高效液相色谱法分离双手性中心β-氨基酮旋光异构体

建立了使用AE. Lichrom AM 1手性色谱柱(250 mm×4.6 mm, 5 μm)直接拆分含有双手性中心的β-氨基酮类化合物的4个旋光异构体的方法。考察了流动相的极性大小、洗脱方式及流速等因素对异构体拆分的影响,确定了分离β-氨基酮类化合物异构体的最佳分离条件: 流动相为正己烷/异丙醇,洗脱模式为二元高压梯度洗脱,流速为1 mL/min。在上述色谱条件下,完成了4种含双手性中心的β-氨基酮类化合物的4个旋光异构体的基线分离(Rs＞1.5)。结果表明该方法可快捷、简便地分离双手性中心β-氨基酮类化合物的4个旋光异构体。     

超声衰减法测量悬浊液中颗粒粒度和浓度

研究了由颗粒悬浊液中3个频率下声衰减系数测量颗粒粒度分布和浓度的方法。用FFT对测得的1,2和5 MHz 3个频率的声信号进行降噪后得到声幅度和声衰减系数,再根据描述不同频率下声衰减系数与颗粒粒径及浓度关系的ECAH模型,运用Philip-Twomey-NNLS算法和改进Chahine算法求解相关的第一类Fredholm方程,反演出颗粒的尺寸分布和浓度。用该方法对两种不同尺寸体积浓度为5%的玻璃微珠-水悬浊液颗粒进行测量,结果与显微镜法结果吻合。这表明:测量3个频率下的声衰减信号,结合Philip-Twomey-NNLS或改进的Chahine算法,可在较高浓度条件下较准确地测得颗粒粒度和浓度,从而简化了现有的高频率宽频带测量方法。     

有监督学习的超声背散射方法在骨质评价中的应用

在超声背散射方法评价骨质的实际应用中,如何更为准确地判断测量对象是否为骨质疏松是一个重要问题。提出一种有监督学习的超声背散射评价方法,根据超声背散射离体实验的信号处理结果,对松质骨样本使用支撑向量机和自适应增强的有监督学习算法进行预测和分类。研究结果表明,有监督学习的超声背散射评价方法分类的准确率为80.00%~82.86%,并且对骨质疏松的样本具有较高的特异性(特异度>92.3%)。因此有监督学习的超声背散射评价方法具有有效性,评价效果优于现有的其它定量超声方法,对超声背散射方法的在体应用有一定帮助。