Fe3O4@SiO2/Cs-DTPA,Fe3O4@SiO2-EDTA,四氧化三铁磁性微球,具有吸附性

Fe3O4@SiO2/Cs-DTPA,Fe3O4@SiO2-EDTA,四氧化三铁磁性微球,具有吸附性

文献描述:

选取三价铬作为目标重金属,以制备的二乙烯三胺五乙酸(DTPA)改性硅铁磁性材料(Fe3O4@SiO2/Cs-DTPA),N-(三甲氧基硅丙基)乙二胺三乙酸钠盐(EDTA)改性的硅铁核壳材料(Fe3O4@SiO2-EDTA)和亚氨基二乙酸(IDA)修饰的介孔硅铁磁性材料(magMCM-41@IDA).

作为吸附剂去除水体中游离态和络合态Cr(Ⅲ),进行了等温吸附实验和动力学吸附实验,探究了有机物,pH和共存阳离子对吸附过程的影响,并研究了材料的脱附再生性能,通过对吸附剂的表征分析和拟合相关吸附实验数据得到以下结果:

(1)Fe3O4@SiO2/Cs-DTPA对Cr(Ⅲ)的吸附:材料合成过程中Fe3O4颗粒表面成功包覆上SiO2形成一种核壳结构材料(Fe3O4@SiO2),以壳聚糖为交联剂,将DTPA负载到壳聚糖通过脱水反应形成酰胺基成功将DTPA修饰到Fe3O4@SiO2表面,有机物包覆率为34.31%,合成的Fe3O4@SiO2/Cs-DTPA吸附剂具有超顺磁性,易与吸附质分离.

中文名称:EDTA功能化的四氧化三铁纳米微球

英文名称:Fe3O4@SiO2-EDTA

粒径nm:5、10、20、30、50、100、200可定制

形状:棒状、球形、立方形、核壳形、可定制

分类:四氧化三铁复合物

通过N-(三甲氧基甲硅烷基丙基)乙二胺三乙酸(EDTA-硅烷)与羟基的硅烷化反应制备了EDTA功能化的Fe3O4(Fe3O4@SiO2-EDTA ),用于去除水溶液中的Pb(II)和Cu(II)。

采用扫描电镜、透射电镜、EDX、红外光谱、光电子能谱、热重分析和饱和磁化技术对Fe3O4@SiO2-EDTA复合材料进行了表征。当SiO2/EDTA摩尔比为2.5:1时,Pb(II)的zui大吸附量为114.94mgg1with。吸附速率非常快,在10分钟内达到平衡。记录的zui适pH为5.0。Langmuir模型计算的重金属离子的zui大吸附量依次为:Cu(II)(0.58 mmol G1)> Pb(II)(0.55 mmol G1)≈Ni(II)(0.55 mmol G1)> Cd(II)(0.45 mmol G1)。

此外,共存阳离子和NOM对Pb(II)和Cu(II)的吸附能力没有显著影响。这些结果表明该吸附剂是一种很有前途的去除废水中Pb(II)和Cu(II)的吸附剂。

PVP-b-PLA修饰Fe3O4纳米粒子

PLA-Fe3O4

Fe3O4包覆纳米银线/PVA

mPEG-PLGA-吴茱萸碱-Fe3O4

mPEG-PLGA-DOX-Fe3O4

CPT@CDP-MNPs

仅用于科研,RL2023.10

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
关于纹理分析技术运用于肝细胞癌识别的国外研究现状,以下是点: 1. 论文《Hepatocellular Carcinoma: Texture Analysis of Preoperative Computed Tomography Images Can Provide Markers of Tumor Grade and Disease-Free Survival》中,研究者使用纹理分析技术对肝细胞癌患者的CT影像进行分析,发现纹理特征与肝细胞癌的病理特征有关,并且可以作为预测肝细胞癌病理分级和无病生存率的指标。 2. 论文《Texture Analysis of MRI Images of Hepatocellular Carcinoma: Preliminary Results》中,研究者使用纹理分析技术对肝细胞癌患者的MRI影像进行分析,发现纹理特征可以用于区分不同的肝细胞癌亚型,并且可以帮助诊断肝细胞癌的早期病变。 3. 论文《Texture Analysis of Gadoxetic Acid–enhanced MRI for the Detection of HCC》中,研究者使用纹理分析技术对肝细胞癌患者的Gd-EOB-DTPA增强MRI影像进行分析,发现纹理特征可以用于肝细胞癌的检测和定量评估。 支持向量机和纹理分析技术结合进行模型构建的具体步骤如下: 1. 数据预处理:收集和清洗肝细胞癌患者的影像数据,并进行预处理,如图像切割、灰度标准化和降噪等。 2. 特征提取:使用纹理分析技术提取影像的纹理特征,如灰度共生矩阵、局部二值模式和高斯滤波器等。 3. 特征选择:使用特征选择算法选择对肝细胞癌识别有用的特征。 4. 模型训练:使用支持向量机算法训练分类模型,并对模型进行调优和优化。 5. 模型评估:使用测试数据集对模型进行评估,如准确率、召回率和F1值等。 支持向量机是一种常用的机器学习算法,用于分类和回归问题。它通过寻找一个最优的超平面(即支持向量)来将不同类别的数据分开,从而实现分类。支持向量机的优点是能够处理高维数据和非线性问题,并且在处理小样本数据时具有较好的性能。 关于计算机辅助诊断肝细胞癌的国外研究现状,以下是一个文献例子: 论文《Computer-Aided Diagnosis of Hepatocellular Carcinoma based on Texture Analysis of Multidetector Computed Tomography Images》中,研究者使用纹理分析技术和机器学习算法对肝细胞癌的MDCT影像进行分析,提取纹理特征并训练分类模型,实现肝细胞癌的自动诊断和分级。该方法的准确率为91.4%,证明了纹理分析技术在肝细胞癌诊断中的有效性和可行性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值