线上线下混合式教学在内科学教学中的应用

线上线下混合式教学指的是传统教学与线上教学相结合的教学实践模式。近年来,随着网络技术的不断发展,线上教学模式得到不断革新和发展,在临床教学中的应用越来越广泛。线上教学能够充分调动学生的学习激情,增强学生的自主学习能力,已经成为线下教学的有效补充。今后如何在临床教学实践中合理运用线上线下混合式教学模式,凸显教学特色、培养学生的学习兴趣、提高教学质量,已成为当前研究热点之一。本研究在内科学教学的基础上研究线上线下混合式教学,探讨混合式教学的实施及应用方案,分析当前内科学混合式教学存在的阻碍与困境及改进措施,明确混合式教学的优势,以推动混合式教学在临床教学中的开展,为内科学混合式教学的发展提供思路。

DOA estimation of high-dimensional signals based on Krylov subspace and weighted l_(1)-norm

With the extensive application of large-scale array antennas,the increasing number of array elements leads to the increasing dimension of received signals,making it difficult to meet the real-time requirement of direction of arrival(DOA)estimation due to the computational complexity of algorithms.Traditional subspace algorithms require estimation of the covariance matrix,which has high computational complexity and is prone to producing spurious peaks.In order to reduce the computational complexity of DOA estimation algorithms and improve their estimation accuracy under large array elements,this paper proposes a DOA estimation method based on Krylov subspace and weighted l_(1)-norm.The method uses the multistage Wiener filter(MSWF)iteration to solve the basis of the Krylov subspace as an estimate of the signal subspace,further uses the measurement matrix to reduce the dimensionality of the signal subspace observation,constructs a weighted matrix,and combines the sparse reconstruction to establish a convex optimization function based on the residual sum of squares and weighted l_(1)-norm to solve the target DOA.Simulation results show that the proposed method has high resolution under large array conditions,effectively suppresses spurious peaks,reduces computational complexity,and has good robustness for low signal to noise ratio(SNR)environment.

基于信用机制的联盟链Raft+共识算法

共识算法作为区块链的底层技术之一,其性能对区块链在安全性和效率方面具有重要的影响。Raft共识算法的性能优于其他共识算法,不会造成算力集中和资源浪费等问题。但是,Raft算法随机选择和投票以选取领导者节点的方式,不能保证选取的领导者节点的可靠性。因此,文章在Raft算法的基础上引入动态更新的信用机制,提出了一种基于信用机制的联盟链Raft+共识算法。领导者节点的信用值根据多次生成有效或无效区块的行为进行动态更新,并采用信用层次来评价节点信用,根据阈值选举信用值高的领导者节点。实验表明,Raft+共识算法选取的领导者节点的可靠性比Raft算法的更好,为面向联盟链的制造业和医疗等应用场景提供了共识算法的解决方案。

基于生物纳米组装与信号放大的ATP超灵敏电化学检测研究

目的:建立一种核酸适配体电化学传感器,用于肿瘤细胞内三磷酸腺苷(ATP)的超灵敏检测。方法:以金电极为基底,通过巯基化学以及DNA自组装技术,以核酸适配体为识别元件,构建一种DNA“三明治”结构,以双重标记的亚甲蓝为电化学探针,通过金纳米颗粒进行信号放大,采用微分脉冲伏安法进行定量。结果:所制备的电化学传感器在10 fmol/L^1 mmol/L范围内,电流信号变化幅度与ATP浓度呈良好的线性关系(R^2=0.9956),最低检测限为29.6 aM(S/N=3)。该电化学传感器对靶标分子特异性强,可准确检测肿瘤细胞中ATP的浓度。结论:本研究所建立的ATP电化学传感器灵敏度高、特异性强且线性范围宽,实现了肿瘤细胞中ATP含量的定量检测,有望为临床相关疾病的分子诊断提供新的技术手段。

基于多元统计方法的胃食管反流病患者中医证候的量化诊断研究

目的应用多元统计方法对胃食管反流病(gastroesophageal reflux disease,GERD)郁热阴伤证进行探讨研究,为GERD中医证候的分类和诊断标准的制定提供一定的客观依据。方法选取402例GERD患者,制定临床证候信息采集表,采集相关信息,建立中医证素数据库,随机分为训练样本组和验证样本组。以训练样本组数据建立相关量化诊断模型,采用二元logistic逐步回归分析进行相关因素筛选,运用CART决策树对诊断模型进行剪枝,运用条件概率换算公式建立相关因素赋分表,通过绘制ROC曲线选择最佳诊断阈值,根据诊断性试验评价原则,分别计算训练样本组和验证样本组数据的灵敏度、特异度、准确度、阳性似然比,对量化诊断模型进行回顾性研究和前瞻性检验。结果共提取28项中医证素,经过逐步回归分析后得到16项相关因素,其中包括正相关因素8项,负相关因素8项,进一步运用CART决策树精简后得出6项中医证素,筛选出2条判断规则。训练样本组和验证样本组ROC曲线下面积、检验灵敏度、特异度、准确度、阳性似然比分别为0.993、95.0%、97.0%、96.3%、32.0和0.949、87.5%、92.7%、90.1%、12.0。模型具有较好的科学性和实用性。结论基于logistic回归分析、ROC曲线和CART决策树算法可以有效建立GERD郁热阴伤证诊断模型,为临床辨证论治提供了客观依据。

皮秒贝塞尔光束切割化学强化玻璃

化学强化玻璃被广泛应用于电子产品屏幕,但很难被切割加工。利用皮秒激光高峰值功率、超短脉冲及贝塞尔光束长焦深的特点,在化学强化玻璃内加工出一个狭长的改性截面,利用强化玻璃本身的应力与皮秒激光诱导的应力,使强化玻璃精准地沿着改性截面自动断开,并获得了切割速度高达400 mm/s,切割面粗糙度为395 nm的切割分离效果。实验结果表明,影响切割速度和质量的主要参数是单脉冲能量和脉冲改性间距。