排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
采用循环伏安法对羟喜树碱在4-(2-吡啶偶氮)间苯二酚(PAR)导电聚合膜修饰电极上的电催化性能及其电化学分析方法进行了研究.磷酸盐缓冲液中(pH3.0),在-0.2~ 0.4 V范围内羟喜树碱在PAR膜修饰电极表面受吸附控制,发生准可逆单电子转移电极反应过程,电子转移系数α=0.38;首次提出了以差示脉冲伏安法建立检测羟喜树碱含量的新方法.在聚合时间为40圈(100mV/s),富集电位 1.0V,富集时间240s条件下,利用差示脉冲伏安法测得其氧化峰电流Ip与浓度分别在0.01~1.0μmol/L和1.0~4.0μmol/L范围内呈良好的线性关系,检出限为1.0nmol/L. 相似文献
3.
4.
5.
6.
7.
为研究多层螺旋CT多平面重建在胃肠道淋巴瘤诊断中的应用价值及检测结果与临床分期的相关性,本次研究筛选我院2016年1月~2019年6月收治的50例经病理学检查证实的胃肠道淋巴瘤患者为观察组,另选同期50例非胃肠道淋巴瘤患者为对照组,均实施多层螺旋CT多平面重建,对比两组及观察组内不同组织类型、不同临床分期患者CT重建参数(图像客观噪声、信噪比)的差异,利用Pearson相关性分析法对CT重建参数与胃肠道淋巴瘤临床分期的相关性进行检验。病理学检查证实,50例胃肠道淋巴瘤患者中有弥漫性大B细胞淋巴瘤25例、黏膜相关淋巴瘤19例、小B细胞淋巴瘤4例、套细胞淋巴瘤2例,与多层螺旋CT多平面重建符合率差异无统计学意义(P>0.05)。观察组图像客观噪声低于对照组,信噪比高于对照组,差异有统计学意义(P<0.05)。观察组内不同组织类型患者、不同临床分期患者CT重建参数差异有统计学意义(P<0.05)。Pearson相关性分析结果提示,多层螺旋CT多平面重建参数中图像客观噪声与胃肠道淋巴瘤临床分期呈负向相关性(r=-0.74,P<0.05),信噪比与胃肠道淋巴瘤临床分期呈正相关性(r=0.71,P<0.05)。据此可得,在胃肠道淋巴瘤诊断中多层螺旋CT多平面重建取得的效果更佳且CT重建参数与临床分期密切相关,对于辨别组织类型和判断临床分期具有重要参照价值,值得推广。 相似文献
8.
含铁菱镁矿(Mg,Fe)CO3是碳进入地球深部的主要载体之一,铁的进入会引起矿物物理性质的变化。采用第一性原理计算方法,研究了菱镁矿含铁及铁的自旋转变对菱镁矿热力学性质的影响。含铁菱镁矿的低自旋态体积比不含铁菱镁矿小;高自旋态在低温端的体积比不含铁菱镁矿略微增大,在高温端却减小;在所研究的温压范围内,低自旋态的体积始终比高自旋态的体积小。含铁菱镁矿高自旋态的热膨胀系数减小,而自旋转变会导致热膨胀系数增加。考虑高低两种自旋态共存时的热力学性质时,计算结果表明:自旋态共存时的热膨胀系数、速度在自旋共存区间内分别呈现异常增大峰和异常减小峰,并且这些异常变化峰随着温度的升高向高压方向移动。 相似文献
9.
木犀草素在玻碳电极上的直接电化学行为及其测定 总被引:1,自引:0,他引:1
应用循环伏安法研究木犀草素于玻碳电极的电化学行为.在磷酸盐缓冲液中(pH 4.0),-0.2~+0.8V电位区间内,木犀草素于玻碳电极表面发生的电极反应是吸附控制的准可逆2电子转移过程,电子转移系数α=0.66;建立了检测木犀草素含量的差示脉冲伏安法(DPV).在富集电位+0.4 V下,经富集240 s后,测得木犀草素氧化峰电流Ip与其浓度在1.0×10-8~1.0×10-6mol.L-1范围内呈良好的线性关系,最低检出限为5.0×10-9mol.L-1.本法操作简单、快速、灵敏、准确,可为木犀草素药物质量的控制和检测提供一种简便的新方法. 相似文献
10.
乳腺炎是奶牛生产养殖中最为严重的疾病之一,奶牛乳腺炎的早期检测可以为后续治疗提供依据,从而提高疾病治疗效率,降低养殖风险。为了对自然行走的奶牛实现快速、高精度的“一步式”乳腺炎疾病检测,提出了一种基于热红外图像,融合数据增强与改进ResNet34的奶牛乳腺炎疾病检测方法。相对于现有的“多步式”奶牛红外图像乳腺炎检测方法,该方法无需奶牛关键部分如乳房和眼睛的定位以及温度提取等,可有效避免“多步式”造成的误差累计,从而实现更高效的乳腺炎检测。首先,将包含奶牛关键部位的局部图片水平拼接成信息完整的整体图片,结合RandAugment数据增强方法扩增训练样本;其次,采用ResNet34残差网络作为实验的基础网络,并根据热红外图像特性对模型进行如下改进:(1)精简网络内部冗余层使得模型更轻量化;(2)中间层添加辅助分类器弥补由于模型精简带来的特征损失;(3)将改进的多融合池化层代替原有单一池化层,使得特征提取内容更丰富。随机选取3 298张热红外图像(66头奶牛)作为实验对象,并设置多组对比实验,结果表明: 与传统ResNet34相比改进后ResNet34模型分类准确率提高3.4%,基于改进ResNet34并融合迁移学习和数据增强的模型验证准确率达到90.3%,测试准确率为88.4%,分类时间仅需3.39×10-3 s。为了保证实验数据集的样本独立性,进一步将奶牛个体数量按照3∶1∶1划分为训练集、验证集和测试集,测得模型测试准确率达到80.3%,证明所提出模型具有很好的鲁棒性。根据测试结果,计算出模型查准率为91.2%、查全率为91.6%、F1分数为91.4%,与前人所做实验相比准确率提高了5.1%,特异度提升5.3%。该研究方法可以为初期奶牛乳腺疾病筛选和医学诊断提供辅助和参考。 相似文献