首页 > 文献资料
-
2007年麻疹/风疹实验室网络会议:使用替代标本采样技术用于监测
1 世界卫生组织(WHO)麻疹/风疹实验室网络 WHO麻疹/风疹实验室网络的建立是为全球提供标准的检测方法和报告程序,同时有全面的外部质量保证体系.
-
微透析活体采样技术在运动医学研究中的应用进展
微透析技术是新近发展起来的一种新的生物采样方法,适合于深部组织器官的活体研究.由于该技术具有活体、实时、在线等特点,因此,该技术对于运动过程中的机体生物学变化实验研究具有得天独厚的优势,得到了运动医学研究者的广泛应用.本文就微透析技术在运动医学研究领域的研究进展进行总结.
-
工作场所空气中有害物质采样技术的质量控制
我国GBZ 2-2002<工作场所有害因素职业接触限值>中规定,工作场所有害因素职业接触限值有3种容许浓度,即时间加权平均容许浓度(Permissible Concentration-Time Weighted Average,PC-TWA)、高容许浓度(Maximum Allowable Concentration,MAC)和短时间接触容许浓度(Permissible Concentration-Short Term Exposure Limit,PC-STEL)[1].2004年12月1日实施了GBZ 159-2004<工作场所空气中有害物质的采样规范>[2],从而对工作场所有害因素的样品采集提出了不同的要求,在贯彻我国新的职业卫生标准进行样品采集过程中,应针对职业卫生标准的要求,分别进行样品的采集,做好质量控制.
-
脑微透析技术及其在脑内药动/药效学研究中的应用
脑微透析技术是从神经科学基础上发展起来的,是一种实现连续在线监测活体脑内完整细胞外液物质(包括内源性和外源性物质)动态变化的新型脑生物化学采样技术.1972年美国耶鲁大学Del-gado等[1]首次利用脑微透析推挽灌流技术研究恒河猴脑内神经递质多巴胺的释放实验,开启了脑微透析技术在神经科学和脑部研究应用领域的大门.
-
气体采样罐采样技术在突发性公共卫生事件中的应用
随着化学品在日常生产生活中的广泛应用,其引起的突发性公共卫生事件也时有发生,给周围环境及人员带来一定程度的危害.目前,我国关于污染物,尤其是有机污染物的采样和分析方法缺乏系统化,不同类型的污染物使用不同的采样方法和分析方法.而突发性公共卫生事件的特殊性在于其的突发性及未知性,突发性公共卫生事件的处理不同于常规的监测,首先需要快速找出污染物的种类,再判别污染物的来源.
-
CT仿真胃镜的临床应用价值
胃癌是我国常见的消化道恶性肿瘤之一,其常规检查仅局限于X线钡剂造影和纤维或电子胃镜的检查.随着螺旋CT以其快速的扫描速度、连续的容积采样技术和强大的后处理能力等优点,为胃肠道等空腔脏器病变提供了一种新的检查手段[1].
-
慢性阻塞性肺疾病急性加重期呼吸道生物标志物的研究进展
??慢性阻塞性肺疾病（COPD）以反复出现急性加重为特征， COPD 急性加重（AECOPD）可导致病死率的增加［1］。研究发现，通过呼吸道标本采样技术所获得的生物标志物可揭示AECOPD 的病理生理学机制［2］，但这些技术多局限于研究阶段，且因缺乏标准化操作规程和生物标志物正常参考值而一直未能广泛应用于临床［3］。本文综述2014年12月前有关AECOPD 呼吸道生物标志物的研究文献，分析其与临床参数和结局的关系，旨在揭示呼吸道生物标志物潜在的临床意义。
-
黄河兰州段壬基酚在半透膜及水、沙相的分布
目的:探讨壬基酚(NP)在半透膜及水、沙相的分布.方法:采用半透膜采样装置(SPMD)和常规采样技术相结合,对黄河兰州段的水和底泥进行样品采集和监测分析.结果:两种采样技术检测出的污染物种类相同,该河段存在着不同程度的壬基酚污染;壬基酚容易吸附在半透膜和底泥上,半透膜是其吸附态的主要存在形式.结论:半透膜技术作为有机污染物的采样方法应用在黄河上是可行的,今后应加强其在监测中的应用,并不断完善.
-
圆形K空间采样技术及其在磁共振成像中的应用
0 引言磁共振成像是现代先进的成像技术之一,其主要特点是成像方法的多样性和易控性[1],近年来,人们在提高磁共振成像的扫描速度方面作了许多努力,主要包括采用快速扫描序列及快速数据采集方法,我们对K空间中二维圆形采样技术的成像原理及其在临床上的应用进行分析讨论.
-
基于不平衡分类的乳腺肿瘤预后预测方法的研究
目的 探讨不平衡分类的乳腺癌数据集基于机器学习方法预测预后的生存状态.方法 乳腺肿瘤预后的生存状态数据为不平衡数据,针对不平衡数据这一问题,本文使用SMOTE、Borderline-SMOTE、ADASYN、One-Sided Select处理乳腺肿瘤生存状态的不平衡数据.然后通过经典决策树 、条件决策树 、随机森林 、支持向量机预测的准确率 、敏感度 、特异性 、正例命中率 、负例命中率来评价分类器的效果.结果 4种机器学习方法进行乳腺癌预后预测时,未经采样技术处理的原始数据集在预测准确率上均表现良好,其中支持向量机准确率高,达90.42％.使用欠采样方法One-Sided Select技术,结合条件决策树预测,在不平衡的乳腺肿瘤数据集中预后预测效果好,将敏感度由2％ 提高到58％,提高了56％.支持向量机在预测未经处理的数据集时特异性高,为100％.采用One-Sided Select结合支持向量机算法的正例命中率高,为40％.采用One-Sided Select结合条件决策树的负例命中率高,为95％.结论 对类不平衡数据预处理后可以较好的改善敏感度,通过对比发现采样技术中的One-Sided Select更适合于乳腺癌的预后模型.
