温度对LiCl和LiNO3/N,N-二甲基甲酰胺溶液结构的影响

研究了N,N-二甲基甲酰胺(DMF)纯溶剂、不同浓度LiCl/DMF和LiNO3/DMF溶液的红外光谱,得到随着温度升高,发生溶剂化作用的DMF分子比例不断降低,阴阳离子对构型比例逐渐增加的规律.采用密度泛函理论计算验证了红外谱图随温度升高变化的实质,得出溶液中存在的团簇构型主要为阴阳离子对构型(LiCl(DMF)n和LiNO3(DMF)n),阳离子构型[Li(DMF)n]+和阴离子构型([Cl(DMF)n]-,[NO3(DMF)n]-)的结论.     

基于离散三维荧光光谱的糖尿病识别方法研究

基于皮肤荧光光谱技术的糖基化终产物（AGE）检测方法被广泛用于糖尿病及其并发症的检测评估,然而生物组织体内特异性的吸收、散射特性以及多种荧光成分对于检测会产生干扰。本研究通过分析人体皮肤组织常见荧光成分的三维荧光光谱,确定皮肤组织荧光光谱测量的最佳激发波长组合,搭建集成组织漫反射光谱测量模块的离散三维荧光光谱测量系统,研究基于扩散理论的组织生理参数提取方法以及基于高斯多峰拟合的离散三维荧光光谱分离方法。在此基础上,开展临床社区队列研究,结果表明糖尿病组的黑色素、脱氧血红蛋白相对浓度均值低于正常对照组,而500 nm处约化散射系数高于正常对照组,差异有统计学意义,氧合血红蛋白相对浓度无明显差异。基于高斯多峰拟合,每位受试者共计得到78个荧光特征,剔除差异不明显的特征（p>0.1）,最终得到50个荧光特征。汇总有差异的组织生理参数和荧光特征,采用Logistic回归分析建立糖尿病筛查模型,受试者工作特征（ROC）曲线分析结果显示,该方法用于糖尿病识别时,预测训练集ROC曲线下面积为0.793,预测测试集的面积为0.799,而单波长皮肤荧光(Sf₃₆₅)的面积为0...     

基于扩散理论的生物组织固有荧光光谱复原方法研究

组织固有荧光光谱定义为未受生物组织吸收、散射作用影响的荧光光谱,能够直接反映组织微观结构和生物化学性质信息。为了减少吸收和散射特性对组织荧光光谱的干扰,从实测的组织荧光光谱中复原更能反映组织荧光特性的组织固有荧光光谱,搭建了基于光纤探头的组织光谱测量系统,实现生物组织相同位置处的荧光光谱和漫反射光谱测量。提出运用扩散理论从实测的漫反射光谱中提取组织生理参数,包括组织中血液体积分数、血氧饱和度、黑色素含量以及波长500 nm处约化散射系数和瑞利散射在总散射中的比例,进而计算可见波段范围内的组织光学参数;然后,根据组织光学参数和实测的漫反射光谱,从实测的荧光光谱中复原得到组织固有荧光光谱。进行临床试验验证,采集受试者皮肤组织荧光光谱与组织漫反射光谱,并复原皮肤固有荧光光谱。通过复原得到的固有荧光光谱反映人体皮肤糖基化终产物积聚量,并最终用于糖尿病无创筛查。结果显示,分别使用实测的荧光光谱和复原得到的固有荧光光谱用于糖尿病筛查时,在特异性水平同为75%时,敏感性分别为69%和90%。     

基于神经网络模式识别的糖尿病无创风险评估方法研究

晚期糖基化终末产物在人体皮肤组织中的浓度与高血糖水平密切相关,且具有自发荧光特性。使用自行研制的光学无创检测装置对人体皮肤组织的自体荧光光谱进行测量,建立神经网络模式识别模型对检测对象患有糖尿病的可能性进行风险评估。利用检测装置获取荧光光谱后对光谱数据进行主成分分析,选取前4个主成分作为光谱的特征,建立一个具有4个输入层节点、6个隐层节点、1个输出节点的神经网络模式识别模型。选取在安徽省立医院测量的487例对象数据训练该模型,以70%数据作为训练集,15%数据作为验证集,15%数据作为测试集。模型可给出测试对象罹患糖尿病的风险,或直接给出是否糖尿病的判断。结果显示该模型的受试者工作特性曲线的线下面积为0.81,标准误差为0.02;以模型输出0.5为分类界限时的敏感性为72.4%,特异性为77.6%,整体准确率为74.9%。本研究首次提出使用皮肤组织自体荧光结合神经网络模式识别模型对糖尿病进行无创风险评估,实验结果表明该方法的筛查效果优于目前常用的空腹静脉血浆血糖值法和糖化血红蛋白法。     

2023年新疆高三第一次适应性检测一道几何试题的探究

<正>1题目(2023年新疆自治区第一次检测第18题)如图1,在平面四边形ABCD中,AB=AD=1,■,且BC⊥CD,以BD为折痕把△ABD和△CBD向上折起,使点A到达点E位置,点C到达点F的位置,且E,F不重合．(1)求证:EF⊥BD;     

细菌自体荧光检测装置的研究与设计

细菌感染会造成伤口愈合延迟，增加患者和医疗卫生系统的负担，因此非常需要对伤口细菌进行及时检测和适当的处理。基于细菌自发荧光原理，设计了一种对伤口常见细菌快速检测成像的系统，可用于辅助识别伤口细菌负荷和判断感染情况，无需采样培养或染色鉴定。使用智能手机采集细菌荧光图像，以405 nm LED作为细菌激发光源，配合荧光图像信息提取和定量算法能够快速识别提取图像上的感兴趣区域并对荧光信号进行量化，定位细菌荧光信号区域。梯度浓度实验证实了荧光强度与细菌浓度高度相关，荧光强度与浓度之间存在线性关系，随着细菌浓度的降低，荧光信号强度呈下降趋势，系统最小检测限约为10⁵ CFU/mL。与传统细菌检测方法相比，本装置具有操作简单、检测速度快、成本低等特点，为伤口细菌检测提供了一种新的手段。