- 综合排序
- 最热优先
- 最新优先
内容补充--高精度空转（Xenium、CosMx）空间距离分析
作者，Evil Genius今天我们更新脚本，高精度空转（Xenium、CosMx）空间距离分析，我们以量化fibroblast与tumor的空间距离关系为例。 分析一般会更进一步，依据fibroblast与tumor的距离关系划分为近距离、中距离、远距离三组，分析其中的基因表达变化,当然这种变化也代表了距离和基因的关系。 /usr/bin/env python3####zhaoyunfei####20250716# -*- coding: utf-8 -*-"""Xenium/CosMx空间转录组数据分析脚本分析两种细胞类型的空间距离关系及基因表达变化 # 计算所有细胞到celltype1细胞的距离 print("计算空间距离矩阵...") axes = plt.subplots(2, 2, figsize=(16, 14)) fig.suptitle(f'{self.celltype2}与{self.celltype1}的空间距离分析
32220编辑于 2025-10-28- 来自专栏深度学习和计算机视觉
【OpenCV 4开发详解】图像连通域分析
图像的连通域是指图像中具有相同像素值并且位置相邻的像素组成的区域，连通域分析是指在图像中寻找出彼此互相独立的连通域并将其标记出来。 一般情况下，一个连通域内只包含一个像素值，因此为了防止像素值波动对提取不同连通域的影响，连通域分析常处理的是二值化后的图像。 在了解图像连通域分析方法之前，首先需要了解图像邻域的概念。 根据两个像素相邻的定义方式不同，得到的连通域也不相同，因此在分析连通域的同时，一定要声明是在哪种种邻域条件下分析得到的结果。 ? 图6-7 4-邻域和8-邻域的定义方式示意图 常用的图像邻域分析法有两遍扫描法和种子填充法。 //对图像进行距离变换 11. Mat img = imread("rice.png"); 12. if (img.empty()) 13. { 14.
7.4K21发布于 2020-02-12 - 来自专栏gis
基于SpringBoot和PostGIS的各省与地级市空间距离分析
但是江苏和安徽从实力上来说历史悠久，因为曾经同属江南省，彼此联系紧密。虽然这两个城市很近，但是你知道吗？这两个“兄弟”的发展是不同的。 再从省域上面来看，以湖南省为例。 研究各城市与省会城市的距离，除了直观的了解空间距离外，还可以作为主要影响因素，去分析区位分布，距离权重等等。 本文将以之前管理的地名数据为例，基于SpringBoot和PostGIS详细讲解如何进行省会城市与省域内各城市之间的直线空间距离，如何将直线空间距离在WebGIS中进行地图可视化。 这里采用空间分析的功能，实现的函数是_st_contains()；请注意：在我国的行政区划数据中，像自治州等没有单独设置成次级市。 总结 以上就是本文的主要内容，本文将以之前管理的地名数据为例，基于SpringBoot和PostGIS详细讲解如何进行省会城市与省域内各城市之间的直线空间距离，如何将直线空间距离在WebGIS
13810编辑于 2026-06-19 多样本空间转录组分析异常组织结构域
今日参考文献从多样本空间转录组学(ST)数据中检测和解剖异常组织结构域(DDATD)为表征异常组织结构域(ATDs)提供了前所未有的机会，揭示了群体水平和个体特异性致病因素，从而了解疾病背后的致病异质性 这个程序，称之为异常组织结构域的检测和解剖(DDATD)，是对受影响个体的组织进行全面分析的第一步，也是最重要的一步，以揭示与疾病发展相关的群体水平和个体特异性因素(例如，致病细胞类型)。 与ST中经常遇到的空间聚类任务不同，DDATD侧重于将空间点聚到空间域中，需要进一步将异常cluster与正常cluster隔离开来。 4、缺乏有效的方法来整合来自空间基因表达数据和组织学图像的多模态信号，严重限制了DDATD分析的潜力。 结果1、Overview of STANDS分析示例--乳腺癌分析分析示例--同时识别跨多个ST数据集的异常组织域分析示例--交叉参考胰腺scRNA-seq数据识别胰腺癌结构域分析示例--单个ST数据集中识别生物学上不同的异常组织子域分析表现最后看看代码示例
25720编辑于 2024-09-20- 来自专栏数据科学（冷冻工厂）
空间单细胞｜在Seurat中对空间数据进行分析（4）
引言 在这篇指南[1]中，我们介绍了Seurat的一个新扩展功能，用以分析新型的空间解析数据，将重点介绍由不同成像技术生成的三个公开数据集。 Vizgen MERSCOPE（用于小鼠大脑研究） Nanostring CosMx空间分子成像仪（用于FFPE人类肺组织） Akoya CODEX（用于人类淋巴结研究） 人体淋巴结：Akoya CODEX 系统 这个数据集是通过 Akoya CODEX 系统创建的，该系统能够进行多路复用的空间分辨蛋白质分析，逐步展示抗体的结合过程。 _008_11022020_reg001_compensated.csv", type = "processor", fov = "HBM754.WKLP.262") 我们现在可以运行无监督分析来识别细胞簇 敬请期待 Seurat 未来版本带来的新功能，它们将帮助我们更深入地研究细胞的空间位置与其分子状态之间的联系。
60810编辑于 2024-07-05 网络空间安全江苏省赛数据分析与取证 -attack.pacapng
三、数据分析与取证 1. 使用 Wireshark 查看并分析虚拟机 windows 7 桌面下的 attack.pcapng 数据包文件，通 过分析数据包 attack.pcapng 找出黑客的 IP 地址，并将黑客的 IP 地址作为 FLAG（形式：[IP 地址]）提交： tcp.connection.syn 通过分析端口，因为黑客都是扫描常用端口的 Flag:[172.16.1.102] 2. Lancelot] 4. 继续查看数据包文件 attack.pacapng 分析出黑客连接一句话木马的密码是什么，并将 一句话密码作为 FLAG（形式：[一句话密码]）提交： Ctrl+f Flag:[alpha] 6.
21110编辑于 2025-10-23- 来自专栏疯狂学习GIS
基于Pix4Dmapper的空间三维模型重建应用——空间分析选址
本文介绍基于无人机影像建模完成后的结果，利用ArcMap软件进行空间选址分析，从而实现空间三维模型应用的方法。 前面三篇推文基于3DSOM软件的侧影轮廓方法空间三维模型重建、基于EinScan-S软件的编码结构光方法空间三维模型重建，以及基于Pix4Dmapper的运动结构恢复法无人机影像三维模型重建分别基于不同软件 其中，本文在上述第三篇推文的基础之上，直接基于无人机影像建模完成后的结果加以空间分析；如果需要了解建模的详细过程，大家查阅基于Pix4Dmapper的运动结构恢复法无人机影像三维模型重建即可。 类似的空间分析中的不足将统一列于以下部分。 4 不足与问题 结合上述操作流程中出现的问题，以及所得选址结果的表现效果，可以看到本次空间分析依然具有一定不足。 1）未对选址区域外形特征加以限定。 而在实际情况应用中，这一区域由于其细长的特征，或许并不适合作为隔离点选址区域。即上述空间分析中未对各区域的形状特征加以描述、筛选。 2）未对水体加以提取。
1K10编辑于 2022-08-10 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例4：浙江省森林区域植被生长分析
浙江省森林区域植被生长分析¶ 利用 Modis MCD12Q1 地物分类数据产品和 MODIS MOD13Q1 16天标准植被指数产品。 通过对 2021 年 8 月植被指数最大值与近 3 年同期指数 8 月最大值的 3 年均值进行对比，实现对浙江省森林区域植被的空间监测。 region = aie.FeatureCollection('China_Province') \ .filter(aie.Filter.eq('province', '浙江省' '#dcd159', '#dade48', '#fbff13', '#b6ff05', '#27ff87', '#c24f44', '#a5a5a5', '#ff6d4c ', '#69fff8', '#f9ffa4', '#1c0dff' ] } forest_vis = { 'bands': 'LC_Type1', 'min': 0,
38110编辑于 2024-02-02 - 来自专栏生信技能树
4个NC杂志的空间转录组数据分析(GSE190811)
acc=GSE190811，总共是4个空间转录组的样本： GSM5732357 PT_3 LNM ST GSM5732358 PT_6 LNM ST GSM5732359 PT_7 LNM ST GSM5732360 barcode所在的切片的空间坐标，理论上有了这个csv文件其实就可以相当于有了空间切片的图片的细胞定位作用 tissue_hires_image.png：分辨率很高，所以图片文件就很大 tissue_lowres_image.png JoinLayers(sce.all) # seurat v5 sce.all ## 简单探索一下数据结构 as.data.frame(sce.all[["Spatial"]]$counts[1:4,1 ggsave(filename = "1-QC/FeaturePlot_nFeature.pdf", width = 12,height = 6, plot = plot3) 然后就是后面的空转标准分析 ’), ‘umi_bin’ (16.12 MiB of class ‘numeric’) and ‘data_step1’ (270.82 KiB of class ‘list’) 到这里简单的基础分析就做完了
82510编辑于 2025-03-19 脚本更新----多样本联合分析（Seurat V4）空间基因梯度（STG）
作者，Evil Genius今日更新脚本，在我们2024年单细胞空间全系列课程上第21课讲到了空间基因梯度，当时以单样本分析做的，我们现在要更新到多样本联合分析。 实现多样本一起分析空间基因梯度，现在免费分享一些分析核心脚本，感觉跟犯罪差不多。可以看基因、细胞、通路的空间梯度细胞组成和信号传导在不同的生态位中有所不同，这可以诱导细胞亚群中基因表达的梯度。 关于空间的数据分析采用slide-window strategy ，在此基础上，cells/spots在overlapping windows中按空间定位分组，然后，使用空间坐标作为预测因子，并将细胞 sr.nmf(data)for (sample in c('HC_1L','HC_1T'))spatial_coords <- data@images[[sample]]@coordinates[, c(4, swap old image with new image seurat.visium@images[[slide]]@image <- new.array ## step4:
37720编辑于 2024-11-26- 来自专栏码上修行
高铁对合肥及周边城市可达性及商业腹地变化影响研究
需求分析 时任安徽省省委书记的郭金龙书记在省第八次党代会报告里指出：“中心城市辐射带动力不强，是安徽省区域经济发展不快、城镇化进程滞后的重要原因”。 大合肥经济圈各城市功能定位 城市名称 功能定位 合肥 全国重要的科研教育基地，国家区域性交通枢纽，泛长三角的中心城市之一；安徽省省会和省域核心城市，大合肥经济圈的龙头城市；优势明显的现代制造业基地、科技创新及高新技术产业化基地和现代服务业基地 使用栅格数据，可以对某一个或一组空间数值在空间上的分布进行简单有效的描述。对栅格数据，传统的空间分析方法，如叠置、切割、求交等都可以进行操作和计算。 在分析空间可达性问题时，我们可以根据目的和需要，采用多种“成本”类型来进行计算，最常用的就是时间成本，即对空间上每个点的时间距离进行分析计算。 4、生成成本距离 （1）在【分析】模块，【栅格分析】中的【距离栅格】下的【生成距离栅格】，如下图所示 ?
1K20发布于 2019-11-22 - 来自专栏点点GIS
基于SPSS和ArcGIS的地区社会弱势性空间格局分析
综合中部五省(河南、安徽、湖北、湖南、江西)各地市收入、教育、住房、人口结构等多方面因素、本实验利用主成分分析构建社会弱势性综合评价指数，结合空间自相关分析和聚类分析,研究社会弱势性空间分布格局及分布模式 通过对综合指数及各维度上的指数进行空间可视化，可以分析中部五省各地市社会弱势性的空间格局。 综合来看,湖南省西部及安徽省与其他省交界的地市较为弱势。从图1.8中可以发现弱势性是呈现连片分布的,这表明弱势性可能具有一定的空间依赖。为了验证这个猜想,接下来进行空间模式分析。 （i=0.1668 p=0.02） 基于k近邻的空间权重矩阵（邻居去取4，i=0.2379 p=0.01） 图1.11全局空间自相关指数及Moran散点图 3)局部空间自相关分析 为了进一步分析社会弱势性的局部特性 这里可以选取聚类个数为4类,结合图1.14很容易将4类标识出来。而更简便的方法是按照同样的参数在SPSS软件中再次进行系统聚类分析,并在“保存”选项中指定聚类个数,将聚类个数保存到.sav数据表中。
3.8K40编辑于 2022-01-05 - 来自专栏renhailab数据分析
Part4-2.对建筑年代的预测结果进行分析：绘制混淆矩阵、计算分类报告，绘制空间分布
）我们将CAM嵌入评估流程中 4）分别绘制9个年代的CAM图 六、空间分布 6.1 建筑年代预测结果的空间分布 6.2 绘制建筑年代预测结果在150米网格范围的准确度 写在最后 一、加载测试数据集 1.1 1.3 自定义Dataset 为了能够进行后续的空间分析，我们需要建筑的id来进行定位，所以我们进一步修改CustomDataset类中的__getitem__方法，用来从Dataloader中获取数据时 三、开始预测 3.1 对整个测试集进行预测 我们预测图像的最终目标是获取每个图像的预测标签，用来对比是否和真实标签相等，从而进行接下来的分析。 我们来分析一下我们的混淆矩阵： 主对角线：从左上角到右下角的数字表示模型正确预测的数量。 3）空间链接 geopandas和ArcPy都有空间连接的功能，但是geopandas的空间连接功能更强大，而且方便进行数据统计，所以我们使用geopandas的空间连接功能。
1.6K20编辑于 2023-11-24 - 来自专栏疯狂学习GIS
全局多项式（趋势面）法与逆距离加权（IDW）法插值的MATLAB实现
本文介绍基于MATLAB实现全局多项式插值法与逆距离加权法的空间插值的方法，并对不同插值方法结果加以对比分析。 1 背景知识 空间数据的获取是进行空间分析的基础与起源，我们总是希望能够获取研究区域更多、更全面的精确空间属性数据信息。 前者利用整个实测采样点数据集对全区进行拟合，如全局多项式插值法（Global Polynomial Interpolation）；后者则只是用临近某一区域内的采样点数据预测未知点的数据，如反（逆）距离加权法 本文借助MATLAB软件自主编程，分别利用全局多项式插值法与逆距离加权法，对湖北省荆门市沙洋县土壤pH值、有机质含量等两种属性数据进行空间插值计算，并对比对应插值方法的拟合效果。 save 5ph.txt pPH4 -ASCII; 参考文献 [1] 曹祥会,龙怀玉,周脚根,等.河北省表层土壤有机碳和全氮空间变异特征性及影响因子分析[J].植物营养与肥料学报,2016,22
1K31编辑于 2023-09-25 - 来自专栏HyperAI超神经
优于五大先进模型，浙江大学杜震洪团队提出 GNNWLR 模型：提升成矿预测准确性
在此背景下，GNNWLR 首先计算每个数据点的空间坐标，与训练数据集中其他数据点的空间坐标之间的距离，并以此作为输入，进行 dropout 正则化并防止过度拟合。 具体来看，该研究采用五折交叉验证 (five-fold cross-validation)，将 20 个矿床随机分为 5 个序列，每个序列有 4 个矿床，然后对这 4 个矿床进行缓冲半径为 2km 的缓冲分析 各模型性能比较，GNNWLR 表现最优 所有模型的 MPM 图也都直观表明，新斯科舍省的矿产前景在空间上存在较大差异，东北地区的得分整体更高，与矿床的实际位置一致。 结合新斯科舍省自然资源部的钻探数据，「区域 5」北部矿床有 39 条和金矿有关的地质钻探记录，涉及多种低温中温热液矿物，「区域 5」南部矿床与金矿相关的地质钻探记录仅有 4 条，矿床区主要含有硫化物、毒砂等中温热液矿物 区域5两个矿床钻探数据中其他矿物与金矿共生的频率 综上，基于 SHAP 值的模型可以对整个空间域内影响成矿结果的各种因素进行定量分析，具有卓越的可解释性并符合地球科学原理。
1.8K10编辑于 2024-04-12 - 来自专栏给永远比拿愉快
矢量数据空间查询
案例一 案例说明 我们现在有省的面状数据以及每个城市的点数据，我们需要找到湖北省内的所有城市。 实现思路是先从省的面状数据中找出湖北省，然后遍历城市的点数据看是否落在湖北省境内。 sorted(cities, key=lambda f: f.GetGeometryRef().Distance(city.GetGeometryRef())) for i in range(1, 4) 接着我们使用Python内置函数sorted()根据每个城市到武汉市的距离进行排序。 对于距离的计算，我们首先使用GetGeometryRef()函数获得要素对应的空间几何体，然后再使用Geometry对象的Distance()函数进行。 计算完以后我们从第二个元素进行输出，因为第一个元素肯定是武汉市，武汉市到武汉市的距离为0，为最小距离。
2.3K30发布于 2020-06-16 - 来自专栏数据和云
那些年，我们处理过的SQL问题
主要负责朗新公司国家电网12个网省性能优化和故障处理工作以及南方电网性能优化和故障处理工作，主导过某证券公司冷热数据隔离和空间回收工作（总数据量100T），主持过某电网公司XTTS迁移工作；电网公司核心营销系统历史数据空间回收和高水位处理工作 感谢郑林松先生的投稿，本文有三个内容分享，希望对大家有帮助： 分析一次SQL并行执行的产生过程 DB升级之后，DBLINK引起执行计划异常分析 域索引导致提交报错的展开讨论 预告：11.16-17日，北京市东三环中路 分析一次SQL并行执行的产生过程 1、并行引起的灾祸 一大早，某网省兄弟告诉我，数据库会话执行的SQL开启了并行，导致负载很高，会话也高，查了半天，没找到具体原因，也不知道该如何解决？ 2 域索引导致提交报告的展开讨论 域索引导致提交报错 最近处理了一个网省的问题，现场反馈提交报错 ，报错如下： COMMIT; ERROR at line 1: ORA-00604: error occurred 问题定位到，解决问题的办法很容易： 重建域索引即可。 我这里给出的例子指出了域索引的实际存储表空间位置，目的就是可控，如果不指定就是创建用户所在默认的表空间。
82820发布于 2018-12-13 - 来自专栏大数据文摘
2021中国开放数林指数发布：浙江山东综合表现最优，上海青岛为标杆城市
2021中国开放数林指数发布了全国开放数林标杆省域和标杆城市名单。 根据最新的开放数林指数，截至2021年4月底，我国已有174个省级和城市的地方政府上线了数据开放平台，其中省级平台18个（含省和自治区，不包括直辖市和港澳台），城市平台156个（含直辖市、副省级与地级行政区 广东省、广西壮族自治区、山东省、四川省与浙江省的省本级和下辖绝大部分地市都已上线了数据开放平台，省域数据开放平台整体上线程度最高，形成了我国最为密集的"开放数林”。 从地理空间分布上看，我国东南沿海省域的政府数据平台已基本相连成片。 历年省级平台上线情况（不含直辖市） 省域平台整体上线情况地理空间分布 同时，我国46.29%的城市（包括直辖市、副省级与地级行政区）已上线了政府数据开放平台。
48960发布于 2021-07-29 - 来自专栏量子位
杨强申省梅等AI大咖共谈「跨域学习」，搞定小数据才是王道 | CNCC 2020
而根据训练数据在不同参与方之间的数据特征空间和样本ID空间的分布情况，可以将联邦学习分为三大类。 第一类是横向联邦学习。 邓伟洪：人脸识别，还有8%的提升空间 在杨强教授对迁移学习和联邦学习做了阐述之后，北京邮电大学人工智能学院教授、博士生导师邓伟洪，基于人脸识别技术做了《跨域人脸和表情识别》的主题演讲。 邓伟洪表示，「如果想发论文，还有8%的提升空间」。 在这种情况下，就会对应两类迁移学习的基本方法： 第一类就是基于距离的方法：定义分布P和Q的距离。 第二种就是基于对抗学习的方法：把P和Q分别当成两个domain，然后用对抗的方法让它们不分开。 申省梅：通用智能将会是下一代AI发展的必然趋势 最后，申省梅作为本届CNCC论坛主席，对《AI 落地的跨域学习技术和进展》分论坛做了总结。
77130编辑于 2023-03-10 - 来自专栏FreeBuf
CNCERT 2018年1月我国DDoS攻击资源分析报告
特别地，北京市、山西省上月的威胁治理工作效果显著，攻击资源和事件数量均有较大程度的下降。 攻击资源定义 本报告为2018年1月份的DDoS攻击资源月度分析报告。 围绕互联网环境威胁治理问题，基于CNCERT监测的DDoS攻击事件数据进行抽样分析，重点对“DDoS攻击是从哪些网络资源上发起的”这个问题进行分析。 4、 反射攻击流量来源路由器是指转发了大量反射攻击发起流量的运营商路由器。由于反射攻击发起流量需要伪造IP地址，因此反射攻击流量来源路由器本质上也是跨域伪造流量来源路由器或本地伪造流量来源路由器。 DDoS攻击资源分析 （一）控制端资源分析 根据CNCERT抽样监测数据，2018年1月，利用肉鸡发起DDoS攻击的控制端总量为1,617个，其中，1,010个控制端位于境内，607个控制端位于境外。 图25 近两月各省份跨域伪造流量攻击事件数量变化情况 4．本地伪造流量攻击 根据CNCERT抽样监测数据，本月包含本地伪造流量的DDoS攻击事件按省份统计，江苏省事件数量最多，其次是浙江省、上海市和福建省
1.5K70发布于 2018-02-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号