一种C/C复合材料的快速制备方法

    公开(公告)号:CN109384470A

    公开(公告)日:2019-02-26

    申请号:CN201811327116.0

    申请日:2018-11-08

    Applicant: 中南大学

    Abstract: 本发明公开了一种C/C复合材料的快速制备方法,属于材料制备技术领域,该方法包括以下步骤:1)预制体的制备;2)预制体热处理;3)水基石墨浆料的制备;4)石墨浆料注射;5)石墨浆料补注;6)素坯的制备;7)碳化处理;8)增密处理:采用化学气相渗透工艺、浸渍-碳化工艺、高温热压工艺中的一种或多种结合,对C/C多孔预制体进行增密处理。本发明采用浆料注射的方法,在不破坏碳纤维预制体结合强度的情况下,均匀引入石墨粉,一方面保证了材料坯体的强度和组织均匀性,另一方面大大缩短了后期致密化时间,降低了成本,适合工业化生产;采用水基石墨浆料,成本低,且无污染;该方法制备的C/C复合材料强度高、耐磨性好,高温性能可靠。

    负载地西他滨的微波增敏型纳米粒子及其制备方法和应用

    公开(公告)号:CN117100879A

    公开(公告)日:2023-11-24

    申请号:CN202311140600.3

    申请日:2023-09-05

    Abstract: 本发明提供了一种负载地西他滨的微波增敏型纳米粒子及其制备方法和应用,负载地西他滨的微波增敏型纳米粒子包括金属锰、ZrMOF纳米粒子和地西他滨,金属猛掺杂在ZrMOF纳米粒子中形成Mn‑ZrMOF纳米粒子;地西他滨负载在Mn‑ZrMOF纳米粒子中。负载地西他滨的微波增敏型纳米粒子用于膀胱癌细胞的微波治疗时,不仅显示出良好的抗肿瘤作用,同时产生的ROS活化了Caspase‑3,活化的Caspase‑3再切割GSDME产生具有穿孔活性的N‑GSDME片段,从而触发了细胞焦亡,增强了微波治疗的抗肿瘤效应,同时进一步的激活抗肿瘤免疫。

    一种C/C复合材料及其制备方法

    公开(公告)号:CN109251052B

    公开(公告)日:2021-06-22

    申请号:CN201811327099.0

    申请日:2018-11-08

    Applicant: 中南大学

    Abstract: 本发明公开了一种C/C复合材料及其制备方法,属于材料制备技术领域,适合制备摩擦磨损材料和密封材料,包括以下步骤:1)预制体的制备;2)脱胶处理;3)水基石墨浆料的制备;4)石墨浆料注射;5)石墨浆料补注;6)素坯的制备;7)碳化处理;8)增密处理:依次采用化学气相渗透工艺和高温热压工艺对C/C多孔预制体进行增密处理,得到摩擦磨损性能优良的C/C复合材料,本发明采用浆料注射的方法,在不破坏碳纤维预制体的结构和结合强度的情况下,均匀引入石墨粉,本发明制备C/C复合材料可应用于大型飞机刹车、高速列车、汽车、大型卡车等摩擦磨损材料,也可应用于航天飞行器与精密仪器的密封材料,特别适用于真空、惰性气体或还原气体环境下高温密封材料。

    一种基于特征交互的医学图像分割方法

    公开(公告)号:CN118134952B

    公开(公告)日:2024-08-02

    申请号:CN202410554782.7

    申请日:2024-05-07

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于特征交互的医学图像分割方法,本发明通过使用基于CNN和Transformer的双分支编码器进行特征提取与特征交互,最大限度地保留医学图像中的局部细节和全局语义信息,并利用先验知识在边界引导解码器中逐阶段指导学习过程。引入了注意力特征融合模块,该模块通过使用通道注意力引导局部‑全局特征进行有效的交互融合,并抑制了不相关背景噪声的干扰。同时通过多尺度特征聚合模块和多层级特征桥接模块的配合使用,利用多分支条状卷积和多层级特征交互来实现对医学图像中的多尺度特征充分挖掘。最后通过使用加权损失函数对各层级的分割结果进行深度监督训练,从而实现了在医学图像上对于病灶的精确分割。

    一种基于特征交互的医学图像分割方法

    公开(公告)号:CN118134952A

    公开(公告)日:2024-06-04

    申请号:CN202410554782.7

    申请日:2024-05-07

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于特征交互的医学图像分割方法,本发明通过使用基于CNN和Transformer的双分支编码器进行特征提取与特征交互,最大限度地保留医学图像中的局部细节和全局语义信息,并利用先验知识在边界引导解码器中逐阶段指导学习过程。引入了注意力特征融合模块,该模块通过使用通道注意力引导局部‑全局特征进行有效的交互融合,并抑制了不相关背景噪声的干扰。同时通过多尺度特征聚合模块和多层级特征桥接模块的配合使用,利用多分支条状卷积和多层级特征交互来实现对医学图像中的多尺度特征充分挖掘。最后通过使用加权损失函数对各层级的分割结果进行深度监督训练,从而实现了在医学图像上对于病灶的精确分割。

Patent Agency Ranking