基于近红外光谱技术和机器学习的乳腺癌原位诊断研究

近红外(NIR)光谱,可提供样本丰富的结构和成分信息。机器学习主要用于数据的分析和挖掘,可以对数据进行精确分类和信息提取。本研究采用自研的NIR光谱探针技术进行乳腺癌组织的原位光谱采集并进行癌变(光谱)分析;运用基线校正(BC)、标准正态变量变换(SNV)、一阶导数二阶多项式21点Savitzky-Golay平滑(1^(st)-2-21SG)和二阶导数三次多项式25点Savitzky-Golay平滑(2^(nd)-3-25SG))四种方法进行光谱预处理;结合机器学习方法,包括主成分分析(PCA)、K最近邻(KNN)、Fisher判别分析(FDA)及支持向量回归(SVR),进行乳腺癌变和癌旁组织的分类和判别。研究发现PCA-KNN模型的最优预测结果为基于BC+SNV,其准确率、敏感性及特异性达88.34%、98.21%、76.11%。PCA-FDA模型的最优结果为基于BC+1^(st)-2-21SG,其准确率、敏感性及特异性达90.00%、98.21%、79.54%。SVR模型的最优结果为基于BC+2^(nd)-3-25SG,其准确率、敏感性及特异性达90.00%、100.00%、79.55%。论证了机器学习方法结合NIR光谱可以实现小样本量乳腺癌的高效精确诊断。     

有机-无机复合质子交换膜的制备与界面特性

有机-无机复合质子交换膜的开发是燃料电池用质子交换膜的一个重要研究方向,本文综述了有机-无机复合质子交换膜的制备方法,分析了两相之间的界面特性,并对这种复合膜的研究前景进行了展望.     

北京谱仪μ计数器的宇宙线数据分析

通过分析北京谱仪μ计数器的宇宙线实验数据,确定了μ计数器阵列的整体信号-噪声阈,单丝层探测效率,粒子探测效率,z向和γ-φ平面上的定位精度;并将实验数据与蒙特卡洛模拟计算作了比较,两者的一致性令人满意     

关于圆锥曲线与等比数列的一个性质

文[1]给出了圆锥曲线与等差数列的一个性质，本文给出圆锥曲线与等比数列的一个性质。     

分式通分的几种技巧

在异分母分式的加减运算中,通分是关键的一环.若能根据分式的结构特征,采取相应的通分方法和技巧,则不仅可化难为易,而且可减少出错率.本文举几例供同学们参考. 一、先约简,后通分     

一种白光有机电致发光器件的制备

通过对器件结构的优化设计，提高了白光电致发光器件中蓝光成分的发光效率，从而得到了一种较为理想的有机白光电致发光器件。驱动电压为5V时，电流密度J=0．5mA／cm^2，器件的效率达到最大，流明效率为1．92 lm／W，此时器件的发光亮度接近20cd／m^2。色坐标为(x=O．317，y=0．328)。非常接近白光等能点．是色度很好的白光。并且在很大范围内，色度随器件的驱动电压或电流变化不大，当驱动电压变化至15V时。f=232mA／cm^2，色坐标变化至(x=0．338，y=O．353)。在电压为22V时，器件的亮度达到最大，为17 000cd／m^2。此外器件结构相对简单。器件制备的可重复性得到很大程度的改善。     

基于图像处理技术的束流剖面监视系统

 介绍了在兰州重离子加速器上利用荧光靶图像获取装置测量并计算束流剖面参数的方法，并建立了图像获取、处理、束流参数计算的实时测量软件系统。该系统具有可靠性好、测量直观、界面友好等优点。     

4-羟基香豆素及其衍生物的简便合成及其荧光性质的研究

用米氏酸和苯酚在无溶剂条件下以90.6%的收率合成丙二酸单苯基酯, 然后用Eaton试剂(五氧化二磷＋甲基磺酸)在温和条件下闭环, 以78.8%的收率得到4-羟基香豆素, 将这种方法扩展合成了苯环上带有各种取代基的4-羟基香豆素衍生物以及4-羟基硫代香豆素衍生物. 并对部分4-羟基香豆素衍生物的荧光性质进行了研究.     

2-（4-叔丁基苯氧甲基）-3-喹啉酸的闭环和去叔丁基反应

2-（4-叔丁基苯氧甲基）-3-喹啉酸（1a—1d）,在多聚磷酸（PPA）的作用下发生分子内的闭环反应和脱叔丁基反应,得到了不含有叔丁基的苯并杂卓并喹啉酮化合物（2a-2c）。它们的结构通过红外光谱、核磁共振氢谱、质谱和元素分析得以证实。