目的探讨椭圆叶花锚总黄酮(total flavonoids of Halenia elliptica)对肝纤维化大鼠模型肝星状细胞(HSC)活性表达度的影响及其作用途径,以明确椭圆叶花锚总黄酮药理作用发生的基础。方法用白蛋白免疫攻击法制备肝纤维化大鼠模型,药物处...目的探讨椭圆叶花锚总黄酮(total flavonoids of Halenia elliptica)对肝纤维化大鼠模型肝星状细胞(HSC)活性表达度的影响及其作用途径,以明确椭圆叶花锚总黄酮药理作用发生的基础。方法用白蛋白免疫攻击法制备肝纤维化大鼠模型,药物处理后制作肝组织切片,分别进行HE、天狼猩红染色和免疫组化染色,观察HSC活性表达的变化。结果椭圆叶花锚总黄酮对模型大鼠肝纤维化在组织学上有影响,能改善纤维化程度,降低HSC激活标志物α-肌动蛋白(α-SMA)的表达。结论椭圆叶花锚总黄酮影响肝星状细胞活性表达度,降低肝纤维化程度,可能是抗肝纤维化的一条有效途径。展开更多
针对近红外光谱分析中存在的高维数据降维、多重共线性及模型稀疏性问题,提出一种基于正则偏最小二乘RPLS(Regularization Partial Least Squares)的近红外光谱波长变量选择方法。该方法在偏最小二乘回归模型中同时引入L1和L2范数罚正则...针对近红外光谱分析中存在的高维数据降维、多重共线性及模型稀疏性问题,提出一种基于正则偏最小二乘RPLS(Regularization Partial Least Squares)的近红外光谱波长变量选择方法。该方法在偏最小二乘回归模型中同时引入L1和L2范数罚正则项,使模型产生稀疏性,通过交替迭代算法求解主成分载荷系数的稀疏解,实现光谱数据降维和重要波长变量的自动选择。对当归近红外光谱进行正则偏最小二乘波长选择实验。结果表明,与CARS(Competitive Adaptive Reweighted Sampling)随机蛙跳等变量选择方法相比,正则偏最小二乘方法在选择变量数及模型的预测能力方面均具有一定的优势。展开更多
传统浅层模型不能有效提取FTIR光谱数据的潜在特征。提出一种基于栈式自编码器SAE(Stacked Auto Encoder)的光谱识别方法。通过堆叠稀疏自编码器构建深度网络,采用逐层贪婪训练学习光谱特征,根据学习到的特征有监督地训练softmax分类器...传统浅层模型不能有效提取FTIR光谱数据的潜在特征。提出一种基于栈式自编码器SAE(Stacked Auto Encoder)的光谱识别方法。通过堆叠稀疏自编码器构建深度网络,采用逐层贪婪训练学习光谱特征,根据学习到的特征有监督地训练softmax分类器,使用反向传播算法对网络进行微调。对麻花秦艽和大叶秦艽的FTIR光谱进行识别,基于SAE的分类准确率为96.67%,比偏最小二乘判别分析(PLSDA)和模型集群方法分别提高13.34%和10%。实验结果表明,该方法用于秦艽的快速、准确鉴别是可行和有效的。展开更多
文摘目的探讨椭圆叶花锚总黄酮(total flavonoids of Halenia elliptica)对肝纤维化大鼠模型肝星状细胞(HSC)活性表达度的影响及其作用途径,以明确椭圆叶花锚总黄酮药理作用发生的基础。方法用白蛋白免疫攻击法制备肝纤维化大鼠模型,药物处理后制作肝组织切片,分别进行HE、天狼猩红染色和免疫组化染色,观察HSC活性表达的变化。结果椭圆叶花锚总黄酮对模型大鼠肝纤维化在组织学上有影响,能改善纤维化程度,降低HSC激活标志物α-肌动蛋白(α-SMA)的表达。结论椭圆叶花锚总黄酮影响肝星状细胞活性表达度,降低肝纤维化程度,可能是抗肝纤维化的一条有效途径。
文摘传统浅层模型不能有效提取FTIR光谱数据的潜在特征。提出一种基于栈式自编码器SAE(Stacked Auto Encoder)的光谱识别方法。通过堆叠稀疏自编码器构建深度网络,采用逐层贪婪训练学习光谱特征,根据学习到的特征有监督地训练softmax分类器,使用反向传播算法对网络进行微调。对麻花秦艽和大叶秦艽的FTIR光谱进行识别,基于SAE的分类准确率为96.67%,比偏最小二乘判别分析(PLSDA)和模型集群方法分别提高13.34%和10%。实验结果表明,该方法用于秦艽的快速、准确鉴别是可行和有效的。
