复旦大学：《有机化学实验 Organic chemistry lab》课程教学资源（实验讲义）茶叶中提取咖啡因

复旦大学：《分子生物学理论与实验》课程教学课件（讲稿）实验二 重组质粒的提取及鉴定

复旦大学：《分子生物学理论与实验》课程教学课件（讲稿）实验三 细胞总RNA的提取及逆转录

什么是领域模型 概念类 识别和提取概念类 创建领域模型步骤 几个问题 ⚫ 命名 ⚫ 概念类or属性? ⚫ 属性与外键 ⚫ 数量和单位 ⚫ 添加Specification/ description ⚫ 相似概念问题 ⚫ Modeling the Unreal World 不同视角的模型 Process

实验目的： 分析校园中两种植物材料叶绿体色素的差异 内容： ①叶绿素a和b含量差异； ②绿色素与黄色素的含量差异

教案是为实现教学大纲的具体细化而精心设计的授课框架，也是教师为实施课堂教学而做出以课时为单位的具体行动计划或教学方案。其作用是对课堂教学的总的导向、规划和组织，是课堂教学规划的蓝本。此外，还有三个附带性作用：一是备忘录作用。由文字载体保存的信息可供随时提取或查阅；二是资料库作用。从长远角度看，教案中保存着教师从各种渠道获得的珍贵材料，以及自身的经验与心得，积累多了自然形成一座资料宝库；三是教改课题源作用。教案的丰富案例、精心思索过的问题、教学后的得失体会等往往成为教师选择教改研究课题的源泉

《工程科学学报》：基于改进YOLACT实例分割网络的人耳关键生理曲线提取

前列腺核磁超声图像配准融合有助于实现前列腺肿瘤的靶向穿刺。传统的配准方法主要是针对手动分割的前列腺核磁（Magnetic resonance, MR）和经直肠超声（Trans-rectal ultrasound, TRUS）图像上对应的生理特征点作为参考点，进行刚体或非刚体配准。针对超声图像因成像质量低导致手动分割配准效率低下的问题，提出一种基于监督学习的前列腺MR/TRUS图像自动分割方法，与术前核磁图像进行非刚体配准。首先，针对图像分割任务训练前列腺超声图像的活动表观模型（Active appearance model, AAM），并基于随机森林建立边界驱动的数学模型，实现超声图像自动分割。接着，提取术前分割的核磁图像与自动分割的超声图像建立轮廓的形状特征矢量，进行特征匹配与图像配准。实验结果表明，本文方法能准确实现前列腺超声图像自动分割与配准融合，9组配准结果的戴斯相似性系数（Dice similarity coefficient, DSC）均大于0.98，同时尿道口处特征点的平均定位精度达1.64 mm，相比传统方法具有更高的配准精度

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度

对含磷高强IF钢中MnS夹杂物控制进行了分析。通过对含磷高强IF钢中添加稀土进行对比试验，借助扫描电镜等设备对铸坯1/8、1/2、7/8厚度方向的试样以及热轧、冷轧、连退工序的带钢试样进行了夹杂物统计及二维形貌的观测对比，并对铸坯试样中小样电解的夹杂物及轧制各工序试样中原貌提取的夹杂物进行三维形貌的观测对比。结果表明：铸坯中心MnS夹杂物数量分布明显大于铸坯近表面，稀土的加入，先与钢中S相结合，并在凝固过程中较MnS提前析出，生成了小尺寸的球状夹杂物，可明显降低铸坯各位置MnS夹杂物的尺寸及数量；未加稀土钢在带钢轧制各工序中MnS夹杂物尺寸为10 μm左右，且具有遗传性，在轧制过程中压延变长，但没有碎化弥散。加入稀土后形成了S–O–Ce类夹杂物，形态呈球形，尺寸为2～5 μm，且独立弥散分布，不会对带钢组织连续性造成影响，有利于产品各相关性能