Automatic detection and segmentation of concrete cracks in tunnels remains a high-priority task for civil engineers. Image-based crack segmentation is an effective method for crack detection in tunnels. With the development of deep learning techniques, especially the development of image segmentation based on convolutional neural networks, new opportunities have been brought to crack detection. In this study, an improved deep fully convolutional neural network, named as CrackSegNet, is proposed to conduct dense pixel-wise crack segmentation. The proposed network consists of a backbone network, dilated convolution, spatial pyramid pooling, and skip connection modules. These modules can be used for efficient multiscale feature extraction, aggregation, and resolution reconstruction which greatly enhance the overall crack segmentation ability of the network. Compared to the conventional image processing and other deep learning-based crack segmentation methods, the proposed network shows significantly higher accuracy and generalization, making tunnel inspection and monitoring highly efficient, low cost, and eventually automatable.

Introduction Premenstrual dysphoric disorder (PMDD) is a cyclical mood disorder that severely affects the daily life of women of reproductive age. Most of the medications being used clinically have limitations such as low efficacy, side effects, and high cost, so there is an urgent need to discover safer and more effective medications. Rutin is a natural flavonol glycoside with various pharmacological properties including antidepressant. The study of the efficacy and mechanism of action of rutin in PMDD-depressed subtype model rats plays an important role in the discovery of new drugs for the treatment of PMDD. Methods Binding of rutin to gamma-aminobutyric acid type A receptors (GABA A receptors) was probed using molecular docking, microscale thermophoresis, radioactive receptor ligand binding assay and cell membrane clamp experiment. Behavioral tests in mice were performed to screen the optimal dose of rutin. Behavioral tests were performed to evaluate the effects of rutin on depressed mood, memory impairment, and social impairment in PMDD-depressed subtype model rats. HE staining and Golgi staining were performed to observe the neuronal damage in rat hippocampus. UHPLC-MS/MS targeted metabolomics was performed to detect the changes of neurotransmitter content in rat hippocampus. PCR array to detect the effect of rutin on mRNA expression of GABA A receptor partial subunits in rat hippocampus. Results The docking score of rutin with the GABA A receptor benzodiazepine site was −11.442 and the gliding score was −11.470. The Kd of rutin with the GABA A receptor (α1β2γ2) was 1.17 ± 0.89 μM. Rutin competed with [H 3 ]-flunitrazepam for the GABA A receptor benzodiazepine site and inhibited the inward flow of chloride ions ( P < 0.05). In PMDD-depressed subtype rats, rutin alleviated depressed mood, memory impairment and social impairment, ameliorated hippocampal neuronal damage and reduces gamma-aminobutyric acid (GABA) and acetylcholine (ACh) levels ( P < 0.05). Moreover, we found that rutin did not affect the relative mRNA expression of GABA A receptor subunits in rat hippocampus. Discussion Overall, rutin alleviated depressed mood, memory impairment and social impairment in PMDD-depressed subtype rats, which may be related to binding to GABA A receptor benzodiazepine sites, inhibiting chloride ions inward flow, ameliorating hippocampal neuronal damage and reducing GABA and ACh levels. The results of this study provide an experimental basis and scientific evidence for the development of new drugs for the treatment of PMDD.