作者单位
摘要
1 四川省疾病预防控制中心, 四川 成都 610041
2 四川省食品药品审查评价及安全监测中心, 四川 成都 610017
3 成都中医药大学, 四川 成都 610032
4 凉山州疾病预防控制中心, 四川 凉山 615000
职业接触人员血中铊浓度可反映其体内暴露的信息。 因此, 建立血中铊浓度的检测方法具有非常重要的意义。 目前, 国内血中铊检测没有国家标准方法, 国内外文献报道的方法均存在一定缺点。 为了获得准确的职业接触人员血中铊浓度, 建立了高基质进样(HMI)-电感耦合等离子体质谱(ICP-MS)测定职业接触人员血中铊含量的方法。 通过对等离子体模式和前处理方法进行了选择, 0.20 mL血样用0.1% Triton X-100+0.5%硝酸混合溶液处理后, 采用在线加入内标的方式对铊含量进行了检测。 在最佳的分析条件下, 205Tl在0.02~4.00 μg·L-1范围内线性关系良好, Y=0.010 33X+0.000 12, 相关系数(R)为0.999 9。 最低检出限(detection limit, DL)为0.005 μg·L-1, 最低定量限(quantification limit, QL)为0.02 μg·L-1; 当取样量为0.20 mL, 定容体积为5.00 mL时(血样25倍稀释), 方法检出限(MDL)为0.12 μg·L-1, 方法定量下限(MQL)为0.42 μg·L-1, 测定范围为0.42~100 μg·L-1。 在全血样品中添加水平为2.50, 15.0和75.0 μg·L-1时的平均回收率为92.7%~103.8%。 每个样品重复测定7次, 批内精密度(RSDs of in-batch)为1.71%~2.81%, 批间精密度(RSDs of interbatch)为2.84%~4.77%, 表明, 该方法的准确度及精密度良好。 连续监测50个样品(包括标准溶液、 质量控制样品和全血样品), 内标元素209Bi的信号变化为+7.7%, 表明方法稳定性较好。 将建立的新方法用于30份职业接触人员全血的分析检测, 其中4份血样的铊含量大于方法检出限, 但低于方法定量下限, 其余26份血样均低于方法检出限, 且30份全血样品中铊含量均在平均背景范围内。 结果表明30位职业接触人员铊内暴露水平很低, 其工作场所铊对人体基本无潜在的健康影响。 该方法简单快速、 准确度高、 稳定性好, 适用于实际样品的大批量检测。
高基质进样 气溶胶稀释 电感耦合等离子体质谱法 职业接触人员 全血  High matrix introduction Aerosol dilution Inductively coupled plasma mass spectrometry Occupationally exposed population Whole blood Thallium 
光谱学与光谱分析
2022, 42(9): 2870
作者单位
摘要
1 四川省疾病预防控制中心, 四川 成都 610041
2 四川省食品药品审查评价及安全监测中心, 四川 成都 610017
3 成都医学院公共卫生学院, 四川 成都 610500
铊(Thallium, Tl)是一种有毒的金属元素, 主要用于半导体、 电子设备、 农药和灭鼠剂的生产, 会对职业人群的身体健康造成潜在的威胁, 工作场所空气中铊及其化合物浓度的测定对保证职业人群的健康具有重要意义。 虽然工作场所空气中痕量铊的毒性高于其他有毒金属元素, 但对其研究却很少。 目前工作场所空气中铊及其化合物浓度检测方法主要是原子吸收光谱法(AAS), 但该方法有不足之处。 建立了超声浸提-No Gas-电感耦合等离子体质谱(ICP-MS)测定工作场所空气中铊及其化合物(以205Tl计)的新方法。 在采样点, 按照GBZ 159—2004方法用0.8 μm孔径的微孔滤膜对工作场所空气进行短时间采样。 检测过程中, 考察了不同超声浸提条件对测定结果的影响, 并对质谱干扰及消除进行了分析。 最终优化的实验条件为3%硝酸在室温条件下对采集的滤膜样品进行超声浸提10 min, 采用No Gas模式对工作场所空气中铊及其化合物(以205Tl计)进行ICP-MS分析。 在该实验条件下得出铊及其化合物在0.087~80 ng·mL-1浓度范围内呈现良好的线性关系(Y=0.009 2X-0.001 8, R=0.999 9); 检出限为0.026 ng·mL-1, 当采样体积为75 L时, 最低检出浓度为0.001 7 μg·m-3, 最低定量浓度为0.005 7 μg·m-3。 用质控样品(滤膜中铊质量控制样品ZK147和ZK148)验证了本方法的精密度和准确度, 结果显示测定值与参考值之间无显著性差异, 相对标准偏差(RSD)为0.77%和0.86%。 用加标法(3倍于滤膜中铊含量的常见干扰元素)对建立的新方法进行干扰分析, 回收率在97.2%~106.7%之间, 表明本法抗干扰能力较强。 用本法与国标方法《工作场所空气有毒物质测定 第25部分: 铊及其化合物》(GBZ/T 300.25—2017)溶剂洗脱-石墨炉原子吸收光谱法相比较, 10个实际样品的测定结果基本一致。 相对于现行国标方法, 该方法具有操作简单、 检出限低、 线性范围宽和准确度高的优点, 能够满足实际工作场所空气中铊及其化合物的准确、 快速、 痕量及高通量测定需求。 该方法有望成为工作场所空气中铊及其化合物测定的新方法, 可更高效地为特定职业人群健康监护提供参考和依据。
超声浸提 铊及其化合物 工作场所空气 电感耦合等离子体质谱法 Ultrasonic extraction Thallium and its compounds Workplace air Inductively coupled plasma mass spectrometry (ICP-MS) 
光谱学与光谱分析
2021, 41(7): 2279
作者单位
摘要
1 中国人民解放军陆军工程大学野战工程学院, 江苏 南京 210007
2 南部战区陆军第二工程科研设计所, 云南 昆明 650222
现有目标检测算法在复杂大场景下多目标检测的精度和实时性难以平衡,为此,受深度神经网络卷积核形态启发,模仿了人眼视觉机理,改进了基于深度学习的目标检测框架,即单向多框检测器(SSD),提出了多目标检测框架——自适应感知SSD,将其专用于复杂大交通场景多目标检测。设计了由多形态、彩色Gabor构成的特征卷积核库,训练筛选最优特征提取卷积核组替换原有网络的低级卷积核组,从而提高检测精度;将单图像检测框架与卷积长短期记忆网络结合,通过瓶颈-长短期记忆层提炼传播帧间的特征映射,实现网络帧级信息的时序关联,降低计算成本,从而实现对视频中受强干扰影响目标的追踪识别;同时加入自适应阈值策略,降低漏警率和虚警率。实验结果表明,相比于其他基于深度学习的目标检测框架,各类目标识别的平均准确率提高了9%~16%,平均准确率均值提高了14%~21%,多目标检测率提高了21%~36%,检测帧率达到32 frame·s -1,实现了算法精度与实时性的平衡,取得较好的检测识别效果。
机器视觉 生物视觉 深度学习 卷积神经网络 Gabor卷积核 递归神经网络 
光学学报
2018, 38(12): 1215003

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!