基于离子迁移谱的假币用纸快速检测及溯源

该文采用离子迁移谱（IMS）对20种假币用纸进行分析，通过快速检测假币用纸中的可挥发性组分，构建假币用纸的指纹谱图库。基于主成分分析（PCA）和层次聚类分析（HCA）对迁移时间8 ~ 17.5 ms范围的迁移谱信息进行处理，从而对假币用纸进行分类。PCA可将同种假币用纸聚类，HCA则可进一步将20种假币用纸准确分类，其对6个未知来源的半成品假币的分类正确率达83.33%。结果表明，IMS快速检测分析是比较和分类假币用纸的有效方法。     

新型双吡啶盐的合成及其作为硝酸根离子荧光增强型探针的性能研究

阴离子普遍存在于生命体和环境中,在化学、生物学、医学和环境领域都具有重要的作用,而硝酸根是其中一种非常重要的无机阴离子,对环境和人体健康都具有极大危害。目前测定硝酸根离子的方法主要有电化学法、离子色谱法和离子选择性电极法等。虽然各方法各具优势,但也存在明显不足。电化学法重现性差,而离子色谱法和离子选择性电极法需要较为复杂、昂贵的仪器及较长的分析时间。荧光光谱由于具有较高的灵敏度和操作简便等优点,近年来成为阴离子识别和检测领域的研究热点。以吡喃盐为起始原料,设计合成了一种新型的双吡啶盐化合物,通过核磁共振1 H谱、13 C谱以及高分辨质谱确定了其分子结构。并研究了其与不同阴离子的荧光识别性能,显示出对硝酸根离子明显的特异性识别。在双吡啶盐溶液中滴加硝酸根离子后,荧光呈现显著增强,而其他竞争性阴离子则淬灭初始荧光。通过荧光滴定实验证实双吡啶盐探针与硝酸根离子形成稳定的1∶1超分子配合物,稳定常数lgK=5±0.02。通过计算机模拟计算以及变温核磁共振波谱表明硝酸根离子与双吡啶盐上活性氢形成稳定的氢键,并诱导整个双吡啶盐分子的共平面性增大,荧光强度增强,从而达到选择性识别的效果。     

基于回波平移序列的快速三维磁共振温度成像方法

高强度聚焦超声（HIFU）是一种无创的热消融疗法，为保证其安全性和有效性，需要一种精度高、速度快的测温方法在其治疗过程中对温度进行监控.基于质子共振频率位移（PRFS）的磁共振温度成像（MRT）对温度具有较高的灵敏度，且与温度具有良好的线性关系，因此常被用于引导HIFU治疗.然而在实际应用中，HIFU治疗的最大隐患在于可能造成表皮灼伤，并且灼伤区域可能与焦点区域相隔较远.因此MRT的监控范围十分重要.本文基于三维回波平移成像序列，结合可控混叠的空间并行成像技术，实现了时间分辨率为3 s的快速三维温度成像.为了验证该方法的精度，本文首先设计了仿体降温实验，利用光纤温度计验证回波平移序列测温的准确度和精确度.然后在室温条件下扫描离体猪肉组织，对比加速前后的MRT的测温精确度.在HIFU加热条件下扫描离体猪肉组织，对比加速前后的MRT的测温准确度.结果显示，本文提出的方法可以在3 s内完成三维温度精准测量，对于HIFU治疗的安全监控具有重要意义.     

医学影像处理的深度学习可解释性研究进展

随着医学影像数据的迅速增长，传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断，可大大缓解人工阅片压力，提高诊断的准确性，促进医疗流程的标准化建设等。目前，深度学习卷积神经网络在医学影像处理中已取得不俗表现，但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解，对近几年相关研究进展进行了综述。首先，综述了深度学习在医学领域的应用现状及面临的问题，对神经网络的可解释性内涵进行了讨论；然后，从现有深度学习可解释性的常见方法出发，重点讨论了医学影像处理的深度学习可解释性研究进展；最后，探讨了医学影像处理的深度学习可解释性的发展趋势。     

体积应变对立方钛酸铅电子结构和光学性质的影响

本文利用第一性原理方法计算并分析了体积应变(-11%~11%)对立方顺电相PbTiO₃的结构、稳定性、电子结构和光学性质的影响。研究发现体积应变后PbTiO₃形成焓增大,稳定性下降,其中压应变对其稳定性的影响比拉应变大。当受到拉伸应变时,立方PbTiO₃由直接带隙半导体变为间接带隙半导体,且带隙随应变增大呈先增大后降低的趋势。在发生压应变时,从复介电函数、复折射率及吸收系数的分析结果可知,在自然光照下PbTiO₃的光吸收能力仅在个别波段有所增大,但总体呈减弱趋势,当产生拉伸应变时,介电峰、吸收峰红移,表明PbTiO₃在可见光范围内光吸收能力增强,并且当应变增大到11%时,PbTiO₃的吸收能力远高于本征立方相。     

α-混合序列部分和乘积精确渐近性的一般形式

利用前人获得的α-混合序列部分和乘积的渐近分布的结果,对一般的边界函数和拟权函数得到了α-混合序列部分和乘积的精确渐近性的一般形式.     

硼、磷共掺杂铁钴双金属材料的制备及其电催化析氧性能

采用一步水热法合成了硼、磷共掺杂铁钴材料(Fe-Co-B-P)。借助扫描电子显微镜(SEM)、X射线衍射(XRD)、X射线光电子能谱(XPS)、傅里叶变换红外光谱(FT-IR)等技术对所合成材料的形貌、结构和组成进行表征。利用线性扫描伏安(LSV)、循环伏安(CV)、电化学阻抗谱(EIS)等技术研究材料电化学析氧反应(OER)性能。结果表明,Fe-Co-B-P表面疏松且粗糙,颗粒间有许多空隙。在电流密度为10和100 mA·cm^-2时,其过电势分别为278和309 mV,Tafel斜率为24 mV·dec^-1,说明该材料具有较优的电催化析氧性能。其在连续进行10 h的计时电位测试过程中,电势基本保持在1.55 V(vs RHE),表明该催化剂具有较好的电化学稳定性。这是由于铁钴双金属与硼、磷非金属之间的协同作用促进了电子的传递。     

基于LSTM的浮选钼精矿品位软测量模型

战略性稀有金属钼矿品位低,组分复杂、嵌布粒度细等特点,其有价金属分离回收难。浮选作为微细粒钼矿分离回收的主要选矿方法之一,其浮选钼精矿品位一直是选厂的关键性产品指标。国内大多数选厂采取轮班制采样,人工化验得到精矿品位结果,但此方式严重滞后于浮选工艺,难以满足对生产过程进行实时监测和操作指导。LSTM是一种特殊的循环神经网络,引入门机制有效的传递或选择性遗忘长时间序列中的信息,解决RNN中的长期依赖、梯度消失和爆炸问题。本文分析整理东坡选厂中各平台源数据,结合选厂浮选工艺及机理,筛选出多个影响浮选钼精矿品位的变量作为模型输入;将输入变量进行异常值判定,缺失值填充和数据降噪等数据预处理,建立高质量浮选钼精矿品位数据库;软测量模型采用PyCharm软件编码,使用BatchNorm批量规范化处理样本数据,加入Dropout正则化防止过拟合,建立基于LSTM的浮选钼精矿品位软测量模型,通过前向传播算法更新神经网络结构参数,并于Linear模型和CNN模型的预测性能指标结果比较。结果表明：基于LSTM的浮选钼精矿品位软测量模型预测准确度高,样本数据误差波动平稳,浮动范围小,模型泛化能力强,模型平均绝对百分比误差MAPE为1.13%,均方根误差RMSE为0.7049%,决定系数R2为0.8763,实现了浮选钼精矿品位的在线预测。     

基于酶辅助靶标循环的适体传感器灵敏检测中药中黄曲霉毒素B1

该文基于酶辅助靶标循环信号放大策略构建了用于黄曲霉毒素B1(AFB1)高灵敏检测的化学发光适体传感器。以G-四链体/氯化血红素DNA酶为信号分子设计了免标记的适体探针H1-S1和发夹探针H2。适体探针结合目标AFB1,在核酸外切酶I辅助下,触发靶标循环反应产生发夹H1。发夹H1与H2杂交,释放出完整的G-四链体序列,并进一步与氯化血红素结合形成G-四链体/氯化血红素DNA酶。DNA酶通过催化氧化鲁米诺-H2O2化学发光体系产生化学发光信号,实现AFB1的放大检测。在最优实验条件下,化学发光强度与AFB1质量浓度的对数在0.001~100 ng/mL范围内呈良好的线性关系,相关系数(r2)为0.9955,检出限为0.93 pg/mL,回收率为93.7%~107%。该适体传感器操作简单、灵敏度高、特异性好,在黄曲霉毒素污染检测方面具有良好的应用前景。