生物质基纳滤膜制备与应用研究进展

纳滤膜技术在分子和离子分离领域极具前景，其核心膜材料主要依赖石油资源。随着“双碳”目标提出，开发非石油基纳滤膜迫在眉睫。生物质是源于动植物的可再生资源，具有“零碳排”的天然优势。以生物质基纳滤膜材料为出发点，分别以聚合物和小分子为主线，重点介绍了生物质基纳滤膜的制备策略及应用进展，并对其发展趋势做出展望，为高性能纳滤膜的可持续开发提供新思路。     

基于深度学习的运动心率测量系统

针对当前动态心率测量方法中存在心率监测准确度不高的缺点,提出使用深度学习算法提取光电容积脉搏波(photoplethysmograph,PPG)中的心率值。方法采集了15名身体健康的受试者不同运动速度下的PPG信号,并通过有抗干扰能力的心电(electrocardiogram,ECG)设备同步采集他们的ECG信号,将具有较强干扰的PPG信号作为堆栈自编码(stacked autoencoder,SAE)网络的输入信号,并将ECG信号作为网络标签,然后使用深度学习算法对自编码网络进行训练,以将有较强干扰PPG信号拟合为具有准确心率特征的类正弦波信号,从而实现对运动状态下干扰严重的PPG信号进行心率的提取。将SAE网络输出信号与对应ECG信号进行比较,结果显示,运动心率测量的平均误差为1.1658 bpm,表明深度学习算法对于心率测量的有效性,也为运动心率信号测量提供了一种新的途径。