期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
慈菇消脂方通过抑制Hedgehog信号通路激活缓解非酒精性脂肪性肝炎肝纤维化
1
作者 任真 杨咏嘉 +2 位作者 郭才 张钰洁 马燕花 《南京中医药大学学报》 北大核心 2025年第7期936-945,共10页
目的探究慈菇消脂方(Cigu Xiaozhi Prescription,CGXP)治疗非酒精性脂肪性肝炎(Non-Alcoholic steatohepatitis,NASH)肝纤维化的潜在机制。方法建立了NASH小鼠模型,并通过计算肝脏指数来评估肝脏肿大程度,同时利用HE和Masson染色法观察... 目的探究慈菇消脂方(Cigu Xiaozhi Prescription,CGXP)治疗非酒精性脂肪性肝炎(Non-Alcoholic steatohepatitis,NASH)肝纤维化的潜在机制。方法建立了NASH小鼠模型,并通过计算肝脏指数来评估肝脏肿大程度,同时利用HE和Masson染色法观察肝纤维化程度。此外,免疫组化法检测肝纤维化相关蛋白α-SMA、Collagen 1、MMP2和MMP9蛋白表达情况。通过Western blot和qPCR技术检测小鼠肝脏中HIF-1α、E-cadherin、N-cadherin、Shh、Smo、Gli1和Gli2的表达水平,并使用碱水法测定了肝脏羟脯氨酸(Hyp)含量。结果高剂量的CGXP能够有效降低肝脏指数(P<0.001),减轻肝脏肿大和炎症,显著改善肝纤维化小鼠的肝组织病理损伤。CGXP显著降低了肝纤维化相关蛋白α-SMA、Collagen 1、MMP2和MMP9蛋白表达水平(P<0.01,P<0.0001);降低HIF-1α、E-cadherin、N-cadherin、Shh、Smo、Gli1和Gli2的水平,其中高剂量CGXP的治疗效果尤为显著(P<0.05,P<0.01,P<0.001,P<0.0001)。结论CGXP可能通过抑制Hedgehog信号通路改变了肝星状细胞(Hepatic stellate cells,HSCs)的活化与增殖,减少了细胞外基质的合成与沉积,缓解NASH小鼠肝纤维化。 展开更多
关键词 非酒精性脂肪性肝炎 肝纤维化 HEDGEHOG信号通路 慈菇消脂方 肝星状细胞
在线阅读 下载PDF
融合OMP和PLS的粮食作物近红外光谱变量选择
2
作者 李四海 朱刚 +1 位作者 刘明奇 董雯 《中国粮油学报》 北大核心 2025年第1期220-224,共5页
为进一步解决正交匹配追踪算法用于近红外光谱定量分析时存在的偏差小、方差大、选择变量较多、模型容易过拟合的问题,提出了一种融合正交匹配追踪和偏最小二乘回归的正交匹配偏最小二乘变量选择方法OMPLS(Orthogonal matching pursuit ... 为进一步解决正交匹配追踪算法用于近红外光谱定量分析时存在的偏差小、方差大、选择变量较多、模型容易过拟合的问题,提出了一种融合正交匹配追踪和偏最小二乘回归的正交匹配偏最小二乘变量选择方法OMPLS(Orthogonal matching pursuit based partial least squares regression)。OMPLS为前向变量选择方法,算法根据OMP回归系数绝对值大小评价光谱变量重要性,使用偏最小二乘回归和贝叶斯信息准则确定剩余光谱变量中的重要变量,最终得到满足给定数量要求的最优变量集合。分别在corn数据集和wheat kernels数据集上进行变量选择实验,根据选择变量个数、RMSEC和RMSEP比较PLS、OMP、OMPLS 3种变量选择方法的性能。实验结果表明:OMPLS方法在corn数据集和Wheat kernels数据集上选择变量个数、RMSEP值均小于OMP方法,表明模型泛化能力有了一定程度的提高。OMPLS变量选择方法以BIC指标作为模型选择准则,在模型复杂度和预测能力之间取得平衡。与OMP方法相比,能够进一步减少选择变量的数量,防止过拟合,提高模型的预测能力和可解释性。 展开更多
关键词 近红外光谱 变量选择 正交匹配追踪 偏最小二乘 贝叶斯信息准则
在线阅读 下载PDF
基于近红外光谱的连续小波变换与卷积注意力模块建立秦艽的定性分析模型
3
作者 周玉 李四海 +1 位作者 李坤鹏 王泽朋 《理化检验(化学分册)》 北大核心 2025年第4期436-442,共7页
针对近红外光谱的处理研究大多聚焦于对原始的一维光谱信号直接进行卷积特征抽取,为了更加全面地挖掘光谱数据中的信息,提高分类模型的建模效果,提出了连续小波变换与卷积注意力模块建立秦艽定性分析模型的方法。采用连续小波变换将一... 针对近红外光谱的处理研究大多聚焦于对原始的一维光谱信号直接进行卷积特征抽取,为了更加全面地挖掘光谱数据中的信息,提高分类模型的建模效果,提出了连续小波变换与卷积注意力模块建立秦艽定性分析模型的方法。采用连续小波变换将一维的信号转换为二维图像表现形式,以得到的小波时频图作为光谱特征,建立具有注意力机制的秦艽近红外光谱的卷积神经网络定性分析模型Att-GoogleNet,并通过翻转、对比度增强以及加入高斯噪声来扩充数据集实现数据增强,提高模型的泛化能力。结果表明:对207个秦艽样品的产地进行分析,Att-GooogleNet模型的分类准确率为99.6%,准确率、精确率、召回率、特异度、F1分数均优于传统机器学习模型。 展开更多
关键词 近红外光谱 连续小波变换 卷积神经网络 注意力机制 模型 秦艽
在线阅读 下载PDF
基于近红外光谱技术和编码器-解码器的黄芪产地鉴别
4
作者 刘明奇 李四海 宋航 《分析测试学报》 北大核心 2025年第10期2063-2070,共8页
为进行黄芪产地溯源,提出了CTGAN+1D-CNN+Encoder-Decoder(CCEN)网络模型,首先通过条件表格生成对抗网络(CTGAN)增强黄芪近红外光谱数据,解决数据较少的问题,再通过在一维卷积神经网络(1D-CNN)上加入编码器-解码器(Encoder-Decoder)结构... 为进行黄芪产地溯源,提出了CTGAN+1D-CNN+Encoder-Decoder(CCEN)网络模型,首先通过条件表格生成对抗网络(CTGAN)增强黄芪近红外光谱数据,解决数据较少的问题,再通过在一维卷积神经网络(1D-CNN)上加入编码器-解码器(Encoder-Decoder)结构,使网络可以同时捕获特征之间的全局关系和局部关系。实验结果表明,CTGAN和Savitzky-Golay增强后,偏最小二乘法判别分析(PLS-DA)、随机森林(RF)、K近邻算法(KNN)和1D-CNN的准确率分别提升至0.9733、0.9533、0.9600和0.9733。加入编码器-解码器后,1D-CNN准确率提升至0.9778。最终CCEN模型在黄芪数据集上的准确率、召回率和F1值分别达到0.9867、0.9872和0.9868,均优于对比模型。结果证明CCEN模型适用于近红外光谱这类结构复杂、样本有限的一维信号数据,为黄芪中药材道地性产地识别研究提供了新方法。 展开更多
关键词 黄芪 近红外光谱 CTGAN 神经网络 编码器-解码器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部