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.     

国产计算机的环境适应能力优化与可靠性提升研究

以国产计算机(龙芯3A3000+7A1000)为研究对象,分析其基于车载环境计算资源受限情况下的环境适应能力,通过压力测试和可靠性摸底实验进行验证与改进,采用冒烟测试获取计算机平台的环境适应阈值,并提出计算环境适应能力优化与可靠性提升的解决方案.     

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.     

韩氏溶出-改善利托那韦片的流体力学和溶出行为

溶出是制药行业中常用的研发手段和质量控制方法,常用的溶出方法包括篮法和桨法。由于药物在溶出装置中落点位置的不同和堆积等原因,溶出测试仍然受到重复性和准确性问题的困扰。提出溶出设备新的改良方式,并命名为"韩氏溶出"。通过改良的溶出方法对难溶性药物利托那韦原研制剂溶出考察和重现性分析。结果表明,改进的溶出装置减小了溶出装置的物理参数对溶出试验的变异性的影响,可大幅度提升重现性,避免了因测试本身的性质导致溶出试验失败的情况,从而满足质量控制的要求,以保证了研究者获得更好的体内外相关性。对目前药物制剂开发及药物一致性评价中的溶出曲线对比有较大的帮助。     

信湖3煤抽提后低温氧化特性变化实验研究

为了研究煤中低分子化合物对煤低温氧化规律的影响,选用四氢呋喃溶剂对信湖3煤进行微波辅助抽提,通过低温氧化实验,测试了煤样抽提前后煤体耗氧特性及气体产物释放规律。结果表明,抽提前后煤样在低温氧化过程中产生的气体主要有CO、CO_2等气体氧化产物和CH_4、C_2H_4、C_2H_6、C_3H_8等烷烃类气体,煤样抽提后这些气体的产生量均有不同程度的降低;抽提后残煤的耗氧量和耗氧速率明显要低于抽提前原煤。可见,煤中低分子化合物的存在对信湖3煤的自燃有一定的促进作用。     

混合式教学在计算机组成原理课程中的应用研究

针对传统教学模式中存在的问题,对计算机组成原理课程进行了教学方法改革.借鉴了翻转课堂的教学理念,采用线上线下相结合的混合式教学模式,基于微课等丰富的线上资源设置不同的学习任务,改进课堂教学方法,突出师生互动和生生交流,从而激发了学生学习兴趣,改善了教学效果.     

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%.     

基于形态结构特征的对流单体自动分割方法研究

风暴单体是形成各类强对流灾害天气的基本单元,它们的雷达回波形状复杂、内部分布不一、外层相互交织,从而造成单体分割困难.提出了一种基于形态结构特征的对流单体自动迭代分割方法.以雷达图片中区域树结构单体分割结果为初始输入,在每次迭代分割过程中,首先计算各个分割结果的3个形态结构特征,然后通过一个预先训练的支持向量机(Support Vector Machine,SVM)分类器判断分割结果是否为对流单体,对非单体的分割结果进行再次分割.通过3种不同类型的风暴案例进行测试,结果表明,本文方法能够有效地识别出聚集的单体和处于分裂/合并状态的单体,并且能够获得单体的完整结构.在定量评估测试中,本文算法获得了0.84的临界成功指数评分,高于传统的风暴单体识别与跟踪算法(Storm Cell Identification and Tracking,SCIT)方法(0.55)和单阈值方法(0.49).     

基于曼哈顿距离构建非参数Q矩阵修正方法

将被试得分、理想反应距离和被试得分异常原理相结合,并加入属性计分下的被试得分特性,开发了用于多级评分情境下属性计分曼哈顿距离法(SA-MD),在不同条件下验证了SA-MD的稳定性和适宜性.通过模拟研究和实证研究表明:(i)从逻辑推导出SA-MD用于多级评分情境下Q矩阵修正更合理;(ii)在多种条件中,SA-MD 均有较优的修正效果,适用范围更广,稳定性更高;(iii)当小样本测验进行Q矩阵修正时,使用SA-MD方法可获得更优的效果.     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。