基于电力聚焦的光纤光镊细胞分选

提出了基于电力聚焦的单模光纤耦合激光分选细胞的方法。基于电力聚焦模型和光镊原理,推导出中心聚焦流宽度公式和光纤光镊对细胞的散射力公式。在Comsol Multiphysics 5.3中建立层流、电流、粒子追踪和电磁波四个物理场,进行了直径10μm和20μm粒子的单细胞流和分选仿真。在此基础上,搭建了光纤光镊分选细胞实验平台,配置了酵母菌细胞和聚苯乙烯微球的混合溶液,进行了实验。仿真和实验结果均表明,在入口电压比1∶1.2的情况下,在主通道中能形成间距大致均匀相等的单细胞流。并在波长为980 nm、功率为300 mW激光条件下,聚焦激光可以通过单模光纤驱动不同直径的细胞沿光轴方向移动,且移动距离不相等,从而迫使细胞进入不同的通道进行分选。     

深度学习驱动的液滴微流控单细胞分选系统

单细胞操作和分析对于研究许多基本生物学过程和揭示细胞异质性至关重要,并且在生物医学领域具有巨大的应用潜力。液滴微流控技术在单细胞分析方面具有显著优势。研制了一种深度学习驱动的液滴微流控单细胞分选系统,主要以液滴内所包含的生物样本种类以及数量作为标准分选目标液滴。根据实验需求制作好相应生物样本的数据集,在服务器上训练好对应的网络模型,并将该网络模型转移到NVIDIA Jetson TX2开发板上,利用该网络模型对实验过程中拍摄到的液滴图像进行实时检测判断,最后根据算法对包含特定物质的液滴进行分选,从而得到目标液滴。此方法能够有效地判断并分选出液滴内图像特征有差异的不同生物样本,可以实现对包含单个及2个细胞液滴的分选。该研究为液滴微流控单细胞分选技术在生物学和医学等领域的广泛应用提供了支撑。     

微流控芯片流式细胞术

流式细胞术在单细胞分析领域应用广泛,但常规仪器体积大、价格昂贵.基于微机电(MEMS)技术的微流控芯片流式细胞术具有耗样少、集成度高、体积小等特点,可以更好地实现细胞操控、检测与分选.综述了微流控芯片流式细胞术,包括样品聚焦、信号检测、细胞分选等技术的研究进展.     

激光流式细胞分选的技术设计

许多生化技术和医学诊断方法需要高纯度的细胞亚群样品。激光流式细胞分选术是一种新的物理分离方法,它根据单细胞水平上检测到的多种物化特性进行分选,具有高纯度的特点。这一技术已影响着生物医学的诸多领域。分选原理激光流式细胞分选的主要原理是:单分散的染色细胞在高速流动状态下依次恒速通过激光激发区,产生荧光或散射光,这些光信号反映了细胞的 DNA、RNA 和体积等参数,经变     

一种基于DSP的信号分选硬件平台设计

在高密集复杂雷达信号环境下,雷达信号分选实时性是信号处理的一项关键技术,也是电子战领域一个有待提高的关键课题。利用高性能数字信号处理器（DSP）和现场可编程门阵列构建了一种双DSP信号分选硬件平台,极大地减少了分选的时间开销和分机系统的体积。实验结果表明,此方法极大地提高了信号分选的实时性。     

现代雷达信号分选技术综述

概述了雷达信号预分选、信号分选和综合分析处理技术．阐述了扩展关联法．差直方图法（SDIF和CDIF）、PRI变换法的工作原理及其性能．提出了一种辅助分选方法——TOA折叠分选法：实验表明．在密集的雷达信号环境下．差直方图法是一种可行的实时分选方法．其性能优于扩展关联法．且比PRI变换法速度快；TOA折叠分选法能够适应复杂的现代新体制雷达信号环境．例如大量丢失脉；中和干扰脉冲的情况以及PRI特殊变化的信号的情况．对实时分选方法是一种很好的补充：     

基于脉冲相位线性度的雷达辐射源信号分选

为解决信号分选中出现的“漏批”问题,提高信号分选准确率,提出了一种基于脉冲相位线性度的雷达辐射源信号分选新方法.对脉冲相位线性度的检测过程进行推导,并通过仿真实验对推导结果加以验证.提取分选特征参数,给出了信号分选算法的步骤,并进行分选仿真分析.仿真实验表明,本方法可以在较低输入信噪比下实现高效准确的雷达辐射源信号分选,在电子情报侦察系统上有着广阔的应用前景.     

雷达信号分选性能评价指标分析

提出了基于PRI的雷达信号分选性能评价指标定义,并根据基于PRI分选原理建立了性能指标模型,仿真了射频目标特征变化对基于PRI的雷达信号分选性能的影响。通过仿真分析,可以看出在理想的分选条件下,当随机噪声方差一定时,随着不同类信号的PRI差值增大,正确分选率随之增大,误分选率随之降低。漏分选率与随机噪声的方差有关,且随机噪声方差越大,漏分选率越小。     

复杂电磁环境下雷达信号分选技术

在分析PDW各参数特点以及几种常用的脉冲串PRI分选算法的基础上,提出一种工程上较为实用的雷达信号分选的方法。该方法采用PDW预分选聚类和PRI主分选相结合的方法,首先根据PDW参数的特点进行预分选聚类,接着进行基于SDIF的信号主分选,最后对分选后的信号进行参数分析和辐射源确认。通过仿真算法验证,该方法是正确的。     

复杂电磁环境下的雷达信号分选技术

通过分析雷达信号分选技术的现状，总结了存在的问题，研究了当前复杂电磁环境下的雷达信号分选技术及其影响因素，并指出了分选技术的发展方向与亟待解决的关键问题。     

Single Cell Bioprinting with Ultrashort Laser Pulses

Tissue engineering requires the precise positioning of mammalian cells and biomaterials on substrate surfaces or in preprocessed scaffolds. Although the development of 2D and 3D bioprinting technologies has made substantial progress in recent years, precise, cell-friendly, easy to use, and fast technologies for selecting and positioning mammalian cells with single cell precision are still in need. A new laser-based bioprinting approach is therefore presented, which allows the selection of individual cells from complex cell mixtures based on morphology or fluorescence and their transfer onto a 2D target substrate or a preprocessed 3D scaffold with single cell precision and high cell viability (93–99% cell survival, depending on cell type and substrate). In addition to precise cell positioning, this approach can also be used for the generation of 3D structures by transferring and depositing multiple hydrogel droplets. By further automating and combining this approach with other 3D printing technologies, such as two-photon stereolithography, it has a high potential of becoming a fast and versatile technology for the 2D and 3D bioprinting of mammalian cells with single cell resolution.     

一种基于PLC的新型锂离子电池分选机开发

针对现有分选机自动化水平及分选效率低的问题,研发了一种新型自动化分选机。在研究锂电池测量原理和分选工艺的基础上,制定了电池自动分选测量方案,设计了机械设备及其控制系统,并进行了自动分选试运行实测。通过对3种不同品牌的电池进行内阻和电压实测,得到的内阻和电压测试分辨率分别为0.1 mΩ和0.1 mV,该实测结果的精度达到了行业标准要求,且连续分选效率比原先提升了60%以上。     

改进SVC算法在雷达信号分选中的应用

为提高支持向量聚类（SVC）对分布复杂、不均匀雷达辐射源信号样本分选的正确率,提出一种改进的支持向量聚类分选方法,先采用支持向量聚类对所有未知样本作预分类,提供初始的聚类中心,然后利用K-Means聚类分选算法最终分选。结果表明,此方法能够很好地对复杂雷达信号进行分选,分选正确率较高。     

高重复率数据的快速排序

对于重复率较高的任意类型大量数据的排序,文中提出了一种新算法。该算法具有快速排序算法的简洁性,又避开了递归算法,时间复杂度为O（n）,空间复杂度为O（1）。理论分析和实验表明,该算法的性能明显优于其它排序算法,适合于数据量较大的场合。     

Functionalized Fe‐Filled Multiwalled Carbon Nanotubes as Multifunctional Scaffolds for Magnetization of Cancer Cells

With the aim to design addressable magnetically‐active carbon nanotubes (CNTs) for cancer treatment, the use of Fe‐filled CNTs (Fe@MWCNTs) as multifunctional scaffolds is reported for exohedrally anchoring a monoclonal antibody (mAb) known to bind a plasma membrane receptor over‐expressed in several cancer cells (EGFR). Comprehensive microscopic (transmission electron microscopy, atomic force microscopy, and scanning electron microscopy) and spectroscopic (Raman, ⁵⁷Fe Mossbauer, energy dispersive spectroscopy, X‐ray photoelectron spectroscopy (XPS), X‐ray diffraction) characterizations reveal the efficient confinement of magnetically‐active Fe phases (α‐Fe and Fe₃C), while compositional evaluations through XPS, thermogravimetric analysis and gel electrophoresis confirm that mAb immobilization onto Fe@MWCNTs occurs. Enzyme‐linked immunosorbent assay (ELISA), confocal microscopy imaging and western blotting confirm the targeting action toward EGFR‐overexpressing cell lines (EGFR+). In vitro magnetic filtration experiments demonstrate that a selective removal of EGFR+ cells from a mixed population of healthy cell lines could be obtained in very short times (≈10 min). Cytotoxicity evaluations by classic cell staining procedures after application of an electromagnetic radiation inducing magnetic fluid hyperthermia (MFH), show a selective suppression of the EGFR+ cell line. Molecular dynamics and docking simulations of the hybrid mAb/Fe@MWCNTs conjugates nicely show how the presence of the CNT framework does not sterically affect the conformational properties of the two antigen binding regions, further supporting the biochemical findings.     

基于蚁群算法的K-Means聚类雷达信号分选算法

在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,这就对雷达信号分选提出了新的挑战。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。文中将聚类分析技术引入到雷达信号分选中,将蚁群算法和K-Means相结合,互相弥补不足,提出了一种新的雷达信号分选方法,该方法易编程实现,不需要雷达信号的先验知识,适用于处理未知信号的雷达。仿真实验证明分选结果较理想,为雷达信号分选提供了新的思路。