期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于同步辐射X射线荧光光谱与机器学习的非靶标金属组学预测PVC纳米塑料对水稻毒性的浓度依赖性
被引量：
4
1
作者
魏超杰
解宏鑫
+2 位作者
王伟
李柏
李玉锋
《中国无机分析化学》
CAS
北大核心
2024年第8期1015-1021,共7页
环境中的微/纳米塑料污染引起了人们极大关注。土壤中的微/纳米塑料不可避免对植物产生影响,因此预测微/纳米塑料的植物毒性可为土壤中微/纳米塑料治理提供抓手。以水稻为研究对象,发展了基于同步辐射X射线荧光(SRXRF)光谱与机器学习的...
环境中的微/纳米塑料污染引起了人们极大关注。土壤中的微/纳米塑料不可避免对植物产生影响,因此预测微/纳米塑料的植物毒性可为土壤中微/纳米塑料治理提供抓手。以水稻为研究对象,发展了基于同步辐射X射线荧光(SRXRF)光谱与机器学习的非靶标金属组学方法,以预测聚氯乙烯纳米塑料(nPVC)对水稻的毒性。首先将水稻暴露于不同浓度(500 ng/g与500μg/g)nPVC中,培养35 d后,收集水稻叶;其次,利用SRXRF研究暴露nPVC后水稻叶中金属组的变化;然后,利用机器学习方法区分暴露不同浓度nPVC水稻样品。对SRXRF光谱进行主成分分析(PCA)非监督聚类,发现500μg/g组能够良好聚类,而500 ng/g组与对照组无明显差异,表明500 ng/g的nPVC暴露对植物的毒性远低于500μg/g nPVC。对SRXRF全光谱,利用线性模型k近邻算法(kNN)和非线性模型支持向量机(SVM)建立预测模型,区分不同组别的准确率可达94.12%。为了提升运算速度,减少模型计算量,使用竞争性自适应加权重采样算法(CARS)挑选特征光谱建立预测模型,区分不同组别的准确率为89.51%。相对全光谱模型,特征光谱预测模型虽然预测准确率下降了4.61%,但模型输入参数减少了99.38%,因此同样具有良好潜力。研究表明,基于SRXRF和机器学习的非靶标金属组学可准确预测不同浓度nPVC对水稻金属组的干扰程度,从而反映nPVC对水稻毒性的浓度依赖性。方法同样可用于预测其他微/纳米塑料毒性的浓度依赖性。
展开更多
关键词
聚氯乙烯纳米塑料
水稻
同步辐射X射线荧光光谱
机器
学
习
非靶标金属组学
在线阅读
下载PDF
职称材料
基于同步辐射X射线荧光光谱与一维卷积神经网络的癌症筛查方法
被引量：
4
2
作者
魏超杰
李超
+5 位作者
解宏鑫
王欣
李玉锋
李玉文
刘杨
王伟
《中国无机分析化学》
CAS
北大核心
2024年第1期104-111,共8页
癌症是全球范围内引起高发病率与高死亡率的疾病之一。现有癌症检测方法耗时、昂贵、专业人员依赖性强,开发一种无损、快速筛查方法非常重要。在前期工作基础上,发展了基于同步辐射X射线荧光光谱技术(SRXRF)与深度学习技术结合的一种非...
癌症是全球范围内引起高发病率与高死亡率的疾病之一。现有癌症检测方法耗时、昂贵、专业人员依赖性强,开发一种无损、快速筛查方法非常重要。在前期工作基础上,发展了基于同步辐射X射线荧光光谱技术(SRXRF)与深度学习技术结合的一种非靶标金属组学方法筛查癌症患者。首先,分析控制组与癌症组共269份血清样本的SRXRF谱线,得到Ca、Mn、Zn、Ge、Br在两类人群中具有代表性差异,可以作为癌症筛查的标志物;其次,对于平均光谱进行归一化(Normalization)、迭代自适应加权惩罚最小二乘法(airPLS)、Savitzky-Golay平滑(SG)、标准正态变换(SNV)的预处理,并建立偏最小二乘判别分析(PLSDA)、K近邻法(KNN)、软独立建模分类法(SIMCA)的化学计量学模型,三种模型对癌症筛查的最优准确率分别为89.89%、93.26%、90.95%;最后,基于像素级光谱,搭建三种一维卷积神经网络(1DCNN)模型,三种模型准确率分别为93.56%、95.24%、93.27%,相对于化学计量学模型均有所提高,增加卷积层的数量有助于数据特征提取,模型准确率提高了1.68%。将三种模型卷积层提取获得的特征进行t-分布随机邻域嵌入算法(tSNE)降维可视化,得到1DCNN提取的特征具有显著可分性,SRXRF结合1DCNN模型开发的非靶标金属组学方法在实现癌症的快速筛查方面具有潜力。
展开更多
关键词
癌症筛查
血清
X射线荧光光谱
一维卷积神经网络
非靶标金属组学
在线阅读
下载PDF
职称材料
题名
基于同步辐射X射线荧光光谱与机器学习的非靶标金属组学预测PVC纳米塑料对水稻毒性的浓度依赖性
被引量：
4
1
作者
魏超杰
解宏鑫
王伟
李柏
李玉锋
机构
中国农业大学工学院
中国科学院高能物理研究所
出处
《中国无机分析化学》
CAS
北大核心
2024年第8期1015-1021,共7页
基金
国家自然科学基金面上项目(32272410)。
文摘
环境中的微/纳米塑料污染引起了人们极大关注。土壤中的微/纳米塑料不可避免对植物产生影响,因此预测微/纳米塑料的植物毒性可为土壤中微/纳米塑料治理提供抓手。以水稻为研究对象,发展了基于同步辐射X射线荧光(SRXRF)光谱与机器学习的非靶标金属组学方法,以预测聚氯乙烯纳米塑料(nPVC)对水稻的毒性。首先将水稻暴露于不同浓度(500 ng/g与500μg/g)nPVC中,培养35 d后,收集水稻叶;其次,利用SRXRF研究暴露nPVC后水稻叶中金属组的变化;然后,利用机器学习方法区分暴露不同浓度nPVC水稻样品。对SRXRF光谱进行主成分分析(PCA)非监督聚类,发现500μg/g组能够良好聚类,而500 ng/g组与对照组无明显差异,表明500 ng/g的nPVC暴露对植物的毒性远低于500μg/g nPVC。对SRXRF全光谱,利用线性模型k近邻算法(kNN)和非线性模型支持向量机(SVM)建立预测模型,区分不同组别的准确率可达94.12%。为了提升运算速度,减少模型计算量,使用竞争性自适应加权重采样算法(CARS)挑选特征光谱建立预测模型,区分不同组别的准确率为89.51%。相对全光谱模型,特征光谱预测模型虽然预测准确率下降了4.61%,但模型输入参数减少了99.38%,因此同样具有良好潜力。研究表明,基于SRXRF和机器学习的非靶标金属组学可准确预测不同浓度nPVC对水稻金属组的干扰程度,从而反映nPVC对水稻毒性的浓度依赖性。方法同样可用于预测其他微/纳米塑料毒性的浓度依赖性。
关键词
聚氯乙烯纳米塑料
水稻
同步辐射X射线荧光光谱
机器
学
习
非靶标金属组学
Keywords
polyvinyl chloride nanoplastics
rice plant
synchrotron radiation X-ray fluorescence
machine learning
non-targeted metallomics
分类号
O657.34 [理学—分析化学]
X82 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
基于同步辐射X射线荧光光谱与一维卷积神经网络的癌症筛查方法
被引量：
4
2
作者
魏超杰
李超
解宏鑫
王欣
李玉锋
李玉文
刘杨
王伟
机构
中国农业大学工学院
安徽医科大学第二附属医院
中国科学院高能物理研究所
安徽医科大学基础医学院
出处
《中国无机分析化学》
CAS
北大核心
2024年第1期104-111,共8页
基金
国家自然科学基金面上项目(32272410)。
文摘
癌症是全球范围内引起高发病率与高死亡率的疾病之一。现有癌症检测方法耗时、昂贵、专业人员依赖性强,开发一种无损、快速筛查方法非常重要。在前期工作基础上,发展了基于同步辐射X射线荧光光谱技术(SRXRF)与深度学习技术结合的一种非靶标金属组学方法筛查癌症患者。首先,分析控制组与癌症组共269份血清样本的SRXRF谱线,得到Ca、Mn、Zn、Ge、Br在两类人群中具有代表性差异,可以作为癌症筛查的标志物;其次,对于平均光谱进行归一化(Normalization)、迭代自适应加权惩罚最小二乘法(airPLS)、Savitzky-Golay平滑(SG)、标准正态变换(SNV)的预处理,并建立偏最小二乘判别分析(PLSDA)、K近邻法(KNN)、软独立建模分类法(SIMCA)的化学计量学模型,三种模型对癌症筛查的最优准确率分别为89.89%、93.26%、90.95%;最后,基于像素级光谱,搭建三种一维卷积神经网络(1DCNN)模型,三种模型准确率分别为93.56%、95.24%、93.27%,相对于化学计量学模型均有所提高,增加卷积层的数量有助于数据特征提取,模型准确率提高了1.68%。将三种模型卷积层提取获得的特征进行t-分布随机邻域嵌入算法(tSNE)降维可视化,得到1DCNN提取的特征具有显著可分性,SRXRF结合1DCNN模型开发的非靶标金属组学方法在实现癌症的快速筛查方面具有潜力。
关键词
癌症筛查
血清
X射线荧光光谱
一维卷积神经网络
非靶标金属组学
Keywords
cancer screening
serum
X-ray fluorescence
convolutional neural network
non-targeted metallomics
分类号
O657.34 [理学—分析化学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于同步辐射X射线荧光光谱与机器学习的非靶标金属组学预测PVC纳米塑料对水稻毒性的浓度依赖性
魏超杰
解宏鑫
王伟
李柏
李玉锋
《中国无机分析化学》
CAS
北大核心
2024
4
在线阅读
下载PDF
职称材料
2
基于同步辐射X射线荧光光谱与一维卷积神经网络的癌症筛查方法
魏超杰
李超
解宏鑫
王欣
李玉锋
李玉文
刘杨
王伟
《中国无机分析化学》
CAS
北大核心
2024
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
