排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
针对人工滴染血涂片出现的染色不均匀、效率较低等问题,提出一种基于压力旋流雾化喷头对血涂片进行喷染的方法。采用数值模拟与实验相结合的方法对瑞氏-姬姆萨染液雾化过程进行分析,并探索最佳喷染参数。首先利用ANSYS软件仿真计算染液在喷头内部的流动状态,然后使用相机和喷雾激光粒度仪搭建喷头外部雾化场实验平台,喷头外部入口压力分别选取0.10、0.12、0.14、0.16、0.18、0.20、0.22、0.24 MPa,测量染液的雾化角以及喷头正下方10~50 mm的雾化区域内测量点的雾滴粒径参数(Dv10,Dv90和雾滴体积中径Dv50),计算粒度分布跨度S,并在此基础上开展血涂片喷染研究,并对比了人工滴染和喷染后的细胞图像背景灰度参数。仿真结果表明:染液在压力旋流雾化喷头出口处形成高速液膜,为形成雾化场提供理论依据。实验结果表明:当喷头入口压力为0.20 MPa时,距离喷头正下方35 mm处喷染界面具备最优的雾化质量,此时喷头雾化角为76.13°,雾滴体积中径为75 μm,雾滴粒度分布跨度为1.72。基于该参数条件进行喷染后的细胞图像背景灰度参数与滴染相比存在显著性差异(P＜0.01),喷染后的细胞图像背景灰度显著降低。研究结果表明,压力旋流雾化喷头可以应用于血涂片染色,并且喷染后的血涂片染色均匀,具备良好的染色效果,为血涂片染色提供了新的方案。 相似文献
2.
目的探索基于不平衡数据构建预测非肾病水平蛋白尿的膜性肾病预后的机器学习模型。方法回顾性分析山西省人民医院2018年1月至2021年12月肾活检诊断为非肾病水平蛋白尿的膜性肾病患者的临床和病理资料。基于logistic回归、支持向量机(SVM)和轻量梯度提升(lightGBM)3种机器学习算法构建预测模型。采用混合采样技术处理不平衡数据, 使用受试者工作特征曲线下面积(AUC)评估模型预测性能, 运用Shapley加法解释(SHAP)对最佳性能模型的结果进行解释。结果共纳入148例患者, 男84例, 女64例, 年龄(47.2±12.5)岁, 随访时间[M(Q1, Q3)]14(7, 20)个月。23例(15.5%)患者发生肾脏终点事件。SVM模型的AUC值最高(0.868, 95%CI:0.813～0.925), 其次为logistic回归(AUC:0.865, 95%CI:0.755～0.899)和lightGBM(AUC:0.791, 95%CI:0.690～0.882)。基于随机森林的特征递归消除交叉验证(RFECV)方法和SVM模型的SHAP图显示, 免疫组化IgG、血清总蛋白... 相似文献
1