血管内皮生长因子结合可降解壳聚糖治疗大鼠心肌梗塞的研究

摘要:目的 研 究 血 管 内 皮 生 长 因 子 ( vascular endothelial growth factor, VEGF ) 结 合 可 降 解 壳 聚 糖 ( degradablechitosan,DC)对心肌梗塞大鼠的治疗作用。 方法 将 32 只 SD 大鼠随机分为假手术组、模型组、VEGF 组和 VEGF+ DC 组,每组 8 只。 4 组大鼠均采用结扎冠状动脉左前降支的方法进行造模,其中假手术组只穿线不结扎。 造模后, 向模型组大鼠心肌注射 100 μL 生理盐水,VEGF 组大鼠于同一位置注射同体积 VEGF 溶液,VEGF+DC 组大鼠注射 VEGF+DC 溶液。 造模 4 周 后,对 所 有 实 验 大 鼠 进 行 超 声 心 功 能 检 测,考 察 左 心 室 收 缩 期 及 舒 张 期 前 壁 厚 度( LVAW;s 和 LVAW;d) 、左心室收缩期及舒张期内径( LVID;s 和 LVID;d) 、左心室收缩期及舒张期容积( LV Vol;s 和 LV Vol;d) 、左室射血分数( EF% )及短轴缩短率( FS% ) ,血流动力学考察左室舒张末压( EDP ) 和等容收缩期及 舒张期左心室内压力上升最大速率( + dp / dt 和 - dp / dt) ,计算左心室指数( LVM / BW) 并对心肌进行苏木素-伊红 ( HE)染色观察各组实验大鼠心肌病理变化。 结果 VEGF 组和 VEGF+DC 组大鼠的心肌梗塞均得到有效改善,其 中 VEGF+DC 组的改善作用更加显著。 结论 VEGF 结合 DC 对心肌梗塞大鼠的心功能具有改善作用,具有一定的治疗作用。     

基于概率图模型的危险驾驶罪刑期预测

针对司法实践中对于可解释性及预测性能的需求, 本文提出了一种基于概率图模型的量刑智能辅助方法. 该方法以量刑要素为基石建立含有隐节点的概率图模型, 由极大似然准则估计刑期分布的参数, 进而计算分布的数学期望得到预测值. 关于危险驾驶罪的实验结果表明, 概率图模型的预测准确率优于基于决策树和神经网络等的模型, 且具有良好的可解释性.     

构建吡喃骨架的双环化反应研究

吡喃骨架存在于Warfarin、Oxandrolone、(-)-Penicipyrone等天然产物中,在氧杂环化合物中扮演重要角色.通过单组分,两组分和多组分双环化反应来构建吡喃骨架得到了充分研究.对已有文献进行归纳总结,将为探寻更加绿色高效的吡喃合成新法指明方向.     

世界一流科技社团发展现状国际比较——基于实践动态的视角

 以世界一流科技社团2019年9月-2020年6月的新闻数据，分析总结了世界一流科技社团的实践动态及发展规律。研究发现：（1）国内科技社团强调党建引领，制度优势体现出强大的凝聚力；（2）国外科技社团更加善于聚合公共资源，并将产生的新知识转化为可供应用的产品和服务，推进科技与经济、创新链与产业链的融合；（3）国外科技社团善于通过多种形式发声，充分发挥决策者智库咨询的作用；（4）全球科技治理的实质性活动由国际化大型科技社团主导。中国科技社团需要重视决策咨询智库建设、为政府重大决策制定提供技术支撑；完善学术交流平台、创造有利于科技工作者的良好生态；为科技经济融合贡献智慧，推动互惠共享的国际科技交流合作。     

基于智能影像基因组学技术的阿尔茨海默病预测进展

 阿尔茨海默病（AD）起病隐匿，目前尚无有效控制病情进展以及治疗的药物或方法。在其发病轻度认知功能障碍阶段早期预测进行干预，则能有效控制其病程。从基于脑影像组学特征的AD早期临床诊断、基于人工智能影像组学技术的AD早期预测两个方面综述了AD的早期诊断与预测研究进展，提出结合多模脑核磁共振影像特征和组学特征，在深度学习的框架下，将影像学和基因组学联系在一起，构造高分类与预测性能的深度学习模型，可为AD早期筛查并干预提供支持。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

目标电磁散射的面中心立方体网格FDTD方法

基于面中心立方体(face-centered cube, FCC)网格的空间结构, 由麦克斯韦方程出发, 推导了基于FCC网格的单轴各向异性介质完全匹配层(uniaxial anisotropic media perfectly matched layer, UPML)吸收边界条件以及近-远场外推边界条件的三维迭代式。通过典型算例, 先后验证了基于面中心立方体网格的时域有限差分(FCC-finite difference time domain, FCC-FDTD)方法的UPML吸收边界条件和近远场外推边界条件的正确性。最后通过计算金属球的后向雷达散射截面(radar cross section, RCS)比较了FCC-FDTD方法与传统FDTD方法的计算精度, 结果显示FCC-FDTD方法具有更高的计算精度。     

基于改进Lagrange乘子法的交通信号配时优化研究

为提高交叉口的机动车通行效率及环境效益,采用改进罚参数来构造一种新的Lagrange乘子法对交叉路口的交通信号进行优化配时。通过权重系数建立车辆延误与尾气排放的数学模型,利用改进Lagrange乘子法进行优化,将其结果与两种典型智能算法的优化结果进行对比,并利用VISSIM(Verkehr in Stadten Simulation)微观交通可视化仿真软件进行验证。实验结果表明,该方法优化的信号配时使车辆延误降低19.89%,尾气排放量降低2.379%,可见大比例优化了交叉口的车辆延误,同时可以降低尾气排放量。     

基于改进Faster R-CNN的农田残膜识别方法

为了实现农田残膜的精准捡拾,提高残膜回收机的回收率.将改进Faster R-CNN卷积神经网络运用到农田残膜的识别检测中,提出了一种农田残膜的识别方法.以11MS-1850残膜回收机工作后遗留在农田表面的残膜为研究对象,分别在晴天、阴天不同时间段采集图像共计1648幅.通过更改图像亮度、旋转等方式扩充数据集,最终得到4950幅残膜样本图像,按照7:2:1划分为训练集(3465幅)、验证集(990幅)、测试集(495幅);采用双阈值算法替代传统的单阈值算法,降低了阈值对模型性能的影响;通过对比试验,选取具有残差网络结构的ResNet50作为主干特征提取网络,准确率可达88.84％,召回率为87.70％,总体精度为88.27％;为了使检测模型对小目标更加灵敏,根据数据集中残膜尺寸大小,在原有锚点基础上增加322和642的尺度参数,准确率、召回率、总体精度分别提升了1.29％、0.67％、0.97％,单幅检测时间为284.13 ms,基本满足了识别残膜的要求.可为残膜回收机加装补收装置提供参考,为研制人工智能残膜回收机提供理论基础.     

山西锦生润票号衰败考论

锦生润票号诞生在光绪二十九年,恰逢山西票号鼎盛时代,然而,也是山西票号"危机四伏"、衰败初露端倪的时期.锦生润票号于民国六年冬月主动"收歇",自有特别的"个案"的原因:锦生润不是完全意义上的山西票号,与经营了百年之久的其它票号不能简单地相提并论,仅仅是晚清山西商人开设"账局"的发展和延续,或者是"账局"与专业化汇兑的"票号"的有机结合的"蓝本",属于一种新类型的票号.锦生润票号的衰败及其原因,也是票号发展历史阶段的一个极其重要的组成部分.