机器学习在抗体制剂不溶性微粒分类识别中的应用

目的：对微流成像技术收集的抗体注射剂的不溶性微粒图片进行分类建模,以建立不溶性微粒的分类和溯源分析方法。方法：本研究首先制备并用微流成像系统获得气泡、硅油液滴、玻璃颗粒、反复冻融产生的蛋白颗粒4种不同类型颗粒的图片,并将这些图片分为训练集和测试集两部分。采用3种卷积神经网络（Convolutional Neural Network,CNN）模型,即ResNet50、DenseNet201和ShuffleNetV2,对训练集中的图片进行训练和识别,建立数据集,并用于对测试集图片的识别。此外,通过在实际样品中的应用,将CNN模型识别和人眼分类的准确性和速度进行对比。结果与结论：各模型对于测试集的识别准确率都达到96%以上,且DenseNet201模型具有更优的稳定性;与人眼识别相比,准确率没有显著差异,识别速度更快且具有显著差异。本研究表明CNN模型能够对蛋白质制剂中不溶性微粒图片进行分类和溯源分析,以便采取有针对性的措施,降低药品的潜在风险和安全隐患。     

手术室护理工作中护理干预应用效果分析

目的探讨在手术室护理工作中配合应用护理干预的临床效果。方法将2012年4月～2013年4月间收治的150例手术患者按完全随机法均分为A、B两组,对A组行常规护理,对B组在常规护理的基础上配合应用护理干预,统计两组患者护理过程中心理状况、血压、心率数据等,评定护理效果。结果B组患者护理总有效率及显效率均明显高于A组患者,差异有统计学意义（P〈0．05）。结论将护理干预应用于手术室护理,对保证患者心理状态、降低并发症发生率、提高预后效果等具有显著促进作用,值得推广应用。