依达拉奉肝损害分析

来源 :临床合理用药杂志 | 被引量 : 0次 | 上传用户:luxinyiu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来自由基清除剂的研究成为神经保护剂研究的热点,依达拉奉作为一种脑保护剂(自由基清除剂),对缺血再灌注损伤有保护作用,并可抑制脂质过氧化反应,减轻脑内花生四烯酸引起的脑水肿,减少平暗带面积,抑制迟发性神经死亡[1],还能防止血管内皮细胞损伤,促进神经功能恢复。依达拉奉治疗中与其他抗栓药物联用不影响血液凝固、
其他文献
近年来宫腔镜下诊断和分离宫腔粘连已经成为诊治宫腔粘连的最佳方式.但术后若不促进子宫内膜修复和月经重建,则可能形成新的粘连,选择一种理想的方案进行后期治疗显得非常重
在UWB-IR信号检测中,针对目前所采用的量子粒子群FHN神经元模型易造成粒子群多样性降低,易陷入局部最优,导致求解精度不高的问题,对量子粒子群算法中量子更新参数引入混沌优化算
为了提高虹膜定位的精度和可靠性,采用改进的Snake模型和改进的GAC模型分别定位虹膜的内外边缘。对于虹膜内边界,在传统的Snake模型的基础上,引入GVF力场代替原有的传统外力场,完成Snake模型对虹膜内边缘的定位。对于虹膜外边界,在传统的GAC模型的基础上,引入非负常数项作为演化收缩力,使其方向指向对象内部,从而实现GAC模型对虹膜外边缘的定位。采用CASIA虹膜库进行了大量实验,结果表明该
特征学习是模式识别领域的关键问题。基于自动编码器的深度神经网络通过无监督预训练与有监督微调能够有效地提取数据中关键信息,形成特征。提出一种基于栈式去噪自编码器的边际Fisher分析算法,该算法将边际Fisher分析运用于有监督微调阶段,进一步提升算法的特征学习能力。实验结果表明,该算法与标准的栈式去噪自编码器和基于受限玻尔兹曼机的深度信念网相比,具有更好的识别效果。