摘要：二维MXenes材料是当前材料科学与生物医学领域的研究重点之一,其具有多种独特的材料特性:如出色的光学性能、高比表面积、优异的亲水性、易表面功能化修饰以及良好的电化学特性等。这些特性使得二维MXenes材料在诸多领域中具有广泛的应用潜力,尤其在生物医学领域中备受关注,其中在肿瘤的诊断与治疗领域中的新进展受到研究者的瞩目。近年来,MXenes研究的新进展主要集中在成像技术和治疗手段的更新,MXenes展现出一系列独特的物理化学性质,包括出色的荧光猝灭能力、卓越的X射线衰减性能以及优异的光热转换效率。这些特性使其在无创生物成像领域具有巨大的应用潜力。迄今为止,MXenes已在荧光成像、光声成像、计算机断层扫描以及磁共振成像(magnetic resonance imaging,MRI)等多个领域取得了显著的研究成果,通过设计复合型MXenes材料,亦可实现多模态成像,可拓宽单模态诊断技术的限制,为肿瘤成像提供新的思路。MXenes是理想的联合治疗材料,其在肿瘤治疗中主要体现在靶向载药和光学治疗特性,通过靶向载药精准化投递药物实现个体化治疗策略,从而避免全身化疗的不良反应。而如何通过合理的设计与修饰,制备出兼具诊断和治疗特性的MXenes探针是目前肿瘤研究领域中的热点与难点。本文旨在综述二维MXenes材料及其衍生物在肿瘤诊疗领域的最新发展、存在的机遇和挑战。同时,本综述还对材料的合成、表面修饰以及肿瘤成像等相关研究,以及当前环境下利用MXenes所面临的挑战和局限性进行探讨,对其性质、生物效应以及在肿瘤学领域的应用价值进行深入剖析,以期为肿瘤患者带来更加有效和安全的治疗方式。

摘要：为深入解析情绪对不安全行为的影响作用机制,探究情绪控制视角下的不安全行为矫正方法。从信息认知过程入手,结合眼动追踪技术和情绪唤醒方法,基于个体信息认知模型,设计情绪对建筑工人不安全行为的影响试验,通过测量不同情绪状态下工人的注意力分配、隐患识别和风险倾向,采用眼动热点图和方差分析(ANOVA),探究情绪在信息认知加工过程中对建筑工人不安全行为的具体影响。研究结果表明:在认知过程的信息获取阶段,正性情绪能够促进工人对现场危险的感知活动,而在信息分析阶段,正性情绪比负性情绪的工人具有更为显著的不安全行为倾向;基于个体信息认知的情绪不安全行为模型,正性情绪状态下的建筑工人更倾向于有意不安全行为,而负性情绪状态下的建筑工人则更倾向于无意不安全行为。建议施工企业应根据工人的情绪状态采取针对性的不安全行为管控措施,提高现场安全管理效率。

摘要：获取建筑工人个性特征是实现其不安全行为精准化、个性化干预管理的重要前提,而人格特质是分析建筑工人个性特征的重要依据。以292名一线建筑工人为研究对象,通过问卷调研和深度访谈探究人格特质与不安全行为之间的映射关系,基于大五人格生成不安全行为偏好,利用机器学习分类算法实现建筑工人的不安全行为识别。研究表明:高外倾性、中神经质、中宜人性、低责任心、低开放性映射习惯偏差型不安全行为;中外倾性、低神经质、低宜人性、低责任心、高开放性映射程序偏差型不安全行为;中外倾性、高神经质、中宜人性、高责任心、中开放性映射感知偏差型不安全行为;中外倾性、中神经质、中宜人性、中责任心、中开放性映射技能偏差型不安全行为。同时通过比选分类与回归树(classification and regression tree, CART)、随机森林(random forest, RF)、自适应提升树(adaptive boosting, AdaBoost)和梯度提升决策树(gradient boosting decision tree, GBDT)四种分类算法模型的评估指标,结果发现GBDT算法的不安全行为预测性能最优。

摘要：针对目前聚类算法对大数据处理效率较低的问题,研究云平台上高效并行化的聚类算法十分必要。在HDFS分布式文件系统基础上,设计一种并行聚类算法P-ISODATA,利用MapReduce编程框架的执行机制将传统ISODATA聚类算法并行化,并在Map阶段之后加入Combine阶段以减少网络传输开销,进一步提高执行效率。实验从著名UCI机器学习库上选取若干数据集作为测试数据,分析了新并行算法P-ISODATA性能,结果表明基于P-ISODATA算法具有优良的加速比、数据伸缩率和扩展率,可以有效地应用于大规模数据的处理。