Effects of nanocrystalline ferrite particles on densification and magnetic properties of the NiCuZn ferrites

Effects of nanocrystalline ferrite particles addition on densification behavior and magnetic properties of the NiCuZn ferrites were investigated. It was confirmed that nanocrystalline ferrite particles enhanced densification of the samples obviously. The reason was attributed to the nanocrystalline particles, which spread around the micron-sized ferrite particles, increased contacting area and inter-diffusion of the particles. When the amount of nanocrystalline particles addition reached to 30 wt%, the samples obtained an approximate densification behavior as the 1.5 wt% Bi₂O₃ added samples. Due to relatively bigger grain size, higher sintering density and no different chemical composition sintering aids added, the sample with 30wt% nanocrystalline ferrite particles got the highest permeability and relatively high Q-factor when sintered at 900.     

关于食品生产监管信息化建设的思考

本文对全国食品生产监管信息化系统建设进行探讨,对信息化系统的建设方法和亟待解决的问题加以分析。     

冲击声的固有结构建模及目标识别

将统计数据驱动方法应用于冲击声的固有结构建模,研究了单个冲击信号及冲击声组的时域和频域特征提取方法,并将所提特征用于圆柱壳冲击声和公路空洞检测冲击声分类,获得了良好效果,证实了该方法用于冲击声目标分类的有效程度。     

发展煤电一体化构建和谐能源产业结构

电力和煤炭是国民经济的基础产业,煤电的各自垄断的地位造成能源消费的种种不和谐,结合国外经验,文章从发展煤电一体化产业对打破煤电垄断,构建和谐能源产业结构进行了分析、研究和论证,并提出了相关措施和建议。     

面向神经形态感知的人工脉冲神经元的研究进展

近年来,随着人工智能技术和脉冲神经网络(SNN)的迅猛发展,人工脉冲神经元的研究逐渐兴起。人工脉冲神经元的研究对于开发具有人类智能水平的机器人、实现自主学习和自适应控制等领域具有重要的应用前景。传统的电子器件由于缺乏神经元的非线性特性,需要复杂的电路结构和大量的器件才能模拟简单的生物神经元功能,同时功耗也较高。因此,最近研究者们借鉴生物神经元的工作机制,提出了多种基于忆阻器等新型器件的人工脉冲神经元方案。这些方案具有功耗低、结构简单、制备工艺成熟等优点,并且在模拟生物神经元的多种功能等方面取得了显著进展。文章将从人工脉冲神经元的基本原理出发,综述和分析目前已有的各种实现方案。具体来说,将分别介绍基于传统电子器件和基于新型器件的人工脉冲神经元的实现方案,并对其优缺点进行比较。此外,还将介绍不同类型的人工脉冲神经元在实现触觉、视觉、嗅觉、味觉、听觉和温度等神经形态感知方面的应用,并对未来的发展进行展望。希望能够为人工脉冲神经元的研究和应用提供有益的参考和启示。     

基于稀疏重建的信号DOA估计

从稀疏信号重建角度提出了一种改进的波达方向(DOA)估计方法。由于最小冗余线阵(MRLA)能以较少的阵元数获得较大的阵列孔径,将MRLA与l1-SVD方法相结合估计信号的DOA。仿真结果表明,经多次实验验证,所提方法是有效的,相比l1-SVD方法可以估计出更多信源的DOA,并且可以用较少的阵元数估计更多的信源DOA,具有信源过载能力。     

Glioblastoma Extracellular Vesicle-Specific Peptides Inhibit EV-Induced Neuronal Cytotoxicity

WHO Grade 4 IDH-wild type astrocytoma (GBM) is the deadliest brain tumor with a poor prognosis. Meningioma (MMA) is a more common “benign” central nervous system tumor but with significant recurrence rates. There is an urgent need for brain tumor biomarkers for early diagnosis and effective treatment options. Extracellular vesicles (EVs) are tiny membrane-enclosed vesicles that play essential functions in cell-to-cell communications among tumor cells. We aimed to identify epitopes of brain tumor EVs by phage peptide libraries. EVs from GBM plasma, MMA plasma, or brain tumor cell lines were used to screen phage-displayed random peptide libraries to identify high-affinity peptides. We purified EVs from three GBM plasma pools (23 patients), one MMA pool (10 patients), and four brain tumor cell lines. We identified a total of 21 high-affinity phage peptides (12 unique) specific to brain tumor EVs. The peptides shared high sequence homologies among those selected by the same EVs. Dose–response ELISA demonstrated that phage peptides were specific to brain tumor EVs compared to controls. Peptide affinity purification identified unique brain tumor EV subpopulations. Significantly, GBM EV peptides inhibit brain tumor EV-induced complement-dependent cytotoxicity (necrosis) in neurons. We conclude that phage display technology could identify specific peptides to isolate and characterize tumor EVs.     

基于改进UNETR++的肝脏分割

肝脏MRI影像的脂肪定量标准化过程中常需要对肝脏感兴趣区域进行手工采样, 但手工采样策略耗时且结果多变. 基于深度学习方法的全肝分割与手工勾勒的感兴趣区域在进行脂肪定量分析时, 变异性误差和不确定性程度更低, 性能更优越. 在进行全肝分割任务时, 为了提升分割性能, 本文在UNETR++模型的基础上, 进行改进. 该方法融合卷积神经网络和Transformer结构各自的优点, 增加卷积结构分支用于补足局部特征, 同时引入门控注意力机制, 抑制不相关的背景信息, 使模型更为突出分割区域的显著特征. 相比于UNETR++及其他分割模型, 改进的方法具有更优的DCS及HD₉₅指标.     

金属氧化物和分子筛在CO2环加成中的研究进展

二氧化碳（CO2）是主要的温室气体,同时也是一种廉价、无毒且可再生的一碳资源,因此将CO2转化为有价值的精细化学品可有效减缓气候变化、助力实现碳中和。CO2与环氧化物的环加成反应具有高原子经济、高选择性、低污染等优点,其产物环状碳酸酯可作为锂离子电池电解质、聚合物材料前体以及精细化学品中间体,应用前景广阔。氧化物因具有结构多样、可调性强等优点在CO2与环氧化物的环加成反应中的应用引起了广泛的关注。文章综述了两种典型且成本低廉、易于规模化生产的氧化物——金属氧化物与分子筛催化CO2与环氧化物的环加成反应的研究进展,重点分析了反应机理以及催化剂的应用。今后的研究重点是高性能无助剂的非均相催化剂的开发以及催化机理的探究。     

融合注意力线性特征多样化的DR分级模型

糖尿病视网膜病变(diabetic retinopathy, DR)是目前人类的主要致盲疾病之一。针对DR数据集中样本类间差异小和类分布不均衡等制约分级性能提高的问题,本文提出一种融合注意力线性特征多样化(fusion of attention linear feature diversification, FALFD)的分级算法。该算法首先用改进的Res2Net残差网络作为模型骨干来增大感受野,进一步提高网络捕捉特征信息的能力;其次引入自适应特征多样化模块(adaptive feature diversification module, AFDM)对眼底图像可分辨的微小病理特征进行识别,获得具有高语义信息的局部特征,避免单一特征区域的限制,进而提高分级准确度;再后利用双线性注意力融合模块(bilinear attention fusion module, BAFM)增加可判别区域特征的网络权重占比;最后采用正则化焦点损失(focal loss, FL)进一步提升算法的分类性能。在IDRID数据集上,灵敏度和特异性分别为94.20%和97.05%,二次加权系数为87.83%;在APTO...