基于电化学机理模型的锂离子电池参数辨识及SOC估计

采用Fisher信息矩阵进行参数可辨识性分析,解决了参数的辨识问题,进而提出了基于简化电化学机理模型SP2D(simple pseudo-two-dimensional)的SOC(电池电量)在线估计方法。实验表明,该SOC估计方法较基于等效电路模型(一阶RC模型)的SOC估计方法,可将SOC估计的平均误差减小近30%,而在电池放电中后期更可减小达60%,有效解决了在电池全工作范围内的SOC高精度估计问题。     

从福尔马林固定的癌组织中提取RNA的方法

目的:寻求从福尔马林固定的癌组织中提取RNA的合理方法.方法:运用Trizol法从福尔马林固定的胃癌组织中提取RNA,用分光光度计测定RNA的产量和纯度;通过RT-PCR对不同长度的管家基因-actin进行扩增.结果:100 bp和300 bp的-actin均能顺利扩增出特异性条带,500 bp的-actin未能扩增.结论:用Trizol法从福尔马林固定的癌组织中提取RNA是可行的;进行RT-PCR时应尽量设计小片段引物(100~300 bp)以获得更好的扩增效果.     

癌细胞C-myc蛋白对他莫昔芬的应答

目的:观察C-myc蛋白在胃癌细胞系BGC823中的表达情况,探讨胃癌细胞BGC823经他莫昔芬(TAM)处理后,C-myc蛋白表达的变化.方法:使用10 5MTAM处理胃癌BGC823细胞系24 h后,通过免疫荧光细胞化学的方法及细胞计数,检测C-myc蛋白的表达变化,并通过WST1法检测细胞活力的变化.结果:C-myc在胃癌BGC823中高表达,经10 5 M TAM处理24 h后BGC823细胞活力明显下降(P<0.05,)同时C-myc的表达减弱(P<0.05).结论:C-myc在胃癌细胞BGC823中发挥生物学作用且与TAM介导的BGC823细胞活力下降相关.     

国内亚健康研究现状综述

亚健康是21世纪人类面临的一个重要问题,目前国内研究尚处于起步阶段．本文采用文献资料、访谈等研究方法,从亚健康的概念、病因机制、症状及有效干预措施等四个方面进行了综述,并提出相关建议：对亚健康状态的评价不同于对疾病的评价,应以四维健康观为参照进行评价;应综合运用临床流行病学、卫生统计学、量表学、心理学、人文科学、系统生物学等各学科的研究方法,对亚健康进行系统研究;以具体人群作为研究对象,横向与纵向研究为突破口,确定不同人群亚健康状态的特征与分布,增强研究的针对性,从而为预防和治疗提供依据．     

数字电视数据传输系统设计研究

对于数字电视的众多优点,由于其有广大的市场潜力,吸引了国内外众多的家电厂商、芯片企业,软件企业对其投入研发。本文即时在探讨数字电视数据传输系统的设计。主要以STi510的芯片的解决方案来展开全文的论述,进一步分析了QAM解调的设计实现、TS流的接收解码设计以及整个过程的数据解码协议。最后,在前面论述的基础上,对全文做了一个简单的总结。     

胃癌细胞C-myc蛋白对他莫昔芬的应答

目的:观察C-myc蛋白在胃癌细胞系BGC823中的表达情况,探讨胃癌细胞BGC823经他莫昔芬(TAM)处理后,C-myc蛋白表达的变化.方法:使用10 5MTAM处理胃癌BGC823细胞系24 h后,通过免疫荧光细胞化学的方法及细胞计数,检测C-myc蛋白的表达变化,并通过WST1法检测细胞活力的变化.结果:C-myc在胃癌BGC823中高表达,经10 5 M TAM处理24 h后BGC823细胞活力明显下降(P<0.05,)同时C-myc的表达减弱(P<0.05).结论:C-myc在胃癌细胞BGC823中发挥生物学作用且与TAM介导的BGC823细胞活力下降相关.     

一类加权Sobolev空间中重调和算子的特征值估计

论文讨论了加权Sobolev空间Wo^1,p(Ω,w(x))中重调和方程△^2u—μw(x)u＝0，u|αΩ＝0的特征值估计，其中Ω真包含于R^m是边界光滑的有界区域，w(x)∈L^∞有界。m≥2的情况，对μi,i=1,…，n做出了逐步加细的三个估计。     

细胞石蜡包埋切片技术的应用

目的:研究使用蛋清甘油作为支撑物的石蜡包埋制片技术用于基于细胞的形态学检测的可行性.方法:针对人胃癌BGC-823培养细胞、临床送检宫颈TCT检查细胞、胃癌标本残碎细胞液等细胞学材料,运用蛋清甘油作为支撑物进行石蜡包埋制片,进行HE染色及免疫细胞化学染色,并将染色效果与细胞爬片、细胞甩片及细胞涂片染色效果进行对照分析....     

17β-雌二醇对胃癌细胞系SGC7901中NF-κB蛋白表达的影响

目的：观察不同浓度雌二醇处理不同时间的情况下,人胃癌细胞系SGC7901中NF-B蛋白表达量的变化,探讨胃癌中雌激素对NF-B蛋白表达可能存在的影响.方法：SGC7901细胞经10 10mol/L和10 8mol/L的17-雌二醇（17β-estradiol,E2）处理6 h、12 h和24 h,应用Western B...     

基于探地雷达的沥青路面内部病害快速识别

为了提高沥青路面内部病害的检测精度及效率,开展了路面探地雷达(GPR)图像的自动识别研究．采用三维探地雷达(3D-GPR)设备高效、无损地探测沥青路面内部结构,以获取海量3D-GPR图像数据;通过多维度GPR图像辨识内部病害(横向裂缝和层间不良)的回波特征,矩形框准确标注纵断面GPR图中病害特征,进而构建内部病害回波特征GPR图像数据集(训练集、验证集和测试集);基于深度学习技术,引入YOLOv4(you only look once version 4)算法模型,首先利用训练集和验证集完成模型网络参数的迭代更新,然后利用测试集进行模型综合检测性能评估．研究结果表明：YOLOv4模型在测试集上测试的综合检测精度大于95%,并且其检测视频的每s帧数也超过30;而层间不良的回波特征相对内部横向裂缝识别更加准确;该模型可以实时、高精度自动识别出沥青路面GPR图像中病害回波特征．