检索结果-南通市图书馆

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

甲状腺激素敏感性与营养代谢的研究进展

中华临床营养杂志 2024年第1期32卷 57-64页

作者：陈紫晗李圆梦李乃适中国医学科学院、北京协和医学院、北京协和医院内分泌科、国家卫生健康委员会内分泌重点实验室北京100730 中国医学科学院、北京协和医学院、北京协和医院病案科北京100730 世界卫生组织国际分类家族中国合作中心北京100730

甲状腺激素对于机体的能量代谢至关重要,甲状腺功能异常与多种代谢性疾病关系密切。然而,由于甲状腺激素与营养状况和代谢问题的关系十分复杂,仅依靠甲状腺功能指标进行评估会产生一定的欠缺。甲状腺激素敏感性是对传统的甲状腺功能有... 详细信息

甲状腺激素对于机体的能量代谢至关重要,甲状腺功能异常与多种代谢性疾病关系密切。然而,由于甲状腺激素与营养状况和代谢问题的关系十分复杂,仅依靠甲状腺功能指标进行评估会产生一定的欠缺。甲状腺激素敏感性是对传统的甲状腺功能有一定补充作用的指标,包括游离三碘甲状腺原氨酸与游离甲状腺素比值、促甲状腺激素细胞-T4抵抗指数、促甲状腺激素指数和甲状腺反馈分位数指数。研究表明,甲状腺激素敏感性受损可能与代谢综合征、心血管疾病、骨质疏松、维生素D缺乏等营养代谢问题有关。这些营养代谢问题,不仅甲状腺功能异常者需要关注,对于甲状腺功能正常的人群,也可以通过甲状腺激素敏感性受损指标来评估代谢相关风险,从而进行有效防治。该文对甲状腺激素性与营养状况或代谢性疾病相关的研究进行了系统回顾,综述了甲状腺激素敏感性受损与营养代谢风险的关系。

关键词：甲状腺激素敏感性代谢综合征骨质疏松维生素D

基于巨噬细胞表型重塑研究益气祛瘀解毒方对脑胶质瘤细胞微环境的影响

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于巨噬细胞表型重塑研究益气祛瘀解毒方对脑胶质瘤细胞微环境的...

作者：陈紫莹陕西中医药大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据挖掘的学生表现分析与预测研究

基于数据挖掘的学生表现分析与预测研究

作者：陈紫玲浙江科技大学

学位级别：硕士

教师和高校管理者致力于提升学生的学业表现。采用因材施教的教育策略,更有助于提高学生的学业成绩和实践表现。因此,对每位学生的学业表现进行预测和分析,有助于教师和高校管理者全面了解学生学业表现的动态情况,灵活调整教学策略,为... 详细信息

教师和高校管理者致力于提升学生的学业表现。采用因材施教的教育策略,更有助于提高学生的学业成绩和实践表现。因此,对每位学生的学业表现进行预测和分析,有助于教师和高校管理者全面了解学生学业表现的动态情况,灵活调整教学策略,为每名学生提供个性化的培养计划。目前,许多高校仍旧沿用传统的学生管理方式,简单的按照学生的总学业成绩来评估学生的历史学业表现,之后根据历史学业表现状况来预测学生未来的学业表现,但是他们忽略了学生在不同学科下的学业表现和不同场景下的实践表现。因此,本文围绕学生的个性化培养展开研究,主要研究内容包括:学生数据集的构建、基于Louvain算法的学生学业表现分析和基于关系矩阵的混合神经网络模型的学生学业表现预测。本文主要内容包括如下:(1)针对构建完毕的学生数据集是一个非结构化数据,导致数据集中的样本特征值之间关联难以建立的问题,采用数据分箱来对学生学业成绩这一连续类型的特征做离散化处理,采用独热编码(onehot)将字符类型的特征转换为数值类型的特征,实现学生数据集特征类型的统一。one-hot编码避免了模型错误地学到类别之间的大小关系,保证了两个类别在模型中是等权重的,不会引入不合理的大小偏好,有助于更好地表达分类信息,提高后续模型对这些特征的理解和利用。(2)针对现有研究使用单一目标变量评估学生表现方法可能无法准确评估学生表现的问题,采用多目标评估方法并提出了基于关系矩阵的二分网络方法(Relationship Matrix-Based Bipartite Network Approach,RMBN)。通过RMBN数据处理方法,综合考虑多个学业特征,解决数据矩阵中字符类型的特征在经过离散化处理后,赋予它们的特征值没有实际的数值含义,导致后续聚类算法无法准确划分样本类别的问题。之后,为从复杂的图网络结构中捕获学生之间的关联性,使用基于图数据的特征提取方法,得到学生表现的分组结果。实验结果表明,使用RMBN数据处理方法与Louvain聚类算法相结合,能够得到组内学生之间强相似性,组外学生之间强差异性的分组结果。(3)针对在实验过程中离散特征不适合在基于欧氏距离的特征空间内进行学习的问题,提出了基于关系矩阵的混合神经网络模型(Hybrid Neural Network Model Based on Relationship Matrix,RMHNN)。在RMNHH模型的图卷积层中,通过调整学生关系网络的方法,有助于模型最大化的学习和传递隐藏图网络中特征之间的关联。由于图卷积网络存在侧重性,引入了交叉注意力层,通过其中的注意力机制来分配影响学生表现的因素的权重。实验结果表明,通过RMHNN模型,能够准确地预测学生的学业表现。

关键词：数据挖掘表现预测特征提取图聚类预测模型

苯并（a）芘诱导肝细胞铁死亡及萝卜硫素的干预作用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

苯并（a）芘诱导肝细胞铁死亡及萝卜硫素的干预作用研究

作者：陈紫恒吉林大学

学位级别：硕士

苯并芘(Benzo（a）pyrene,BaP)是一种多环芳烃类化合物,可在食品原料中富集然后通过口腔进入人体。此外,不健康的食物加工方式会增加BaP的摄入风险。人体摄入过量BaP会造成肝损伤。铁死亡是一种铁依赖性的程序性细胞死亡,由活性氧和脂... 详细信息

苯并芘(Benzo（a）pyrene,BaP)是一种多环芳烃类化合物,可在食品原料中富集然后通过口腔进入人体。此外,不健康的食物加工方式会增加BaP的摄入风险。人体摄入过量BaP会造成肝损伤。铁死亡是一种铁依赖性的程序性细胞死亡,由活性氧和脂质过氧化物堆积触发。许多研究表明铁死亡和肝损伤有关,但未有学者研究BaP诱导的肝损伤和铁死亡的联系。萝卜硫素（Sulforaphane,SFN）是一种高效的抗炎抗氧化活性物质。研究表明SFN能够缓解铁死亡,但具体机制仍不明确。本文研究了BaP诱导肝细胞铁死亡的作用,并进一步研究SFN对BaP诱导肝细胞铁死亡的缓解作用及机制,为BaP暴露所致的危害性评估和制定有效的干预措施提供实验依据。主要研究内容与结果如下:（1）BaP诱导肝细胞铁死亡。体内实验研究内容与结果如下:（1）小鼠肝脏形态学观察、HE染色、血清ALT、AST检测发现BaP诱导肝损伤,而Fer-1能缓解BaP诱导的肝损伤。（2）小鼠肝脏中Fe2+水平、GSH水平、MDA水平检测、透射电镜观察线粒体、Western blot检测GPX4和ACSL4蛋白表达情况,发现BaP诱导的小鼠肝损伤有铁死亡的参与。体外实验研究内容与结果如下:（1）检测BaP对HepG2细胞活力的影响,筛选BaP的毒性剂量;检测BaP对GPX4、ACSL4蛋白的表达确定BaP诱导铁死亡发生的可能剂量。（2）检测细胞内Fe2+水平、GSH水平、MDA水平、铁死亡标志蛋白GPX4和ACSL4的表达、脂质ROS的水平、线粒体膜电位情况,发现BaP诱导HepG2细胞铁死亡。（2）SFN缓解BaP诱导的肝细胞铁死亡。体内实验研究内容与结果如下:（1）小鼠肝脏形态学观察、HE染色、血清ALT、AST检测发现SFN缓解BaP诱导肝损伤。（2）小鼠肝脏中Fe2+水平、GSH水平、MDA水平检测,Western blot检测GPX4和ACSL4蛋白表达情况,发现SFN缓解BaP诱导的小鼠肝脏细胞铁死亡。体外实验研究内容与结果如下:（1）MTT筛选SFN的无毒作用剂量。（2）检测MDA水平、GSH水平、脂质ROS水平以及铁橙染色情况,Western blot检测GPX4和ACSL4蛋白表达情况,发现SFN缓解BaP诱导的HepG2细胞铁死亡。（3）SFN通过FGF21/NRF2途径上调FPN、SLC7A11、FTH、HO-1蛋白的表达清除ROS缓解BaP诱导的肝细胞铁死亡。（1）免疫荧光染色实验和Western blot实验检测小鼠肝脏组织和HepG2细胞内FGF21和NRF2蛋白表达情况,发现SFN诱导FGF21和NRF2蛋白表达上升。（2）采用小干扰RNA技术沉默FGF21,Western blot检测GPX4、ACSL4、FGF21、NRF2蛋白表达,试剂盒检测Fe2+水平、GSH水平、MDA水平,发现SFN通过诱导FGF21蛋白表达升高上调NRF2蛋白的表达缓解铁死亡。（3）采用小干扰RNA技术沉默FGF21,检测FPN、SLC7A11、FTH、HO-1蛋白表达情况,发现SFN诱导FGF21表达上升进而上调FPN、SLC7A11、FTH、HO-1蛋白表达。（4）采用小干扰RNA技术沉默FGF21,检测细胞内ROS水平发现SFN通过诱导FGF21表达上升增加ROS的清除。（5）在小鼠原代肝细胞中采用小干扰RNA技术沉默FGF21,Western blot检测ACSL4,GPX4、FPN、SLC7A11、FTH、HO-1蛋白表达情况发现SFN缓解铁死亡的作用机制与HepG2细胞一致。

关键词：苯并(a)芘萝卜硫素肝损伤铁死亡 FGF21 NRF2

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社交媒体人工智能话语的趋近化研究

社交媒体人工智能话语的趋近化研究

作者：陈紫涵河北大学

学位级别：硕士

随着智能产物日新月异,有关人工智能的话题总在社交媒体平台占据热点位置,受到人们的关注和讨论,公众的探讨能够真实反映人工智能的发展、影响以及公众的态度。为了探究人工智能与公众之间的关系、帮助人工智能的客观传播与发展,同时为... 详细信息

随着智能产物日新月异,有关人工智能的话题总在社交媒体平台占据热点位置,受到人们的关注和讨论,公众的探讨能够真实反映人工智能的发展、影响以及公众的态度。为了探究人工智能与公众之间的关系、帮助人工智能的客观传播与发展,同时为了建构健康舆论体系、维持社交媒体话语平衡,本研究基于话语空间理论中的三维度(空间、时间和价值)概念、趋近化理论的动态性趋近特征与趋远化策略,自建社交媒体人工智能话语的距离接近-远离认知框架。从社交媒体微博、微信公众号与知乎中选取以“人工智能”为关键词的话语,时间节点选择2021年9月-2023年9月。借助Web Scraper爬虫软件分别从三大社交媒体平台中随机爬取50篇文本,自建“人工智能话语”语料库。通过微词云软件分别输出高频关键词网络图、主题域表、情感特征分布表,运用语料库分析法、质性与量性相结合的分析方法,一方面梳理人工智能与社会各领域结合的热点话题,另一方面深入探究社交媒体话语策略对受众认知的影响。研究发现,社交媒体侧重讨论人工智能的技术创新、未来发展潜力、应用以及风险等话题。在智能技术类、社会发展类以及智能前景类主题域中,大部分文本被识别为正面情感倾向,其次为中性,最后有小部分识别为负面情感倾向,说明社交媒体人工智能话语向受众传递的是人工智能积极有益的方面,同时受众对人工智能持有警惕意识。社交媒体主要使用趋近化策略,辅以趋远化策略的方式传递人工智能正面、中性以及负面情感色彩的话语,在保持话语空间的平衡状态下引导受众认知。趋近、趋远以空间、时间和价值关键词得以表征,其中,空间关键词为主要表征方式,时间关键词和价值关键词在空间关键词的基础上得以运用,趋近化策略的趋近强度与受众的认知效果紧密关联,并通过趋近关键词的使用以及在具体文本中空间、时间和价值的组合运用达成。为了保持话语空间的平衡性、维持人工智能与公众之间的距离,社交媒体在趋近化策略的基础上使用趋远化策略,达到制衡效果。本研究将关键词、文本、情感倾向、认知结合起来,形成多维、立体话语解读体系,深层次展现了人工智能话语的趋近程度变化以及整体趋近意义,丰富了认知话语分析领域的研究,为今后类似研究提供新视角、新方法。除此之外,本研究尝试探究趋远化策略在话语中的实际意义。

关键词：趋近化理论人工智能话语社交媒体话语策略趋近效果

微课结合支架式教学模式在篮球教学中的实验研究 ——以广州体育学院选修班为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

微课结合支架式教学模式在篮球教学中的实验研究 ——以广州体育...

作者：陈紫东广州体育学院

学位级别：硕士

旋转Navier-Stokes方程的时空解

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

旋转Navier-Stokes方程的时空解

作者：陈紫滢吉林大学

学位级别：硕士

本文考虑在旋转框架下具有小外力的Navier-Stokes方程的时空周期问题,引入了类螺旋概周期解和类螺旋几乎自守解的概念,并且证明了具有科里奥利力的NavierStokes方程旋转解,类螺旋概周期解和类螺旋几乎自守解的存在唯一性.全文共计四章.... 详细信息

本文考虑在旋转框架下具有小外力的Navier-Stokes方程的时空周期问题,引入了类螺旋概周期解和类螺旋几乎自守解的概念,并且证明了具有科里奥利力的NavierStokes方程旋转解,类螺旋概周期解和类螺旋几乎自守解的存在唯一性.全文共计四章.第一章主要介绍了Navier-Stokes方程和仿射周期解的研究背景与现状.第二章介绍了本文所需要的预备知识,包括一些函数空间的概念以及一些已知估计.第三章是本文的主要创新点.第三章给出本文的主要定理,利用尺度变换和Banach不动点定理证明了旋转Navier-Stokes方程时空解的存在唯一性.第四章对本文作了简要的总结以及未来的展望.文末主要包括参考文献、作者简介、硕士在读期间发表的学术论文以及致谢.

关键词： Navier-Stokes方程科里奥利力仿射周期解类螺旋概周期解类螺旋几乎自守解

基于多尺度注意力机制UNet的医学超声图像分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度注意力机制UNet的医学超声图像分割

作者：陈紫晗北京化工大学

学位级别：硕士

超声成像过程存在伪影和噪声等干扰因素,导致超声图像中高散斑噪声、低信噪比、弱边界、灰度不均等问题普遍存在。精准分割特定的组织结构或病变区域始终是医学图像处理与分析中的研究热点与难点。目前,基于深度学习的医学图像分割方法... 详细信息

超声成像过程存在伪影和噪声等干扰因素,导致超声图像中高散斑噪声、低信噪比、弱边界、灰度不均等问题普遍存在。精准分割特定的组织结构或病变区域始终是医学图像处理与分析中的研究热点与难点。目前,基于深度学习的医学图像分割方法引起了研究学者的广泛重视。然而,医学图像分割研究中仍存在着模型精确度提升和不确定性量化评估等亟待解决的问题。论文研究了基于多尺度注意力机制UNet的医学超声图像分割算法,主要工作有:1、给出了一种基于多尺度注意力机制UNet网络(Multi-scale Channel Attention UNet(MSCA UNet)的医学超声图像分割方法。在该方法中,分别提出了多尺度特征提取融合模块降低模型参数量,基于深度可分离卷积的注意力模块动态地分配通道权重,和全局特征提取模块实现多层级信息交互。在髌上囊、肌肉骨骼、乳腺和甲状腺结节四个不同挑战性的超声数据集上的实验验证了该方法的有效性,该方法参数量比基准模型UNet减少了约29.82%,且在四个样本集上的分割精度均优于SOTA方法。在面对多难点和多模态的超声图像时,分割结果的可视化具有更精细、更完整的几何轮廓。2、针对分割结果缺乏不确定性量化等问题,提出了一种基于高斯失活策略和蒙特卡罗采样的不确定性估计方法(Guass Dropout-MSCAUNet)。通过引入高斯失活层,对模型权重进行蒙特卡罗采样,在不改变模型架构和不增加复杂度的情况下获得模型输出和不确定性估计。之后引入信息熵、预测方差和预期校准误差,有效地量化了模型不确定性和置信度。最后,设计了误差图和特征热图,更好地显示样本中高不确定性的区域位置以及模型预测值中误分类像素的位置,提供直观的可视化。在四个公开超声数据集上的实验结果表明了本方法的可行性和有效性。

关键词：卷积神经网络医学图像分割 UNet 不确定性注意力机制