超声速度与生物组份关系研究

本文研究了人和猪的肝、心、脑、肾、肌肉和猪的脂肪等六种组织的声速与组份关系。结果表明:Sarvazyan A.P.得出的兔肝声速主要由组份决定,组织结构的影响可忽略不计的结论也适用于人肝和猪肝,且它们的声速与水份含量关系,可由蛋白质水溶液的声速理论所描述;生物组织的声速随蛋白质含量增高而增大,随水份和脂肪含量增高而减小。     

褪黑激素对家兔性器官和动情周期的作用

在家兔皮下埋植褪黑激素丸，每周一次，共７周。结果表明，褪黑激素对家兔性器官起抑制作用：公兔睾丸重量减轻，分泌的睾酮减少，母兔卵巢变小，血浆孕酮水平降低，卵巢发育不良，母兔无发情表现。     

慢性兔出血症的研究

对北京和河北等地的一些獭兔养殖场发生的以瘫痪为主要症状的慢性型兔出血症进行了研究。结果表明 ,自然感染病例和人工感染病例的临床症状、病理学变化和血清学特性相似 ,通过分析这些獭兔养殖场慢性型兔出血症发生的原因 ,提出了诊断和防治措施     

不同微波膨胀烟梗的化学感官特性研究

研究不同来源包括产地、部位、年份、品种的烟梗原料经相同的微波膨胀工艺处理后的常规化学成分、致香成分、主流烟气(主要包括抽吸口数、焦油、烟碱及一氧化碳释放量)及感官特性差异,指导微波膨胀梗丝在产品中的配伍应用,为建立不同来源微波膨胀梗原料的品质特征评价体系及微波膨胀梗丝的工业应用提供依据。结果表明:不同产地来源的微波膨胀梗丝常规化学成分、致香成分、主流烟气存在差异。不同年份的微波膨胀梗丝间感官质量无明显差异,不同产地、品种、部位来源的微波膨胀梗丝总体感官质量存在差异。     

基于内源性致香物质和化学计量学的烟草感官评价研究

采用主成分分析法结合遗传算法和神经网络,建立了基于烟草内源性致香物质的感官质量评价预测模型。利用气相色谱-质谱(GC-MS)技术对超临界萃取-分子蒸馏所得烟草精油中的内源性致香组分进行定性定量分析,汇总各类致香指标后,对其进行主成分分析;以提取所得5个主成分的得分作为输入变量,感官评吸分数作为输出变量,分别使用标准BP神经网络和遗传算法(GA)优化的BP神经网络建立预测模型。对比实验结果表明,GA优化后的模型预测效果更优,其预测值与实验值间的相关系数为0.96,预测均方根误差为1.81,说明GA-BP模型具有更好的拟合能力和预测能力,该模型能有效地预测烟草精油的感官品质。     

色谱柱分类数据库用于指导天然药物化学对照品色谱纯度测定时色谱柱理性选择

由于中药化学对照品多数来源于动植物药材,很容易混有结构类似物,故有机杂质测定是可能影响其化学对照品赋值准确性的关键风险因素。中药化学对照品的有机杂质测定通常采用药典收载或文献报道的高效液相色谱法,这些方法通常仅规定“以十八烷基硅烷键合硅胶为填充剂”,无适宜色谱柱的品牌信息,或者实验室无文献所用的色谱柱品牌,而目前市场上已有800多种品牌的C₁₈柱,生产工艺的不同导致不同品牌C₁₈柱的选择性有差异,甚至差异显著。这很容易出现由于色谱柱选择不适宜而导致测定结果不准确的风险。该文采用国外色谱柱分类数据库指导对照品纯度考察时色谱柱的理性选择,尽可能减少色谱柱盲选可能导致的纯度结果不准确的风险。首先,用数据库挑选2根选择性差异显著的色谱柱（选择性因子F≥6）进行平行实验,以尽可能反映采用不同品牌色谱柱可能出现的分离效果差异。如果这2根色谱柱的分离效果及纯度测定结果无显著性差异,则可以交叉验证该对照品纯度测定的准确性。否则需要从数据库中选择另外1根与之前试验中分离效果更好、选择性相似的色谱柱进行纯度结果验证。在N-反式-p-对香豆酰基酪胺和表儿茶素没食子酸酯首批对照品的纯度考察中,使用了上述策略并验证了其有效性和科学性,计划推广应用至更多的中药化学对照品,特别当其可能含碱性或弱酸性化合物时,更应该尝试采用本文推荐的色谱柱选择策略交叉验证其纯度测定结果的准确性。     

基于萤火虫群优化算法的烟草香级集成分类方法

针对烟草化学成分与卷烟制品香级之间确定的数学模型难以建立的问题.提出了一种基于萤火虫群优化算法的烟草香级集成分类方法.方法首先使用混合核SVM独立训练多个个体支持向量机,然后利用改进的离散型萤火虫群优化算法选择部分精度较高、差异度较大的个体分类器参与集成,最后通过多数投票法得到最终的分类预测结果.对比实验结果表明,算法在分类准确度上具有较大的优势,证明了算法的有效性·从而为烟草的香级分类提供了可靠依据.     

理性看待“兔年行情”

在一次又一次的失望之后,春节也过了,越来越多的人开始相信“京城今冬无雪”。然后,大雪纷至……     

基于遗传算法-支持向量机的兔肝VX2肿瘤光谱鉴别

兔肝VX２肿瘤是一种快速生长的肿瘤模型,可以在多种器官如肝、肺、直肠等快速生长,常用于肿瘤研究。采用可见-近红外高光谱技术对四只兔子的兔肝VX２肿瘤和正常组织进行活体和离体的反射光谱检测,然后采用支持向量机分别实现了二分类(正常肝组织和肝VX2肿瘤组织)和四分类(未出血活体正常肝组织、未出血活体VX2肿瘤组织、出血离体正常肝组织和出血离体肝VX2肿瘤组织)。根据其光谱反射曲线的特征,选择了400～1 800 nm区间的数据为特征变量。为进一步提高分类准确率,分别采用5折交叉验证和遗传算法对支持向量机的核函数参数g和惩罚因子c进行了优化。其中5折交叉验证优化参数和分类结果为：二分类优化的惩罚参数c为4,核函数参数g为0.125 0,其校正集和预测集的准确率都达到了100%;四分类中优化出的参数c为8,g为0.121 1,其校正集和预测集的准确率分别达到了99.242 4%和93.333%。遗传算法优化参数和结果为：二分类中优化的参数c为0.845 6,g为0.062 5,其校正集和预测集的准确率同样都达到了100%;四分类中优化的参数c为5.5307,g为0.068 5,其校正集和预测集的准确率分别达到了99.242 4%和100%。结果显示两种优化方法都取得了很好的效果,遗传算法优化参数对四分类的分类更为精确。为进一步提升算法速度,采用间隔选取变量的方法来不断减少特征变量,最终每隔100 nm谱段选择一个变量,共选择14个谱段作为特征变量。采用遗传算法优化支持向量机参数并对其分类进行了研究,结果表明：二分类和四分类的校正集和预测集结果准确率均为99.242 4%,而且运行时间分别为11.4和20.0 s, 与选择全波段的运行时间：340.3和491.0 s相比, 说明多光谱技术可以进行肝VX2肿瘤组织和正常肝组织的鉴别,且分类准确率可达99%以上,而且运行时间缩短了很多。为未来多光谱技术在未来临床肿瘤诊断中实现肿瘤组织的快速实时在线检测和分类奠定了基础,显示出巨大的应用潜力。