氟硼类荧光染料及其衍生物在肿瘤诊疗一体化中的应用

肿瘤是全世界发病率最高、死亡率最大的疾病之一.鉴于肿瘤的高风险与高死亡率,世界各地的研究人员致力于开发更精确快速的诊断策略和更有效的治疗方法来对抗,针对肿瘤的光学诊疗一体化技术应运而生.氟硼荧类化合物(BODIPY)因其优良的光学性质在肿瘤光诊疗中被广泛关注.详细介绍了BODIPY及其衍生物作为光敏剂、光热转化剂及显影剂在肿瘤诊疗(光动力治疗、光热治疗、光声成像)以及诊疗一体化中的应用,全面系统地评价了不同BODIPY结构以及其衍生物在肿瘤诊疗中的效果.这对于合理设计具有高单线态氧量子产率、高光热转化率以及良好的光稳定性和溶解性等优点的近红外BODIPY材料具有重要意义.     

Fifty-five km reach,bidirectional, 400 Gb/s(40×10 Gb/s), channel-reuse DWDM–PON employing a self-wavelength managed tunable laser

We experimentally demonstrate a channel-reuse bidirectional 10 Gb∕s∕λ long-reach dense wavelength-division multiplexing passive optical network(DWDM-PON) and an optical beat-noise-based automatic wavelength control method for a tunable laser used in a colorless optical network unit(where λ· wavelength). A55 km, bidirectional, 400 Gb/s(40 × 10 Gb∕s) capacity channel-reuse transmission with 100 GHz channel spacing is achieved. The transmission performance is also measured with different optical signal to Rayleigh backscattering noise ratios and different central wavelength shifts between upstream and downstream in the channel-reuse system.     

外液化装置的有效能分析

有效能分析是考察流程是否具有先进性、节能潜力是否最大程度利用的方法之一,有效能分析法已经广范应用于能源化工生产当中。文中重点阐述有效能分析方法,针对外液化装置的有效能计算及有效能分析,希望能够促进气体分离行业的发展。     

基于压缩残差网络的雷达辐射源识别方法研究

针对低信噪比条件下,现有的雷达辐射源信号识别方法存在识别正确率低、时效性差的问题,提出了一种基于压缩残差网络的雷达辐射源信号识别方法。首先,利用Choi-Williams分布的时频分析方法将时域信号转换为二维时频图像;然后,根据应用场景特点,选择卷积神经网络（Convolutional Neural Networks, CNN）“压缩”范围;最后,构建压缩残差网络来自动提取图像特征并完成分类。仿真实验结果表明,在同等体量的设计下,与当前较为常用的标准CNN以及ResNet模型相比,所提模型能够降低信号识别运行时间约88%,在信噪比为-14 dB条件下对14种雷达辐射源信号的平均识别率高约5%。提供了一种高效的雷达辐射源信号智能识别方法,具有潜在的工程应用前景。