-fire) 神经元模型的基础上进行改进, 引入根据神经元响应对外界输入进行调整的权值, 在编码的过程中将空间的脉冲发放转化为时序上的激励强度, 实现强弱边缘分类, 对梯度变化幅度小的弱边缘具有良好的检测能力. 除此之外, 也有关注神经元突触间的相互作用, 通过引入使突触的连接权值产生自适应调节的机制来提取边缘信息的计算方法. 例如, 文献 [4] 构建具有STDP (Spike-timing-dependent plasticity) 性质的神经元模型, 根据突触前后神经元首次脉冲发放时间顺序来增强或减弱突触连接, 对真伪边缘具有较强的辨别能力; 文献 [5] 则在构建神经元模型时考虑了具有时间不对称性的STDP机制, 再融合方向特征和侧抑制机制重建图像的主要边缘信息, 其计算过程对神经元突触间的动态特性描述更加准确.更进一步, 神经编码也被应用于实际的工程需要.例如, 文献 [6]针对现有的红外图像边缘检测算法中存在的缺陷, 构建一种新式的脉冲神经网络, 增强了对红外图像中弱边缘的感知; 文献 [7] 则通过模拟视皮层的处理机制, 使用包含左侧、右侧和前向3条并行处理支路的脉冲神经网络模型提取脑核磁共振图像的边缘, 并将提取的结果用于异常检测,同样具有较好的效果. 上述方法都在一定程度上考虑了视觉组织中神经元的编码特性以及视觉机制,与传统方法相比, 在对复杂环境的适应性更强的同时也有较高的计算效率. 但这些方法都未能考虑到神经元自身也会随着外界刺激产生适应, 从而使活动特性发生改变. 此外, 上述方法大多也只选择了频率编码、时间编码等编码方式中的一种, 并不能完整地体现视觉组织中多种编码方式的共同作用.事实上, 在对神经生理实验和理论的持续探索中发现, 视觉组织(以视网膜为例)在对视觉刺激的加工中就存在着丰富的动态特性和编码机制[8−9]. 视网膜作为视觉系统中的初级组织结构, 由多种不同类型的细胞构成, 共同组成一个纵横相连、具有层级结构的复杂网络, 能够针对不同类型的刺激性选择相应的编码方式进行有效处理. 因此, 本文面向图像的边缘检测任务, 以菌落图像处理为例, 模拟视网膜中各成分对视觉信息的处理方式, 构建基于视网膜动态编码机制的多层边缘检测模型, 以适应具有多种形态结构差异的菌落图像边缘检测任务.1 材料和方法本文提出的算法流程如图1所示. 首先, 根据视网膜神经元在周期性光刺激下脉冲发放频率发生改变的特性, 构建具有自适应阈值特性的Izhikevich 神经元模型, 改善神经元的同步发放能力; 其次, 考虑光感受器对强弱光和颜色信息的不同处理方式编码亮度信息, 实现不同亮度水平目标与背景的区分;然后, 引入固视微动机制, 结合神经节细胞的方向选择性和给光−撤光通路的传递特性, 将首发脉冲时间编码的结果作为双通路的初级边缘响应输出;随后, 模拟神经节细胞的延迟发放特性, 融入对比度和突触前后偏好方向差异, 计算各神经元的延时抑制量, 对双通路的计算结果进行纹理抑制; 最后,整合双通路边缘信息, 将二者融合为最终的边缘检测结果.1.1 亮度感知编码层构建神经元模型时, 本文综合考虑对神经元生理特性模拟的合理性和进行仿真计算的高效性, 以Izhikevich模型[10]为基础构建神经元模型. Izhike-vich模型由Izhikevich在HH模型的基础上简化而来, 在保留原模型对神经元放电模式描述的准确性的同时, 也具有较低的时间复杂度, 适合神经元群体计算时应用, 其表达式如下式所示v thv th 其中, v为神经元的膜电位, 其初始值设置为 −70; u为细胞膜恢复变量, 设置为14; I为接收的图像亮度刺激; 为神经元脉冲发放的阈值, 设置为30; a描述恢复变量u的时间尺度, b描述恢复变量u 对膜电位在阈值下波动的敏感性, c和d分别描述产生脉冲发放后膜电位v的重置值和恢复变量u的增加程度, a, b, c, d这4个模型参数的典型值分别为0.02、0.2、−65和6. 若某时刻膜电位v达到,则进行一次脉冲发放, 同时该神经元对应的v被重置为c, u被重置为u + d.适应是神经系统中广泛存在的现象, 具体表现为神经元会根据外界的刺激不断地调节自身的性质. 其中, 视网膜能够适应昼夜环境中万亿倍范围的光照变化, 这种适应能够帮助其在避免饱和的同时保持对光照的敏感性[11]. 研究表明, 视网膜持续1772自 动 化 学 报49 卷接受外界周期性光刺激时, 光感受器会使神经元细胞的活动特性发生改变, 导致单个神经元的发放阈值上升, 放电频率下降; 没有脉冲发放时, 对应阈值又会以指数形式衰减, 同时放电频率逐渐恢复[12].因此, 本文在Izhikevich 模型的基础上作出改进,加入根据脉冲发放频率对阈值进行自适应调节的机制, 如下式所示τ1τ2τ1τ2v th τ1v th τ2其中, 和 分别为脉冲发放和未发放时阈值变化的时间常数, 其值越小, 阈值变化的幅度越大, 神经元敏感性变化的过程越快; 反之, 则表示阈值变化的幅度越小, 神经元敏感性变化的过程也就越慢.生理学实验表明, 在外界持续光刺激下, 神经元对刺激产生适应导致放电频率降低后, 这种适应衰退的过程比产生适应的过程通常要长数倍[13]. 因此,为了在准确模拟生理特性的同时保证计算模型的性能, 本文将 和 分别设置为20和40. 这样, 当某时刻某个神经元产生脉冲发放时, 则对应阈值 根据 的值升高, 神经元产生适应, 活跃度降低; 反之, 对应阈值 根据 的值下降, 神经元的适应衰退, 活跃度提升. 实现限制活跃神经元的脉冲发放频率, 促进不活跃神经元的脉冲发放, 改善神经元群体的同步发放能力, 减少检测目标内部冗余. 图2边缘检测结果图 1 边缘检测算法原理图Fig. 1 Principle of edge detection algorithm8 期郑程驰等: 视网膜功能启发的边缘检测层级模型1773显示了改进前后的Izhikevich 模型对图像进行处理后目标内部冗余情况.0∼255为了规范检测目标图像的亮度范围, 本文将输入的彩色图像Img 各通路的亮度映射到 区间内, 如下式所示Img (;i )I (;i )其中, 和 表示经亮度映射前和映射后的R 、G 、B 三种颜色分量图像; max(·) 和min(·)分别计算对应分量图像中的最大和最小像素值.光感受器分两类, 分别为视锥细胞和视杆细胞[14], 都能将接收到的视觉刺激转化为电信号, 实现信息的编码和传递. 其中, 视锥细胞能够根据外界光刺激的波长来分解为三个不同的颜色通道[15].考虑到人眼对颜色信息的敏感性能有效区分离散目标与背景, 令图像中的每个像素点对应一个神经元,将R 、G 、B 三种颜色分量图像分别输入上文构建的神经元模型中, 在一定时间范围内进行脉冲发放,如下式所示fires (x,y ;i )其中, 为每个神经元的脉冲发放次数,函数Izhikevich(·)表示式(2)给出的神经元模型.视杆细胞对光线敏感, 主要负责弱光环境下的外界刺激感知. 当光刺激足够强时, 视杆细胞的感知能力达到饱和, 视觉系统转为使用视锥细胞负责亮度信息的处理[16]. 因此, 除了对颜色信息敏感外,视锥细胞对强光也有高度辨别能力. 考虑到作为检测对象的图像中, 目标与背景具有不同的亮度水平,本文构建一种综合视锥细胞和视杆细胞亮度感知能力的编码方法, 以适应目标与背景不同亮度对比的多种情况, 如下式所示I base I base (x,y )fires Res (x,y )其中, var(·) 计算图像亮度方差; ave(·) 计算图像亮度均值. 本文取三种颜色分量图像中方差最大的一幅作为基准图像 , 对于其中的像素值 ,将其中亮度低于平均亮度的部分设置为三种颜色分量脉冲发放结果的最小值, 反之设置为最大值, 最终得到模型的亮度编码结果 , 实现在图像局部亮度相对较低的区域由视杆细胞进行弱光感知, 亮度较高区域由视锥细胞处理, 强化计算模型对不同亮度目标和背景的区分能力, 凸显具有弱边缘的对象. 图3显示了亮度感知编码对存在弱边缘的对象的感知能力.1.2 基于固视微动的多方向双通路边缘提取层Img gray 人眼注视目标时, 接收的图像并非是静止的,而是眼球以每秒2至3次的微动使投射在视网膜上的图像发生持续运动, 不断地改变照射在光感受器上的光刺激[17]. 本文考虑人眼的固视微动机制,在原图像的灰度图像 上构建大小为3×3的微动作用窗口temp , 使窗口接收到的亮度信息朝8个方向进行微动, 如下式所示p i q i θi temp θi d x d y 其中, 和 是用于决定微动方向 的参数, 其值被设置为 −1、0或1, 通过计算反正切函数能够得到以45° 为单位、从0° 到315° 的8个角度的微动方向, 对应8个微动结果窗口 ; 和 分别表示水平和竖直方向的微动尺度; Dir 为计算得到(a) 原图(a) Original image (b) Izhikevich 模型(b) Izhikevich model (c) 改进的 Izhikevich 模型(c) Improved Izhikevich model图 2 改进前后的Izhikevich 模型对图像进行脉冲发放的结果对比图Fig. 2 Comparison of the image processing results of the Izhikevich model before and after improvement1774自 动 化 学 报49 卷Dir (x,y )的微动方向矩阵, 其中每个像素点的值为 ;sum(·) 计算窗口中像素值的和. 本文取每个微动窗口前后差异最大的方向作为该点的偏好方向, 分别用数字1 ~ 8表示.视网膜存在一类负责对运动刺激编码、具有方向选择性的神经节细胞 (Direction-selective gangli-on cells, DSGCs)[18]. 经过光感受器处理, 转化为电信号的视觉信息, 通过双极细胞处理后传递给神经节细胞. 双极细胞可分为由光照增强 (ON) 激发的细胞和由光照减弱 (OFF) 激发的细胞[19], 分别将信号输入给光通路 (ON-pathway)和撤光通路 (OFF-pathways) 两条并行通路[20], 传递给光运动和撤光运动产生的刺激. 而神经节细胞同样包括ON 和OFF 两种, 会对给光和撤光所产生的运动方向做出反应[21]. 因此, 本文构造5×5大小的对特定方向微动敏感的神经节细胞感受野窗口, 将其对偏好方向和反方向微动所产生的响应分别作为给光通路和撤光通路的输入. 以偏好方向为45° 的方向选择性神θi fires Res S xy ∗通过上述定义, 可以形成以45° 为单位、从0°到315° 的8个方向的感受野窗口, 与上文 的8个方向对应. 之后本文在亮度编码结果 上构筑与感受野相同大小的局部窗口 , 根据最优方向矩阵Dir 对应窗口中心点的方向, 取与其相同和相反方向的感受野窗口和亮度编码结果进行卷积运算 (本文用符号 表示卷积运算), 分别作为ON 和OFF 通道的输入, 如下式所示T ON T OFF 考虑到眼球微动能够将静止的空间场景转变为视网膜上的时间信息流, 激活视网膜神经元的发放,同时ON 和OFF 两通路也只在光刺激的呈现和撤去的瞬时产生电位发放, 因此本文采用首发脉冲时间作为编码方式, 将 和 定义为两通路首次脉冲发放时间构成的时间矩阵, 并作为初级边缘响应的结果. 将1个单位的发放时间设置为0.25, 当总发放时间大于30时停止计算, 此时还未进行发放的神经元即被判断为非边缘.1.3 多特征脉冲延时纹理抑制层视网膜神经节细胞在对光刺激编码的过程中,外界刺激特征的变化会显著影响神经元的反应时间. 研究发现, 当刺激对比度增大时, 神经元反应延时会减小, 更快速地进行脉冲发放; 反之, 则反应延时增大, 抑制神经元的活性[22]. 除此之外, 方向差异也会影响神经元活动, 突触前后偏好方向相似的神经元更倾向于优先连接, 在受到外界刺激时能够更快被同步激活[23]. 因此, 本文引入视网膜的神经元延时发放机制, 考虑方向和对比度对神经元敏感性的影响, 构造脉冲延时抑制模型. 首先结合局部窗口权重函数计算图像对比度, 如下式所示ω(x i ,y i )其中, 为窗口权重函数, L 为亮度图像, Con(a) 原图(a) Original image (b) Izhikevich 模型(b) Izhikevich model (c) 改进的 Izhikevich 模型(c) Improved Izhikevich model (d) 亮度感知编码(d) Luminance perception coding图 3 不同方式对存在弱边缘的菌落图像的处理结果Fig. 3 Different ways to process the image of colonies with weak edges8 期郑程驰等: 视网膜功能启发的边缘检测层级模型1775S xy x i y i µ=∑x i ,y i ∈S xy ω(x i ,y i )为对比度图像, 为以(x , y )为中心的局部窗口,( , ) 为方窗中除中心外的周边像素, ws 为局部方窗的窗长, . 之后考虑局部方窗中心神经元和周边神经元方向差异, 同时用高斯函数模拟对比度大小与延时作用强度之间的关系, 构建脉冲延时抑制模型, 如下式所示D Dir (x,y )D Con (x,y )D (x,y )∆Dir (x i ,y i )min {|θ(x i ,y i )−θ(x,y )|,2π−|θ(x i ,y i )−θ(x,y )|}δ其中, 和 分别表示方向延时抑制量和对比度延时抑制量; 为计算得到的综合延时抑制量; 为突触前后神经元微动方向的差异, 被定义为 ; 用于调节对比度延时抑制量.T ON T OFFRes ON Res OFF 将上文计算得到的两个时间矩阵 和 中进行过脉冲发放的神经元与综合延时抑制量相加, 同样设置1个单位的发放时间为0.25, 将经延时作用后总发放时间大于30的神经元设置为不发放, 即判定为非边缘, 反之则判定为边缘. 根据式(19)和式(20) 得到两通道边缘检测结果 和. 最后, 将两通道得到的结果融合, 得到最终边缘响应结果Res ,如下式所示2 算法流程基于视网膜对视觉信息的处理顺序和编码特性, 本文构建图4所示的算法流程, 具体步骤如下:1) 根据视网膜在外界持续周期性光刺激下产生的适应现象, 在式(1)所示的Izhikevich 模型上作出改进, 构建如式(2)所示的具有自适应阈值的Izhikevich 模型.2) 根据式(3)将作为检测目标的图像映射到0 ~ 255区间规范亮度范围, 接着分离3种通道的颜色分量, 根据式(4)输入到改进的Izhikevich 模型中进行脉冲发放.3) 根据式(5)的方差计算提取出基准图像, 再结合基准图像根据式(6)对三通道脉冲发放的结果进行亮度感知编码, 得到亮度编码结果.4) 考虑人眼的固视微动机制, 根据式(7)和式(8)通过原图的灰度图像提取每个神经元的偏好方向, 得到微动方向矩阵, 接着根据式(9)和式(10)构筑8个方向的方向选择性神经节细胞感受野窗口.5) 根据式(11)和式(12), 将感受野窗口与亮度编码图像作卷积运算, 并输入Izhikevich 模型中得到ON 和OFF 通路的首发脉冲时间矩阵, 作为两通道的初级边缘响应.6) 根据式(13) ~ 式 (15), 结合局部窗口权重计算图像对比度.7) 考虑对比度和突触前后偏好方向对脉冲发放的延时作用, 根据式(16) ~ 式 (18)构建延时纹理抑制模型, 并根据式(19)和式(20)将纹理抑制模型和两通道的初级边缘响应相融合.8) 根据式(21)将两通路纹理抑制后的结果在神经节细胞处进行整合, 得到最终边缘响应结果.3 结果为了验证本文方法用于菌落边缘检测的有效性, 本文选择Canny 方法和其他3种同样基于神经元编码的边缘检测方法作为横向对比, 并进行定性、定量分析. 首先, 选择文献[4]提出的基于神经元突触可塑性的边缘检测方法(Synaptic plasticity model, SPM), 用于对比本文方法对弱边缘的增强效果; 其次, 选择文献[24]提出的基于抑制性突触的多层神经元群放电编码的边缘检测方法 (Inhibit-ory synapse model, ISM), 验证本文的延时抑制层在抑制冗余纹理方面的有效性; 然后, 选择文献[25]提出的基于突触连接视通路方向敏感的分级边缘检测方法(Orientation sensitivity model, OSM), 对比本文方法在抑制冗余纹理的同时保持边缘提取完整性上的优势; 最后, 还以本文方法为基础, 选择去除亮度感知编码后的方法(No luminance coding,NLC)作为消融实验, 以验证本文方法模拟光感受器功能的亮度感知编码模块的有效性.本文使用实验室在微生物学实验中采集的菌落图像和AGAR 数据集[26]作为实验对象. 前者具有丰富的颜色和形态结构, 用于检验算法对复杂检测环境的适应性; 后者则存在更多层次强度的边缘信息, 菌落本身与背景的颜色和亮度水平也较为相近,用于检测算法对颜色、亮度特征和弱边缘的敏感性.本文通过局部采样生成150张512×512像素大小的测试图像, 其中38张来自实验室采集, 112张来自AGAR 数据集. 然后分别使用上文的6种边缘1776自 动 化 学 报49 卷检测算法提取图像边缘, 使每种算法得到150张边缘检测结果, 其中部分检测结果如图5所示.定性分析图5可知, Canny 、SPM 和ISM 方法在Colony4和Colony5等存在弱边缘的图像中往往会出现大面积的边缘丢失. OSM 方法对弱边缘的敏感性强于以上3种方法, 但仍然会出现不同程度的边缘断裂, 且在调整阈值时难以均衡边缘连续性和目标菌落内部冗余. NLC 方法同样丢失了Colony4和Colony5中几乎所有的边缘, 对于Colony3也只能检出其中亮度较低的菌落内部, 对于梯度变化不明显的边缘辨别力差. 与其他方法相比, 本文方法检出的边缘更加显著且完整性更高, 对于弱边缘也有很强的检测能力, 在Colony3、Colony4和Colony5等存在多层次水平强弱边缘的菌落图像中能够取得较好的检测结果. 为了对检测结果进行定量分析并客观评价各方法的优劣, 计算边缘图像重建相似度MSSIM [27]对检测结果进行重建, 并计算重建图像与原图像的相似度作为边缘定位的准确性RGfires (R)fires (G)亮度编码结果Luminance codingresult方差计算Variance1 2 3ON-result对比度Contrast脉冲延时抑制量Neuron spiking delay感受野窗口感受野窗口DSGC templateOFF-通路输出OFF-result 5)6)7)图 4 边缘检测算法流程图Fig. 4 The procedure of edge detection algorithm8 期郑程驰等: 视网膜功能启发的边缘检测层级模型1777图 5 Colony1 ~ Colony5的边缘检测结果(第1行为原图; 第2行为Canny 检测的结果; 第3行为SPM 检测的结果; 第4行为ISM 检测的结果; 第5行为OSM 检测的结果; 第6行为NLC 检测的结果; 第7行为本文方法检测的结果)Fig. 5 Edge detection results of Colony1 to Colony5 (The first line is original images; The second line is the results of Canny; The third line is the results of SPM; The fourth line is the results of ISM; The fifth line is the results of OSM;The sixth line is the results of NLC; The seventh line is the results of the proposed method)1778自 动 化 学 报49 卷指标. 首先对检测出的边缘图像做膨胀处理, 之后将原图像上的像素值赋给膨胀后边缘的对应位置,得到的图像记为ET , 则边缘重建如下式所示T k ET d k 其中, 为图像 上3×3窗口中8个方向的周边像素, 为窗口中心像素点与周边像素的距离, 计算得到重建图像R . 重建图像的相似度指标如下式所示µA µB σA σB σAB 其中, 和 为原图像和重建图像的灰度均值, 和 为其各自的标准差, 为原图像与重建图像之间的协方差. 将原图像和重建图像各自分为N 个子图, 并分别计算相似度指标SSIM , 得到平均相似度指标MSSIM . 除此之外, 为了验证边缘检测方法检出边缘的真实性和对菌落内部冗余纹理的抑制能力, 本文计算边缘置信度BIdx [28], 根据边缘两侧灰度值的跃变程度判断边缘的真伪. 边缘置信度指标如下式所示σij E (x i k ,y ik )(x i ,y i )d i其中, 为边缘像素在原图像对应位置的邻域标准差, EdgeNum 为边缘像素数量. 另外, 本文进一步计算边缘连续性 CIdx [29]来验证检出目标的边缘完整性. 首先将得到的边缘图像E 分割为m 个区域, 分别计算每个区域中的边缘像素 到其空间中心 的距离 ,则连续性指标如下式所示c i k C i n i 其中, 为边缘连续性的贡献值, D 为阈值, 为第i 个区域的像素点的连续性贡献值之和,为第i 个区域边缘像素点数量. 最后, 将计算得到的3个指标根据下式融合, 得到综合评价指标EIdx [21]其中, row 和col 分别为原图像的行数和列数. 于是, 检测图像的各项性能指标如表1 ~ 表5所示, 图像重建的结果如图6所示.表 1 不同检测方法下的重建相似度MSSIM Table 1 MSSIM of different methodsSerial number MSSIMCanny SPMISMOSMNLC本文方法Colony10.74520.77250.83570.92650.91750.9371Colony20.79510.79710.84900.95280.94470.9725Colony30.85760.86620.83140.91490.83370.9278Colony40.96900.98270.98380.98870.98930.9972Colony50.96340.97580.97800.97710.98830.9933表 2 不同检测方法下的边缘置信度BIdx Table 2 BIdx of different methodsSerial number BIdxCanny SPMISMOSMNLC本文方法Colony10.49880.46180.43070.58010.50580.6026Colony20.18210.15370.15530.33650.46150.4479Colony30.19830.15100.16100.26340.12630.3257Colony40.16310.14880.19060.14370.15210.2016Colony50.16200.18960.19020.18820.17350.1654表 3 不同检测方法下的边缘连续性CIdxTable 3 CIdx of different methodsSerial numberCIdxCanny SPMISMOSMNLC本文方法Colony10.83770.85300.86010.86760.97490.9652Colony20.80690.86550.85330.82930.91770.9518Colony30.80640.74080.72930.82690.77640.9406Colony40.81430.86110.90440.84300.90150.9776Colony50.90470.84480.86320.85920.87090.95718 期郑程驰等: 视网膜功能启发的边缘检测层级模型1779。
潘诺夫斯基

1
1. 引言
2
2. 《图像研究学》的研究内容
3
3. 潘诺夫斯基的贡献
4
4. 《图像研究学》在读书课作业中的应用
5
5. 结论
PART.1
1. 引言
潘诺夫斯基的《图像研 究学》是一部经典的著 作,它对图像研究领域
产生了深远的影响
本文将探讨《图像研究 学》对该领域的推动作 用,并讨论它在读书课 作业中的应用
潘诺夫斯基的研究成果对图像研究领域的发展起到了积极的推动作用。他 的理论和方法被广泛应用于图像处理、计算机视觉、模式识别等领域,为 这些领域的发展注入了新的活力
PART.4
4. 《图像研究学》在读书课作业中的应用
此外,学生还可以选择书中的某个具体研究方向 深入探究,撰写相关的作业报告。他们可以就该 领域的研究现状、问题和挑战进行分析,提出自 己的观点和思考,并结合具体案例进行讨论。通 过这样的作业,学生能够提高分析问题和解决问 题的能力,培养科研思维和创新精神
贡献
潘诺夫斯基的《图像研究学》 对图像研究领域起到了重要
的推动作用
在读书课作业中,该书不仅 可以用于学生的实践练习, 也可以用于学生的研究探究
-
20XX
THANK YOU
ace PowerPoint Template
《图像研究学》的研究内容丰富多样,可以应用 于读书课作业中。学生可以利用书中介绍的图像 处理方法进行实验,探究不同算法对图像处理效 果的影响。通过实践练习,学生可以更好地理解
和掌握图像研究的基本原理和方法
PART.5
5. 结论
他的研究成果为图像处理和 计算机视觉等领域的发展带
来了新的思路和方法
通过学习和应用《图像研究 学》的知识,学生可以提高 自己的专业水平和科研能力, 为图像研究领域的发展做出
如何准确划出脑胶质瘤的领地

如何准确划出脑胶质瘤的“领地”?血脑屏障的通透性变化是许多脑内疾病病生理过程中重要的一环,许多中枢神经系统肿瘤如脑胶质瘤将破坏血管的血脑屏障, 使血管内皮通透性增大, 进入血管内的Gd对比剂渗漏到周围组织中。
此时,对比剂的T1短效占据主导地位[1]。
动态对比增强磁共振成像(DCE-MRI)是通过静脉注射钆对比剂(如钆双胺)无创评价组织和肿瘤血管特性的一种功能性成像方法。
由于DCE-MRI成像空间分辨率达到毫米级,所以要获得组织内亚结构间对比剂浓度变化的相互联系并生成参数,就需要借助药代动力学模型进行分析。
DCE-MRI分析中最早出现,应用最广泛的是Tofts模型。
在单室Tofts模型中,只有细胞外血管外空间(EES)一个室,即V e。
在双室模型中,包含血浆内容积Vp 和EES容积Vp两个室,两室间交换的过程决定了双室Tofts模型。
Tofts双室模型的三个主要参数是:血浆和细胞外血管外间隙(EES)间的容积转移常量(K trans),代表对比剂从血管内到EES的外渗速率;血浆与EES间的速率常数(K ep),代表对比剂从EES到血浆内的回流速率;EES容积(V e),V e=K trans/ K ep[2]。
一般情况下,K trans反映了血管渗透性和血流的共同作用,在血流受限的情况下,K trans由血管渗透性决定。
相反,在血管渗透性一定的情况下,K trans更多地反映了血流的情况。
研究显示,DCE-MRI及K trans图能清晰显示各级胶质瘤的浸润范围。
相较常规增强MRI而言,DCE-MRI结合Tofts模型所勾画的肿瘤面积更大(图1),且常规增强MRI在脑胶质瘤级别越高时靶区主层面K trans图测量面积平均误差越大,III级时达25.1%,IV级时达26.3%(n=28)[3]。
图1 IV级脑胶质瘤患者DCE-MRI勾画肿瘤边界(左)与常规增强MRI勾画肿瘤边界(右)此外,K trans可作为高、低级别脑胶质瘤鉴别诊断的参数指标。
以脑功能区为ROI的白质纤维束重建在颅内肿瘤中的应用

和 脑 肿 瘤 三 者 之 间关 系 , 临 床提 供 手 术 指 导 方 案 。 为 关 键 词 血 氧 水 平 依 赖 磁 共 振 成 像 扩 散 张 量 成像 ( T ) 图 像 融 合 DI
W ht t r ie n l c n t cinB sd o eAe v t nAr a d n i e r u hf i Ma t b r e eF Bu d e Re o s u t a e n t t a i e sI e t d t o g r o h i o i f h MRI n I ta r n a T mo s Y a in u nr ca il u r. i u n J a h a.
tv l ip a ft eai n hi t e u to la e s,wht te i e un ls, a h umo . Thi w e o tucin ag rt ms iey ds ly o he rl to s p bewe n f ncina r a ie mat rfb rb d e nd t e t r sne r c nsr to lo ih
E d cio Me b 2 0 , 8 2 :0 —7 4 n o r l t ,0 3 8 ( ) 7 1 0 n a
wt ases nep r na svr aue pnrais J . I・ i dnhnu o xei t eee ct a ceti[ ] n h me l t
2 0 6 ( 0) 8 9—8 4 0 2,8 1 :6 7
基于引力模型的固体发动机CT图像边缘检测

当 l R时 : }
密切关系, 选择阶跃型边缘为例 , 分析算子尺寸 与 检 测得 到 的边 缘厚 度 的关 系 , 以便 实 际 使 用 中有 依据 地对 算 子尺 寸进行 选择 。
交 的方 向 ; 、 D 邻域 点对 某 一 点 的引 力 与邻 域 点 灰 度值 成 正 比 ; 引 力合 力 越 大 , 检 测 点 为 E、 则 边缘 可 能性 越 大 , 阈值 选 取 为合 力 最 大值 的百 分比。
识别发动机 C T图像 中的缺陷成为急待解决 的
问题 。由于 图像 边缘 包 含 了丰 富 的缺 陷 信 息 , 缺 陷识 别 之 前 一 般 需 对 C 图像 边 缘 进 行 提 T 取, 目前 边缘 提取 方 法 大 都是 基 于 边缘 检测 算 子 的 , 用 的边 缘 检测 算 子 有 R br 算 子 、 常 oet s
于光辉 , 卢洪义 , 朱 敏 , 刘旭东 , 侯志强
( 军航 空工 程学 院 , 海 山东烟 台 24 0 ) 60 1
摘要 : 为对固体发动机的 C T图像进行 更有 效的边 缘检 测 , 出一种基 于引力模 型 的边缘检 测算 提 子。利用新 的边缘检测算子得到 固体发动机边缘 图像 , 通过与常用边缘算子检测结果的 比较 , 出新算 得 子对边缘 检测 的优越性 ; 通过不同尺寸新算子的边缘检测 结果 的比较 , 得出成像质量高 的 C 还 T图像选 择小尺寸算子 进行 边缘检测 、 成像质量低的 C T图像选 择大尺寸算子进行边缘检测的结论。 关键词 : 引力模型 ; 边缘检测算 子; 固体发动机
ห้องสมุดไป่ตู้
图像证史的理论与方法探析_以卡罗_金兹堡的图像研究为例_李根

E · H · : 《艺术与错觉— — —图画再现的心理学研究》 , 贡布里希 第 171 页。 Carlo Ginzburg , “From Aby Warburg to E. H. Gombrich: A Problem of Method” , in Clues, Myths, and the Historical Method, p. 45. : 《艾比 · , 《美术史的形状: 从瓦萨里到 20 世纪 20 年代 · , 贡布里希 瓦尔堡: 他的目的和方法》 载于 Ⅰ》 第 444 页。 : 《艾比 · , 《美术史的形状: 从瓦萨里到 20 世纪 20 年代·I》 , 贡布里希 瓦尔堡: 他的目的和方法》 载于 第 451 - 452 页。 Carlo Ginzburg , “From Aby Warburg to E. H. Gombrich: A Problem of Method” , in Clues, Myths, and the Historical Method, p. 46. Carlo Ginzburg , “From Aby Warburg to E. H. Gombrich: A Problem of Method” , in Clues, Myths, and the Historical Method, p. 48. Carlo Ginzburg , “From Aby Warburg to E. H. Gombrich: A Problem of Method” , in Clues, Myths, and the Historical Method, p. 55.
85
— —以卡罗 · 图像证史的理论与方法探析— 金兹堡的图像研究为例
(武汉大学)分子生物学考研名词汇总

(武汉大学)分子生物学考研名词汇总●base flipping 碱基翻出●denaturation 变性DNA双链的氢键断裂,最后完全变成单链的过程●renaturation 复性热变性的DNA经缓慢冷却,从单链恢复成双链的过程●hybridization 杂交●hyperchromicity 增色效应●ribozyme 核酶一类具有催化活性的RNA分子,通过催化靶位点RNA链中磷酸二酯键的断裂,特异性地剪切底物RNA分子,从而阻断基因的表达●homolog 同源染色体●transposable element 转座因子●transposition 转座遗传信息从一个基因座转移至另一个基因座的现象成为基因转座,是由转座因子介导的遗传物质重排●kinetochore 动粒●telomerase 端粒酶●histone chaperone 组蛋白伴侣●proofreading 校正阅读●polymerase switching 聚合酶转换●replication folk 复制叉刚分开的模板链与双链DNA的连接区●leading strand 前导链在DNA复制过程中,与复制叉运动方向相同,以5’-3’方向连续合成的链被称为前导链●lagging strand 后随链在DNA复制过程中,与复制叉运动方向相反的,不连续延伸的DNA链被称为后随链●Okazaki fragment 冈崎片段●primase 引物酶依赖于DNA的RNA聚合酶,其功能是在DNA复制过程中合成RNA引物●primer 引物是指一段较短的单链RNA或DNA,它能与DNA的一条链配对提供游离的3’-OH末端以作为DNA聚合酶合成脱氧核苷酸链的起始点●DNA helicase DNA解旋酶●single-strand DNA binding protein, SSB 单链DNA结合蛋白●cooperative binding 协同结合●sliding DNA clamp DNA滑动夹●sliding clamp loader 滑动夹装载器●replisome 复制体●replicon 复制子单独复制的一个DNA单元称为一个复制子,一个复制子在一个细胞周期内仅复制一次●replicator 复制器●initiator protein 起始子蛋白●end replication problem 末端复制问题●homologous recombination 同源重组●strand invasion 链侵入●Holliday junction Holliday联结体●branch migration 分支移位●joint molecule 连接分子●synthesis-dependent strand annealing, SDSA 合成依赖性链退火●gene conversion 基因转变●conservative site-specific recombination, CSSR 保守性位点特异性重组●recombination site 重组位点●recombinase recognition sequence 重组酶识别序列●crossover region 交换区●serine recombinase 丝氨酸重组酶●tyrosine recombinase 酪氨酸重组酶●lysogenic state 溶原状态●lytic growth 裂解生长●transposon 转座子能够在没有序列相关性的情况下独立插入基因组新位点上的一段DNA序列,是存在与染色体DNA上可自主复制和位移的基本单位。
应用组织芯片技术研究喉癌中人光蛋白聚糖的表达及意义

本实验 对 6 2对组 织芯 片研 究 显示 。 癌细胞 组 中有 4 6例 不 同程度 L m cn蛋 白的表 达 , 与癌 细胞 毗邻 的 成纤 维细 u ia 在 胞 中的 表 达较 弱 . 仅 1 而 7例 癌 旁 正常 组 织 中有 L mia u cn的 弱表 达 。部 分 癌旁 正 常 黏 膜 上 皮组 织 中有 L mia u cn的弱 表 达 。研究 结果 与 L u等四 的不完 全一致 . 考虑 可 能与 下列 因素
aa uft J. il h m, 9 ,7 (6:6 5 9 2 . t sl e[ J o e 1 82 31) 1- 6 1 n a ] B C 9 9
[1 riga E F agA . rtol as mayf m n ayfn・ 2 Hadnh m T , o n J Poegy n : n r sa dm c s c o n u
富含亮 氨酸 蛋 白聚糖 (ma1e cn c rtolcn, L P s l l ier hpoeg a s S R ) u i y 不仅 可以调节细胞 外水平 衡 、 影响组 织生 物力学 , 同时在细胞 迁 移 、 殖 、 瘤 生 长 、 附 和 移 行 。 及 调 节 生 长 因子 的 活 性 增 肿 黏 以
[】张映, 4 张园. 喉癌 13例治疗分析m. 6 交通医学,0 92 () 3 9 . 2 0 ,31: — 4 9 【】 L P I iaaT K w hr E pes no mi ni u n cl 5 uY ,s w t , a a aaK. x rsi fu c nh ma o h o l a ・ oetlc crcU J. ahl yItrainl 025 ( :1 - 2 . rea a e e s[】 Ptoo ne t a, 0 ,28 5 9 5 6 n g n o 2 ) 【1郑玉明. 6 喉癌 6 8例手术治疗分析叨. 中国医药导报2 0 ,[ ) 8 - 13 . e,0 61 () 2 — 2 0 1
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
arXiv:nucl -th/0507018v 1 7 J u l 2005Centrality Dependence of Direct Photons in Au+Au Collisions at√s NN =200GeV [13]and the centrality dependence of the photon yield in Au+Au collisions measured by PHENIX at the Relativistic Heavy Ion Collider (RHIC)[14]is our first chance to obtain an understanding of the different photon sources.Here,we shall address the question whether the data allow us to draw conclusions about the relative contri-butions from different photon production mechanisms to the direct photon spectrum in Au+Au collisions.The data is still limited by (statistical and systematic)uncer-tainties,but the results represent a remarkable achieve-ment because of the experimental challenge to subtract the background of photons from secondary hadronic de-cays,especially neutral pions.Fortunately,in Au+Au collisions at RHIC this background is reduced at inter-mediate and high transverse momenta p T >2GeV/c by the large final state suppression (commonly called “jet quenching”)for pions and other hadrons [15,16].Thus,while the low-p T part of the photon spectrum remains clouded by the large hadronic background,this is an in-vitation to look for electromagnetic signals of a quark gluon plasma at intermediate and high p T [8,17].Let us briefly recall the photon sources that are im-portant at p T >2GeV/c .We define prompt photons as those coming from hard Compton and annihilation pro-cesses (e.g.q +g →q +γand q +¯q →g +γ)and those emit-ted from jets after the hard interaction as bremsstrahlung (e.g.q →q +γ).A baseline for these processes can be obtained by studying p +p and p +¯p interactions.Besides an obvious scaling from p +p collisions to Au+Au col-lisions with the number N coll ,and an isospin correction due to the presence of p +n and n +n collisions,Comp-ton and annihilation spectra are expected to be altered2only marginally by initial state nuclear effects.Neutral pion spectra measured in d +Au collisions indicate that such effects from shadowing and k T-broadeningare small[18].The hardprocessitself is pointlike on typical scales of the medium and therefore remains unaffected.Direct photon spectra measured in d +Au could help to quantify the role of initial state effects.Bremsstrahlung emission from jets,on the other hand,takes place on more extended distances and thus can be affected by final state interactions.Energy loss effects would then be noticeable as a suppression of bremsstrahlung [19],while secondary scattering in the medium could initiate additional bremsstrahlung or mod-ify bremsstrahlung by coherence effects [9].In our work we assume that the total photon yield from jets can be described by the superposition of the usual vacuum bremsstrahlung with an additional contribution from jets annihilating and Compton scattering in the medium as described in [8].Photons from secondary hard scatterings in the pre-equilibrium phase have been studied elsewhere and could contribute to photons at intermediate and high p T [20].In order to minimize possible effects from neglecting pre-equilibrium emission,we assume a very early thermaliza-tion time,τ0≈0.15fm/c ,in central collisions,not much larger than the formation time of minijets.An early ther-malization of the matter created in Au+Au collisions at RHIC is supported by several observations,especially the large elliptic flow.We also assume that the matter is chemically equilibrated at the initial time.Secondary collisions are then either between thermalized partons or between hard scattered partons and the medium,which are both taken into account here.Similar strategies for dealing with the uncertainties of pre-equilibrium emission have been invoked elsewhere [21].We now recall the specifics of the jet-medium inter-action process.We denote the momenta of the jet,the thermal parton,and the photon by p jet ,p th and p γ,respectively.The leading order QCD Compton and an-nihilation cross sections are peaked in the forward and backward directions.In the laboratory frame we have |p jet |≫|p th |∼T ,where T is the temperature of the plasma.For high energy photons,i.e.|p γ|≫T ,this im-plies that |p γ|≈|p jet |.This justifies calling the process a conversion of a jet (or more precisely:a quark initiating a jet)into a photon with similar momentum [8].Only quark jets contribute to this process,because the gluon-photon scattering cross section is not peaked at forward angles.The rate of photon production by annihilation and Compton scattering of jets in the medium can be ap-proximated as [8]E γdN4π2qe 2qf q (p γ,x )T2ln 4E γTg q πR 2T τp TdN jetd 2p T dy(b )=T AA (b )d 2p T dy(b =0).(3)This expression shows that the photon yield due to jet-photon conversion scales as a product of the nuclearthickness and a term dependent on the initial conditions,like temperature and size,and on the history of the evolu-tion of the fireball.A measurement of the photon spectra at different centralities could thus help reveal this infor-mation,as the primary hard photons will scale with the nuclear thickness T AA alone.FIG.1:Invariant cross section Edσ/d 3p for π0and γpro-duction in p +p collisions at√10-20%30-40%234.5114.014.35 5.230.1660.2010.3950.328TABLE I:Number of participants N part ,nuclear thickness factor T AA ,initial time τ0and initial temperature T 0for dif-ferent centrality bins.For the fireball we assume a thermally and chemicallyequilibrated plasma at some early time τ0with initial temperature T 0.The product T 3τis conserved during the isentropic longitudinal expansion,and its value can be fixed by the total hadron multiplicity dN h /dy .The initial conditions are determined byimposing the ther-malization condition τ0≈1/(3T 0).Table I lists the ini-tial times and temperatures inferred from the charged hadron multiplicity dN/dηmeasured by PHENIX [15]for different centrality bins.Nuclear thickness factors and number of participants are also given.The transverse profile of the initial temperature is fixed by assuming that the energy density scales with the square of the nuclear thickness factors,so that T i (r )=T 0 2(1−r 2/R 2T) 1/4.This has been found to work well for the study of the centrality dependence of hadronic spectra [29]as well as lepton pair production [30],and should be sufficient for our purpose.Starting from the initial time τ0,we integrate (1)to either the time τf ,when the medium has cooled to the critical temperature T f =160MeV,or to the time when the jet reaches the boundary of the fireball,whichever comes first.For the calculation of thermal photons we assume that the thermally and chemically equilibrated quark-gluon plasma,which undergoes a boost-invariant longitudinal and an azimuthally symmetric transverse expansion [31],converts to a hadronic gas below T c .The production of photons from the deconfined phase is calculated using the complete leading order emission rate [4].The latest results of Turbide et al.[6]for photon emission from hadronic matter are used.Figs.2,3,4and 5present our results for photon yields at midrapidity in Au+Au collisions as a function of trans-verse momentum in four different centrality bins:0-10%,10-20%,20-30%and 40-50%.Both prompt photons and photons from jet-plasma interactions are shown,and the sum is compared to PHENIX data [14].For completeness we also show our result for thermal photons.The agree-ment with data is generally quite good for all centrality bins.This is also true for the other centrality bins,up to the 60-70%bin,which are not shown here.As already pointed out in [8],the jet-photon conver-sion spectrum is falling offwith p T faster than the spec-trum of prompt photons,a consequence of the additionalFIG.2:Photon yield dN/(d2pT dy)as a function of p T for y=√0in central(0-10%)Au+Au collisions at(4)N coll dN pp/dy|pT>6GeV/ccalculated from the photon spectra integrated for p T>6GeV/c vs centrality.We show our calculation and a ver-FIG.6:The nuclear modification factor R AA for direct pho-tons and p T >6GeV/c as defined in (4)as a function of the number of participants N part (solid line).We also show a calculation effectively taking into account energy loss of jets before convert into photons (dashed line).Data are taken from PHENIX collaboration [14].sion taking into account an effective 20%energy loss of jets before conversion into photons and compare with PHENIX data [14].Due to the large error bars the data is compatible with 1for central and midperipheral colli-sions,in accordance with a binary collision scaling from p +p collisions.Our calculation is compatible with the data as well,and predicts a slight rise of R AA with cen-trality.Our results show that the importance of the con-tribution from jet-photon conversion to the total photon spectrum grows below p T =6GeV/c .A high statistics measurement of R AA in this region would be very useful.In summary,we have calculated the photon spectrum in Au+Au collisions at RHIC energies resulting from pri-mary hard photons,jets interacting with the medium and thermal radiation.The calculations are consistent with neutral pion and photon spectra measured in p +p .We obtain a good description of the p T dependence and cen-trality dependence of photon production in Au+Au.The contribution from jet-photon conversions can be as large as 100%(50%)that of primary hard photons at 2(5)GeV/c in accordance with data measured by PHENIX.At the Large Hadron Collider (LHC),the importance of the jet-photon conversion process will be significantly enhanced.It has been shown that it will be the dominant contribution below p T ≈12GeV/c [8,10].This work was supported by DOE grants DE-FG02-87ER40328and DE-FG02-05ER41367.[1]J.W.Harris and B.M¨u ller,Ann.Rev.Nucl.Part.Sci.46,71(1996).[2]E.L.Feinberg,Nuovo Cim.A 34,391(1976).[3]J.I.Kapusta,P.Lichard and D.Seibert,Phys.Rev.D 44,2774(1991);Erratum ibid.D 47,4171(1993);R.Baier,H.Nakkagawa,A.Niegawa and K.Redlich,Z.Phys.C 53,433(1992);P.K.Roy,D.Pal,S.Sarkar,D.K.Srivastava and B.Sinha,Phys.Rev.C 53,2364(1996);P.Aurenche,F.Gelis,R.Kobes and H.Zaraket,Phys.Rev.D 58,085003(1998).[4]P.Arnold,G.D.Moore and L.G.Yaffe,JHEP 0112,009(2001).[5]L.Xiong,E.V.Shuryak and G.E.Brown,Phys.Rev.D 46,3798(1992);V.V.Goloviznin and K.Redlich,Phys.Lett.B 319,520(1993);C.Song,Phys.Rev.C 47,2861(1993).[6]S.Turbide,R.Rapp,and C.Gale,Phys.Rev.C 69,014903(2004).[7]J.F.Owens,Rev.Mod.Phys.59,465(1987).[8]R.J.Fries,B.M¨u ller and D.K.Srivastava,Phys.Rev.Lett.90,132301(2003).[9]B.G.Zakharov,JETP Lett.80,1(2004).[10]S.Turbide,C.Gale,S.Jeon and G.D.Moore,preprint hep-ph/0502248.[11]D.K.Srivastava,C.Gale and R.J.Fries,Phys.Rev.C 67,034903(2003).[12]See e.g.,S.S.Adler et al.[PHENIX Collaboration]Phys.Rev.C 71,034908(2005);Erratum-ibid.C 71,049901(2005);and references there-in.[13]S.S.Adler et al.[PHENIX Collaboration],Phys.Rev.D 71,071102(2005).[14]S.S.Adler et al.[PHENIX Collaboration],Phys.Rev.Lett.94,23201(2005).[15]S.S.Adler et al.[PHENIX Collaboration],Phys.Rev.Lett.91,072301(2003);Phys.Rev.C 69,034910(2004).[16]J.Adams et al.[STAR Collaboration],Phys.Rev.Lett.91,172302(2003).[17]C.Gale,T.C.Awes,R.J.Fries and D.K.Srivastava,J.Phys.G 30,S1013(2004).[18]S.S.Adler et al.[PHENIX Collaboration],Phys.Rev.Lett.91,072303(2003).[19]S.Jeon,J.Jalilian-Marian and I.Sarcevic,Phys.Lett.B 562,45(2003).[20]R.Baier,M.Dirks,K.Redlich and D.Schiff,Phys.Rev.D 56,2548(1997); D.K.Srivastava and K.Geiger,Phys.Rev.C 58,1734(1998);S.A.Bass,B.M¨u ller and D.K.Srivastava,Phys.Rev.Lett.93,162301(2004).[21]D.d’Enterria and D.Peressounko,preprint nucl-th/0503054.[22]Z.W.Lin and M.Gyulassy,Phys.Rev.C 51,2177(1995);Erratum-ibid.C 52,440(1995).[23]i et al.[CTEQ Collaboration],Eur.Phys.J.C 12,375(2000).[24]K.J.Eskola,V.J.Kolhinen and C.A.Salgado,Eur.Phys.J.C 9,61(1999).[25]G.G.Barnafoldi,G.I.Fai,P.Levai,G.Papp and Y.Zhang,J.Phys.G 27,1767(2001).[26]B.A.Kniehl,G.Kramer and B.P¨o tter,Nucl.Phys.B 582,514(2000).[27]L.E.Gordon and W.Vogelsang,Phys.Rev.D 48,3136(1993);Phys.Rev.D 49,170(1994).[28]S.S.Adler et al.[PHENIX Collaboration],Phys.Rev.Lett.91,241803(2003).[29]D.K.Srivastava,Phys.Rev.C 64,064901(2001);J.-Y.Ollitrault,Phy.Lett.B 273,31(1991).[30]I.Kvasnikova,C.Gale,and D.K.Srivastava,Phy.Rev.C 65,064903(2002).[31]D.K.Srivastava,Phys.Rev.C 71,034905(2005).。