基因芯片中的微电子刻蚀技术

基因芯片是运用微电子加工技术以及基因分子的自组装技术在微小芯片上组装成千上万个不同的DNA微阵列,实现以基因为主的生命信息的大规模检测。本文利用氧化、光刻、蒸发、溅射等一系列集成电路刻蚀技术,研究了适于电化学检测的基因芯片微阵列的制备,并提出了这种芯片中微流路的制备工艺方案。     

基因芯片中点阵的微电子加工技术

基因芯片是运用微电子加工技术以及基因分子的自组装技术在微小芯片上组装成千上万个不同的DNA微阵列，实现以基因为主的生命信息的大规模检测。文章利用氧化、光刻、蒸发、溅射等一系列集成电路工艺技术，研究了适于电化学检测的基因芯片微阵列的制备，提出了这种芯片中微流路的制备方案。     

生物芯片的研究,发展和应用

生物芯片是运用大规模集成电路光刻充及生物分子的自组装技术，在一微小芯片上组装成千上肆个不同的ＤＮＡ或蛋白质的生物分子微阵列，实现以基因为主的分子信息大规模检测。这项技术有可能成为２１世纪重要的高新技术产业。     

基于癌症基因表达数据的数据挖掘方法研究

人类基因组计划的顺利完成标志着生命科学的研究进入了后基因组时代。近期的研究重点转向了从大规模生物数据中发掘蕴含的结构和功能信息。海量的数据成为了不可逾越的鸿沟。然而基因表达系列分析(SAGE)微阵列和基因芯片等技术的运用使得大数据基因在某个生命过程中的表达情况有规律可循。本文基于数据挖掘的方法研究从海量基因表达数据中筛选出对了解生命过程有指导意义信息的克星方法。结合计算机软件,应用改进模糊聚类方法对基因芯片进行基因表达分析。采取T检验分类,再聚类最后应用挖掘技术分析。旨在研究探索出一套精准可行的分析方案。从而为确定癌症致病机理和开发抑癌药物提供可靠的基因组学支持,为人类最终攻克癌症提供有力武器。     

基因芯片技术在肺癌研究中的应用

基因芯片技术是一项新的生物学技术,该技术以其迅速、高通量、大规模等特点在恶性肿瘤的分子生物学研究中具有广泛用途。本文综述了新近用基因芯片技术在肺癌基因表达及基因功能、基因诊断等研究方面的应用。     

微波组件自动化组装技术

本文在分析微波组伯手工组装技术优缺点的基础上，介绍了微波组件自动化组装技术，适合单一品种，大规模生产的流水线自动组装以及既可小批量也可大批量生产多种产品的计算机集成自动化组装。     

生物芯片技术正在崛起

生物芯片主要指通过平面微细加工技术在固体芯片表面构建的微流体分析单元和系统,以实现对细胞、蛋白质、核酸以及其它生物组分的准确、快速、大信息量的检测.高密度基因芯片是最重要的一种生物芯片,芯片上集成的成千上万的密集排列的基因探针,能够在同一时间内分析大量的基因,使人们可迅速读取生命的篇章,准确高效地破译遗传密码.这将是继大规模集成电路之后的又一次具有深远意义的科学技术革命.     

微电子组装技术取得重大进展

微电子组装是六十年代末,随着集成电路的发展,由混合集成电路逐步发展起来的一代崭新的电子组装技术。它和大规模集成电路技术一样是各种电子装备实现小型、轻量、高速、可靠、低成本的一个重要途径。雷达局南京14所经过五年多的探索,立足     

质量控制与检测

表面组装技术是一项技术密集型技术,它涉及到元器件、材料、设备、设计、工艺等因素。从大规模工业化SMT加工生产,到实验室手工贴装焊接,如何提高表面组装产品的质量,将不良焊点控制在一定范围内（例如150ppm之内）,需要从生产的各个环节确保SMT产品的组装质量得到严格控制,从而提高焊点的可靠性。     

汽相钎焊技术—原理 设备 材料和应用

一,表面组装(SMT)与再流钎焊(Reflow Soldering) 随着大规模(LSI)和超大规模(VLSI)集成电路技术的发展,越来越高的小型化和可靠性要求,电子组装技术已从真空管连线组装,晶体管分立元件印刷板组装,双列直插元件(DIP)印制板组装发展到表面组装(SMT)。SMT可包括印制板表面组装和各种薄膜,厚膜混合电路组装。 SMT是一种新的组装概念。它把各种有引线和无引线元件组装到印制板的一个或两个表面上,而代替过去使用的有引线元件通孔插件组装(在一面组装而在另一面焊接)。这种新的组装概     

基于颜色与肤色特征的视频过滤算法

互联网技术飞速发展给人们带来便利的同时,网络上大量色情淫秽等不良信息极大地干扰了正常的网络生活。根据当今网络不良视频的特点,文中提出了一种基于MPEG-7颜色描述子与动态肤色检测技术相结合的视频过滤算法。该算法综合考虑视频的静态信息和动态信息,采用支持向量机（SVM）进行学习分类,综合两类特征得到最终结果。通过实验分析,该算法有效提高了分类准确率,在当今网络环境中有着广泛的应用前景。     

学生成绩管理系统设计

在现今信息时代，生活速度的加快，使得人们越来越向信息化、数字化发展，管理信息系统（MIS）是一个由入、计算机等组成的能进行信息的收集、传递、储仔、加工、维护和使用的系统，必然能代替过去大量、繁杂的手工操作。本文通过用VB面向对象的编程环境编写学生成绩管理系统，用模块化设计方式将系统的各个功能模块层层分解，设计出系统的模块化结构，并根据系统的具体要求和需要实现的功能，详细地定义了各个模块的功能。     

大数据时代下数字生活社区的前景

随着信息化大数据时代的到来,既给信息科技从业者带来新的机遇和挑战的同时,也给大众百姓的生活带来巨大的品质提升,数字生活社区将引导一场前所未有的技术革命,对影响人们衣、食、住、行、医等方方面面,也使得人们对科技生活的依赖性更加增强,更加的理所当然.     

大数据时代的计算机信息处理技术

随着社会的发展,互联网对社会各行业的发展有着十分重要的影响。计算机作为最重要的生活生产设备,凭借着自身强大的功能与高效率,得到了广泛应用。面对海量的数据信息,实现更加高效的处理一直是计算机发展过程中的一项重要任务,而大数据时代的到来为其提供了更多的技术支持。文章在大量研究理论的基础上,结合多年工作实践,对大数据时代的计算机信息处理技术展开探讨,期望能为大数据应用实践提供一定的参考。     

大数据中心互联网络组网技术与部署策略研究

随着数字经济的飞速发展,各行各业都需要储存、提取、使用大量信息,数据中心已经和交通、网络通信一样逐渐成为现代社会基础设施的一部分。伴随着国家对于一体化大数据中心算力基础设施的规划和研究,大数据中心之间组网策略将深刻影响其高速互联、算力协同效率等。本文针对大数据中心之间的互联组网技术和部署策略进行分析研究,为科学合理搭建一体化数据中心网络提供技术分析和组网建议。     

智能家居控制系统的研究与发展

智能家居是21 世纪最重要的新兴产业.这是在融合了大量自动化技术、网络通讯技术和传感器技术的基础之上发展起来的.由于连接设备多,相互之间信息耦合强度大,智能家居的系统构成和通讯方式正在趋于复杂化.智能家居技术总体上划分为两个层面:一是家居生活过程的自动化,二是家居生活的感知学习及对生活需求的智能响应.这两方面的技术实现通常独立于家居设备存在,但又必须和所有家居设备进行通讯互联,构成一类智能控制的技术平台.其中包括可扩展的功能设计空间及可组态的人机交互环境,随时适应家居生活需求的变化.在云计算、云控制和云服务技术快速发展的今天,连接云环境的智能家居技术的发展也是指日可待的.     

交叉的边缘学科是新兴的学科增长点

基于国家产业结构调整引发学科专业调整的政策,分析了面临的新形势和现状,以我校2001级学生为试点,进行交叉学科——生物医学工程专业的教学研究。结论为:交叉学科是新兴的学科增长点,生命科学类专业可能是继信息类专业后最热门的专业。     

Protecting the trust and credibility of data by tracking forgery trace based on GANs

With the advent of the 5G Internet of Things era, communication and social interaction in our daily life have changed a lot, and a large amount of social data is transmitted to the Internet. At the same time, with the rapid development of deep forgery technology, a new generation of social data trust crisis has also followed. Therefore, how to ensure the trust and credibility of social data in the 5G Internet of Things era is an urgent problem to be solved. This paper proposes a new method for forgery detection based on GANs. We first discover the hidden gradient information in the grayscale image of the forged image and use this gradient information to guide the generation of forged traces. In the classifier, we replace the traditional binary loss with the focal loss that can focus on difficult-to-classify samples, which can achieve accurate classification when the real and fake samples are unbalanced. Experimental results show that the proposed method can achieve high accuracy on the DeeperForensics dataset and with the highest accuracy is 98%.