目的了解结直肠癌类器官相关文献的研究现状和热点,探讨该领域的发展趋势。方法搜集中国知网、万方、维普、Web of Science核心合集(WoSCC)在2014-2023年发表的结直肠癌类器官相关文献,采用CiteSpace 6.1.R6软件进行国家、机构、参考文...目的了解结直肠癌类器官相关文献的研究现状和热点,探讨该领域的发展趋势。方法搜集中国知网、万方、维普、Web of Science核心合集(WoSCC)在2014-2023年发表的结直肠癌类器官相关文献,采用CiteSpace 6.1.R6软件进行国家、机构、参考文献和关键词分析。结果该领域的中文文献有21篇,因数量较少,未进行可视化分析。最终共纳入733篇英文文献,年发文量总体呈现上升趋势。美国的发文量最多(241篇),其次为中国(175篇),发文机构的合作分布呈现区域性。关键词分析提示,国内的研究热点主要聚焦于三维培养、肿瘤发生和精准医疗等,国外的研究热点则是精准医疗、药物筛选和干细胞等。自我更新、增殖和药物筛选是国内英文文献持续至今的突现词,而国外的则是肿瘤异质性、患者来源类器官和肿瘤微环境。结论该领域的中文研究较少,处于起步阶段,英文研究快速发展,未来需加强跨区域、高质量合作。国内研究主要以基础研究为主,并逐渐转向临床应用研究。建立与完善结直肠癌类器官-肿瘤微环境共培养模型可能是今后的研究趋势。展开更多
本文研究了对二甲苯(PX)对蒙古裸腹溞(Moina mongolica)的急性毒性和跨代毒性效应。试验在海水盐度30±0.5、p H 8.1、温度28℃、光照周期12L-12D、光照强度2 000~3 000 lx的条件下进行。结果表明:PX对蒙古裸腹溞的24 h LC_(50)、48...本文研究了对二甲苯(PX)对蒙古裸腹溞(Moina mongolica)的急性毒性和跨代毒性效应。试验在海水盐度30±0.5、p H 8.1、温度28℃、光照周期12L-12D、光照强度2 000~3 000 lx的条件下进行。结果表明:PX对蒙古裸腹溞的24 h LC_(50)、48 h LC_(50)值分别为9.82 mg/L和7.16 mg/L,安全浓度为1.14 mg/L。在0.20~1.00 mg/L PX影响下,与对照组相比,总生殖量和首窝生殖量等先在亲体P代显著下降(P<0.05),至F2代恢复正常水平,在F3或F4代出现显著降低的跨代效应。本研究表明PX对蒙古裸腹溞的毒性效应可以传递给后续世代,本研究结果可为海洋有机污染物检测和新型测试生物筛选提供理论依据。展开更多
随着网络信息的爆炸式增长,威胁情报分析作为军事情报分析与战略决策的重要组成部分,其面临着来源多样化和信息结构复杂化的挑战。传统的人工信息提取方法在处理这些大量结构化及非结构化信息时效率低下,准确性有限。文中针对这一挑战,...随着网络信息的爆炸式增长,威胁情报分析作为军事情报分析与战略决策的重要组成部分,其面临着来源多样化和信息结构复杂化的挑战。传统的人工信息提取方法在处理这些大量结构化及非结构化信息时效率低下,准确性有限。文中针对这一挑战,提出了一种结合RoBERTa、BiLSTM和条件随机场(Conditional Random Fields,CRF)的命名实体识别新算法。此算法通过Ro-BERTa模型深入挖掘文本的语义特征,BiLSTM模型捕捉序列上下文信息,CRF层用于精确的实体标记,从而有效提升信息提取的准确率和效率。本文基于开源情报语料库构建了一个涉及导弹发射事件的命名实体识别数据集,并在此基础上进行了实验,结果表明,该方法在精确率、召回率及F1值等关键指标上相较于主流深度学习方法表现出显著的性能提升,其中F1值高达94.21%。展开更多
文摘目的了解结直肠癌类器官相关文献的研究现状和热点,探讨该领域的发展趋势。方法搜集中国知网、万方、维普、Web of Science核心合集(WoSCC)在2014-2023年发表的结直肠癌类器官相关文献,采用CiteSpace 6.1.R6软件进行国家、机构、参考文献和关键词分析。结果该领域的中文文献有21篇,因数量较少,未进行可视化分析。最终共纳入733篇英文文献,年发文量总体呈现上升趋势。美国的发文量最多(241篇),其次为中国(175篇),发文机构的合作分布呈现区域性。关键词分析提示,国内的研究热点主要聚焦于三维培养、肿瘤发生和精准医疗等,国外的研究热点则是精准医疗、药物筛选和干细胞等。自我更新、增殖和药物筛选是国内英文文献持续至今的突现词,而国外的则是肿瘤异质性、患者来源类器官和肿瘤微环境。结论该领域的中文研究较少,处于起步阶段,英文研究快速发展,未来需加强跨区域、高质量合作。国内研究主要以基础研究为主,并逐渐转向临床应用研究。建立与完善结直肠癌类器官-肿瘤微环境共培养模型可能是今后的研究趋势。
文摘随着网络信息的爆炸式增长,威胁情报分析作为军事情报分析与战略决策的重要组成部分,其面临着来源多样化和信息结构复杂化的挑战。传统的人工信息提取方法在处理这些大量结构化及非结构化信息时效率低下,准确性有限。文中针对这一挑战,提出了一种结合RoBERTa、BiLSTM和条件随机场(Conditional Random Fields,CRF)的命名实体识别新算法。此算法通过Ro-BERTa模型深入挖掘文本的语义特征,BiLSTM模型捕捉序列上下文信息,CRF层用于精确的实体标记,从而有效提升信息提取的准确率和效率。本文基于开源情报语料库构建了一个涉及导弹发射事件的命名实体识别数据集,并在此基础上进行了实验,结果表明,该方法在精确率、召回率及F1值等关键指标上相较于主流深度学习方法表现出显著的性能提升,其中F1值高达94.21%。
