Flower icon png的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

以聚多巴胺修飾金奈米粒子－二氧化鈦奈米複合薄膜 應用於侷部表面電漿共振葡萄糖生物感測器之研究

為了解決Flower icon png的問題，作者黃偉豪 這樣論述：

本研究以旋塗法將二氧化鈦(TiO2)旋塗於銦錫氧化物(Indium-Doped Tin Oxide, ITO)玻璃基板上形成二氧化鈦薄膜，再以光化學法製備之金奈米粒子分別利用APTES((3-Aminopropyl) triethoxysilane)以及TBBT(4,4′-Thiobisbenzenethiol)進行自我組裝法(Self-Assembly Method, SAM)以及逐層自我組裝法(Layer-by-layer, LbL)將不同粒徑組合之雙層金奈米粒子分別吸附於二氧化鈦薄膜上形成AuNPs/AuNPs/TiO2奈米複合薄膜，接下來再將聚多巴胺(Polydopamine, PD

A)沉積於AuNPs/AuNPs/TiO2奈米複合薄膜上作為保護層形成PDA/AuNPs/AuNPs/TiO2奈米複合薄膜，最後將葡萄糖氧化酵素(Glucose Oxidase, GOx)固定於奈米複合薄膜上進行不同濃度葡萄糖溶液之感測，並探討其感測特性。本研究係針對不同環境液體折射率之感測尋找AuNPs/AuNPs/TiO2奈米複合薄膜最佳化之參數，實驗結果發現AuNPs/AuNPs/TiO2奈米複合薄膜能有效改善薄膜於不同環境折射率感測之靈敏度(Refractive index sensitivity, RIS)與線性度(Linearity)，其中以粒徑組合為AuNPs30nm/AuNPs

10nm/TiO2之奈米複合薄膜擁有最高之RIS (212.5 nm/RIU)。接下來將聚多巴胺沉積於最佳參數之AuNPs30nm/AuNPs10nm/TiO2奈米複合薄膜，並再次進行RIS之比較。經過聚多巴胺修飾之PDA/AuNPs/AuNPs/TiO2奈米複合薄膜之RIS由原先之212.5 nm/RIU降低為162.5 nm/RIU，而感測線性度由R2 = 0.929提升為R2 = 0.990，得知聚多巴胺之沉積雖會影響其感測靈敏度，但仍能有效地改善感測之線性度。於GOx/AuNPs30nm/AuNPs10nm/TiO2與GOx/PDA/AuNPs30nm/AuNPs10nm/TiO2之兩

種奈米複合式葡萄糖感測薄膜進行葡萄糖感測特性之比較實驗，結果發現GOx/PDA/AuNPs30nm/AuNPs10nm/TiO2葡萄糖感測薄膜具有較佳之感測特性，其靈敏度為0.495 nm/mM，線性度為R2 = 0.987，偵測極限為5.4 mg/dL (0.3 mM)，且表現出良好之專一性以及再現性，生命週期於常溫中(約攝氏25度)可使用7天，實驗結果得知以聚多巴胺修飾之AuNPs/AuNPs/TiO2奈米複合薄膜適合應用於葡萄糖生物感測器。

特定領域影像擷取之模型、實作、及實驗

為了解決Flower icon png的問題，作者劉文俊 這樣論述：

在此論文中，我們提出了一個特定領域的影像擷取方法。對一個特定領域的影像資料庫而言，可以分析出這些影像所共有的特徵，我們稱之為 dimensions；而對每個 dimension，又可再定義出相對的 features。因此，便可再定義 proximity 的觀念，來描述一張影像與一個 feature 的關係；而 similarity 的觀念便是用來描述兩張影像之間的關係。我們把這樣的影像擷取問題稱為 fine-grained image retrieval，而把一般沒有預設任何語意性質的方式稱為 coarse-grained image retrieval。

透過兩個實作系統：蝴蝶影像擷取系統、醫藥影像擷取系統的呈現，可以顯現出我們的方法的效能。我們的實作系統透過一個簡易的起始查詢介面，來讓使用者下達所謂的 query-by-feature (QBF) 的查詢，然後使用者可以更進一步地，透過 query-by-example (QBE)，來作更精確的查詢。 除了詳細地描述我們的方法論以及上述的兩個實作系統之外，我們也設計了一些實驗，來估量 proximity 以及 similarity。從實驗歸納出的結果中，也建議了一個建立 similarity 可行的方式。對於萃取合適的 features，我們也做了一些討論。最後，我

們提出一個系統化的架構，來處理 fine-grained image retrieval 的問題。當我們嘗試將這個方法論應用在其他領域時，可以依循這個架構的流程，一步步地完成而最後建構出一個查詢系統。