超微血管成像和超声造影对乳腺癌病灶内微血流及超微血管的评价及其联合诊断价值

本文探讨了超微血管成像(SMI)和超声造影(CEUS)对乳腺癌病灶内微血流及超微血管的评价,及其联合检查对乳腺癌的诊断价值。选取2017年6月~2019年3月我院收治的经手术病理证实的乳腺癌患者106例(106个肿块)作为研究对象,所有患者术前均完成彩色多普勒血流显像(CDFI)、CEUS及SMI检查。比较SMI、CEUS对乳腺癌的诊断准确率及对病灶内血流信号、穿支血管的显示情况。结果显示,106例乳腺癌(106个肿块)中,SMI和CEUS对乳腺癌的诊断准确率分别为79.25%、83.96%,两者比较差异无统计学意义(P>0.05);SMI联合CEUS检查对乳腺癌的诊断准确率为96.23%,明显高于单一SMI或CEUS的诊断准确率(P<0.05)。在血流信号显示上,SMI检出不丰富血流信号、丰富血流信号分别为64个、42个;CEUS表现为低增强64个、等增强及高增强为42个;SMI和CEUS评价乳腺癌病灶内微血管及血流供应情况具有较好的一致性(P<0.05)。在穿支血管显示上,SMI检出44个、CDFI检出34个,SMI能够清晰检出CDFI不能检出的穿支血管10个。表明SMI和CEUS诊断乳腺癌病灶内微血管及血流供应情况具有较好的一致性,对乳腺癌均有较高的诊断价值,二者联合检查有助于提高乳腺癌的诊断准确率。     

应用镍超微电极的电化学表面增强拉曼光谱技术研究

镍(Ni)电极在电化学中应用广泛.原位表征Ni电极表面的吸附物种有益于帮助理解电极反应历程、指导发展高效电催化剂.应用超微电极作为工作电极的电化学表面增强拉曼光谱技术结合了超微电极表面的传质特性和分子水平的高灵敏度表征,是研究Ni电化学的有力手段.本文所述的研究工作通过在金(Au)超微电极表面电吸附具有SERS活性的A...     

无源唤醒模式的远距离无线收发系统低功耗设计

从电源管理上提出了一种新型节省功耗的方法,根据近距离的passive tag和远距离的有源唤醒收发工作原理,设计了超微功耗无源唤醒的远距离收发系统.     

脑胶质瘤磁共振弥散张量成像定量参数与VEGF、MMP-9表达的相关性

本研究旨在分析脑胶质瘤患者的磁共振弥散张量成像(DTI)参数与病变组织血管内皮生长因子(VEGF)和基质金属蛋白酶-9(MMP-9)表达的相关性,以及DTI参数对脑胶质瘤进行分级诊断的价值.根据病理分级将102例脑胶质瘤患者分为低级别组(47例)和高级别组(55例),均行MRI和DTI检查,定量测定表观弥散系数(ADC...     

深海锰结核结壳中超微生物化石的电镜观察

深海锰结核锰结壳是富含钴、锰等金属的重要矿藏，为了更好地勘探和开采利用这些资源，许多研究工作都围绕着锰结核结壳的成因而展开。总体来说，关于锰结核结壳的成因有胶体说和生物催化说两种。     

Ⅱ－Ⅳ族化合物半导体超微粒子光谱性质的研究Ⅱ：硒化物、碲化物

本文报道了锌、镉、汞、铅硒化物、碲化物半导体超微粒子的制备以及它们的光谱性质，比较了它们的粗、细粒子的吸收光谱和荧光光谱的差异，以及与硫化物超微粒子的相似性，同时讨论了上述物质的超微粒子在老化过程中的行为及其原因．     

口腔粘膜下纤维变病理发生的超微结构研究

口腔粘膜下纤维变(Oral submucous fibrosis,OSF)在湖南,广东,广西一些地区及印度、东南亚一些地区居民具有咀嚼槟榔的习惯的地方是一种常见病。OSF发生在口腔各部位有时侵犯咽和食管。它是一种粘膜下纤维化伴有上皮增生、萎缩、白斑等慢性过程,继而引起牙关紧闭和进食困难,有的发生癌变。因此有些学者视该病为癌前病变的一种严重危害人民健康的常见病。国内虽已有少量病理学的光镜报告,但在国内外尚未见超微病理发生学的报导。本研究材料来源于湘潭市整群抽样流行病学调查的11046人,按Pindborg氏临床诊断     

镶嵌于基质中的金属超微粒子特性研究(Ⅰ)——超微粒子的量子阱点模型

提出超微粒子(UFP)的量子阱点模型。模型假定UFP的主要特性由其非定域电子(简称电子)决定,电子被束缚在三维有限深势阱内。电子的行为由二部分组成:单电子的和集体化的。电子能谱主要由单电子行为决定。模型反映了UFP的一些重要特性,例如块体材料逸出功,UFP原子半径和第一电离能,而忽略UFP更精细的结构。这种近似被证明是合理的。一系列有用的公式和预言被导出。(1)主要的UFP特性,量子尺寸效应和电子能谱的壳层结构。(2)UFP的逸出功和费密能级公式,这对于其他模型是困难的。导出的UFP逸出功随尺寸变化的公式 关键词：     

测量和减小纳米凹凸面摩擦力的分子新技术

报道了美国用原子力显微镜可直接检测超微型设备内发动机转子与外表表面上凸点之间摩擦力的大小的研究成果，介绍了降低了时机的摩擦力的方法。     

基于病理图像集成深度学习的胃癌预后预测方法

病理图像分析对胃癌的诊断和预后具有重要意义，但在临床应用上仍然面临着目视阅片一致性低、多分辨率图像差异大等挑战。为此，该文提出一种基于病理图像集成深度学习的胃癌预后预测方法。首先，对患者不同分辨率下的病理图像进行切分、筛选等预处理；然后，采用ResNet, MobileNetV3, EfficientNetV2深度学习方法分别对不同分辨率下的切片(Tile)进行深度特征提取和融合，以此获得患者层面(Patient-level)的单分辨率子分类器预测结果；最终，采用双重集成策略对不同分辨率下异质子分类器预测结果进行融合以获得患者层面的预后预测结果。实验中收集了250例胃癌患者的组织病理图像，并以远处转移预测为例进行验证，实验结果表明，所提方法在测试集上的预测准确率为89.10%，敏感度为89.57%，特异度为88.61%，马修斯相关系数为78.19%，相比于单模型预测结果获得了显著提升，可为胃癌患者的治疗和预后提供重要参考。