急性炎性疾病患者乳酸林格氏液液体动力学

目的:探索炎性疾病患者的乳酸林格氏液（Ringer's lactate,RL）液体动力学特征以及炎性生物标记物是否可以作为协变量影响RL分布和排泄。方法:本研究为前瞻性队列研究。选择40例美国麻醉医师分级（ASA）I-II级，腹腔镜下择期胆囊切除术（胆囊炎组，n=20）或者腹腔镜下急诊阑尾切除术（阑尾炎组，n=20）。所有患者麻醉诱导前开始输注RL，按15 mL/kg，35 min内输毕。采用酶联免疫（enzyme-linked immunosorbent assay,ELISA）方法测定血浆炎症（TNF-α,IL-10和CRP）或者内皮损伤生物标记物（syndecan-1,SDC-1）；利用血红蛋白（Hb）稀释-时间曲线和尿量，使用Phoenix软件，采用非线性混合效应模型分析计算RL液体动力学参数和协变量的影响。结果:与胆囊炎组相比，阑尾炎组RL从组织间隙到血浆的转运速率常数（k21）显著降低（14×10-3min-1 versus 35×10-3min-1;P=0.012）。阑尾炎组C反应蛋白（CRP）升高［中位数38.1(1.8-143.6) μg/mL versus 1.3(0.1-159.0) μg/mL;P<0.001］；与清醒状态相比，麻醉期间（输液开始后30～45 min），液体从中央室中到外周室的转运速率常数（k12）显著增加（57×10-3min-1 versus 32×10-3min-1；P<0.01）。清除速率常数（k10）降低90%（0.6×10-3min-1 versus 5.3×10-3min-1;P<0.001）。无论在清醒状态还是麻醉状态下低血压均能降低液体清除；炎症或者内膜损伤的生物标记物不能作为显著影响RL液体动力学参数的协变量。结论:阑尾炎或者胆囊炎患者术前输入液体后“炎症反应的生物标记物”不是RL的液体动力学的协变量，但是两组患者中，全身麻醉期间输入液体的清除率下降。     

不同晶相结构ZrO2负载铜基催化剂用于二乙醇胺脱氢反应

通过制备不同晶相结构〔单斜相(m-ZrO_2)、四方相(t-ZrO_2)和无定型(a-ZrO_2)〕ZrO_2载体,再通过沉积沉淀法制得Cu/m-ZrO_2、Cu/t-ZrO_2和Cu/a-ZrO_2催化剂,分别用于催化二乙醇胺脱氢合成亚氨基二乙酸反应。采用XRD、氮气物理吸附脱附、XPS、H_2-TPR、CO_2-TPD对催化剂的结构进行了表征。结果表明,Cu/m-ZrO_2催化剂界面更加有利于Cu~+/Cu~0稳定存在,具有更多的碱性位点,且抗氧化性较好。在二乙醇胺脱氢反应中,Cu/m-ZrO_2催化剂性能最好,反应时间为2.5 h,亚氨基二乙酸收率为97.64%。     

SA508-3钢铸态粗晶组织热压缩变形行为与晶粒演化规律

为获得SA508-3钢铸态粗晶组织热变形过程中的晶粒细化和均匀化规律,通过Gleeble单道次高温热压缩实验(950℃~1250℃,0.001s-1~1s-1,真应变ε=0.8),发现铸态粗晶在低温硬化-回复阶段时的应力水平较锻态细晶的略高,通过金相分析发现,该现象是由铸态粗晶组织含有大量形变孪晶及其较差的变形协调性所致。同时分析了不同变形条件(温度和应变速率)对再结晶晶粒尺寸和混晶程度的影响规律,得到了动态再结晶完成后,变形温度为1 050℃~1 200℃、应变速率为0.01s-1~1s-1的变形参数对SA508-3钢铸态粗晶组织具有较好的细化晶粒作用,最高晶粒度可达6级~7级;1050℃~1200℃、0.001s-1~0.1s-1的变形参数可有效地降低SA508-3钢铸态粗晶组织的混晶程度,动态再结晶完成后组织比较均匀。     

基于儿童使用主体的建成环境评价尺度研究

评价尺度是建筑使用后评价的基 本问题之一，它是使用者评判建成环境好 坏、优劣的重要测度标准。为弥补目前环境 评价尺度研究方面的缺失，建立与儿童使用 主体相一致的建成环境评价尺度，对儿童常 用语义量词进行汇总和筛选，采用五级线 分刻度方法进行问卷调查研究。基于儿童的 理解，通过问卷试验分析，结果表明：双侧 5级区间评价尺度为：很（负面）；有点（负 面）；中等；有点（正面）；很（正面）；单侧 5级区间评价尺度为：不；好像有点；比较； 很；特别。     

一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。