石韦配方颗粒HPLC-DAD特征图谱研究

为建立石韦配方颗粒HPLC-DAD特征图谱的测定方法,采用Inertsil~ODS-2C_(18)色谱柱(4.6mm×250mm,5μm),检测波长为265nm,柱温为30℃,流动相为甲醇-0.5%(体积分数)甲酸水溶液,梯度洗脱,流速为1.0mL/min,进样量为10μL。利用《中药色谱指纹图谱相似度评价系统》2012A对10个批次的石韦配方颗粒进行了相似度评价,并对其特征色谱峰峰面积进行了聚类分析。通过与标准品对比,确证了其中的2个色谱峰;通过多点校正及自动匹配,分析确定了9个特征峰;10批石韦配方颗粒的特征图谱相似度均大于0.85,通过聚类分析可将样品分为3类。该方法准确可靠,重复性好,可用于石韦配方颗粒的质量控制。     

丁苯酞-羟丙基-β-环糊精包合物的制备与表征

设计正交试验确定冷冻干燥法制备丁苯酞—羟丙基-β-环糊精包合物的最佳条件,通过薄层色谱法(TLC)、紫外光谱法(UV)、红外光谱法(IR)、差示扫描量热法(DSC)、热重分析法(TGA)考察所制备的丁苯酞与羟丙基-β-环糊精(HP-β-CD)包合前后的变化.结果表明:TLC,UV,IR,DSC,TGA可以表征包合物的形...     

数学认知结构与数学概念的学习——以高等数学的概念学习为例

随着教育理念由行为主义到认知主义的发展,数学能力的提高有待于对概念理解的强化越来越成为共识。数学概念是数学的逻辑起点,是学生认知的基础,是数学思维的核心。基于数学认知结构与数学概念学习的关系,探讨了高等数学概念学习的理论与实践,以期促进高等数学概念的学习。     

方钢管钢骨混凝土中钢骨锈蚀量计算

针对混凝土中的钢骨锈蚀后,钢骨的周围产生锈胀力,随着锈蚀程度的增加,钢骨锈胀力将导致混凝土保护层开裂,影响钢骨混凝土结构耐久性的问题,应用弹性力学的方法建立了混凝土锈胀开裂时方钢管锈蚀量的计算模型,得到了钢骨锈蚀量的计算公式,并对影响钢骨锈蚀量的因素进行了分析.分析结果表明,钢骨锈蚀量随着混凝土保护层厚度、钢管内径的增加和混凝土强度等级的提高而加大,随着钢管外径和铁锈膨胀率的增加而减小.     

基于关系的信任的数学定义及评价模型

针对目前组织合作中的信任定义及度量不统一,特别是信任没有精确的数学定义等问题,首先利用经典数学关系和模糊关系分别给出了客观信任和主观信任的数学定义和性质,然后根据经典关系与模糊关系的融合给出了基于客观信任优先的信任的数学定义及其度量的概念模型.借用模糊聚类的思想,构建了信任的评价模型.     

浅谈医院动物实验中心的人力资源管理

随着现代科学研究支撑条件：动物（animal,A）,设备（equipment,E）,情报（information,I）,试剂（reagent,R）即“AEIR”的深人人心;科技部1988年《实验动物管理条例》,卫生部1998年《医学实验动物管理实施细则》等管理政策和法规的相继出台,标志着我国实验动物科学管理进入规范化管理的轨道。各大医院根据自身实际及当地科技厅的整体布局,     

一种基于相似性的加权模糊产生规则计算方法

提出了一种基于相似性的加权模糊产生规则计算方法.该方法允许权重与确定因子等参数用普通的语言词来表示,从而提高了模糊产生规则的知识表示力,使其更符合人们的思维习惯,为其应用提供了更大的范围.还提出了一种改进的方法来计算结果的模糊值及其确定因子,从而使计算结果更加合理.     

电子-空穴气屏蔽影响下有限深量子阱中电子与空穴的本征态

考虑电子-空穴气屏蔽的影响,研究了有限深量子阱中电子和空穴的本征能量及其相应的各级本征态.电子-空穴气引起的极化电场由泊松方程给出,而电子和空穴则满足考虑极化电场下的薛定谔方程,因此本文自洽计算了泊松方程与薛定谔方程.数值结果表明,内电场使电子和空穴向相反方向靠近势垒,而电子-空穴气将屏蔽内电场使得电子和空穴向阱中心靠近;势垒、内电场和屏蔽之综合效应将影响电子和空穴的本征能量和本征波函数.本文的方法还可推广到求解任意势中的定态薛定谔方程.     

艾叶配方颗粒的制备

为减少标准汤剂和配方颗粒制备过程中挥发油的损失,将挥发油与β-环糊精(β-CD)包合,以挥发油的包合率为评价指标,优化艾叶挥发油与β-CD的包合工艺,并采用气相色谱法测定包合率.通过指标成分桉油精和龙脑的含量测定及指纹图谱考查饮片、标准汤剂、配方颗粒的相关性.最终确定最佳包合条件,所得挥发油平均包合率为96.40%,建立了艾叶标准汤剂和配方颗粒的制备方法,制得的配方颗粒中桉油精的平均质量分数0.738 4 mg/g,转移率33.48%,龙脑的平均质量分数0.334 1 mg/g,转移率25.41%.所建立包合工艺和配方颗粒制备工艺稳定性高,重复性好,标准汤剂和配方颗粒在指标成分含量上具有较好的一致性,可为企业工业化生产提供理论参考.     

基于近邻样本联合学习模型的疟疾识别算法

疟疾早期诊断可以有效防止疾病暴发.深度学习在细胞形态和组织图像检测等任务中具有出色能力.已有许多基于深度学习的疟疾研究,但它们主要用于环状体和红细胞二分类.本文首次研究疟疾多阶段识别,并提出近邻样本联合学习(neighbor sample joint learning,NSJL)模型.NSJL包括卷积神经网络(convolutional neural network,CNN)特征学习、领域相关性挖掘和图特征嵌入.它提取CNN特征,并将其与K近邻(K-nearset neighbor,K-NN)建立的邻域图传入图卷积网络(graph convolutional network,GCN).为评估NSJL,将其与先进方法比较,结果表明NSJL模型可达92.50%准确率,92.84%精确度,92.50%召回率和92.52%F1分数,至少高于其他方法7%的准确率表明其优秀疟疾识别能力.