- 综合排序
- 最热优先
- 最新优先
AbMole详解： DNP-BSA--免疫学研究与检测的得力助手
AbMole的DNP-BSA（M58157，AbMole，2,4-二硝基苯基-牛血清白蛋白）作为一种重要的免疫学工具，在很多领域中都有着重要的作用。 这些抗体可以用于后续的免疫学实验，例如检测抗原抗体反应、研究抗体的特异性和亲和力等。 四、免疫检测和免疫层析免疫层析技术是一种基于抗原抗体特异性反应的膜检测方法。它以硝酸纤维素膜为固定相，该膜上固定有检测线（包被抗体或抗原）。 DNP-BSA（M58157，AbMole，2,4-二硝基苯基-牛血清白蛋白）可满足免疫层析中的胶体金检测或免疫荧光检测，目前是很多免疫层析产品（抗原检测、病毒检测）中重要的质控系统。图2. Epicutaneous immunization with DNP-BSA induces CD4+ CD25+ Treg cells that inhibit Tc1-mediated CS [J]
13910编辑于 2025-11-19- 来自专栏DrugOne
Immunology | 群体免疫学：在人类免疫学中利用区块链技术和人工智能
人类免疫学可能很快就会从人工智能和区块链技术的使用中受益。在这里，作者讨论了群体学习如何通过分享见解而非数据，来促进全球免疫学合作研究，充分尊重当地数据隐私法规。 几十年来，免疫学研究得益于高度标准化的动物模型。然而，随着知识的增加，从模型系统到人类疾病的转换问题越来越难，而且失败率较高。 一个协调一致的系统免疫学计划可以轻松地在全球范围内收集人类样本，并创建大型人类群体，为研究人类疾病的分子机制提供足够的数据。 此外，这种SL支持的国际活动将极大地受益于人类免疫学数据标准化的改进。开发能够方便访问SL项目的平台将促进该领域的发展。 尽管如此，人类免疫学研究真正一体化时代即将开始。 参考资料 Schultze, J.L., Büttner, M. & Becker, M.
40820编辑于 2022-11-28 【免疫学笔记】血球凝集和血型分型
抗免疫球蛋白抗体由RobinCoombs 首次开发，因此这种疾病检测方案称为库姆斯试验（Coombs test）。 因此，抗人免疫球蛋白抗体未被开发出来之前，检测抗Rh 抗体很困难。库姆斯试验能直接检测与胎儿红细胞表面结合的抗体。 具体方法是在去除胎儿血清中存在的未结合免疫球蛋白后，直接添加抗人免疫球蛋白抗体以检测与母体抗体结合的胎儿红细胞（图2）。 抗Rh抗体不凝集红细胞，但它们在胎儿红细胞表面存在，可以通过洗去未结合的免疫球蛋白，然后加入对人免疫球蛋白的抗体来检测。 通过这种检测，医生可以及时发现并干预，保护胎儿健康。
22610编辑于 2025-12-29【免疫学实验】单克隆抗体技术
原因： 即使是针对单一抗原决定簇（如半抗原）产生的抗体，其结构也存在差异（异质性）。这可以通过等电聚焦实验验证：识别相同抗原的抗体在电泳后会显示出不同的等电点，证明其分子结构的不均一性。
19910编辑于 2025-12-29- 来自专栏机器学习AI算法工程
火灾火焰检测数据集和yolov4检测模型
开源1个火灾检测数据集(含标注)和预训练模型。 火灾检测数据集图像2059张：包含大火-小火，建筑起火、草原起火、森林起火、车辆(汽车、卡车、摩托车、电动车)起火、白天-黑夜起火等场景； 代码及运行教程，数据集 获取： 关注微信公众号 datayx
3.1K31发布于 2020-11-03 - 来自专栏简书专栏
目标检测第4步-模型测试
《目标检测第2步-数据准备》，链接：https://www.jianshu.com/p/3d9436b4cb66 《目标检测第3步-模型训练》，链接：https://www.jianshu.com/p 下载测试数据 下载链接: https://pan.baidu.com/s/1NksESNqBX--YqMJ4zptGdw 提取码: 6p3u 压缩文件n01440764.tar下载完成后，复制到桌面的文件夹目标检测中 进行到此步，桌面的文件夹目标检测如下图所示： ? image.png 4.下载并运行测试代码 链接: https://pan.baidu.com/s/1Ym1cYFCnsj1JAYFACHFj_Q 提取码: i3wn 代码文件fish_detection.ipynb 下载完成后，复制到桌面的文件夹目标检测中。
1.4K31发布于 2018-12-28 - 来自专栏技术杂记
反作弊如何检测系统仿真（4）
4.png 我们还确认了它正在检查的位是中的系统调用启用位（SCE）IA32_EFER。由于使用了Daax和ajkhoury的博客上发布的EFER的syscall挂钩方法的发布，它会检查此位。 ( NtDeviceIoControlFile ) { OutputBufferLength = 6; InputBufferLength = 4; 结论 在本文中，我们介绍了可用于管理程序的许多不同检测方法。一些有效，其他却不太有效。我们还详细介绍了一些规避记录在案的检测向量的方法，但是实际的实现方式将取决于读者。 在以后的文章中，我们将讨论这两种特殊的防欺诈功能，我们计划更深入地研究它们的硬件指纹识别，报告和检测程序。 我们希望您喜欢阅读有关如何利用虚拟化平台中的各种错误来检测自省引擎的信息，以及通过这些检查的方法。
2K140发布于 2021-01-05 - 来自专栏AI算法札记
目标检测4: Detection基础之mAP
4. mAP计算示例 下面通过示例来解释插值AP。 下图有7张图像，其中15个GT目标用绿色框表示，24个检测到的物体由红色框表示。每个检测到的物体由字母（A，B，... 在一些图像中，存在多于一个与同一个ground truth重叠的检测结果（图像2,3,4,5,6和7）。对于这些情况，选择具有最高IOU的检测框，丢弃其他框。 （A1，A2，A3和A4）： 计算总面积，即可得到AP： 两种不同插值方法之间的结果略有不同：分别通过每点插值和11点插值分别为24.56％和26.84％。 # 按置信度取不同数量检测结果时的累计fp和tp # np.cumsum([1, 2, 3, 4]) -> [1, 3, 6, 10] # 参考资料 [1] 目标检测中的mAP是什么含义 [2] Object-Detection-Metrics [3] 目标检测mAP计算方式 [4] 目标检测评价标准-AP mAP [5] 目标检测模型的评估指标
1.4K30编辑于 2022-08-02 - 来自专栏前端Q
4种Javascript类型检测的方式
今天这篇文章，主要介绍了JavaScript中检测数据类型的4种方式。如果已经会了的可以当成复习，如果还不了解的话，可以认真看看，并加以运用。 1、typeof 主要用于判断基本数据类型 。 'string' ：字符串类型的变量或值 4. 'number'：数字类型的变量或值 5. 所有函数 instanceof Function 都会返回 true 总结： instanceof不仅能检测构造对象的构造器，还检测原型链。 Array.isArray(new Array); // --> true //4. 4、Object.prototype.toString.call() 判断某个对象值属于哪种内置类型, 最靠谱的做法就是通过Object.prototype.toString方法。
1.1K10编辑于 2022-04-08 - 来自专栏计算机视觉战队
多目标检测：基于YoloV4优化的多目标检测
作者：Edison_G 为了解决目标检测任务中小目标检测精度低、误检、漏检率高等问题，有研究者提出了一种新的目标检测方法。 一、前言 为了解决目标检测任务中小目标检测精度低、误检、漏检率高等问题，有研究者提出了一种基于YOLOv4卷积神经网络的多目标检测方法。 目前目标检测任务主要针对不同的应用场景选择合适的检测算法：单阶段算法检测速度最快，但准确率较低；两阶段和多阶段检测算法可以获得更高的检测精度，但以牺牲检测速度为代价。 二、概要 今天分享的框架，新的方法基于YOLOv4。 高层特征的语义信息首先通过FPN采样传播到低层网络，然后与底层特征的高分辨率信息融合，以提高小目标检测对象的检测效果。 输入特征图经过一个卷积层后，经过5×5、9×9、13×13三个核进行最大池化， 然后concat得到的特征图进行通道拼接，输出通道数变成原来通道数的4倍，特征图大小保持不变。
1.4K20编辑于 2022-01-26 - 来自专栏全栈程序员必看
基于yolov4的目标检测_yolov3目标检测
├── detect.py：利用训练好的权重参数进行目标检测，可以进行图像、视频和摄像头的检测。 ├── train.py：训练自己的数据集的函数。 ├── test.py：测试训练的结果的函数。 通过如下的图可以获得权重的名字和大小信息，可以预料的到，预训练权重越大，训练出来的精度就会相对来说越高，但是其检测的速度就会越慢。 3训练自己的模型 3.1修改数据配置文件 预训练模型和数据集都准备好了，就可以开始训练自己的yolov5目标检测模型了，训练目标检测模型需要修改两个yaml文件中的参数。 ，我这里是识别安全帽和人，所以这里填写2；最后箭头4中填写需要识别的类别的名字（必须是英文，否则会乱码识别不出来）。 tensorboard --logdir=runs 4 推理测试 等到数据训练好了以后，就会在主目录下产生一个run文件夹，在run/train/exp/weights目录下会产生两个权重文件
56620编辑于 2022-11-03 【免疫学实验】“Western Blot”的前世今生:免疫印迹技术简述
它不需要对细胞进行放射性标记，而是通过“分离-转移-检测”三部曲来锁定目标蛋白。 检测： 这一步与免疫荧光或ELISA类似。利用特异性抗体去寻找膜上的目标蛋白，再通过酶标记的二抗来放大信号，最终呈现出我们能看到的条带。 ❓ 二、 为什么叫“Western”？ 你可能会好奇，为什么这项检测蛋白质的技术会被命名为“Western”（西方）？ 临床诊断： 常用于检测血清中的特定蛋白质或抗体。 典型案例： 在 HIV（艾滋病病毒） 的确诊检测中，Western Blot 是一种经典的确认试验。 它能够检测患者血清中是否存在针对 HIV 不同成分（如衣壳蛋白、酶等）的特异性抗体，从而提供确凿的诊断依据。
40410编辑于 2025-12-29- 来自专栏智能算法
目标检测算法YOLOv4详解
YOLOv4是精度速度最优平衡, 各种调优手段是真香，本文主要从以下几个方面进行阐述： YOLOv4介绍 YOLOv4框架原理 BackBone训练策略 BackBone推理策略 检测头训练策略 检测头推理策略 框架原理 我们主要从通用框架，CSPDarknet53，SPP结构，PAN结构和检测头YOLOv3出发，来一起学习了解下YOLOv4框架原理。 2.5 检测头YOLOv3 对于检测头部分，YOLOv4继续采用YOLOv3算法的检测头，不再赘述。 区别在于Mosaic是一种将4张训练图像合并成一张进行训练的数据增强方法(而不是CutMix中的2张)。这增强了对正常背景(context)之外的对象的检测，丰富检测物体的背景。 本文从YOLOv4介绍，YOLOv4框架原理，BackBone训练策略，BackBone推理策略，检测头训练策略，检测头推理策略这几个大方面进行详细的阐述了YOLOv4中所用到的各种策略，希望对大家有所帮助
16.9K34发布于 2020-11-17 - 来自专栏深度学习和计算机视觉
【从零学习OpenCV 4】边缘检测原理
经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《OpenCV 4开发详解》。 为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。 , result3); //整幅图像的边缘 result6 = result2 + result3; //检测由左上到右下方向边缘 filter2D(img, result4, CV_ 16S, kernelXY); convertScaleAbs(result4, result4); //检测由右上到左下方向边缘 filter2D(img, result5, CV_16S ("result2", result2); imshow("result3", result3); imshow("result4", result4); imshow("result5",
90040发布于 2020-02-10 - 来自专栏GiantPandaCV
INT4量化用于目标检测
Int 4量化用于目标检测 【GiantPandaCV】文章2019 CVPR，讲的是Int 4量化用于目标检测，主要是工程化的一些trick。 感受：这篇文章主要是做了实践工作，可以看作是低bit量化(Int 4)用于目标检测的一些trick。 Quantization and training of neural networks for efficient integer-arithmetic-only inference》简称IAO 量化用于目标检测有以下困难 并且让activation在[，] (0 < < 1) 内，文章设置n=20，=0.999. 4、折叠bn。 Int4量化与全精度对比 ? 消融实验 ? FreezeBN与不同bit的对比 ? 截断激活函数阈值的百分比 ? 与其他量化方法的对比图
1.3K20发布于 2021-03-24 - 来自专栏全栈程序员必看
睿智的目标检测29——Keras搭建YoloV4目标检测平台
睿智的目标检测29——Keras搭建YoloV4目标检测平台 学习前言 什么是YOLOV4 代码下载 YOLOV4改进的部分（不完全） YOLOV4结构解析 1、主干特征提取网络Backbone 2、特征金字塔 什么是YOLOV4 YOLOV4是YOLOV3的改进版，在YOLOV3的基础上结合了非常多的小Tricks。 尽管没有目标检测上革命性的改变，但是YOLOV4依然很好的结合了速度与精度。 YOLOV4整体上的检测思路和YOLOV3相比相差并不大，都是使用三个特征层进行分类与回归预测。 请注意！ _output]) 3、YoloHead利用获得到的特征进行预测 当输入是416×416时，特征结构如下： 当输入是608×608时，特征结构如下： 1、在特征利用部分，YoloV4提取多特征层进行目标检测 classes_path指向检测类别所对应的txt。 完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。
85830编辑于 2022-09-12 - 来自专栏python开发者
【CCD图像检测】4：图像的简单校正
CCD图像检测<四> 作者：一点一滴的Beer 指导教师：Chen Zheng 单位：WHU 五、 图像的校正。 5.1.纵向校正 5.1.1纵向理论校正。
1.2K30编辑于 2022-05-10 - 来自专栏流式抗体推文
Elabscience AFLE纯化抗小鼠IL-4抗体，赋能多维度免疫研究
内容概要Elabscience 推出的 AF/LE 纯化抗小鼠 IL-4 抗体 [11B11]是一款专为免疫学研究打造的单克隆抗体。 IL-4 相关研究一直是免疫学领域的热点，其功能异常与自身免疫性疾病、过敏反应、肿瘤免疫等多种疾病的发生发展密切相关，因此特异性检测和研究 IL-4 的工具抗体具有重要的科研价值。 例如在胞内因子检测中，经固定破膜处理后，抗体可穿透细胞膜与胞内 IL-4 结合，再通过荧光信号（若使用偶联荧光素的衍生产品）或其他检测信号放大系统，清晰反映 IL-4 在细胞内的表达水平和分布情况。 应用领域Elabscience AF/LE纯化抗小鼠IL-4抗体[11B11]聚焦免疫学研究领域，核心应用场景包括：ICFCM（胞内流式细胞术）：用于检测细胞内 IL-4 的表达，分析免疫细胞活化状态； 总结Elabscience 的 AF/LE纯化抗小鼠IL-4抗体[11B11]凭借高特异性、多应用场景、稳定性能和高性价比，成为免疫学研究中检测小鼠 IL-4 的优质选择。
12710编辑于 2025-12-31 - 来自专栏AI生活
AI热成像体温检测系统上线，一秒可检测4人
当人员经过系统检测点时，无需停留，系统便会自动检测体温并反馈到显示屏上，测温精度达到±0．3℃。 根据介绍，这套系统还能够与传统的温枪结合，当发现异常体温时，系统将会自动发出告警，工作人员将再通过额温枪对人成像初筛结果进行二次检测，从而做到精准核验。
1.5K30发布于 2020-02-20 【辰辉创聚生物】高效VLP蛋白表达｜病毒样颗粒生产｜疫苗研发平台
纯化后的VLP蛋白通常会经过一系列的免疫学检测，以验证其免疫原性和功能性。 4、重组VLP平台的广泛应用VLP蛋白表达技术不仅适用于蛋白研究，还能够支持重组VLP平台的建立。这些平台可以用于抗体生产、免疫原性检测等应用，是当今生物技术领域不可或缺的技术之一。 通常使用亲和层析、离子交换层析等方法，同时配合免疫学检测手段，确保产品符合质量标准。常见问题 (FAQ)Q1: 什么是VLP蛋白表达技术，为什么在蛋白研究中被广泛应用？ Q4: 在VLP蛋白表达过程中如何确保蛋白的质量？A:确保VLP蛋白质量的关键在于蛋白纯化服务的精细化操作。 通过多步纯化技术如亲和层析、离子交换层析等，结合免疫学检测，可以保证VLP蛋白的高纯度和功能性，满足科研和生产的高标准要求。
81310编辑于 2025-07-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号