105例肺癌患者外周血中miRNA-10b的表达

目的 探讨miRNA-10b在非小细胞肺癌(Non-small cell lung cancer,NSCLC)患者外周血的表达情况.方法 选取156例非小细胞肺癌患者,其中,105例列入实验组,51例排除入组,另选50例健康志愿人员为正常组.采用实时荧光定量PCR(RT-qPCR)检测两组外周血中miRNA-10b的表达,并分析实验组患者外周血中miRNA-10b表达与临床、病理、治疗方法 的关系.结果 实验组外周血中miRNA-10b表达为1.85±0.14,而正常组外周血中miRNA-10b表达为1.03±0.18,实验组明显高于正常组;患者外周血中miRNA-10b的表达高低与烟草吸食情况、病理学TNM分期、肺癌的类型相关(P<0.05).结论 非小细胞肺癌患者外周血中miRNA-10b升高明显,miRNA-10b的高低与吸烟、病理类型、淋巴结转移和病理分期有关,可作为疗效的监测指标.     

光散射法扬尘监测仪关键设计与数据分析

为提高光散射扬尘监测仪对环境空气中颗粒物PM10及PM2.5的测量的稳定性及精度,通过对光散射扬尘监测仪的关键设计,提供一种温湿度传感器以及动态控制系统,消除环境湿度对采样气路的影响;设计零气校准及自动吹扫系统防止高浓度颗粒物对光学气室的污染,提高本底测量精度,从而实现光散射法扬尘监测仪测量精度更高、稳定性更好.     

功能化二氧化硅纳米材料在肿瘤治疗领域的应用

纳米材料(如脂质体、聚合物胶束、树枝状聚合物)基于其良好的物理化学特性,在药物递送、成像诊断等肿瘤诊疗领域拥有巨大的应用前景.其中,介孔二氧化硅纳米材料(mesoporous silica nanomaterials, MSNs)具有独特的孔径结构、较大的比表面积,并且其粒径大小、形貌结构易于调控,同时结合多种修饰手段,在生物医学领域引起了广泛的关注. MSNs材料功能化修饰后,可作为化学药物、基因、核酸、多肽、蛋白酶等治疗药物载体,在内、外源性刺激触发下,对肿瘤部位进行特异性靶向识别和可控性药物释放,使得肿瘤诊疗一体化成为可能.本文在对MSNs材料独特的物理化学特性进行介绍的基础上,综述了其在现代生物医学中的发展趋势,并展望了其在临床应用中的巨大潜力.     

共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

基于Petri网的物流派送模型修复分析

目前,模型修复技术应用领域非常广泛,模型修复不仅可以达到完全重放日志的目的 ,还可以最大程度地与原始模型保持相似,能够保留原始模型的价值.因此,越来越多的学者专注于研究模型修复.基于Petri网构建了一个物流派送流程模型,然后将事件日志与流程模型进行一致性检查,主要根据成本对齐测量其偏差,并针对检查到的偏差部分,根据提出的用于辅助模型修复的算法对原始模型进行修复,使得修复后的模型能够完全重放事件日志.最后通过实例分析验证了修复模型的合理性.     

提高热工控制系统生产安全性的措施研究

随着热电厂机组容量的不断增加,热工控制系统的设计越来越复杂。发电过程智能化控制是热工控制系统设计人员必须具备的一项基本技能,热工控制自动化系统通常是通过分散控制系统(DCS)来实现的。本文结合现代工业主流的分散控制系统在电厂自动控制方面的应用,分别从超驰保护、信号选择、限制输出等角度,提出了提高热工控制系统生产安全性的措施。经生产实践检验,热工控制系统运行效果良好,生产安全性显著提高。     

基于Petri网的MES系统形式化建模

针对一般车间执行制造系统结构复杂性高、重构能力弱、性能分析困难等问题,以水产品加工MES系统为例,通过Petri网对其进行形式化分析与建模.对水产加工的流程进行逐级分解、细化,根据功能将整个系统划分成3个模块,基于Petri网分别对3个模块进行集成建模.最后根据Petri网理论知识,对MES的Petri网模型复杂度与结点特性进行分析和研究,建立一种行业通用的、结构简单易扩展、灵活性强的Petri网模型.     

基于神经网络的医疗诊断研究

主要工作集中在医疗数据的预处理和神经网络模型的训练.首先结合数据挖掘和自然语言处理技术,在保留医疗数据语义基础上对分词工具语料库进行补充,将中文数据分词,同时对其中大量冗余信息进行清洗,将中文数据转换成计算机可识别的编码,其次利用多种经典热门的神经网络模型来训练医疗数据,同时对比基于传统决策树模型的GBDT模型的训练结果,最后实验结果证明,对于多种疾病诊断,神经网络模型的效果要优于其他模型,诊断准确率接近90%.