一分快3邀请码-一分快3下载app

选购制氧机要注意哪些问题？上海市质标院提示******

　　中新网1月8日电 据“上海市场监管”微信公众号8日消息，最近，制氧机的抢购热潮引起了社会关注。这种能够承担居家供氧、降低“沉默性缺氧”的医疗器械，到底适合哪些人群？选购时应该注意哪些问题？

　　什么是制氧机？

　　据国家药品监督管理局官网，制氧机又称为小型分子筛制氧机、医用分子筛制氧机、便携式制氧机等，其基本工作原理是通过变压吸附(PSA)原理，以空气作为原材料，不需要任何添加剂，接通电源后吸附空气中的氮气及其他气体，从空气中分离出纯度较高的氧气(93%±3%)。

　　制氧机一般由制氧主机、流量计、湿化器、氧浓度状态指示器，其中氧浓度状态指示器可以在氧浓度低于82%时，发出报警，避免使用者吸入不符合氧浓度要求的气体。

　　制氧机属于医疗器械吗？

　　众所周知，我国对医疗器械按照风险程度实行分类管理。

　　依据《中国医疗器械产品分类目录》，制氧机目前在我国属于二类医疗器械，需要由国家药品管理部门颁发的《医疗器械注册证》后方可上市销售。其生产商需要获得药监部门颁发的《医疗器械生产许可证》，销售单位应具备《二类医疗器械经营备案证》。

　　因此无论名称是“医用制氧机”“家用制氧机”“小型制氧机”还是“分子筛制氧机”其本质都是“医用制氧机”，均应具有医疗器械注册证。

　　制氧机适用哪些人群？

　　一般情况下，制氧机适用于已出现低氧血症的心脑血管疾病和呼吸系统疾病的患者，比较有代表性的是慢性阻塞性肺疾病患者。另外，出现低氧血症的其他疾病患者以及由于环境氧气稀薄导致的高原肺水肿、急性高山病、高原昏迷等，也需要尽快氧疗。

　　对于普通消费者，专家指出，制氧机主要是供慢性呼吸系统疾病患者使用，一般健康家庭无需在家中配置制氧机。如出现胸闷、气喘、呼吸困难或其他低血氧症状，也应第一时间前往医院就诊，不宜在家中自己使用制氧机吸氧，吸氧浓度过高或时间过长都容易导致氧中毒，造成危险。

　　选购注意事项

　　氧浓度是制氧机的核心指标，YY/T 0298-1998《医用分子筛制氧设备通用技术规范》要求，制氧机的氧浓度≥90% (v/v)，氧气应无气味，水分含量≤0.07g/m3，二氧化碳含量≤0.01% (v/v)。

　　对于制氧机的噪声，YY 0732- 2009《医用氧气浓缩器 安全要求》规定，在正常使用条件下，氧气浓缩器的最大噪音不应超过60dB。YY/T 0298-1998《医用分子筛制氧设备通用技术规范》要求，制氧设备的噪声不大于85 dB。

　　YY 0732- 2009《医用氧气浓缩器 安全要求》还规定，氧气浓缩器出口处的气体温度不应超过环境温度6℃。气体温度最高不应超过46℃，以避免气体对人体造成热损伤。

　　作为普通消费者，在选择购买制氧机前，还是应该咨询专业医生的建议，正确了解自己适应症所需吸氧时间以及吸氧流量的要求，然后选择合适的型号产品，按说明书要求合理使用。(来源：上海市质标院)(中新财经)

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）