期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
SIRT1对CCM内皮细胞EndMT及细胞增殖和迁移的调节作用
1
作者 曹沅 熊子瑜 +10 位作者 李莹 闫聪 王煜文 门春阳 叶永青 毕锐 何志怡 段前鹏 杜家培 呼斯楞图 石长斌 《山西医科大学学报》 2025年第3期267-274,共8页
目的探讨沉默信息调节因子2同源物1(SIRT1)对脑海绵状血管畸形(CCM)内皮细胞中内皮-间充质转化(EndMT)相关转录因子及细胞表型的影响。方法免疫荧光染色法检测正常脑组织和CCM病变组织血管内皮细胞SIRT1的表达。慢病毒转染方法敲低人脑... 目的探讨沉默信息调节因子2同源物1(SIRT1)对脑海绵状血管畸形(CCM)内皮细胞中内皮-间充质转化(EndMT)相关转录因子及细胞表型的影响。方法免疫荧光染色法检测正常脑组织和CCM病变组织血管内皮细胞SIRT1的表达。慢病毒转染方法敲低人脑微血管内皮细胞(hCMEC)中的PDCD10基因,构建CCM细胞模型。用SIRT1激动剂SRT-1720分别处理正常内皮细胞和CCM内皮细胞48 h,设立4个实验组:shBlank组、shBlank+SRT-1720组、shPDCD10组、shPDCD10+SRT-1720组。qPCR检测内皮细胞PDCD10敲低效率、SIRT1及EndMT相关转录因子(SNAI1、SNAI2、SNAI3、TWIST1、TWIST2)表达水平;Western blot分析PDCD10敲低效率及SIRT1的蛋白表达;EdU细胞增殖实验评估细胞增殖情况;细胞划痕实验检测细胞迁移能力。结果与正常脑组织相比,CCM病变组织中的内皮细胞SIRT1表达下调。与shBlank组比较,shPDCD10组PDCD10和SIRT1的mRNA及蛋白水平显著降低(P<0.05),SNAI1、SNAI2、SNAI3、TWIST1的mRNA水平显著升高(P<0.05),TWIST2的mRNA水平显著下降(P<0.05),细胞增殖和迁移能力显著增强(P<0.05)。与shPDCD10组相比,shPDCD10+SRT-1720组SIRT1的mRNA及蛋白水平显著上调(P<0.05),SNAI2、SNAI3、TWIST1的mRNA水平显著降低(P<0.05),TWIST2的mRNA水平显著升高(P<0.05),细胞增殖和迁移能力显著减弱(P<0.05)。结论SIRT1抑制CCM内皮细胞中EndMT相关转录因子异常表达,减缓CCM内皮细胞的异常增殖和迁移,提示SIRT1可能成为治疗CCM的新靶点。 展开更多
关键词 脑海绵状血管畸形 SIRT1 内皮细胞 内皮-间充质转化 细胞增殖 细胞迁移
在线阅读 下载PDF
基于变分模态分解与深度信念网络的运动想象分类识别研究 被引量:12
2
作者 何群 杜硕 +2 位作者 王煜文 陈晓玲 谢平 《计量学报》 CSCD 北大核心 2020年第1期90-99,共10页
传统人工确定最优时段及最优频段的方法会造成信息遗漏进而导致运动想象识别率的降低,因此基于脑电信号的运动想象分类研究成为了脑-机接口研究领域的难点问题。针对该问题,变分模态分解和深度信念网络被应用于运动想象分类。对脑电信... 传统人工确定最优时段及最优频段的方法会造成信息遗漏进而导致运动想象识别率的降低,因此基于脑电信号的运动想象分类研究成为了脑-机接口研究领域的难点问题。针对该问题,变分模态分解和深度信念网络被应用于运动想象分类。对脑电信号进行变分模态分解得到窄带分量,利用希尔伯特变换提取边际谱、特征频带下的瞬时能谱以及时-频联合特征;特征融合后采用深度信念网络对高维特征降维并实现运动想象模式的识别,避免了人工确定想象最优时段及最优频段造成的信息遗漏。实验结果表明,利用变分模态分解与深度信念网络自动提取最优时段及最优频段特征的方法有效提升了运动想象识别率。 展开更多
关键词 计量学 脑机接口 运动想象 变分模态分解 高维特征 特征融合 深度信念网络 脑电信号
在线阅读 下载PDF
基于机器学习的飞行员脑力负荷评估研究进展 被引量:8
3
作者 王煜文 王盛 +3 位作者 韩明秀 牛海军 柳忠起 刘涛 《载人航天》 CSCD 北大核心 2021年第6期789-796,共8页
基于机器学习实现对飞行员脑力负荷的实时准确评估,对减少人为飞行事故具有重要意义。对飞行员脑力负荷评估的生理测评法进行综述,重点介绍了不同任务下基于脑电、心电或多生理信息应用机器学习对飞行员脑力负荷进行评估的方法。通过对... 基于机器学习实现对飞行员脑力负荷的实时准确评估,对减少人为飞行事故具有重要意义。对飞行员脑力负荷评估的生理测评法进行综述,重点介绍了不同任务下基于脑电、心电或多生理信息应用机器学习对飞行员脑力负荷进行评估的方法。通过对比分析发现,在空间、成本或其他资源受限的情况下,脑电是飞行员脑力负荷监测的首选生理信号;当数据量足够大时,相比传统机器学习,构建适合生理信号特点的深度学习模型对脑力负荷进行评估精度更高;基于迁移学习方法构建脑力负荷评估模型,可以弱化生理数据的日间变化以及受试者间生理数据的差异对模型的负面影响,提高脑力负荷评估模型泛化性和准确率。 展开更多
关键词 机器学习 脑力负荷 认知负荷 生理测评 飞行员
在线阅读 下载PDF
基于EEG的飞行员脑力疲劳评估研究进展 被引量:8
4
作者 韩明秀 王盛 +3 位作者 王煜文 牛海军 柳忠起 刘涛 《载人航天》 CSCD 北大核心 2021年第5期639-645,共7页
脑力疲劳是导致飞行事故的主要原因之一,脑电(EEG)技术广泛应用于飞行员的脑力疲劳研究领域。从脑力疲劳的类型、分级方法和神经机制角度,阐明飞行员脑力疲劳的本质,综述了基于EEG技术探究飞行员脑力疲劳的研究结果。EEG研究表明:α和... 脑力疲劳是导致飞行事故的主要原因之一,脑电(EEG)技术广泛应用于飞行员的脑力疲劳研究领域。从脑力疲劳的类型、分级方法和神经机制角度,阐明飞行员脑力疲劳的本质,综述了基于EEG技术探究飞行员脑力疲劳的研究结果。EEG研究表明:α和θ节律的激活强度对脑力疲劳水平的变化敏感,4种节律的比值在疲劳评估方面效果更好;机器学习方法和非线性特性方法都可以较准确地监测疲劳水平,基于多模态电生理信息构建的脑力疲劳分类模型准确率更高、性能更稳定。 展开更多
关键词 飞行员 脑力疲劳 神经机制 脑电 多模态电生理信息
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部