简介:本文探讨了牙本质龋损中胶原蛋白的变化持点,为临床牙本质龋的预防与治疗提供参考依据.实验采用氨基酸自动分析仪测量正常和二层龋坏牙本质龋胶原蛋白中18种氨基酸含量,结果表明:(1)正常与内层龋坏牙本质胶原蛋白中18种氨基酸含量无明显差别(P>0.05).(2)外层龋坏牙本质胶原蛋白除甘氨酸明显增高外,其余氨基酸含量明显低于正常及龋坏内层牙本质中的胶原蛋白(P<0.05).说明牙本质发生龋损时,内层龋坏牙本质中的胶原蛋白在其氨基酸含量及构成比上无显著改变,同正常牙本质胶原蛋白-样为Ⅰ型胶原;而外层龋坏牙本质中的胶原蛋白则发生了明显变化,非Ⅰ型胶原.本文研究结果同时也说明作为生命科学研究重要组成部分临床医学一个分支的口腔医学和分析仪器有着密切的关系,自动生化分析仪器氨基酸自动分析仪在口腔医学的研究中有看重要意义.
简介:软件的图形用户界面(GUI)的视觉设计影响着用户的使用体验.在没有既定标准的情况下,测试人员对GUI评分的主观性和大量的重复性工作,会造成GUI测试的评分偏差和效率低下.针对上述问题,本研究工作构建了基于云平台的软件GUI自动测试系统,分别使用HOG+SVM模型和AlexNet模型对GUI图像进行特征提取并分类.考虑到软件GUI数据样本量小,提出利用迁移学习策略改善AlexNet网络的性能.针对用户的多样性和算法对计算性能的需求,GUI自动测试系统部署在云平台上,用户可以对软件GUI进行实时评估.实验证明,系统用于GUI自动测试具有良好的性能,并且可以避免主观因素的影响以及减轻软件测试员的工作量.
简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.