浅谈检验标本采集对检验质量控制的影响

在实验过程中总是会涉及到诸多因素,例如室内质控、室间质评,标本的采集和处理等,这些因素都会对最终结果产生影响,其中最为关键的步骤为标本采集,在这一环节将直接对检验质量产生影响。想要做好检验质量控制工作,得出准确、可靠的结果,就要将分析前的调差降到最低,这就体现出对标本采集检验环节的重要性。     

锁环式同步器压簧对锁止可靠性的影响分析

同步器压簧在锁环式同步器的工作过程中起着极其重要的作用,压簧的刚度和工作长度设计是影响同步器工作的两个重要方面,刚度对同步器预锁止十分重要,工作长度设计与同步器的结构布置和形式有关。着重分析压簧的刚度对同步器锁止可靠性的影响,通过理论分析、变速器总成台架试验和整车道路运行试验详细而深入地阐明同步器压簧设计的重要性,具有重要的参考价值。     

包裹法预处理再生EPS颗粒的工艺优化研究

针对再生EPS颗粒与水泥基材料界面结合较差、容易上浮现象的问题,本研究提出了裹浆复合二次裹颗粒预处理再生EPS颗粒的方法。制备不同环氧树脂掺量的水泥浆对EPS颗粒进行包裹,分散颗粒选用粉煤灰、分散颗粒与EPS体积比为1:18、环氧树脂掺量为1%-2%、料浆的流动度在120-180mm、包裹层厚度在0.12-0.16mm时具有较佳的包裹效果,包裹层与再生EPS颗粒间界面过渡区结合紧密;相比未包裹的再生EPS颗粒,裹浆复合二次裹颗粒预处理再生EPS颗粒掺入水泥基材料,抗压强度可提升30%以上。     

多巴类药物的研究进展

综述了甲基多巴和卡比多巴这2种多巴类药物的合成方法进展,全文涉及了18篇参考文献.     

窄条带状边水稠油油藏水平井提高开发效果技术对策

新庄油田南三块窄条带状边水稠油油藏热采水平井生产过程中存在油层剖面动用不均、边水侵入等问题,从地质、注采参数和工艺3个方面研究了影响窄条带状边水稠油油藏热采水平井开发效果的主要因素,确定了氮气泡沫调剖辅助吞吐、利用温度剖面测试资料调整注汽工艺,实现均衡注汽等配套措施,改善了稠油热采水平井开发效果,提高了稠油油藏资源利用率,为其他油田同类型稠油水平井开发提供决策依据。     

结合应用型人才培养目标的“数学物理方法”教学探索

"数学物理方法"是理工科专业学生一门重要的基础课,具有理论与实践相结合的特征,对培养学生分析问题及解决问题的能力方面有重要作用。基于地方性本科院校应用型人才的培养目标,对"数学物理方法"课程进行了教学改革探索。针对课程的教学思路、教学模式、激发学生兴趣、成绩考核方面,提出了一些改革方法,实现了理论教学与能力培养的统一,对提高教学效果和教学质量,提升学生自主学习能力、创新能力和解决问题能力,实现应用型人才培养目标有较好的促进作用。     

基于深度学习的图像检索系统

基于内容的图像检索系统关键的技术是有效图像特征的获取和相似度匹配策略.在过去,基于内容的图像检索系统主要使用低级的可视化特征,无法得到满意的检索结果,所以尽管在基于内容的图像检索上花费了很大的努力,但是基于内容的图像检索依旧是计算机视觉领域中的一个挑战.在基于内容的图像检索系统中,存在的最大的问题是“语义鸿沟”,即机器从低级的可视化特征得到的相似性和人从高级的语义特征得到的相似性之间的不同.传统的基于内容的图像检索系统,只是在低级的可视化特征上学习图像的特征,无法有效的解决“语义鸿沟”.近些年,深度学习技术的快速发展给我们提供了希望.深度学习源于人工神经网络的研究,深度学习通过组合低级的特征形成更加抽象的高层表示属性类别或者特征,以发现数据的分布规律,这是其他算法无法实现的.受深度学习在计算机视觉、语音识别、自然语言处理、图像与视频分析、多媒体等诸多领域取得巨大成功的启发,本文将深度学习技术用于基于内容的图像检索,以解决基于内容的图像检索系统中的“语义鸿沟”问题.     

家用机器人的说话人识别系统

现有说话人识别系统对环境噪声及说话人声音变迁等干扰的鲁棒性较差。为此,在改进和优化高斯混合-通用背景模型的基础上,根据家庭环境中的典型特征,设计并实现一种用于家用机器人的说话人识别系统。应用结果表明,该系统具有较好的识别性能和较高的鲁棒性,适用于声控门禁和语音签到等领域。     

多维医疗影像数据管理系统

由于医疗领域数据的专业性、复杂性、多样性, 人工智能技术在医疗领域发展过程中存在样本数据缺乏的问题. 本文针对算法研究人员设计并开发了多维医疗影像数据管理系统, 系统包括数据预处理模块、数据管理模块以及数据可视化模块, 能够半自动化的生成具有分类标签的医疗影像数据, 对影像数据进行高效管理, 并且对系统中数据的分布特点以图、表的形式进行可视化展示.     

眼底图像半自动标注系统

近年来,由于人工智能在医疗领域的高速发展,科研人员对医学图像的需求量与日俱增.这些医学图像往往需要经过精细地标注之后才能够被投入使用.与自然图像相比,医学图像的数据标注工作更具专业性、复杂性.因此,医学图像面临着标注速率低、标注成本高等问题,从而导致带标签样本稀缺的困境.眼底图像作为一种重要的医学图像,能够实现绝大多数的眼科疾病筛查与初诊工作,如糖尿病视网膜病变、青光眼等,但也同样面临着标注困难的问题.针对这样的现状,本文设计并开发了一种高效的眼底图像半自动标注系统,该系统的创新点是能够对多种眼病进行半自动标注.针对眼底图像进行多种疾病的预测,预测结果的类型包括疾病分级和病灶分割,标注人员只需对生成的预测结果进行审核并修改,这一过程可以大大降低标注人员的工作量.此外,该系统包括用户管理、项目管理、图像管理、算法模型管理4个模块.通过这4个模块可以实现团队标注中的任务分配,标注进度数据可视化,标注结果快速导出等人性化功能.该系统极大提升了标注人员的标注效率和标注体验.