A scoping review of autoantibodies as biomarkers for canine autoimmune disease

BackgroundAutoantibody biomarkers are valuable tools used to diagnose and manage autoimmune diseases in dogs. However, prior publications have raised concerns over a lack of standardization and sufficient validation for the use of biomarkers in veterinary medicine.ObjectivesSystematically compile primary research on autoantibody biomarkers for autoimmune disease in dogs, summarize their methodological features, and evaluate their quality; synthesize data supporting their use into a resource for veterinarians and researchers.AnimalsNot used.MethodsFive indices were searched to identify studies for evaluation: PubMed, CAB Abstracts, Web of Science, Agricola, and SCOPUS. Two independent reviewers (AET and ELC) screened titles and abstracts for exclusion criteria followed by full‐text review of remaining articles. Relevant studies were classified based on study objectives (biomarker, epitope, technique). Data on study characteristics and outcomes were synthesized in independent data tables for each classification.ResultsNinety‐two studies qualified for final analysis (n = 49 biomarker, n = 9 epitope, and n = 34 technique studies). A high degree of heterogeneity in study characteristics and outcomes reporting was observed. Opportunities to strengthen future studies could include: (1) routine use of negative controls, (2) power analyses to inform sample sizes, (3) statistical analyses when appropriate, and (4) multiple detection techniques to confirm results.ConclusionsThese findings provide a resource that will allow veterinary clinicians to efficiently evaluate the evidence supporting the use of autoantibody biomarkers, along with the varied methodological approaches used in their development.     

基于改进MobileNet-V2的田间农作物叶片病害识别

农作物病害是造成粮食产量下降的重要因素,利用智能化手段准确地识别农作物病害有利于病害的及时防治,该研究基于改进的MobileNet-V2识别复杂背景下的农作物病害,对未来覆盖各种作物的智能化病害识别工作具有重要意义。首先创建含有11类病害叶片及4类健康叶片的农作物数据集,采用数据增强操作构造不同的识别场景。其次在原始模型MobileNet-V2的基础上,嵌入轻量型的坐标注意力机制,建立通道注意力与位置信息的依赖关系。然后对网络中不同尺寸的特征图采取上采样融合操作,构建兼具网络高、低层信息的新特征图。此外,采用分组卷积并删除模型中不必要的分类层,减少模型参数量。试验结果表明：改进模型的参数量为2.30 MB,改进模型的识别准确率在背景复杂的农作物叶片病害数据集中达到了92.20%,较改进前提高了2.91个百分点。相比EfficientNet-b0、ResNet-50、ShuffleNet-V2等经典卷积神经网络架构,改进模型不仅达到了更高的识别准确率,还具有更平稳的收敛过程以及更少的参数。该研究改进的模型较好地平衡了模型的复杂度和识别准确率,为深度学习模型移植至田间移动病害检测设备提供了思路。     

大庆地区奶牛真胃疾病的流行病学调查

为了阐明奶牛真胃疾病在大庆周边地区的流行病学特点,对肇源县、林甸县、杜蒙县、大庆红岗区等地的14 210头奶牛的四种真胃疾病(真胃炎、真胃阻塞、真胃溃疡和真胃变位)进行了调查.调查结果表明:饲养管理、胎次、泌乳量、发病时期与真胃疾病有较大关系.同时进行了病因分析和讨论,并提出了建设性的防治对策.     

对虾暴发性疾病及防治对策

本文根据几年来虾病研究工作的进展和江苏对虾流行病学调查结果，总结分析了病因及病原学方面的有关问题，并针对水温、气候、密度等诱发因子，从生态角度提出了虾病防治方法及措施。     

优质抗寒、抗病酿造葡萄新品种‘北红’

 ‘北红’葡萄新品种由‘玫瑰香’与‘山葡萄’杂交育成。浆果在北京地区9月底成熟。果粒圆形,蓝黑色,果粒质量1.57g,果穗质量160.0 g,浆果可溶性固形物含量23.8 %～ 27.0 %,含酸量0.89～1.26 %。早果性及丰产性强。抗寒、抗病能力特强。酿成的酒深宝石红色,酒体平衡,酒质上等。     

西伯利亚百合脱毒技术研究

运用茎尖培养、热处理结合茎尖培养、病毒唑结合茎尖培养、热处理加病毒唑结合茎尖培养4种方法,脱除西伯利亚百合品种CMV、LSV和LMoV病毒,分析了4种处理后的成苗率和脱毒率。结果表明：以热处理加病毒唑结合茎尖培养法效果最为明显。     

鲜切菊花栽培技术

近年来,菊花的种植面积和鲜切菊花的产量大幅增长,但菊花种植过程中病虫害较严重。为提高鲜切菊花的科学种植水平,从品种的选择、定植方式、栽培管理和病虫害防治4个方面分别介绍了春菊、夏菊、秋菊和寒菊的栽培技术要点,以期为提高鲜切菊花的观赏价值和经济效益提供有益参考。     

银杏丰产栽培技术

银杏为我国传统的名贵树种,其生长缓慢、结实晚,一般要20多a才能开花结实,并且产量低。阐述银杏的生物学特征、繁殖方式、栽培管理方法、修剪整形及病虫害防治等实用技术,旨在为扩大银杏园林生产、提高银杏的种植质量和产量提供有益的参考。     

基于迁移学习的GoogLeNet果园病虫害识别与分级

为提高果树病虫害危害程度分级精度进而更好地指导果园病虫害防治,采用迁移学习技术与GoogLeNet模型相结合的方法,对6种果园作物的25类病虫害样本进行识别与危害程度分级研究;同时,探究不同数据集大小以及不同优化算法对模型性能的影响;基于MATLAB平台设计了一款可视化的病虫害识别与分级系统。结果表明:1)基于迁移学习的GoogLeNet模型,对病虫害识别精度可达99.35%,危害程度分级精度可达92.78%;2)在相同训练参数下,本研究模型比AlexNet、VGG-16、ResNet-18、SqueezeNet、原GoogLeNet及MobileNet-v2模型验证精度提高了2.38%~11.44%,并且收敛速度最快;3)本研究模型识别精度随着数据集的增大而提高;在3种优化算法中SGDM算法耗时最短且精度最高,更适合本研究模型。通过拍摄果树叶片病害区域图像,本研究设计的系统能够在0.43 s左右准确识别出果树种类、病害类型以及危害等级等信息。