纳米氧化物对水泥基料化学收缩的影响

采用ASTM化学收缩试验方法,研究纳米SiO2、MgO、Al2O3对水泥基材料化学收缩变化的影响,明确纳米材料种类的差异性。结果表明,各实验组水泥基材料化学收缩均经历三阶段:急速变化区、缓慢变化区、平稳区,7d始水泥基材料化学收缩基本稳定。几种纳米材料的最佳掺量对水泥基材料的化学收缩改善作用大小为:SiO2>Al2O3>MgO。研究发现,纳米材料种类和掺量的不同对化学收缩的影响也较大,在选用时,需综合考虑。     

国家级核应急医学救援分队能力评估指标体系的建立与应用

为进一步摸清国家核应急医学救援分队能力建设现状,国家核应急响应技术支持中心建立了评估指标体系、评分标准,对依托苏州大学附属第二医院(核工业总医院)设立的国家核应急医学救援分队开展能力评估。评估重点包括政策法规、组织机构、预案方案、指挥控制、应急设施与装备、应急响应行动和培训演练等7项一级指标。通过评估,摸清了现状,查找了问题,同时对救援方案、物资装备配备及管理、培训演练等国家核应急医学救援分队能力建设以及核应急能力评估等工作提出改进建议。     

PLC与SEW多轴伺服驱动总线集成在玻璃生产线控中的应用

本文介绍了一种将西门子PLC与SEW多轴伺服驱动通过PROFINET总线组合集成的一套玻璃生产线线控系统的应用方案。     

化工过程分析与合成课程教学模式改革与实践

基于工程教育专业认证的核心要求和学生素质教育的目标,化工过程分析与合成课程进行了教学模式改革与相应教学内容的建设,通过多层次的教学环节设计,探索以学生为中心的课程教学方法和评价模式,引导学生从整体上把握化工过程,培养学生把握问题本质及分析和解决问题的综合能力,使学生掌握过程分析与合成的方法论。     

Disease Ionomics: Understanding the Role of Ions in Complex Disease

Ionomics is a novel multidisciplinary field that uses advanced techniques to investigate the composition and distribution of all minerals and trace elements in a living organism and their variations under diverse physiological and pathological conditions. It involves both high-throughput elemental profiling technologies and bioinformatic methods, providing opportunities to study the molecular mechanism underlying the metabolism, homeostasis, and cross-talk of these elements. While much effort has been made in exploring the ionomic traits relating to plant physiology and nutrition, the use of ionomics in the research of serious diseases is still in progress. In recent years, a number of ionomic studies have been carried out for a variety of complex diseases, which offer theoretical and practical insights into the etiology, early diagnosis, prognosis, and therapy of them. This review aims to give an overview of recent applications of ionomics in the study of complex diseases and discuss the latest advances and future trends in this area. Overall, disease ionomics may provide substantial information for systematic understanding of the properties of the elements and the dynamic network of elements involved in the onset and development of diseases.     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。