|
搜索
搜 索
高等教育领域数字化综合服务平台
当归饮子加减方对气血两虚模型慢性荨麻疹小鼠全身皮肤瘙痒影响的实验研究
目的: 研究当归饮子加减方对气血两虚型小鼠皮肤瘙痒的影响。 方法: KM 小鼠，雌雄各半，采用利血平+乙酰苯肼制作动物气血两虚模型，联合I 型变态反应模拟荨麻疹模型，选择模型制作成功的动物，随机分为模型组、氯雷 他定组、当归饮子加减方高剂量组、中剂量组和低剂量组，每组8 只动物，另取8 只作为空白对照组。利用低分子右旋糖酐诱发小鼠皮肤瘙痒，观察小鼠搔抓次数，搔抓时间，实验结束时，各组动物眼眶取血，分离血清，ELISA 法测试血清组胺含量。 结果:当归饮子加减方各剂量组可显著延长小鼠搔抓潜伏期( P ＜ 0. 01) ;减少小鼠搔抓次数( P ＜ 0. 01) ; 缩短搔抓持续时间( P ＜ 0. 01) ，显著降低血清组胺水平。结论: 当归饮子加减方可显著抑制低分子右旋糖酐致小鼠皮肤瘙痒反应。 本文章发表于辽宁中医杂志2013 年第40 卷第5 期。
成都中医药大学
2015-05-14
技术需求、区块链应用技术、地震体数据三维建模、大数据、ARM的智能终端研究
1、区块链应用技术与实践
2、地震体数据三维建模技术
3、大数据算法研究与应用
4、基于ARM的智能终端研究与应用
山东胜软科技股份有限公司
2021-06-15
教育部关于深入推进学术学位与专业学位研究生教育分类发展的意见
坚持两类学位同等重要
教育部
2023-12-19
政府工作报告中的教育、科技、人才
国务院总理李强在政府工作报告中介绍今年政府工作任务时提出，深入实施科教兴国战略，提升国家创新体系整体效能。坚持创新引领发展，一体推进教育发展、科技创新、人才培养，筑牢中国式现代化的基础性、战略性支撑。
新华社
2025-03-05
专家报告荟萃㊶ | 中国人民大学心理研究所所长，教育部全国学生心理健康工作咨询委员会副主任俞国良：大学生心理健康问题时代诠释
第三届高校心理健康创新发展论坛是第62届中国高等教育博览会的同期学术活动。期间，俞国良教授以《大学生心理健康问题时代诠释》为题作了主题报告。他指出做好新时代大学生心理健康教育工作，关键在于提高高校心理健康教育效能。
中国高等教育博览会
2025-03-12
西安交大电光晶体研究成果在《科学》发表
电光晶体是电光调制器、电光开关、电控光束偏折器等重要电光器件中的核心关键材料，广泛应用于光纤陀螺、激光雷达、量子通信等前沿技术领域。目前，电光器件小型化、轻量化、集成化、低驱动电压和低功耗的发展趋势，对晶体的电光性能提出了更高的要求。
西安交通大学
2022-04-22
石墨烯体系单原子缺陷研究进展发表
石墨烯中电子除了自旋这个内秉自由度，还有子格赝自旋和谷赝自旋自由度。石墨烯中电子的多自由度给石墨烯带来了很多新奇的物理性质。单原子缺陷是材料体系中最简单的缺陷形式，可以作为一种模型体系来帮助了解缺陷对材料性质的影响和调控。物理学系何林教授课题组长期致力于研究石墨烯中的单原子缺陷，发现缺陷可对石墨烯中自旋、子格赝自旋和谷赝自旋相关的电学性质产生深刻影响。例如，他们利用扫描隧道显微镜（STM）首次证实石墨烯中单原子空位缺陷存在局域自旋磁矩，并在原子尺度上实现了对其自旋磁矩调控，实现了三种自旋量子态；观测到石墨烯中单原子缺陷引入的对称性破缺态，并系统地测量了缺陷附近谷极化和谷依赖的自旋极化在实空间的分布情况。 石墨烯中电子的子格赝自旋来自于其六角晶格结构，有A和B两套子格，因此波函数数学形式上类似于自旋。对于电子自旋有很多有意思的可观测物理现象，那么对应石墨烯中的子格赝自旋是否有可观测的物理现象呢？带着这一问题，何林教授课题组开展了深入研究。他们发现石墨烯中的单原子缺陷可以使准粒子在石墨烯手性不同的两个谷之间发生弹性散射，并伴随着子格赝自旋的旋转，在缺陷附近产生一个原子尺度的子格赝自旋涡旋，而赝自旋在涡旋（单原子缺陷）的绕数直接反映了体系的Berry相位（图1）。通常来说，贝利相位的测量需要借助于外加磁场，因为磁场可以驱动准粒子沿闭合的轨迹绝热运动，所以这一的结果提供了一个简单的方法测量不同层石墨烯Berry相位的方法。何林教授课题组利用STM测量单原子缺陷引起的谷间散射形成的电荷密度波振荡，证明电荷密度波振荡在实空间中增加的额外波前条纹数直接反映了子格赝自旋在涡旋的绕数，从而可直接测量不同层石墨烯的Berry相位。最近的工作中，他们对双层石墨烯进行了详细的研究，并将相关结果推广到多层石墨烯体系。进一步他们还研究了相同和相反绕数的子格赝自旋涡旋的量子干涉。上述结果直接证明了子格赝自旋有很多丰富有趣的物理现象亟待深入研究，也为子格赝自旋物理提供了全新的研究思路。
北京师范大学
2021-02-01
华东师大发布多项脑研究新成果
结果发现，对视频材料的偏爱与学生-示范者之间的左侧颞叶脑间同步有关；相比前期，这种相关性在观看后期更强；脑同步可区别，甚至预测学生对视频材料的偏好程度。这些实验结果表明：一个视频材料之所以受学生喜欢，是因为这个材料更容易导致学生-示范者的大脑同步；学生较早感兴趣于视频材料所呈现的内容，则可预测接下来的视频内容；一旦预期得到验证，就给人带来一种愉悦感。也就是说，好听、好看的视频材料，其原因是众多观众与示范者的“不谋而合”与“大脑共鸣”。此外，研究团队还原了具有高生态效度的师生互动教学场景，教师面对面地向学生教授知识（心理学领域）；设计了两类教学方式：一类是教师逐步提供难度渐进的问题，引导学生自己解决问题，这称为支架式教学；另一类是教师提供一些信息，诠释重要的术语、概念和原理，这被称为解释性教学。在两类教学活动中，研究者也采用近红外脑成像技术，全程同步采集师生两个人的大脑活动。 结果发现，师生间大脑活动在教学过程中趋向同步；这种师生脑同步依赖于教师使用的教学策略；这就是，当教师采用支架式教学时，其与学生的脑同步，比解释性教学时更强；这种增强的师生脑同步，可预测学生的学习表现。 为了厘清师生脑同步和具体教学行为之间的关系，研究者用视频编码技术，发现了师生脑同步的增强与教师采用的支架行为有关（如询问引导性问题，提供暗示等）；但是，当教师执行解释行为（如提供定义或澄清概念等）时，师生脑同步则比较弱。基于这些结果，研究建议：教师在教学活动中，除了要进行必要的概念解释外，可以提出一些由易到难的问题，帮助学生思考所学内容及其关系；这些问题因人而异时，效果最好。
华东师范大学
2021-02-01
中心体调控大脑皮层发育机制研究
放射状胶质细胞是大脑发育最为关键的一种神经前体细胞，分裂产生大脑皮层几乎所有的神经元和胶质细胞。所有动物细胞都有中心体，通常位于细胞核附近的细胞质中。然而中心体在放射状胶质细胞内的定位十分独特，位于远离细胞核的顶端细胞膜上，即脑室腔的表面上。这种独特的亚细胞特征已被发现数十年，但其成因及功能一直令人困惑。图1. 中心体的顶端膜锚定调控神经前体细胞机械特性和大脑皮层的大小及折叠时松海教授和史航研究员课题组采用基于透射电镜成像的连续超薄切片技术，首次观察到了放射状胶质细胞内的中心体是通过附着在母体中心粒上的远端附属物（distal appendages）锚定在顶端细胞膜上的（图1）。为了探索其分子调控机制和生理功能，研究人员在大脑皮层放射状胶质细胞内特异性地去除了远端附属物的重要构成蛋白CEP83，使得远端附属物无法形成，从而阻止中心体与细胞膜的连接。结果发现，去除CEP83蛋白后，母体中心粒上不再形成远端附属物，中心体和顶端膜发生了微小的错位，不再锚定在顶端膜上。进一步研究表明，中心体这一不足1微米的位移，不是通过影响初级纤毛的形成，而是破坏了顶端膜上特有的环状微管结构，导致顶端膜被拉伸、变硬。这一物理特性的改变引起了放射状胶质细胞内机械敏感信号通路相关的YAP蛋白（Yes-associated protein）的过度激活，从而导致了放射状胶质细胞前期的过度扩增以及之后中间前体细胞的增多，最终使得大脑皮层神经细胞显著增加，体积扩大，并引发异常折叠。论文链接:https://www.nature.com/articles/s41586-020-2139-6
清华大学
2021-04-10
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10