新葡京娱乐场-大陆娱乐场开户注册

【項目來源】江蘇省科技廳社會發展項目“中藥調整月經周期節律法對運動性月經失調作用的研究”，編號：BS98072。 【成果鑒定】已通過專家驗收。 【類    別】中藥新藥六（2）類。 【劑    型】顆粒劑。 【處方來源】南京中醫藥大學中醫婦科資深專家臨床有效經驗方。運動性月經失調（簡稱AMI）是女運動員參加訓練后所表現的特殊疾病。其中大部分是排卵功能障礙或黃體不足，臨床表現為月經失調、妊娠能力的下降，卵巢功能早衰，還包括運動能力（持久力及應激能力）的下降、運動后康復時間延長等，極大地影響了女運動員的運動生涯和健康。目前國內外對AMI治療方法少而單一，西醫學常采用人工周期療法、雌激素補充法等進行治療，但因其副反應及禁忌癥的局限性，難以推廣。在臨床研究中，通過對運動性月經失調發病癥狀積分等的觀察，初步說明屬于卵泡發育不良的關鍵在于腎精匱乏；黃體功能不全的關鍵在于氣陽為病。氣陽為病的發病基礎在于經后期腎精虧耗，最終導致陰陽失衡的內分泌紊亂狀態。本項目運用奠基顆粒、助黃顆粒進行序貫治療，以糾正運動性月經失調取得顯著療效。 【功能主治】AMI（運動性月經失調）。 【項目簡介】 1．臨床研究：（奠基顆粒、助黃顆粒）序貫治療運動性月經失調的120名，通過監測BBT、E2、P、T、FSH、 LH、 PRL等生殖激素和抗生殖激素的變化，觀察奠基湯、助黃湯序貫運用的方法對運動性月經失調糾正作用。結果表明，序貫治療組總有效率為89.47%，優于對照組，有顯著性差異。序貫治療組能明顯改善主要臨床癥狀，對卵泡發育、排卵及其黃體功能的影響、BBT的改善、T的降低、E2-及P的升高等，序貫組有顯著的治療效果，療效明顯優于對照組。 2．急性毒性實驗：采用奠基顆粒、助黃顆粒作為中藥調整月經周期療法的序貫藥物無毒、副作用，是安全的。 3．制劑學研究：按照《新藥注冊管理辦法》要求進行，工藝符合工業化生產需要。 【推廣應用前景】奠基顆粒、助黃顆粒作為治療運動性月經失調中藥制劑，其療效確切，安全方便，具有良好的推廣前景。 【進展情況】已完成臨床前主要研究工作。

本品是著名婦科專家、國醫大師夏桂成教授經驗方，具有補腎溫陽、調經助孕之功，主要用于治療黃體功能不全性不孕癥。該方能夠促進胚胎著床、提高胚胎著床期雌孕激素水平、降低泌乳素水平，臨床總有效率達94.51﹪。

第四范式成立于2014年底，是國際領先的人工智能平臺與技術服務提供商，公司以“Empower AI Transformation and Advance AI For Everyone”為企業愿景，旨在讓AI成為驅動社會進步、企業增長的引擎。依托于領先的機器學習技術與豐富的行業實踐經驗，第四范式打造了企業智能化轉型戰略產品“天樞”，通過構建以消費者為中心的全鏈路客戶流量運營，幫助企業實現以創造業務價值為目標的智能化轉型。此外，第四范式為企業樹立了正確的轉型目標和方法，通過自動化AI應用構建平臺第四范式HyperCycle ML，提升AI建模效率，降低AI應用門檻，將AI技術快速、規模化落地到企業眾多業務場景中，提升業務場景價值。同時，第四范式采用軟件定義算力的先進理念為企業提供軟硬一體AI集成系統SageOne，降低企業AI部署總體擁有成本，推動企業全面智能化轉型進程。目前，第四范式已為金融、零售、能源、醫療、制造、互聯網、媒體等行業成功落地上萬個AI應用，助力各行業企業的AI創新變革。?點擊上方按鈕聯系科轉云平臺進行溝通對接！

我校理學院大數據研究團隊在人工智能與大數據處理技術研究方面取得系列進展，研究成果分別發表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能頂級期刊。神經網絡是人工智能領域中目前最為火熱的研究方向——深度學習的架構基礎。雖然深度學習在近幾年發展迅速，但是關于如何設計最優神經網絡架構的問題仍處于探索階段。該團隊分別針對人工智能中神經網絡結構復雜、高維大規模數據存在無效和冗余特征、難以獲取長時序信息等問題與缺陷，設計出了一系列網絡結構優化、大數據特征選擇和時序循環神經網絡模型，有效改善了上述不足，提高了人工智能模型的學習性能。 題目為《帶Group Lasso懲罰與控制冗余的神經網絡特征選擇》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究論文發表在人工智能領域權威國際期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生張華清為該論文共同第一作者， 我校榮譽教授Nikhil R. Pal院士（印度統計研究所）參與指導，中國石油大學（華東）為第一署名單位。該項工作得到國家自然科學基金、國家科技重大專項、山東自然科學基金、中央高校基本科研業務費、中國石油天然氣集團公司重大科技項目以及山東省高校青年創新科技支撐計劃的資助。 特征選擇技術也稱屬性選擇，是指從原始特征或屬性中選擇出最有效的特征或屬性以降低數據維度的過程，它是人工智能數據預處理環節的重要步驟，也是大數據處理技術的重要環節。該項工作在神經網絡中嵌入Group Lasso懲罰項并實現特征冗余控制，在選出對解決問題最有幫助、蘊含信息量最大的特征或屬性的同時，控制所選特征子集的冗余程度，以達到降維的最優效果，從而使模型的泛化能力更強，降低神經網絡模型產生過擬合的風險。 題目為《基于L1正則化的神經網絡結構優化模型設計與分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究論文發表在國際人工智能領域權威期刊IEEE Transactions on Cybernetics。碩士生謝雪濤和博士生張華清為論文共同第一作者，王健副教授為通訊作者，我校榮譽教授Nikhil R. Pal院士（印度統計研究所）參與指導，中國石油大學（華東）為第一署名單位。該項研究成果得到了國家自然科學基金、山東省自然科學基金和中央高校基本科研業務費的資助。 該項工作借助L1正則子具有的稀疏表達能力，提出兩種神經網絡結構優化學習模型；本項工作另外一個突出貢獻就是提出了一種簡單且具有通用性的收斂性證明方法，同時保證了模型設計的合理性。實驗結果表明所提出模型具有強大的魯棒性、廣泛的適用性、理想的剪枝能力和良好的泛化能力，適用處理高維大數據。該研究成果在人工智能與深度學習構造最簡網絡結構方面具有很強的指導作用和應用推廣價值。

國內外已經涌現出了很多優秀的智能助行機器人產品或樣機，但針對下肢功能運動障礙患者的智能助行機器人研究仍然存在一定的局限性： （1）助行機器人對于人體運動意圖的識別研究主要依靠力傳感器，在運動意圖的定義和計算方面的差異較大； （2）基于助行機器人步態分析方面成果有限，行走能力評估依靠傳統的Holden步行功能分級以及Tinetti平衡與步態量表進行評估，缺乏對步態參數的具體量化評估手段； （3）自適應參數導納控制、共享控制及交互力-位置混合控制等方法大多僅能在特定的人機協同系統滿足使用，故只能用于單一功能的康復訓練，難以滿足不同行走能力用戶的多樣化康復訓練需求。 本成果研究的面向下肢弱肌力人群的智能助行機器人，通過基于機載的力傳感器、激光傳感器、Kinect等設備，設計多模態人機交互接口，獲取人體運動數據；基于有監督的神經網絡步態事件分類算法模型提取分析步態的時空參數，并且能夠應用康復醫學功能評定理論進行人體行走能力的智能綜合評估，根據評估的行走能力切換對應的機器人模式。 圖1 智能助行機器人一代 圖2 智能助行機器人二代 圖3 智能助行機器人三代 【性能指標】 1）機器人樣機： 人體運動模式識別準確率≥95%； 跟隨模式相對位置誤差≤15cm，相對角度誤差≤20°； 左腿擺動、雙支撐相左向重心轉移、右腿擺動和雙支撐相右向重心轉移四個步態相位識別準確率≥95%。 2）運動狀態監測及行走能力評估一體化平臺： 正常行走、肢體約束異常狀態及趔趄、跌倒等緊急狀態識別準確率≥90%。

項目簡介 本成果是一種磁助除藻裝置,屬于污水處理除藻技術領域。通過外加磁場的作用,加 速絮體沉降,達到高效除藻的目的。污水經過管道混合器，在管道混合器內和磁種及絮凝 劑進行混合后，到達處理區，先在攪拌器的作用下混合、反應，然后在外加電磁場的作 用下迅速沉降，達到除藻目的。本成果結構簡單、建造成本低、處理量大，除磷效果好， 能夠有效遏制藍藻的重復爆發。 性能指標 （1）能耗低，由于整個系統簡單所配備的攪拌機功率很低，運行費用

人類早期胚胎發育雖然只有大約7天的時間，但是卻經歷了關鍵的分子事件，其中包括合子基因組激活（ZGA）和早期胚胎細胞的命運決定。伴隨測序技術的進步，單細胞測序技術可以有效地揭示早期胚胎發育的細胞命運決定的轉錄圖譜，但是單細胞轉錄組數據也存在許多問題，例如dropout事件（表達的基因未被檢測到），這使得差異分析方法在處理單細胞受到了限制。本研究中通過使用F-score算法和差異分析方法（limma，edgeR和DESeq）在人類早期胚胎單細胞轉錄組中得到兩個關鍵的基因集。通過比較先前研究中關鍵的基因來分析兩種方法的不同，POU5F1（OCT4）在細胞多能性的獲得和維持中起到了重要的作用，但是在差異分析方法中卻被排除，而F-score算法卻可以獲得。我們通過研究基因的表達趨勢發現，差異分析方法對于在多個時期高表達的基因會被排除，這對于胚胎發育中的細胞的異質性是十分不利的。