Weibull概率-多元线性及三维空间立体模型预测药物有效期

分析运用 Weibull概率 -多元线性及三维空间立体模型预测药物稳定性的方法。以 lnln ( 1 /( 1 - F( t) ) )为 Y轴〔药物降解累积百分率 F ( t) =( c0 - c) /c0 〕,以时间 t的对数 ln( t)为 X轴 ,以绝对温度的倒数 1 /T为 Z轴的 Weibull概率的三维坐标 ,从药物平面上找出药物贮存期 ;或者以 Weibull概率公式以lnln ( 1 /( 1 - F ( t) ) )和 1 /T为变量 ,对时间的对数 ln ( t)进行多元线性回归求算。     

最小二乘支持向量机算法在中医临床脉图参数-血压预测模型的应用

目的 提出基于最小二乘支持向量机（LSSVM）算法的学习模型,以提高中医临床血压数据预测的准确度和效率。方法 将LSSVM学习模型应用于中医临床血压数据预测。用LSSVM等式约束代替支持向量机不等式约束,将二次规划问题转化为线性方程求解问题,降低计算复杂性,加快算法收敛速度。收集320例患者的临床脉图参数及血压数据,以其中300例样本作为训练样本,训练得到LSSVM学习模型,以其余20例样本作为测试数据,用得到的LSSVM学习模型根据患者的脉图参数预测血压数据。结果 实验证明,LSSVM学习模型对血压数据有较好的预测准确度。其中基于多项式核函数的LSSVM学习模型较基于径向基核函数LSSVM学习模型表现出更好的学习和预测能力,基于多项式核函数的LSSVM学习模型中收缩压、舒张压、平均动脉压预测结果的平均预测误差分别为7.88%、8.40%、6.67%,低于基于径向基核函数的LSSVM学习模型的预测误差（分别为7.95%、9.70%、7.48%）。结论 本实验提出的基于LSSVM的学习模型仅通过患者的临床脉图参数就可预测患者血压数据,对中医学临床诊断有一定的参考价值。     

浅谈医科高等数学中函数求极限

根据医科高等数学中函数的不同类型给出相应的求解方法,并举例说明。最后指出求极限时常被忽略的一种恒等变形形式:变量替换。     

正常大鼠暗适应视网膜电图b波的光强-振幅曲线的观察

目的观察正常SD大鼠暗适应视网膜电图b波光强-振幅曲线的特点。方法取完全暗适应状态SD大鼠12只。利用中性滤光片降低全视野刺激器固有光强度,按0.5个对数单位的间隔衰减得到7档（分别为-5.0、-4.5、-4.0、-3.5、-3.0、-2.5和-2.0log cd·s·m^-2）,采用RETI-scan系统,自制的银环角膜电极和不锈钢针状电极,记录暗适应系列光视网膜电图。采用Naka-Rushton方法分析b波的强度-反应函数。结果b波阈强度为-4.5log cd·s·m-2,饱和强度为-2.5log cd·s·m-2。当刺激强度在-5.0～-2.0log cd·s·m-2范围时,b波光强-振幅曲线呈＂S＂型,符合Naka-Rushton等式;其中有两个重要参数（Rmax,I50）分别代表b波饱和幅值和产生1/2该幅值的刺激强度,本实验中Rmax为（721.2±89.5）μV,I50为（-3.30±0.36）log cd·s·m^-2。上述参数与人类正常值相比差异明显。结论大鼠视网膜反应特性与人类存在较大差异,应用视网膜电图b波光强-反应函数来评价其杆体系统功能时选择合适的刺激参数非常重要。     

人眼角膜散光矫正的点扩散函数分析表达

目的 探讨人眼点扩散函数(PSF)分析系统表达角膜散光眼的视网膜成像特性的可行性及角膜散光在不同矫正方式下的光学成像特征.方法 前瞻性随机对照研究.利用PSF分析系统(PSF-1000)检查和评估26例近视散光患者(年龄18～28岁,球镜度数-3.00～-6.00 DS,散光度数-0.75～-3.00 DC)在配戴框架眼镜、散光软性角膜接触镜(TSCL)和透氧性硬性角膜接触镜(RGPCL)3种全矫状态下的视网膜成像质量,采用26只眼屈光介质调制解调函数(MTF)曲线中的12个点(即分别等同于对数视力表4.0～5.1的12个点)进行比较和统计学分析.设置中度近视无散光者26例为对照组.左右眼MTF值比较使用配对样本t检验,与对照组的比较使用独立样本t检验,3种矫正方式的差异用单因素方差分析,P<0.05时再进行配对样本t检验.以P<0.05为差异有统计学意义.结果 左右眼的MTF表达具有镜像对称性.与对照组比较,瞳孔直径3.0 mm时,在低空间频率无差异,在中、高频空间频率差异有统计学意义(t值范围:-2.237～-5.421,P<0.05);瞳孔直径6.0 mm时,在12个空间频率差异均有统计学意义(t值范围:-2.893～-9.577,P<0.01).3种矫正方式在模拟3.0和6.0 mm 瞳孔直径下MTF值差异均有统计学意义.3.0 mm瞳孔时,除了3.00、3.78、4.78、30.00和37.80周/度5个空间频率外,其余空间频率RGPCL和框架眼镜的MTF值高于TSCL(F值范围:3.229～4.123,P<0.05).6.0 mm瞳孔直径下,12个空间频率的3种矫正方式差异均有统计学意义(F值范围:5.609～9.610,P<0.05),RGPCL的MTF值较高.同一矫正状态下,3.0mm瞳孔直径下的MTF值均高于6.0mm瞳孔直径下的MTF值.结论 PSF分析方法能综合表达像差、衍射和散射对视网膜成像质量的影响,RGPCL所产生的泪液镜不仅矫正角膜散光,同时可改善眼的衍射、散射和其他像差效应,从而获得相对较好的成像质量.     

基于位运算的量子可逆逻辑电路快速综合算法

量子可逆逻辑电路是构建量子计算机的基本单元.本文结合可逆逻辑电路综合的多种算法,根据可逆逻辑电路综合的本质是置换问题,巧妙应用位运算构造高效完备的Hash函数,提出了基于Hash表的新颖高效的量子可逆逻辑电路综合算法,可使用多种量子门,以极高的效率生成最优的量子可逆逻辑电路,从理论上实现制造量子电路的成本最低.按照国际同行认可的3变量可逆函数测试标准,该算法不仅能够生成全部最优电路,而且运行速度远远超过其它算法.实验结果表明,该算法按最小长度标准综合电路的平均速度是目前最好结果的69.8倍.     

点扩散函数法在人眼成像质量分析中的特征

目的采用点扩散函数（point spread function，PSF）分析系统，获得在人眼的视网膜成像质量表达中的各种特征，研究其在人眼成像质量评价中的作用。方法应用点扩散函数分析系统（PSF-1000），测量22例近视无散光者的视网膜成像质量，在瞳孔3mm和6mm状态下，取22眼调制传递函数（modulation transfer function．MTF）曲线中的12个点，分别等同于对数视力表4．0～5．1的12个点,针对PSF分析系统中的MTF参数进行比较和统计学分析。结果①PSF反映的是光强度大小和位置的偏差。PSF分析系统可直接采用屈光系统MTF曲线表达人眼的成像特征，该曲线MTF值从低频至中频迅速下降，高频趋向缓和至零，定量并客观地表达了人眼成像质量从低频至高频的改变。②左、右眼的MTF表达具有镜像对称性。⑧个体之间MTF值差异大（如空间频率为3．00c／d时，3mm瞳孔直径的MTF值为0．68-0．98，6mm瞳孔直径的MTF值为0．51～0．85）。④3mm和6mm瞳孔直径时的MTF值差异有统计学意义（P〈0.01）。结论点扩散函数分析系统既能表达总眼球成像的各种光学特性，又体现了像差、衍射和散射的共同影响。     

血清肿瘤标志物对SCLC和NSCLC的Fisher判别分析

目的:探讨血清肿瘤标志物对SCLC和NSCLC的鉴别诊断价值.方法:采用电化学发光免疫法检测25例患者血清中CEA、CYFRA21-1、NSE、CA125、CA199及SCCAg的水平;对NSCLC组和SCLc组间统计检验有差异(P＜0.05)的血清肿瘤标志物用Fisher判别方法建立判别函数鉴别诊断模型;用该模型回代相应变量对SCLC和NSCLC进行预测分组,检验该判别函数模型的鉴别诊断效果.结果:6种血清肿瘤标志物在NSCLC组和SCLC组间有统计学差异(P＜0.05)的变量分别是:CYFRA21-1、NSE和SCCAG;建立的判别函数鉴别诊断模型,在NSCLC组判别正确率89.87%,SCLC组判别正确率87.37%,两组合计判别正确率88.93%.结论:应用Fisher判别法对血清肿瘤标志物建立的判别函数鉴别诊断模型可简便、快速、有效地对NSCLC和SCLC进行鉴别诊断,值得临床借鉴.     

乙烷硒啉分散片溶出度测定方法的研究*

目的:建立乙烷硒啉分散片的溶出度测定方法。方法:建立溶出度紫外测定方法,分别考察乙烷硒啉分散片在不同条件下的溶出特性,运用Excel办公软件,以Weibull模型处理试验数据,用单因素方差分析及t检验进行统计学分析。结果:在优化的测定条件下,乙烷硒啉分散片60min累积溶出度达到(65.59±0.36)%,批内均一性与批间重现性良好。结论:本品溶出度优化测定条件为:溶出介质量为1000mL,溶出介质组成为0.9%盐酸水溶液-异丙醇(60∶40),采用药典附录ⅩC第二法(桨法),转速为150r.min-1。取样点为60min,限度为60%。     

支持向量机与近红外光谱法鉴定大黄

目的：建立大黄真伪的鉴别方法。方法：本文对52个不同品种和不同产地的大黄样品进行了近红外谱图扫描，用支持向量机（SVM）中4种不同的核函数对近红外谱图进行了正品和非正品大黄的鉴别。结果：鉴别正确率均可达98．1％。结论：讨论了影响4个核函数预算的各个参数，表明多形式核函数更适合于本实验样品的鉴定。同时将此实验结果与用RBF神经网络鉴别的结果进行了比较，表明SVM使用简便，泛化能力强，核函数选择灵活性大，是大黄样本鉴别的简单可靠的方法。