自体骨髓干细胞移植与归元方联用治疗急慢性肝损伤实验研究

研究中药归元方与自体骨髓干细胞移植对急慢性肝损伤的治疗作用。研究方法：用肝脏局部注射乙醇的方法复制急性局限性肝损伤模型，复合因素（CCl4、乙醇、高脂、低蛋白）刺激复制大鼠肝纤维化模型，通过定量组织学、肝功能检查、免疫组化、肝组织羟脯氨酸含量、损伤或纤维区骨髓干细胞观察等综合评价中药、自体骨髓干细胞移植及两者合用的疗效。结果：归元方与自体骨髓干细胞移植可减小肝损伤区域，改善肝功能，使纤维肝组织表达μPA增强，降低血清ALT，AST，PCⅢ，HA和肝组织羟脯氨酸的含量，改善肝组织肝纤维化评分，骨髓干细胞能在肝损伤、肝纤维化形成环境中存活、增殖，并向肝细胞分化，表达肝脏特异的角蛋白CK18。结论：归元方与自体骨髓干细胞移植对急慢性肝损伤有明确的治疗作用，两者合用可优势互补，协同增效。临床上有良好的应用前景。     

自体骨髓干细胞移植研究进展

细胞移植作为一种新的治疗方法备受医学界关注，但细胞供应短缺和免疫排斥是阻碍这一疗法临床推广的主要难题。自体骨髓干细胞移植在一定程度上可缓解此矛盾。文章综述了自体骨髓干细胞移植治疗脑、肝、心等重要器官疾病的基础和临床研究现状，以及骨髓动员剂在骨髓干细胞移植中的作用。     

基于仿真方法验证IDEF3过程模型的有效性

经营过程建模中对模型的有效性验证是过程分析优化的基础。现有的过程模型有效性验证方法单纯追求算法的高效率,只能针对特定模型验证某些过程结构的合理性,不适合经营过程的复杂性需求。该文提出了一种基于仿真方法的有效性验证算法,在确保验证算法效率的基础上,能够验证扩展的IDEF3过程模型的3种逻辑错误:结构死锁、同步丢失和对象不匹配,从而不仅能够验证过程逻辑结构上的不合理,还能够对参与过程的对象所造成的不合理进行验证。     

基于抖频技术的低EMI高效BUCK转换芯片设计

提出了一种低电磁干扰(EMI)、芯片面积小的新型抖频振荡器,该抖频振荡器可以有效减小电路所用电容的面积.采用一种采样放大电路有效地改变了振荡器电容侧电压变化的方式,降低了电容所需要的面积,特别是降低了电磁干扰,解决了EMI问题;同时,通过电路优化设计提高了BUCK芯片的转换效率.最终基于0.35μm BCD工艺流片进行...     

基于 TLS 和 JWT 远程救助系统安全的 API

为满足用户隐私安全的需求, 设计实现了一套相对安全的 API(Application Programming Interface)。 该安 全接口采用 TLS(Transport Layer Security)安全套接技术和 JSON(Java Script Object Notation) Web Token 验证技 术, 通过在 HTTP 传输层加密和用户权限 token 验证的双层验证机制为用户构筑相对安全的 API 访问模式。 通过相关系统安全性测试与分析, 该系统可在实现监护者和被监护者之间的交流、 信息发布及定位等功能的基 础上, 实现安全的信息传输, 以提高用户隐私的安全性。     

Co掺杂对单斜LiMnO_2结构与性能的影响

采用基于密度泛函理论的第一性原理计算方法研究Co掺杂对单斜LiMnO2结构与性能的影响.结果表明:Co掺杂可缩短阴阳离子间的距离、抑制Jahn-Teller畸变、减小材料的绝缘带隙;掺杂体系中Co3+的电子组态为t62geg0,处于非自旋态,Mn3+的电子组态为t23geg1,处于高自旋态,由于过渡金属原子与氧原子间存在较强的共价相互作用,因此该掺杂体系并非理想的离子晶体.     

一种电流舵DAC电流源失配补偿算法与实现

对高速高精度电流舵模数转换器(DAC)的非理想因素影响进行消除已经成为研究热点。提出了一种基于"方向随机"和"特定代码随机"的电流源单元动态随机选取算法,并采用SMIC0.13μm CMOS工艺实现,具有较优的功耗、面积和速度指标。最终对算法建立Verilog-A电路级模型并应用在14位200 MHz电流舵DAC上,仿真表明SFDR达到90 dB以上。     

风力发电机组振动监测的超标问题研究

风电机组振动监测技术作为提高机组可靠性和稳定性的关键技术,对保障风力发电机组安全运行具有重要的意义。本文以机组监测过程中的超标问题作为切入点,细致阐述了风机振动测试点的布置方案,详细分析了振动超标问题的原因,并且通过对风机产品的实际监测,确定了2 MW风机弹性支撑推荐值以及报警阈参考值,完成风场试验证明报警值安全可靠,为相关风机振动监测技术理论研究提供数据参考和技术保障。     

自动化试卷分析系统的设计与实现

试卷分析系统必须包括基础数据库、成绩分析、题目分析、考试质量分析、打印结果分析、系统维护等六项。据此要求 ,设计用 ACCESS进行系统设计的具体方案。     

基于深度自编码器的电力能耗异常检测方法

针对电力能耗数据的非线性和不平稳特征,提出了一种基于深度自编码器的电力能耗异常检测模型。将深度学习的门控循环单元网络和自编码器结构相结合,通过传统自编码器的编码器和解码器部分采用门控循环单元网络来实现,充分发挥门控循环单元的数据特征提取能力和自编码器结构的数据重构功能。根据原始数据和重构数据之间的重构误差来检测电力能耗异常数据点。将所提方法应用于实际的车间电力能耗数据集,结果表明：所提方法能够对电力能耗数据进行异常点检测,检测效果良好。