盐害是多孔材质文物中较普遍、 较严重的病害。 可溶盐在复杂的水盐活动中会持续对文物本体造成破坏。 精确鉴别文物中可溶盐的种类是研究文物盐害机理、 开展盐害治理、 设计开发相应的文物保护材料的必要前提。 为此, 建立了一套文物中可溶盐提取和鉴定的操作流程, 通过离子色谱（IC）、 光学显微镜、 红外光谱（FTIR）、 拉曼光谱（Raman）、 扫描电子显微镜（SEM-EDS）等多种技术方法的优化组合, 实现对文物中常见可溶盐的精确鉴别。 研究表明, NaCl可通过IC（浸出液中含有Na+、 Cl-）、 显微观察（立方晶体）以及SEM-EDS（主要含有Na、 Cl元素）进行鉴别; CaCl2可通过IC（Ca2+、 Cl-）以及SEM-EDS（Ca、 Cl元素）进行鉴别; Na2SO4可通过IC（Na+、 SO2-4）、 显微观察（丛状或团簇状晶体）、 FTIR（主峰1 134、 637、 615 cm-1）、 Raman（主峰993 cm-1）以及SEM-EDS（Na、 S、 O元素）进行鉴别; CaSO4可通过IC（Ca2+、 SO2-4）、 显微观察（六棱柱状、 针状或棒状晶体）、 FTIR（1 144、 668、 603 cm-1）、 Raman（1 017 cm-1）以及SEM-EDS（Ca、 S、 O元素）进行鉴别; NaNO3可通过IC（Na+、 NO-3）、 FTIR（1 379、 1 353和837 cm-1）、 Raman（1 071 cm-1）以及SEM-EDS（Na、 N、 O元素）进行鉴别; Ca(NO3)2·4H2O可通过IC（Ca2+、 NO-3）、 FTIR（1 437、 1 367、 1 047 cm-1）、 Raman（1 059 cm-1）以及SEM-EDS（Ca、 N、 O元素）进行鉴别。 另外, 通过显微形貌观察可直接鉴别出立方块状的NaCl, 丛状、 团簇状或薄片状的Na2SO4, 以及六棱柱状、 针状或棒状的CaSO4。 CaCl2、 NaNO3、 Ca(NO3)2·4H2O具有强吸湿性, 暴露在室温下有快速潮解现象, 据此可判断结晶盐中是否含有强潮解盐。 该鉴别技术组合使用常见仪器设备, 成本较低, 简单易操作, 结果可靠, 可用于不同材质文物中可溶盐的精确鉴定, 具有较好的应用推广前景。

随着人工智能技术的不断发展，激光工业制造的智能化已成为重要趋势。机器学习作为人工智能的主要技术之一，已经在相关领域得到了广泛应用，并促进该领域实现巨大突破，推动下一代激光微纳加工技术的发展。为此，本文综述了机器学习在激光微纳加工领域各工艺过程中的重要应用，包括激光微纳加工参数优化与工艺窗口预测、加工过程的实时监测与控制、加工结果的预测以及辅助物理机制的研究，总结并展望了当前已有的机器学习与激光微纳加工交叉方向的改进方案，以及未来可能出现的机器学习与激光微纳加工交叉技术的进一步应用。

糖尿病视网膜病变是糖尿病最常见也是最严重的并发症之一。为提高对糖尿病视网膜病变严重程度的诊断准确率，进一步为糖尿病视网膜病变治疗的精准用药提供依据，提出一种新型的特征融合网络模型。首先利用轻量化网络EfficientNet-B0提取眼底图像的不同层特征，使用高层特征结合三个不同空洞率的空洞卷积形成多尺度特征。然后引入多尺度通道注意力模块（MS-CAM），赋予高层特征和低层特征新的权重，对高低层特征进行融合，形成最终的特征表征，从而完成对糖尿病视网膜病变严重程度的分类。实验结果表明，所提模型的分类准确率达85.25%，表明其具有较好的可行性，在临床上给医生诊断起到了辅助作用，能更有效地预防糖尿病视网膜病变的进一步恶化。

为改善基层医疗机构儿童肺炎诊疗水平，提高基层医生分析临床医学影像的效率和质量，提出了一种基于Vision Transformer（ViT）的小儿肺炎辅助诊断模型。首先利用ResUNet对儿童胸片进行肺区域分割，将左右肺区域从胸片中分割出来以降低其他组织对肺炎诊断的干扰。然后，将分割后的图像输入改进的混合ViT模型进行诊断，该模型使用传统卷积神经网络的特征映射作为Transformer的输入，并在卷积神经网络中引入自注意力机制，增强卷积以加强其获取全局相关性的能力。最后，对卷积神经网络的骨干网络和Transformer模型进行端到端的训练，使模型能够达到良好的图像分类结果。在Chest X-Ray Images肺炎标准数据集上进行了实验，实验结果表明，所提模型的肺炎识别准确率、精确率和召回率分别达到97.27%、97.69%和98.60%。即该模型具有较好的可行性，可使基层儿童肺炎的临床诊断准确率得到很大提升。