期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
缺氧诱导因子与骨稳态失衡类疾病的相关性 被引量:7
1
作者 李宏元 杨柳 靳宪辉 《中国组织工程研究》 CAS 北大核心 2022年第33期5393-5399,共7页
背景:缺氧诱导因子是骨缺氧微环境中关键的基因表达调节因子,了解缺氧诱导因子在骨形成、骨重塑中的作用机制及其对骨稳态失衡类疾病的影响,对探索骨稳态失衡类疾病的防治新途径具有重要意义。目的:查阅国内外相关医学文献,对缺氧诱导... 背景:缺氧诱导因子是骨缺氧微环境中关键的基因表达调节因子,了解缺氧诱导因子在骨形成、骨重塑中的作用机制及其对骨稳态失衡类疾病的影响,对探索骨稳态失衡类疾病的防治新途径具有重要意义。目的:查阅国内外相关医学文献,对缺氧诱导因子在骨形成、骨重塑过程中的作用机制,以及对缺氧诱导因子与骨稳态失衡类疾病相关性的研究进展进行综述分析。方法:在2021年4月检索中国知网、万方、维普、NCBI和PubMed数据库2000-2021年所发表的文献,中文关键词:"缺氧诱导因子、骨形成、骨重塑、骨稳态失衡类疾病、调控机制";英文关键词:"Hypoxia inducible factor,bone formation,bone remodeling,bone homeostasis disorders,regulatory mechanism";通过对相关资料的整理与分析,综述缺氧诱导因子对骨形成、骨重塑的作用机制,并分析缺氧诱导因子在骨稳态失衡类疾病中的作用。结果与结论:①缺氧应激条件下成骨细胞过度表达的缺氧诱导因子1α能够促进骨形成,增加长骨体积,而破骨细胞中缺氧诱导因子2α表达的显著上调能促进破骨细胞的成熟与分化,引起进行性骨丢失。②抑制破骨细胞中缺氧诱导因子1α表达可削弱破骨细胞活性,降低骨吸收,提高骨重塑,缺氧诱导因子2α则通过介导成骨细胞与破骨细胞间的调节来实现骨重塑。③关于缺氧诱导因子3在骨形成、骨重塑中的作用机制目前尚未有研究涉及。④在骨质疏松症中,成骨细胞数量、成骨功能及血管形成能力下降,抑制部分缺氧诱导因子α表达,引起骨量减少、骨密度下降,增加了骨折发生风险。⑤在骨关节炎中,缺氧诱导因子2α呈明显高表达,其通过调控炎性因子、基质分解酶类等分解代谢基因的表达,刺激所介导的软骨细胞凋亡,并加速软骨成分破坏。⑥在软骨肉瘤中,新血管的生成与缺氧诱导因子1α过表达相关,缺氧诱导因子1α可作为软骨肉瘤中与肿瘤新血管生成相关的恶性标志物,缺氧诱导因子1抑制治疗可干预软骨肉瘤中的血管生成。⑦缺氧诱导因子对骨稳态失衡类疾病的血管生成过程及成骨细胞、破骨细胞、软骨细胞组织的增殖与活性具有重要调控作用,因此研发缺氧诱导因子相关激活类或抑制类药物,对修复骨缺损、加快骨折愈合、改善骨关节炎症等骨稳态失衡类病变有十分积极的意义。 展开更多
关键词 缺氧诱导因子 HIF-1 HIF-2 骨形成 骨重塑 骨稳态失衡疾病 骨肿瘤 调控机制
下载PDF
基于能量模型的LS-TSVM在人体动作识别中的应用 被引量:10
2
作者 任晓芳 秦健勇 +1 位作者 杨杰 任永军 《计算机应用研究》 CSCD 北大核心 2016年第2期598-601,631,共5页
传统人体动作识别分类器对异常值比较敏感,容易受固有噪声影响,这会导致严重的类失衡问题,所以相似的人体行为可能存在很大类内差异。提出一种基于能量的最小二乘双分界面支持向量机(ELS-TSVM)的人体动作识别算法。ELS-TSVM是LS-TSVM的... 传统人体动作识别分类器对异常值比较敏感,容易受固有噪声影响,这会导致严重的类失衡问题,所以相似的人体行为可能存在很大类内差异。提出一种基于能量的最小二乘双分界面支持向量机(ELS-TSVM)的人体动作识别算法。ELS-TSVM是LS-TSVM的有效改进,采用两个超平面,每个超平面引进能量参数来减少噪声和异常值的影响。首先对于输入的视频使用梯度方向直方图特征和光流直方图特征识别人体动作;然后检测可能的兴趣点,生成时空特征后提取时空视觉词袋特征,通过构建一组视觉词袋来完成特征提取;最后,利用ELSTSVM完成分类。在Weizmann和Hollywood数据库上的实验验证了该算法的有效性及可靠性,相比其他几种较新方法,该算法更加高效精确,且大大减少了算法执行时间。 展开更多
关键词 多分识别 类失衡 双分界面支持向量机 人体动作识别 最小二乘法
下载PDF
基于深度学习的对话重叠语音片段检测 被引量:1
3
作者 魏金太 高穹 《中北大学学报(自然科学版)》 CAS 2021年第1期34-39,共6页
为改进在真实对话中分割重叠语音的自然事件,训练一个深度卷积神经网络(DCNN),使用来自单声道音频的级别相对较低的对数标度梅尔频谱图进行端到端的学习.使用Fisher英语语料库的真实会话数据正确训练DCNN,同时保持并测试其对普通会话场... 为改进在真实对话中分割重叠语音的自然事件,训练一个深度卷积神经网络(DCNN),使用来自单声道音频的级别相对较低的对数标度梅尔频谱图进行端到端的学习.使用Fisher英语语料库的真实会话数据正确训练DCNN,同时保持并测试其对普通会话场景的普遍性.为了缓解严重的类失衡,在训练集中采取消除静音,并在训练过程中对占比重较多的类进行统一随机抽样.同时,使用维特比算法执行时间平滑以增强最终分割.在超过91 h的对话中,检测精度超过60%,召回率超过29%,证明了深度学习对于这项任务的适用性. 展开更多
关键词 重叠语音 深度卷积神经网络 对话分析 语音分割 类失衡
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部