|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
藥大學(xué).jpg){kind=logo}
白附子的中藥炮制方法
【發(fā) 明 人】郁紅禮；吳皓；劉先瓊；李偉【技術(shù)領(lǐng)域】本發(fā)明屬于中藥制劑技術(shù)領(lǐng)域，具體涉及白附子的中藥炮制方法?！菊堪赘阶拥闹兴幣谥品椒ǎㄏ铝胁襟E：取白附子生品，置于密閉容器中，加體積比濃度為65%~80%的乙醇溶液悶潤36~96小時，加生姜汁，煮至姜汁被吸干，晾至四至六成干，干燥得制白附子炮制品。本發(fā)明方法可顯著降低白附子刺激性，炮制后的白附子經(jīng)毒理實驗表明無刺激性，口嘗無麻舌感。本發(fā)明采用悶潤白附子的方法，使用的乙醇量少，只需白附子生品重量的20%~40%，即可達到去毒的目的。本發(fā)明未使用白礬，可避免藥典方法中炮制輔料白礬殘留過量攝入Al3+對神經(jīng)系統(tǒng)等的毒害，可保證臨床使用安全。同時本發(fā)明解決長時間水浸泡或煮沸造成的成分損失問題，及炎熱天氣情況下長時間水浸泡引起的白附子發(fā)霉變質(zhì)問題。
南京中醫(yī)藥大學(xué)
2021-04-13
院大學(xué).jpg){kind=logo}
抗?HCMV?特免血清篩選方法
小試階段/n抗病毒藥物治療起效慢、對新生兒發(fā)育有毒副作用，器官移植后感染很難挽救移植失敗結(jié)局。美國自抗HCMV特免血清制品Cytogan問世，使移植后感染性疾病的結(jié)局改觀：CMV感染發(fā)病率60-80%下降到7%；嚴重疾病發(fā)生率由85%降到36%；嚴重感染患者的存活率由61%升至94%；母嬰干預(yù)，挽救聽力的70%。一種篩選抗HCMV的高效價特免血清的方法，用帶eGFP的臨床毒株經(jīng)，建立高通量、快速（3天）、自動化的中和抗體篩選/驗證體系，準確測定中和抗體水平，該方法經(jīng)企業(yè)的血清盤得到驗證，比傳統(tǒng)優(yōu)勢明
中國科學(xué)院大學(xué)
2021-01-12
.jpg){kind=logo}
一種新型鹵制方法
其他成果/n一種新型鹵制方法，包括：1)將待鹵制的食品原料置于不含有胡椒、陳皮、丁香、辣椒、桂皮和花椒的鹵水中鹵制，鹵制0?15min時加入胡椒、陳皮和辣椒；2)在鹵制結(jié)束前10?25min時加入丁香、桂皮、花椒，繼續(xù)進行鹵制，得到鹵制品。本發(fā)明根據(jù)鹵制過程中香辛料主效成分含量變化，明晰了各香辛料主效成分的熱穩(wěn)定性和熱損失情況，進而通過適時添加香辛料的加工方式，降低香辛料主效成分熱損失，提高香辛料的利用率，實現(xiàn)了鹵制后各香辛料主效成分在鹵制品中附著量最大。
武漢輕工大學(xué)
2021-01-12
業(yè)大學(xué).jpg){kind=logo}
一種菊花栽培方法
本發(fā)明涉及一種免扦插環(huán)節(jié)的菊花栽培方法，主要包括準備插穗母株、整地做畦、畦面開溝、插穗采集、溝底定植、覆膜揭膜、平溝壅土，用于滿足簡化菊花繁殖流程、節(jié)約成本、節(jié)約生產(chǎn)時間的需要，該菊花栽植過程中，扦插階段與移栽過程合二為一方面均有獨到之處，通過對以未生根菊花插穗直接大田定植，可以解決菊花種苗生長周期長、移栽緩苗期長、移栽過程出現(xiàn)機械損傷的問題，既節(jié)省了時間，又可保證菊花苗全苗旺，該栽植過程方便、簡
青島農(nóng)業(yè)大學(xué)
2021-01-12
.jpg){kind=logo}
軌道區(qū)域交通噪聲預(yù)測方法
本發(fā)明提供了一種軌道區(qū)域交通噪聲預(yù)測方法，包括：將測試系統(tǒng)劃分為多個測試子系統(tǒng)并建立其對應(yīng)的子振動方程；根據(jù)多個子振動方程之間的協(xié)調(diào)關(guān)系建立總振動方程；根據(jù)振動方程及測試參數(shù)計算待測區(qū)域的聲源強；根據(jù)噪聲地圖繪制單元及聲源強，繪制待測區(qū)域?qū)?yīng)的噪聲地圖，以便根據(jù)噪聲地圖對城市軌道區(qū)域交通噪聲進行預(yù)測，其是基于耦合系統(tǒng)(車輛系統(tǒng)、軌道系統(tǒng)、橋梁-樁基系統(tǒng)和環(huán)境土體系統(tǒng))的振動響應(yīng)計算聲源強，使得計算結(jié)果準確合理，且適用于各種車輛和高架軌道結(jié)構(gòu)，并且本方法中將待測區(qū)域的交通噪聲繪制成噪聲地圖，通過該方式使我國城市軌道交通的噪聲管理與控制、噪聲環(huán)境影響評價、公眾參與以及方案決策變得直觀且方便。
西南交通大學(xué)
2018-09-18
.jpg){kind=logo}
指紋配準方法及裝置
1. 痛點問題
手指是三維柔性器官，在利用主流的接觸式指紋采集技術(shù)時，天然會引入皮膚變形，并且無法一次采集得到全部信息。變形給指紋識別以及指紋拼接帶來了很大挑戰(zhàn)。在指紋識別方面，為提高指紋識別率，通常在匹配前先使用指紋配準技術(shù)將待匹配指紋與庫指紋進行對齊，再計算匹配分數(shù)。然而變形導(dǎo)致配準偏差，從而影響識別率。目前的解決方案采取容忍偏差的方式，沒有精密測量手指變形，區(qū)分真假匹配指紋的能力受到很大限制。指紋拼接是將不同角度采集的指紋圖像進行拼接，得到完整指紋的技術(shù)。由于目前基于細節(jié)點匹配的方案難以準確測量指紋變形，在拼接時很容易出現(xiàn)脊線錯位，產(chǎn)生虛假特征，并遺漏真實特征，進而影響識別率。
2. 解決方案
本技術(shù)的核心在于將通信領(lǐng)域的一維信號相位解調(diào)技術(shù)拓展到二維指紋圖像的精確配準。基本原理為：給定兩幅指紋圖像，首先通過細節(jié)點匹配進行粗配準，然后再采用基于相位解調(diào)的方法進行精細配準。因此，該方法結(jié)合了細節(jié)點匹配適合全局對齊的優(yōu)點，以及相位解調(diào)適合處理局部變形的優(yōu)點，對噪聲魯棒而且速度快。本技術(shù)可用于指紋識別系統(tǒng)，還可用于指紋拼接模塊。
合作需求
尋求在生物特征識別領(lǐng)域有相關(guān)技術(shù)開發(fā)、市場推廣經(jīng)驗，能推廣本技術(shù)落地的高科技企業(yè)，可以進行深度合作。
清華大學(xué)
2022-02-24
致密球形陶瓷顆粒制備方法
本發(fā)明公開了一種致密球形陶瓷顆粒制備方法，用于制造用于人體組織修復(fù)和填充材料，包括以下主要的工藝步驟：明膠2重量份、羧甲基殼聚糖1重量份、檸檬酸鈉0.6份重量，用50～80重量份的水溶解后，加入陶瓷漿料30～50重量份混合后配置成陶瓷/明膠一羧甲基殼聚糖泥漿；經(jīng)去氣處理后加入到油相中，在常溫常壓環(huán)境下攪拌，使泥漿成為溶膠狀球形顆粒；再加入戊二醛水溶液使所述球形溶膠狀顆粒發(fā)生原位凝膠化過程而固化賦形，濾除乳化劑后獲得凝膠狀球形顆粒，然后經(jīng)干燥、培燒以及機械整形工藝獲得初坯，再經(jīng)燒結(jié)工藝即獲得致密球形顆粒制品。本發(fā)明具有容易成型，工序少，工藝簡單，易于操作，而且無需高壓機等復(fù)雜的大型設(shè)備，產(chǎn)品致密度和強度高的優(yōu)點。
西南交通大學(xué)
2016-10-20
手寫文字的識別方法
本發(fā)明涉及手寫文字的識別方法，包括：a.歸一化手寫輸入數(shù)據(jù)，定義神經(jīng)元數(shù)，建立自動編碼器模型并初始化權(quán)重和偏置；b.通過壓縮感知模型進行數(shù)據(jù)壓縮采樣；c.對得到數(shù)據(jù)進行自動編解碼后重建手寫輸入數(shù)據(jù)，使重建數(shù)據(jù)相對原始手寫輸入的誤差最小化；d.將構(gòu)建的各模型逐層堆疊組成n層神經(jīng)元的特征深度學(xué)習(xí)模型，并對所述的n層神經(jīng)元遍歷進行深度特征學(xué)習(xí)，其中n為自然數(shù)；e.輸出識別的手寫文字。本發(fā)明能夠通過模擬人腦視覺神經(jīng)元感知事物的特性，結(jié)合壓縮感知和深度學(xué)習(xí)，自動挖掘表征手寫文字的細致特征，非常有效的提高了手寫文字的表征能力和模型學(xué)習(xí)的效率，大幅度的提高了手寫文字特別是手寫數(shù)字的識別精度和識別效率。
西南交通大學(xué)
2016-10-14
一種圖案繪制方法
本發(fā)明公開了一種圖案繪制方法。首先選擇導(dǎo)電材料為基體、導(dǎo)電材料為繪制材料，然后在基體和繪制材料之間施加脈沖電源，其中，基體與脈沖電源的陰極連接，繪制材料與脈沖電源的陽極連接，控制繪制材料與基體之間的距離至繪制材料開始熔化，使熔化后的液態(tài)繪制材料沉積到基體表面的同時與基體形成化學(xué)鍵結(jié)合，通過控制繪制材料的移動方向從而形成所需圖案。在一定電壓下，當(dāng)基體與繪制材料接近至二者之間的介質(zhì)被短路電流擊穿時會產(chǎn)生局部高溫，使得繪制材料熔化并沉積到基體表面的同時與基體形成化學(xué)鍵結(jié)合，結(jié)合力強，不易發(fā)生脫落等現(xiàn)象。在沉積過程中，基體所受的應(yīng)力幾乎為零，因此不會有任何變形或開裂風(fēng)險。
西南交通大學(xué)
2016-10-19
.jpg){kind=logo}
一種目標(biāo)檢測方法
本發(fā)明公開了基于維數(shù)遞增弱線性回歸樹的目標(biāo)檢測方法，其步驟為：①準備訓(xùn)練樣本集(xi，yi)，i＝1，……，N，xi 表示訓(xùn)練樣本的特征值集合，yi 為樣本類別，N 為訓(xùn)練樣本數(shù)，N 為自然數(shù)；②初始化訓(xùn)練樣本權(quán)重為其中 t 為自然數(shù)，初始化時 t＝1；③對樣本集合進行循環(huán)計算，選定循環(huán)次數(shù) T，T 為自然數(shù)每次循環(huán)都得到一個線性回歸樹作為弱分類器。等到 T 次循環(huán)完成后，再將 T 個弱分類器合成一個強分類器；④使用該強分類器對數(shù)字圖像中的各個區(qū)域進行分類，從而判斷是否為
華中科技大學(xué)
2021-04-14