液相色谱-串联质谱技术在临床检验中的应用研究进展

液相色谱-串联质谱（LC-MS/MS）技术具有高灵敏度、高特异性、高分辨率和高效率的优点。近年来随着仪器灵敏度的提高，LC-MS/MS在常规临床检验中显示出极大的潜力，并在疾病早期预防和诊断中发挥着不可替代的作用。本文对LC-MS/MS在新生儿疾病筛查、维生素D检测、内分泌激素检测、肽类和蛋白质定量分析等临床检验方面的研究进展进行综述，并讨论了未来面临的挑战。     

低压静电场辅助冷冻对竹笋品质的影响

为研究低压静电场辅助冷冻对竹笋冻结特性的影响，以冻结曲线、硬度、水分损失率、水分迁移、冰晶形态和组织微观结构为指标，探究低压静电场辅助冷冻（－35 ℃）和普通冷冻（－35 ℃）条件下竹笋品质的变化规律。结果表明：低压静电场辅助冷冻提高了冻结效率，改变了冰晶形态及分布，减轻了组织微观结构破损程度，改善了解冻汁液流失情况。与静电板间距10、20、30、40 cm处的冷冻竹笋解冻后水分损失率分别为14.16%、12.58%、9.73%、10.44%，显著低于对照组（21.01%）（P＜0.05），硬度分别为461.19、507.48、496.65 g和455.31 g，显著高于对照组（350.70 g）（P＜0.05）。低场核磁共振分析结果表明，在低压静电场辅助冷冻下竹笋解冻后汁液流失减少，扫描电子显微镜观察结果显示，竹笋纤维排列整齐，组织微观结构保持较好。低压静电场辅助冷冻可有效改善竹笋品质，可为利用低压静电场进行果蔬的冷冻贮藏和冷链运输提供参考。     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

疫情下电磁场理论课程的网络教学

本文主要总结了新冠疫情期间作者的电磁场理论课程在线教学经验。对比分析了录播和直播的优缺点后,选择录播教学方式。基于超星网络教学平台,展示了录播网络教学的具体措施,包括网上答疑和学习效果检查以及在线批改作业等。给出了网络教学可以为线下教学继续使用的方法和手段,为疫情结束后的正常教学提供了新的网络教学补充措施。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

Magnetic properties,phase evolution,hollow structure and biomedical application of hematite (α-Fe2O3) and QUAIPH

We investigate synthesis, phase evolution, hollow and porous structure and magnetic properties of quasi-amorphous intermediate phase (QUAIPH) and hematite (α-Fe₂O₃) nanostructure synthesized by annealing of akaganeite (β-FeOOH) nanorods. It is found that the annealing temperature determines the phase composition of the products, the crystal structure/size dictates the magnetic properties whereas the final nanorod morphology is determined by the starting material. Annealing of β-FeOOH at ～300 °C resulted in the formation of hollow QUAIPH nanorods. The synthesized material shows low-cytotoxicity, superparamagnetism and good transverse relaxivity, which is rarely reported for QUAIPH. The QUAIPH nanorods started to transform to porous hematite nanostructures at ～350 °C and phase transformation was completed at 600 °C. During the annealing, the crystal structure changed from monoclinic (akaganeite) to quasi-amorphous and rhombohedral (hematite). Unusually, the crystallite size first decreased (akaganeite → QUAIPH) and then increased (QUAIPH → hematite) during annealing whereas the nanorods retained particle shape. The magnetic properties of the samples changed from antiferromagnetic (akaganeite) to superparamagnetic with blocking temperature T_B = 84 K (QUAIPH) and finally to weak-ferromagnetic with the Morin transition at T_M = 244 K and high coercivity H_C = 1652 Oe (hematite). The low-cytotoxicity and MRI relaxivity (r₂ = 5.80 mM^?1 s^?1 (akaganeite), r₂ = 4.31 mM^?1 s^?1 (QUAIPH) and r₂ = 5.17 mM^?1 s^?1 (hematite)) reveal potential for biomedical applications.     

纳米药物非临床药代动力学的研究策略及关注要点

随着纳米技术的迅速发展，纳米药物的研发已成为目前药物创新的发展方向之一。纳米药物具有基于纳米结构的尺度效应，其药代动力学特征与普通药物相比存在明显差异，其药代动力学研究与普通药物相比也有其特殊性。本文着重探讨纳米药物的非临床药代动力学的研究策略及关注要点，包括受试物、体内/外试验、生物样本分析、数据评价分析等，期望为研发者提供参考。