摘要：针对我国路面除冰工作主要依靠人工作业、用铁锨、镐头破碎冰层后集中装车运走,劳动强度大,效率低,而且容易破坏路面的现状,利用拟人仿生基本创新理论,开发设计出机械式路面冰雪层破碎机械。通过查新,国内目前还没有同类的破冰机械。样机模拟试验证明能够达到预期破冰效果。

摘要：目的研究小春花根黄酮提取工艺及其抗油脂氧化活性。方法以总黄酮提取率为考察指标,利用单因素试验结合响应面Box-Benhnken试验设计方法,研究乙醇浓度、料液比、提取时间、提取温度4个因素对提取工艺的影响,优化小春花根黄酮提取工艺;通过烘箱热贮藏实验研究小春花根黄酮对油脂的抗氧化作用。结果影响小春花根总黄酮提取的因素依次为:超声提取温度>乙醇浓度>提取时间>料液比,小春花根总黄酮最佳工艺条件为:乙醇体积分数73%,料液比1:43(g/mL),提取时间73 min,提取温度71℃。黄酮提取得率为3.4299 mg/g,与理论预测值3.4913 mg/g接近。抗氧化活性分析表明,黄酮提取物有较强抗油脂氧化活性;对油脂的抗氧化能力与黄酮提取物浓度成正相关,1 mg/mL黄酮提取物与VC的抗氧化作用相当。结论小春花根黄酮对油脂良好的保护效果,在油脂抗氧化添加剂的应用方面具有潜在的开发价值。

摘要：目的:基于深度学习对口腔曲面体层图像分析,开展人工智能在口腔常见疾病辅助诊断系统的研发,挖掘人工智能对曲面体层图像分割及辅助诊断价值。方法:回顾性纳入2000张口腔曲面体层片建立数据集(训练集1400张、测试集600张,累计标注82042例)。运用基于卷积神经网络的深度学习算法,通过算法设计、模型训练和验证,构建口腔常见疾病智能影像诊断模型PanoNet,利用6个子网络模型分别执行不同口腔疾病的分割及识别。结果:PanoNet在恒牙列识别及龋病、根尖周炎、阻生牙、种植体、牙体修复术后等疾病识别中准确率、敏感度和特异度均高于85%(kappa>0.81);在牙槽骨吸收分级识别中准确率、敏感度、特异度分别为76.50%、75.25%、79.00%(kappa=0.44)。结论:基于卷积神经网络的深度学习算法建立的口腔曲面体层图像诊断模型PanoNet能有效识别上述口腔常见疾病,体现人工智能在曲面体层片上对口腔常见疾病的影像辅助诊断的应用价值。