先进的微生物芯片检测系统及其应用

发展了一种先进的微生物芯片检测方法,并研制用于芯片检测的新型数字化成像扫描检测系统。采用激光诱导荧光的检测原理设计一种新颖的CCD数字化成像扫描检测系统结构,荧光信号采集端的数值孔径NA=0．72,工作距离3．22 mm,系统检测灵敏度小于每平方微米1个荧光分子。以微生物大肠杆菌和黄单胞菌检测为例,设计基因芯片,并应用所研制的芯片检测系统实现了微生物的正确鉴定,提供了一种高效的食品安全检测整体解决方法。实验结果表明两种微生物的芯片检测实验结果稳定可靠,与国外共焦扫描仪检测的结果完全一致。     

用光波导光模光谱技术研究DNA-DNA结合蛋白相互作用

探讨了应用光波导光模光谱(Optical waveguide lightmode spectroscopy,OWLS)技术研究DNA-DNA结合蛋白相互作用的可行性和灵敏性。以固定在传感器芯片表面的DNA探针为捕捉分子,溶液中同时含有探针结合序列和NF—κB结合位点序列的寡核苷酸与NF-κB亚单位p50同源二聚体形成的DNA-蛋白质复合物为检测分子,用光波导光模光谱检测技术建立非标记DNA-DNA结合蛋白相互作用检测研究体系。利用这一体系对不同样品中NF-κB p50浓度和具不同NF-κB结合位点序列的寡核苷酸与NF-κB p50亲合和力进行检测。样品中低至0．33 nmol/1的NF-κB p50被光波导光模光谱检测出,不同的NF-κB结合序列与NF-κB p50亲合力有显著的差异。研究发现,光波导光模光谱技术可以用于DNA-DNA结合蛋白相互作用研究,所建立的非标记检测研究体系可以进行样品中结合蛋白含量高灵敏检测和核酸序列与结合蛋白的亲合力的检测研究。     

中条山混沟原始森林地区野生药用植物资源研究

在混沟植物区系分析研究的基础上,对混沟地区的野生药用植物资源进行了初步统计,药用植物共有94科234属304种,按照其功效分为13类,并对该地区的野生药用植物资源的保护和利用进行了讨论.     

基于小波能量加权的医学图像融合新算法

目前的大多数基于小波变换的医学图像融合算法,由于没有细致考虑低频分量融合规则以及高频分量邻域特征对于融合效果的重要性,因而得到的融合效果有时并不理想.现提出一种小波域按邻域加窗能量加权的融合准则,该准则根据人体颅部18F-FDG和MRI-T1图像的特点,充分考虑到了低频分量和高频分量邻域特征,对原图像高、低频小波系数分别选用具有不同物理意义的窗矩阵进行邻域加窗能量计算,以归一化加窗能量为权值对各小波系数进行加权,得到融合小波系数,经过小波反变换重构出融合图像.实验证明,采用提出的融合算法得到的融合图像很好地包含了源图像的信息,该算法在医学图像融合应用中比传统的小波系数取大算法、加权平均算法及按邻域方差加权算法效果更好.     

浅谈现代图书馆的人本管理

科学技术飞速发展使图书馆管理工作现代化。实行“以人为本”的管理方法顺应了时代的发展,符合现代图书馆的实际需求。从读者和图书馆员两方面讨论了如何提高图书馆管理水平的问题。     

论我国流通政策体系的优化与完善

随着社会主义市场经济体制的完善及我国加入世界贸易组织,现有的流通政策体系暴露出很多问题。通过对国情的研究及国外经验的借鉴,全面优化与完善我国的流通政策体系,是解决流通业目前存在的问题及实现流通现代化的必要措施。     

医学信息的网络检索技巧

介绍了网络医学信息资源的类型及搜索引擎,对医学信息的检索途径和策略进行了说明,并对网络医学信息检索的方法和技巧进行了探讨。     

试论城市化进程的三个阶段

介绍了大多数发达国家城市化进程的划分方式,指出此划分方式对我国不适应的原因。针对我国城市化各阶段所呈现出来的主要特征,对我国城市化进程提出了一种全新的划分方法。     

加快完善社会保障制度构建社会主义和谐社会

建立和完善我国社会保障制度,不仅是社会主义本质特征的基本要求,而且是构建社会主义和谐社会的客观要求。分析了我国社会保障制度存在的问题,提出了加快完善社会保障法律制度、开征社会保障税、提高社会保障的社会化程度等完善社会保障制度的建议。     

CT and MRI Medical Image Fusion Using Noise-Removal and Contrast Enhancement Scheme with Convolutional Neural Network

Medical image fusion (MIF) has received painstaking attention due to its diverse medical applications in response to accurately diagnosing clinical images. Numerous MIF methods have been proposed to date, but the fused image suffers from poor contrast, non-uniform illumination, noise presence, and improper fusion strategies, resulting in an inadequate sparse representation of significant features. This paper proposes the morphological preprocessing method to address the non-uniform illumination and noise by the bottom-hat–top-hat strategy. Then, grey-principal component analysis (grey-PCA) is used to transform RGB images into gray images that can preserve detailed features. After that, the local shift-invariant shearlet transform (LSIST) method decomposes the images into the low-pass (LP) and high-pass (HP) sub-bands, efficiently restoring all significant characteristics in various scales and directions. The HP sub-bands are fed to two branches of the Siamese convolutional neural network (CNN) by process of feature detection, initial segmentation, and consistency verification to effectively capture smooth edges, and textures. While the LP sub-bands are fused by employing local energy fusion using the averaging and selection mode to restore the energy information. The proposed method is validated by subjective and objective quality assessments. The subjective evaluation is conducted by a user case study in which twelve field specialists verified the superiority of the proposed method based on precise details, image contrast, noise in the fused image, and no loss of information. The supremacy of the proposed method is further justified by obtaining 0.6836 to 0.8794, 0.5234 to 0.6710, and 3.8501 to 8.7937 gain for QFAB, CRR, and AG and noise reduction from 0.3397 to 0.1209 over other methods for objective parameters.