目的通过气相色谱-质谱法对急性克百威食物中毒事件进行快速检测。方法17份可疑样品经乙酸乙酯快速萃取,离心后取上清液,Rxi-5ms色谱柱(30 m×0.25 mm,0.25μm)分离,应用全扫描模式(full scan,Scan)和谱库检索定性中毒物质,通过QuEC...目的通过气相色谱-质谱法对急性克百威食物中毒事件进行快速检测。方法17份可疑样品经乙酸乙酯快速萃取,离心后取上清液,Rxi-5ms色谱柱(30 m×0.25 mm,0.25μm)分离,应用全扫描模式(full scan,Scan)和谱库检索定性中毒物质,通过QuEChERS法前处理和选择离子扫描模式(selective ion monitoring,SIM),外标法定量。结果在凉粉残留物、1份洗胃液、1份血液及2份不明白色粉末样品中均检出氨基甲酸酯类农药克百威及其中间体呋喃酚,其他样品均未检出,凉粉残留物中克百威质量浓度为253.0μg/mL,呋喃酚质量浓度为546.6μg/mL。克百威及呋喃酚在0~5.0μg/mL范围内线性关系良好(r>0.999),检出限(limits of detection,LODs)分别为0.0014~0.0344μg/mL、0.0016~0.0217μg/mL,定量限(limits of quantitation,LOQs)分别为0.0048~0.1146μg/mL、0.0053~0.0722μg/mL,相对标准偏差(relative standard deviations,RSDs)分别为4.6%~6.6%、3.5%~7.6%。在0.25、0.50、1.00μg/mL3个浓度水平的平均加标回收率为81.4%~107.1%,RSDs为1.9%~7.6%。结论此方法操作简单、灵敏度高、稳定性好,为急性食物中毒事件提供了快速、高效的检测方法。展开更多
目的:设计一种基于光学字符识别(optical character recognition,OCR)模型的医疗救治装备数据采集平台,以实现应急灾害救援条件下医疗数据的自动化采集。方法:该平台以医疗物联网“感知—网络—平台”架构为基础构建。首先,选取Raspberr...目的:设计一种基于光学字符识别(optical character recognition,OCR)模型的医疗救治装备数据采集平台,以实现应急灾害救援条件下医疗数据的自动化采集。方法:该平台以医疗物联网“感知—网络—平台”架构为基础构建。首先,选取Raspberry Pi 4B作为边缘节点,使用视频采集卡、摄像头、平板计算机等搭建硬件环境。其次,基于卷积循环神经网络(convolutional recurrent neural network,CRNN)优化OCR模型,通过软硬件协同方式实现医疗终端视频流处理与数据提取。最后,采用FineBI工具实现交互界面设计与数据库链接。结果:经实验验证,该平台的硬件环境可靠、稳定,优化后的OCR模型文本识别准确率提升,且采用该平台能够实现对医疗设备数据的快速、自动化采集。结论:采用该平台能够为医护人员提供全面、准确的医疗救治装备数据支撑,有利于提升医疗救治效率。展开更多
文摘目的通过气相色谱-质谱法对急性克百威食物中毒事件进行快速检测。方法17份可疑样品经乙酸乙酯快速萃取,离心后取上清液,Rxi-5ms色谱柱(30 m×0.25 mm,0.25μm)分离,应用全扫描模式(full scan,Scan)和谱库检索定性中毒物质,通过QuEChERS法前处理和选择离子扫描模式(selective ion monitoring,SIM),外标法定量。结果在凉粉残留物、1份洗胃液、1份血液及2份不明白色粉末样品中均检出氨基甲酸酯类农药克百威及其中间体呋喃酚,其他样品均未检出,凉粉残留物中克百威质量浓度为253.0μg/mL,呋喃酚质量浓度为546.6μg/mL。克百威及呋喃酚在0~5.0μg/mL范围内线性关系良好(r>0.999),检出限(limits of detection,LODs)分别为0.0014~0.0344μg/mL、0.0016~0.0217μg/mL,定量限(limits of quantitation,LOQs)分别为0.0048~0.1146μg/mL、0.0053~0.0722μg/mL,相对标准偏差(relative standard deviations,RSDs)分别为4.6%~6.6%、3.5%~7.6%。在0.25、0.50、1.00μg/mL3个浓度水平的平均加标回收率为81.4%~107.1%,RSDs为1.9%~7.6%。结论此方法操作简单、灵敏度高、稳定性好,为急性食物中毒事件提供了快速、高效的检测方法。
文摘目的:设计一种基于光学字符识别(optical character recognition,OCR)模型的医疗救治装备数据采集平台,以实现应急灾害救援条件下医疗数据的自动化采集。方法:该平台以医疗物联网“感知—网络—平台”架构为基础构建。首先,选取Raspberry Pi 4B作为边缘节点,使用视频采集卡、摄像头、平板计算机等搭建硬件环境。其次,基于卷积循环神经网络(convolutional recurrent neural network,CRNN)优化OCR模型,通过软硬件协同方式实现医疗终端视频流处理与数据提取。最后,采用FineBI工具实现交互界面设计与数据库链接。结果:经实验验证,该平台的硬件环境可靠、稳定,优化后的OCR模型文本识别准确率提升,且采用该平台能够实现对医疗设备数据的快速、自动化采集。结论:采用该平台能够为医护人员提供全面、准确的医疗救治装备数据支撑,有利于提升医疗救治效率。
