摘要：以吖啶酮为荧光团,引入离子识别基团设计合成了一种新型化学传感器ANSA。该化合物的结构通过氢谱、碳谱以及高分辨质谱进行确认。对传感器的性能研究试验表明,该传感器在水溶液中对Cu^(2+)的识别具有专一性、强抗干扰性,pH 7左右时对Cu^(2+)的识别作用最强。Job's plot曲线表明,Cu^(2+)与传感器配位比为1∶2,该传感器对多种形式的铜源都具有较好的识别作用。

摘要：为实现肺结节自动分析与识别,研究基于模糊建模思想和迭代相对模糊连接度(IRFC)算法的自动解剖识别(AAR)方法。该方法包括5个步骤:收集图像数据,用于模型构建和测试AAR;叙述胸腔中每个器官的精确定义,根据定义提取肺部轮廓;建立分层模糊解剖模型;利用分层模型识别和定位肺部;根据层级结构提取肺部轮廓。将分割好的肺部图片作为输入送入卷积神经网络进行肺部结节检测,通过使用VGG-16网络模型,在天池医疗AI大赛的数据集上实现了92.72%的目标检测准确率。

摘要：为减少CT扫描中X射线的辐射剂量,提出一种基于残差学习的CT稀疏重建伪影校正的方法。增大CT扫描间隔的角度,减少投影的个数;利用FBP方法对原始数据进行反投影重建;建立基于残差学习的卷积神经网络模型,对重建过程中的伪影特征进行学习;通过对稀疏重建的图像进行残差操作,得到去伪影的CT图像。实验结果表明,该方法降低了X射线的辐射剂量,减少了传统稀疏重建中正则化的影响,有效降低了条形伪影。

摘要：为了对高压输电线路功率因数及有功功率等电量参数进行实时监测,以便实时了解输电线路电量参数状况,传统输电线路功率因数及有功功率等电量参数的测量需要在输电线路上挂接电压互感器和电流互感器,这种测量方法不仅需要高昂的投资,而且安装互感器占用空间加大,且容易遭受雷击,为了解决上述问题本文提出一种基于电场法非接触获得电压相位信号,并利用穿心开口式电流互感器、专用电能质量芯片和无线射频技术实现高压输电线路功率因数及有功功率等电量参数实时测量的新方法 ,利用该方法研制了电量参数测量装置,并经现场试验,测量精度满足实际测量要求。

摘要：设计面向NVM的混合粒度文件系统UFS，首先给出混合粒度文件系统的结构；设计空间管理策略，将两类NVM存储设备的空间划分为字节区和块区；然后基于多级索引表的元数据和数据管理策略，提高元数据和数据的查找性能；设计了混合式文件数据管理策略，在两类NVM存储设备之间合理分布数据，提高数据的访问效率，解决单一NVM存储设备存储空间不足的问题；最后在fuse的基础上实现了UFS原型系统，使用postmark和fio工具进行了测试与分析。结果表明UFS相比Ext3在I／O性能上提高了28％～166％，接近于ramfs，在保证I／O性能的同时，解决了DIMM接口NVM存储设备空间不足问题。

摘要：针对液相/气相环境氯离子浓度检测需求,提出了一种基于双电极检测体系的漏斗状氯离子浓度检测方法。通过设计漏斗型收集单元,实现对气相环境样品有效获取。根据传感器输出电势差,计算收集单元沉积液中氯离子浓度。借助3D打印技术制作聚四氟乙烯外壳,采用电镀法制得Ag/AgCl电极。在1×10;~1 mol/L氯化钠浓度范围的液相条件下,校准曲线线性度约为99.14%,灵敏度达到54.63 mV/lgC;,检测下限为0.891×10;mol/L,呈现较好的灵敏度和检测区间。在沉降速率为100 mL/(80 cm;·h)的气相环境下,基于漏斗型收集单元的传感器峰值响应时间约为440 s,而未采用漏斗型收集单元设计则无有效数据。

摘要：随着现代计算机技术的发展与应用,计算机辅助诊断系统在医学影像分析领域的地位变得愈发重要。其技术的关键在于病灶的定位与分类。由于图像的特征提取十分复杂,若应用传统机器学习方法,则需对图像作大量的预处理。文中提出一种基于深度学习的肺部肿瘤检测方法,运用卷积神经网络对患者肺部肿瘤图像进行特征提取。结合区域建议网络预测肿瘤在图片中可能存在的位置,同时生成建议框。利用学习好的特征对目标区域进行分类并微调建议框的位置。该方法无需人工设计目标特征,通过卷积神经网络学习到的特征更加具有代表性,且能够较好地预测肿瘤的位置。在NLST以及Kaggle的数据集上对该方法进行了评估。实验结果表明,该方法具有较高的准确率和效率。

摘要：目的基于临床数据中心设计构建科学、精准、高效的专科科研管理系统,自动获取临床数据中心以及其他外部数据源信息。方法介绍专科科研系统的设计需求、系统架构、实现方案,以及系统特色。结果利用专科科研系统满足了临床科研需要,提高了数据录入的便利性和科研数据的利用效率。结论专科科研系统的实施可推动医疗数据的有效利用,促进科研管理的规范化、高效化、精准化。

摘要：伴随着云机器人的发展,机器人能够参与的场景越来越多,互联网的飞速发展,随之而来的是多用户在不同场景下使用机器人构成的隐私威胁。机器人在不同场景下应拥有不同的权限,在保护用户隐私的同时还可以效率最大化地完成任务。为此,场景理解是解决这一问题的基础,通过预先设定不同场景下各用户所拥有的权利与限制,服务器通过机器人拍摄的图片判断机器人所处的场景,从而赋予各用户不同的权限,使机器人听从用户的指令保护隐私。此举的应用为多用户多机器人系统的安全防护方式提供了一种新的思路。

摘要：详细介绍基于医护患一体的急诊智能化信息系统建设目标、具体实现等方面,指出该系统有助于缩短急救患者救治时间,实现诊疗流程精细化管理,为医院质控部门提供有力的数据支撑。