安神补脑胶囊质量标准的研究

对安神补脑胶囊的质量标准进行研究;采用高效液相色谱法;安神补脑胶囊中二苯乙烯苷的含量为2.484 mg/粒;采用HPLC法测定制何首乌中2,3,5,4′-四羟基二苯乙烯-2-O-β-D-葡萄糖苷(C20H22O9)的含量,可以作为安神补脑胶囊的定量标准,测定方法简便、准确、可靠、重现性好.     

高效液相色谱法测定纳豆及纳豆胶囊中的 大豆异黄酮含量

建立了纳豆及纳豆胶囊中大豆异黄酮的高效液相色谱分析方法,该方法重复性及样品稳定性良好.实验对原料黄豆、纳豆和纳豆胶囊样品采用石油醚索氏脱脂后,对固体样品进行乙醇回流提取,分析了4种大豆异黄酮组分,即大豆苷、染料木苷、大豆素和染料木素.结果表明,原料黄豆总异黄酮质量比为1 260 mg/kg,纳豆比原料黄豆总异黄酮含量明显高约30%,纳豆胶囊比原料黄豆总异黄酮含量高约11%.     

消障明目胶囊对大鼠半乳糖性白内障的抑制作用

目的观察消障明目胶囊对大鼠半乳糖性白内障的预防和治疗作用。方法使用D-半乳糖制作大白鼠眼白内障模型,裂隙灯观察白内障情况,检测晶体SOD、MDA和谷胱甘肽过氧化物酶(GSH-Px)含量。结果服用消障明目胶囊能有效地延缓受试大鼠白内障的进展,降低晶体混浊度,生化指标显示该药能降低MDA的含量,增加SOD和GSH-Px水平。结论消障明目胶囊对半乳糖性白内障有推迟发生和减轻白内障程度的作用。     

磁控减肥胶囊反应机理及结构研究

针对肥胖且不宜剧烈运动人群的减肥需求,提出了一种可以在胃内完成充放气过程的磁控减肥胶囊模型。胶囊内通过酸碱盐反应使气囊充气,充气后的气囊在胃中通过占据胃内容积以达到减重的目的。该化学反应的发生由内部小磁铁控制,并且小磁铁的驱动可由外部磁体控制;在治疗结束后通过外部磁铁使气囊放气,胶囊可从消化道自然排出。结合化学实验确定了采用一水合柠檬酸饱和溶液与碳酸氢钠粉末反应的方案,并将溶液体积控制在2 mL内;通过COMSOL Multiphysics软件对磁铁模型进行有限元仿真分析,估算了胶囊外部磁铁的体积。研究结果揭示了磁控减肥胶囊的反应机理,也证明了该胶囊结构模型的可行性。     

松龄血脉康胶囊干预大鼠动脉粥样硬化作用及机制的研究

目的?探讨松龄血脉康胶囊对动脉粥样硬化(AS)大鼠干预作用及其机制。方法?正常大鼠饲喂高脂饲料配合腹腔注射维生素D₃建立AS大鼠模型。将实验大鼠随机分为正常组(A组)、模型组(B组)、松龄血脉康胶囊低(0.6g.kg_-1.d_-1,C组)、高(1g.kg_-1.d_-1,D组)剂量组、阳性对照辛伐他汀组(10 mg.kg_-1.d_-1,E组)。12周后腹主动脉取血检测各组血脂;酶联免疫吸附法测定各组血清超敏C反应蛋白、白介素6及单核细胞趋化蛋白1含量。结果?12周后与B组相比,D组可以显著降低血脂(TC、LDL) (P<0.05)并使血清超敏C反应蛋白及白介素6含量显著下降(P<0.01);C组、D组血清单核细胞趋化蛋白1含量显著下降(P<0.05) (P<0.01)。结论 松龄血脉康胶囊可通过降低AS大鼠血脂;降低血清超敏C反应蛋白、单核细胞趋化蛋白1、白介素6的水平,减轻炎症反应,阻止AS发展。     

诺氟沙星胶囊含量及其溶出度的测定

采用紫外分光光度法对诺氟沙星胶囊的含量及其溶出度进行了测定,考察了不同溶出介质对其溶出度的影响,并研究了赋形剂(淀粉和羧甲基纤维素钠)对诺氟沙星胶囊溶出度的影响. 实验结果表明:诺氟沙星的盐酸溶液在277 nm的波长处有最大吸收,且辅料无干扰. 线性关系良好(r=0.999 8),平均回收率为100.04%.本法重现性好,简便易行,结果准确,可用于诺氟沙星胶囊含量及其溶出度的质量控制.     

平板蓄冷单体内凝固传热特性理论研究

建立了描述相变蓄冷材料在平板蓄冷单体内凝固过程数理模型,发展了求解相变界面变化规律的热阻法,该方法是利用一阶精度解获得二阶、甚至更高阶精度的解．并利用计算结果, 分析了斯蒂芬（ Ｓｔｅ） 数对相变凝固厚度及相变凝固速率的影响     

腰腿痛胶囊对化学性神经根炎模型大鼠抗炎镇痛作用的实验研究

研究腰腿痛胶囊对化学性神经根炎模型大鼠的影响。复制大鼠化学性神经根炎模型,模拟腰椎间盘突出症,分别在造模后3d、7d、14d、21d刺激物所致肉芽肿质量、神经根及其周围组织中炎症介质（前列腺素E2、5-羟色胺）水平的检测及神经根的组织病理学观察。腰腿痛胶囊可显著降低神经根周围组织中的前列腺素E2（P〈0．01）和5-羟色胺（P〈0．01）水平,抑制炎症肉芽组织增生（P〈0．05）,减轻炎症反应程度,减轻化学性炎症对神经根的损害。腰腿痛胶囊具有抗炎镇痛作用,该作用可能是其临床治疗腰椎间盘突出症的药理机制。     

辅助驾驶系统中浓雾天识别方法分析

辅助驾驶系统中通过计算能见度信息对雾天进行识别的方法存在一定的局限性。针对此问题,利用机器学习方法设计了可用于辅助驾驶系统的浓雾天识别算法,避免了基于能见度识别雾天的局限性。首先建立了基于驾驶场景的图像训练集;然后基于卷积神经网络和胶囊网络分别设计卷积神经网络-浓雾识别(convolutional neural networks-dense fog recognition, CNN-DFR10)和胶囊网络-浓雾识别(capsule networks-dense fog recognition, CN-DFR5)两种浓雾天识别算法模型,算法模型通过设置概率阈值的方法对天气类型进行区分,不同的概率值范围对应不同的天气类型。最后对比分析CNN-DFR10和CN-DFR5在浓雾天、雨天、阴天和晴朗天4种天气类型中的测试结果。结果表明:CNN-DFR10算法对天气的识别准确率为86.9%,CN-DFR5算法的识别准确率为97.5%,后一种算法比前者能够更有效地从4种天气类型图像中区分出浓雾天和非浓雾天。