简介:摘要:啤酒酵母是一种与人类生活息息相关的微生物,也被称为“发酵酵母”或“发酵酵母”。它是一种重要的啤酒发酵菌种;它是葡萄酒质量的灵魂,对葡萄酒的色泽、香味和口感有很大的影响。酿酒酵母是一种安全、快速繁殖和快速代谢的酵母菌;它的生产过程可以很好地控制,并且可以很方便地进行大规模的培养,而且它的来源非常广泛,可以被广泛地应用到酿造、医药、饲料工业等多个领域。通过对发酵培养条件进行优化,可以让酵母细胞密度得到提升,从而可以提升生产效率,降低生产成本。这为以后的大规模培养,使它能够更好地发挥出它在食品发酵工业中的作用,提供了理论依据,奠定了实践基础。
简介:摘要目的应用深度学习算法建立基于纸质版12导联体表心电图的人工智能模型,评估并比较其与心律失常专科医生对流出道室性心律失常起源部位定位的效能。方法收集2011年5月1日至2020年12月31日在首都医科大学附属北京朝阳医院、温州医科大学附属第二医院、浙江大学医学院附属邵逸夫医院、北京大学第三医院经射频消融术成功治疗的527例流出道室性心律失常患者的861份纸质版室性心律失常心电图。以术中成功消融靶点作为金标准,对以深度学习为基础的人工智能模型进行训练、验证及测试。两位心律失常专科医生根据经典定位流程图及临床经验对测试集心电图进行靶点判断。对比深度学习算法与人工判读的敏感性、特异性和准确性等。结果基于纸质版常规12导联体表心电图的扫描图像建立的人工智能模型的灵敏度、特异度、准确率、受试者工作特征曲线下面积、F1指数分别为94.0%、83.3%、93.0%、0.93和0.96。针对测试集,专科医生判读的平均灵敏度、特异度和准确率分别为95.7%、83.3%和94.6%。结论在流出道室性心律失常起源定位方面,基于纸质版心电图的深度学习算法表现出较高性能,与心律失常专科医生的判断水平相当。
简介:摘要:伴随着我国城市化水平的提高,因大量建筑的需要,大量开采砂石骨料资源,砂石资源相对于金属矿山,投入和开采技术较低,一大批小微型砂石采矿企业蜂拥而出,这些企业小、散、乱,不利于执行国家环保政策,2017年来,随着生态优先执政理念的深入推进,关闭了一批不符合环保、产业政策的露天矿山。被关闭的矿山企业大多是合伙制、个人独资的小微企业,财务不规范,没有单独的银行账号,地质环境治理备用金(生态修复基金)没计提,采矿证办理延期手续时缴纳地质环境治理备用金数额少,矿山关闭后,因治理难度大,投资多,矿业主不按矿山综合防治方案进行生态修复,加之矿区开采区、工业广场、选矿加工区等废弃地土壤贫瘠,自然修复不理想,易引发环境污染、水土流失、滑坡等系列灾害。所以,积极开展矿山生态修复,从多个方面着手优化修复技术,切实改善生态环境。
简介:摘要:中职学生数学失误千奇百怪,究其原因主要表现在运算失误、知识缺陷、审题不严等方而,本文从探究学生失误的类型入手,着重阐明了解决方法与策略,让中职生在失误中把握方向、找准方法减少失误,在中职数学核心素质下提升学生的纠错能力与方法。
简介:摘要目的对心房颤动(房颤)消融术中合并阵发性室上性心动过速(室上速)的患者进行特征性分析。方法回顾性选取2016年1月至2018年6月浙江大学医学院附属邵逸夫医院庆春院区心内科所有接受房颤消融术的患者(1 484例),依据术中是否合并室上速分为合并室上速组和未合并室上速组,分析性别、年龄、房颤类型是否与房颤消融术中合并室上速的关系。同时,以年龄50岁和65岁为界点,再次进行分层分析。术中合并室上速组患者明确机制后同时行慢径改良或旁路消融,进行长期随访。结果房颤消融术中合并室上速共41例(41/1 484,2.76%)。其中,合并房室结折返性心动过速(AVNRT)29例,合并房室折返性心动过速(AVRT)12例。女性房颤组合并室上速(25/505)明显高于男性组(16/979,4.95%对1.63%,P<0.001);≤50岁房颤组合并室上速(8/133)的患者明显高于>50岁组(33/1351,6.02%对2.44%,P=0.016);阵发性房颤组合并室上速(29/741)的患者明显高于持续性房颤组(12/743,3.91%对62%,P=0.007)。Logistic回归分析显示女性、≤50岁、阵发性房颤是房颤消融术中合并室上速患者的高危因素(女性:OR=0.292,95%CI 0.151~0.565,P<0.050;≤50岁:OR=0.301,95%CI 0.131~0.689,P=0.004;阵发性房颤:OR=0.456,95%CI 0.230~0.906,P=0.025)。结论房颤消融术中患者应同时行电生理检查排除室上速,尤其是年龄较轻的女性阵发性房颤患者。