一种涂覆增益介质的拉曼光谱高电磁增强基底及制备

    公开(公告)号:CN102680453B

    公开(公告)日:2014-12-31

    申请号:CN201210191115.4

    申请日:2012-06-12

    Applicant: 南开大学

    Inventor: 刘海涛 张鑫

    Abstract: 一种涂覆增益介质的拉曼光谱高电磁增强基底,为在金属盲孔阵列表面涂覆增益介质的表面增强拉曼光谱基底结构,基底金属上均布有圆形、矩形或三角形盲孔阵列,涂覆的增益介质为罗丹明6G/聚甲基丙烯酸甲酯薄膜,该薄膜通过在有机溶剂中溶入染料分子制备,将罗丹明6G和聚甲基丙烯酸甲酯溶于二氯甲烷中,然后涂覆在基底金属铬膜表面并烘干,形成在基底金属铬膜表面上涂覆有增益介质的薄膜,采用聚焦离子束刻蚀技术在上述薄膜表面加工出盲孔阵列。本发明的优点是:在传统的SERS基底上引进增益介质材料,补偿金属损耗,得到了远高于不含增益介质基底的SERS增强因子,进一步提高了SERS的实用性,并为SERS增强机理的研究提供了技术参考。

    一种涂覆增益介质的拉曼光谱高电磁增强基底及制备

    公开(公告)号:CN102680453A

    公开(公告)日:2012-09-19

    申请号:CN201210191115.4

    申请日:2012-06-12

    Applicant: 南开大学

    Inventor: 刘海涛 张鑫

    Abstract: 一种涂覆增益介质的拉曼光谱高电磁增强基底,为在金属盲孔阵列表面涂覆增益介质的表面增强拉曼光谱基底结构,基底金属上均布有圆形、矩形或三角形盲孔阵列,涂覆的增益介质为罗丹明6G/聚甲基丙烯酸甲酯薄膜,该薄膜通过在有机溶剂中溶入染料分子制备,将罗丹明6G和聚甲基丙烯酸甲酯溶于二氯甲烷中,然后涂覆在基底金属铬膜表面并烘干,形成在基底金属铬膜表面上涂覆有增益介质的薄膜,采用聚焦离子束刻蚀技术在上述薄膜表面加工出盲孔阵列。本发明的优点是:在传统的SERS基底上引进增益介质材料,补偿金属损耗,得到了远高于不含增益介质基底的SERS增强因子,进一步提高了SERS的实用性,并为SERS增强机理的研究提供了技术参考。

    一种用于监测病毒感染进程的双锁型类病毒荧光纳米探针、制备方法及应用

    公开(公告)号:CN119564885A

    公开(公告)日:2025-03-07

    申请号:CN202411374391.3

    申请日:2024-09-29

    Abstract: 本发明创造提供了一种用于监测病毒感染进程的双锁型类病毒荧光纳米探针、制备方法及应用。该探针由日本脑炎病毒包膜E蛋白修饰的聚酰胺胺树状聚合物组成,聚合物负载着vRNA和脱嘌呤/脱嘧啶核酸内切酶1(APE1)双重激活的分子信标。该探针可以穿过血脑屏障并进入病毒感染的细胞中释放出分子信标与vRNA互补,并被APE1选择性地裂解,从而在病毒感染病灶中实现特异性荧光信号放大。这种双激活的策略大大提高了病毒感染病灶成像的空间精确度和灵敏度。本发明为实时监测体内病毒感染水平和评估抗病毒药物的有效性提供了一种可行的方法。

    一种基于碲纳米线原位转化构建金纳米线薄膜以制备柔性电极的方法

    公开(公告)号:CN119876925A

    公开(公告)日:2025-04-25

    申请号:CN202510073293.4

    申请日:2025-01-17

    Applicant: 南开大学

    Abstract: 本发明公开了一种基于碲纳米线原位转化构建金纳米线薄膜以制备柔性电极的方法,先通过水热合成制备碲纳米线,在预处理后的基板上静电吸附碲纳米线薄膜,利用原位转化方法制备金纳米线薄膜,再将金纳米线薄膜转移至柔性衬底,制得柔性金纳米线电极。所述原位转化法制备步骤简单、生产成本低、材料利用率和转换效率高,同时能够保持碲纳米线薄膜的原有形貌结构。因此,所制备的金纳米线薄膜具有与碲纳米线高纵横比相似的特征。此外,原位转化过程中碲原子的积极参与加速了转化速度,使得金原子含量和导电性迅速提升。所述适用于薄膜的柔性衬底具有多样的选择性,能够根据不同的具体应用需求进行选择,从而拓宽了其在柔性电极领域的应用范围。

    一种基于顺序标签分布学习的图像美学分析方法

    公开(公告)号:CN117372835A

    公开(公告)日:2024-01-09

    申请号:CN202311215472.4

    申请日:2023-09-19

    Applicant: 南开大学

    Abstract: 本发明公开了一种基于顺序标签分布学习的图像美学分析方法,对输入的批量美学图像进行预处理和初始图像特征提取;提取VGG网络softmax层的输出作为图像特征的预测结果;对于输出的图像预测结果与真实标注的顺序标签进行损失函数的计算;并将得到的损失函数值进行梯度回传,得到顺序标签分布学习的VGG网络;将待分析美学图像进行随机裁剪的图像增强处理后将增强后的美学图像送入VGG网络,经过前向传播后得到预测的美学分析顺序标签分布;针对数据集中所有数据利用顺序标签学习的VGG网络进行训练。与现有技术相比,本发明在各个指标上全面的提高了已有范式的性能。

Patent Agency Ranking