一种基于三维组合衍生化快速寻找生物标志物的分析方法

    公开(公告)号:CN117907497A

    公开(公告)日:2024-04-19

    申请号:CN202410093267.3

    申请日:2024-01-23

    Applicant: 厦门大学

    Abstract: 一种基于三维组合衍生化快速寻找生物标志物的分析方法,涉及生物检测技术领域。包括以下步骤:1)样品前处理;2)配制三种衍生化试剂;3)样品衍生化;4)基于UPLC‑MS对衍生化样品进行测定;5)数据格式转换后,基于MATLAB设计MS‑TDF软件对原始质谱数据进行处理,导出符合条件的色谱峰数据;6)代谢物鉴定与多元统计分析,通过统计结果得到潜在生物标志物。使用三种衍生化试剂对血浆中的羰基类化合物进行同步衍生化,通过对羰基类化合物的衍生化提高质谱响应,增加代谢物的覆盖范围。MS‑TDF提升数据处理效率,能快速准确的实现生物标志物的寻找。使用同系物作为内标,替代现在常用的同位素内标,降低实验成本。

    一种直接质谱鉴定含氨基代谢物同分异构体的方法及其应用

    公开(公告)号:CN111896669A

    公开(公告)日:2020-11-06

    申请号:CN202010660818.1

    申请日:2020-07-10

    Applicant: 厦门大学

    Abstract: 本发明公开了一种直接质谱鉴定含氨基代谢物同分异构体的方法,包含以下步骤:氨基代谢物衍生化反应:将氨基代谢物配制为氨基代谢物标准溶液,然后加入衍生试剂溶液进行衍生化反应制得氨基代谢物衍生化产物;氨基代谢物衍生化产物检测:将制得的氨基代谢物衍生化产物加溶剂制成重悬浮液,然后将所得重悬浮液稀释后即可进行质谱进样检测;质谱分析条件:正离子模式,离子源为ESI;质谱仪操作依据数据模式自动进行MS和MS/MS扫描,通过HCD碎片化分离得到10-50个丰度最高的前体离子进行分析鉴定。本发明首次将N-二异丙基磷酸基-L-丙氨酸-N-羟基琥珀酰亚胺酯应用到同分异构体的鉴定,该方法鉴定氨基代谢物同分异构体具有较高的准确性和广泛的适用性。

    一种模块化的多功能LED便携灯

    公开(公告)号:CN107726201A

    公开(公告)日:2018-02-23

    申请号:CN201711017860.6

    申请日:2017-10-26

    Applicant: 厦门大学

    Abstract: 本发明的目的在于利用无线模块化组合部件结构,提供一种可自由拆卸组合式模块化部件LED多功能照明装置,重量轻便、体积小巧、携带方便、使用安全、散热高效、光亮均匀、光斑舒适、无频闪无蓝屏无幻光无重影无色差、无电磁辐射、呵护视力、寿命更长、性价比高、实用性强、可充放电、用途广泛和耐用可靠。其模块化部件包含头灯、扩展灯、万向轮、灯杆、扩展杆、底盘固座、底盘等可拆卸分体式部件组合结构。根据部件数量和组合方式的不同,可以灵活安全快捷地实现台灯、落地灯、壁灯、吊灯、射灯、手电筒、检修灯、应急灯、露营灯、便携式电源、移动照明器等多用途、多功能的照明装置组合。

    一种模型自适应的NMR代谢组学数据归一化方法

    公开(公告)号:CN104615903B

    公开(公告)日:2017-05-03

    申请号:CN201510084309.8

    申请日:2015-02-16

    Applicant: 厦门大学

    Inventor: 董继扬 邓伶莉

    Abstract: 一种模型自适应的NMR代谢组学数据归一化方法,涉及核磁共振。1)数据获取;2)数据中心化和归一化系数初始化;3)归一化处理;4)多元统计分析;5)模型自适应归一化系数;6)循环迭代:重复步骤3)~5),直至满足循环结束。通过在多元统计分析模型和最大化投影矢量与类别矢量相关系数之间进行循环迭代,不断调整归一化系数矢量,使得归一化后数据建立的多元统计分析模型能准确提取组间特征信息。模型自适应归一化方法能针对所选取的多元统计分析模型采用合适的归一化系数矢量,是一种自适应的归一化方法。相对于以往基于数据的归一化方法,该方法更灵活、有效,能有效保持谱数据的结构信息。

    一种模型自适应的NMR代谢组学数据归一化方法

    公开(公告)号:CN104615903A

    公开(公告)日:2015-05-13

    申请号:CN201510084309.8

    申请日:2015-02-16

    Applicant: 厦门大学

    Inventor: 董继扬 邓伶莉

    Abstract: 一种模型自适应的NMR代谢组学数据归一化方法,涉及核磁共振。1)数据获取;2)数据中心化和归一化系数初始化;3)归一化处理;4)多元统计分析;5)模型自适应归一化系数;6)循环迭代:重复步骤3)~5),直至满足循环结束。通过在多元统计分析模型和最大化投影矢量与类别矢量相关系数之间进行循环迭代,不断调整归一化系数矢量,使得归一化后数据建立的多元统计分析模型能准确提取组间特征信息。模型自适应归一化方法能针对所选取的多元统计分析模型采用合适的归一化系数矢量,是一种自适应的归一化方法。相对于以往基于数据的归一化方法,该方法更灵活、有效,能有效保持谱数据的结构信息。

    一种用于fMRI脑功能连接分析的单样本网络方法及系统

    公开(公告)号:CN119693347A

    公开(公告)日:2025-03-25

    申请号:CN202411877040.4

    申请日:2024-12-19

    Applicant: 厦门大学

    Abstract: 本发明提供一种用于fMRI脑功能连接分析的单样本网络方法及系统,属于fMRI数据社区划分算法领域,包括:对初始fMRI数据集进行预处理;对预处理后的fMRI数据集进行脑区划分;获取健康对照组脑区平均相关矩阵,计算疾病组中各样本相对于健康对照组样本的差异相关矩阵,进而得到疾病组中各样本的二值化单样本关联矩阵,以构造疾病组各样本的单样本网络;对单样本网络进行社区划分,得到疾病组样本的脑区共社区概率矩阵;对脑区共社区概率矩阵进行显著性检验,保留共社区概率显著大于随机分配的脑区对;对保留的脑区对进行功能富集,提取与疾病相关的显著变化脑区连接。本发明能够减小个体差异的影响,保留组件差异,准确提取与疾病相关的显著变化脑区连接。

    一种用于质谱成像数据的交互式空间分割方法

    公开(公告)号:CN114494175B

    公开(公告)日:2024-05-03

    申请号:CN202210072775.4

    申请日:2022-01-21

    Applicant: 厦门大学

    Abstract: 一种用于质谱成像数据的交互式空间分割方法,涉及质谱成像数据分析技术领域。包括:将原始数据经过谱峰对其、谱峰提取和谱峰合并等预处理得到质谱成像数据;对质谱成像数据进行无监督降维得到嵌入图像;构建无监督分割模型对嵌入图像进行预分割;将用户的先验知识表示为涂鸦信息对分割模型进行正则化约束;在预分割结果不合理的区域进行交互式微调,得到更合理的分割结果。可以充分利用用户不完整的、不精确的先验知识,提高质谱成像数据分割结果的合理性;避免由于无监督分割模型产生的结果不稳定、或与研究问题不相关等问题,提高质谱成像数据后续分析的可靠性和准确性。

    基于大核注意力机制的三维重建方法

    公开(公告)号:CN117576336A

    公开(公告)日:2024-02-20

    申请号:CN202311520459.X

    申请日:2023-11-15

    Applicant: 厦门大学

    Abstract: 基于大核注意力机制的三维重建方法。1.特征提取:基于多尺度特征的提取策略,通过大核注意力LKA机制对一个重建场景的N个视角的图像进行特征提取;2.可微单应性变换:通过单应变换实现多视图间的空间转换,得源图像与多个参考图像间的像素点对应关系;3.关联体构建与关联体正则化:分别提取相应位置的特征信息,使用特征相关性构建N‑1个匹配关联体,采用适应性聚合策略AAS构建成一个统一的匹配关联体,使用全局自适应均值池化注意GAAPA进行正则化;4.深度图推断:将深度图推断视为分类任务,将正则化后的代价体在深度维度D使用Softmax函数得概率体,根据概率分布沿D维度推断各像素点最优深度值构成最后的深度图。

    一种猪肉食品中非靶向未知羰基类残留物检测方法

    公开(公告)号:CN117434182A

    公开(公告)日:2024-01-23

    申请号:CN202311429107.3

    申请日:2023-10-31

    Applicant: 厦门大学

    Abstract: 一种猪肉食品中非靶向未知羰基类残留物检测方法,属于食品技术领域。衍生化反应针对猪肉食品未知残留物中含羰基的结构,使用化合物2‑肼吡啶,2‑肼基‑5‑甲基吡啶对羰基类化合物进行衍生化反应,所述食品前处理方法为使用固相萃取进行生物基质与未知残留物的分离,所述智能处理软件为前期使用MATLAB作为编程语言开发的自动处理数据工具MS‑IDF,MS‑IDF软件Matlab代码可从github获取:https://github.com/jydong2018/MS_IDF。该检测手段高效便捷,灵敏度高,准确性好,成本较低,能够成为一种实用工具,用于对肉类食品中的未知外源物质进行非靶向性分析。

    基于自适应学习和聚合的多视图立体重建方法

    公开(公告)号:CN115631223A

    公开(公告)日:2023-01-20

    申请号:CN202211183328.2

    申请日:2022-09-27

    Applicant: 厦门大学

    Abstract: 本发明涉及一种基于自适应学习和聚合的多视图立体重建方法,它包括以下步骤:S1.特征提取,从输入图像中提取图像特征,将众多信息中不重要的信息剔除;S2.匹配代价构建,在每个采样深度假设下,计算参考摄像机中的每个像素与其相邻摄像机对应匹配像素之间的匹配成本;S3.匹配代价正则化,对匹配代价中的代价体进行去噪处理;S4.深度图估计,将匹配代价正则化后的结果利用函数回归加权得到初始深度图;S5.深度图优化,将初始深度图的边缘部分减轻过平滑的影响。本发明的目的在于提供一种基于自适应学习和聚合的多视图立体重建方法,相比MVSNet有着更高的重建精度和完整度,并且极大降低时间消耗和显卡内存消耗。

Patent Agency Ranking