-
公开(公告)号：CN119530918A
公开(公告)日：2025-02-28
申请号：CN202411689115.6
申请日：2024-11-25
Applicant: 中南大学
Abstract: 本发明公开了一种镁/铝或其合金复合材料表面的微弧氧化涂层及其制备方法和应用。属于金属表面微弧氧化防腐蚀技术领域，是通过在镁/铝或其合金复合材料表面进行低电压钝化、高电压生长的多步微弧氧化处理形成的微弧氧化涂层。本发明通过低电压制备厚度较薄但相对致密的钝化层降低金属表面活性避免了在后续高电压处理下造成氧化物膜层烧蚀、破裂；利用不同金属对同一电压的响应情况不同以及微弧氧化涂层的生长特性通过低电压与高电压的组合处理方式使不同金属侧的涂层均可生长至100μm。解决通过使用铝及其合金对镁合金损坏部分进行修补以及镁/铝复合板材、镁/铝复合构件在服役过程中出现电偶腐蚀等问题以及复合金属材料低电压膜层性质不均、高电压膜层烧蚀破损的问题。
-
公开(公告)号：CN118942702A
公开(公告)日：2024-11-12
申请号：CN202411041793.1
申请日：2024-07-31
Applicant: 中南大学
IPC: G16H50/30 , G06F18/10 , G16H10/60 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/048 , G06F18/213 , G06T5/90 , G06T5/73 , G06F18/2135 , G06F18/25 , G06F18/22 , G06F18/23
Abstract: 本发明提供了一种基于异质图和图神经网络的肺气肿风险预测方法及设备，本发明整合来自不同源的肺气肿医疗数据，通过构建异质图从多源数据中提取关键特征，通过图神经网络综合分析多种数据源，能够捕捉不同数据类型之间的复杂关系和相互作用，能够识别出肺气肿的微妙且复杂的病理特征，提高了肺气肿风险预测的准确性和效率。
-
公开(公告)号：CN116497419A
公开(公告)日：2023-07-28
申请号：CN202310236235.X
申请日：2023-03-13
Applicant: 中南大学
Abstract: 本发明公开了一种基于微弧氧化制备的非晶二氧化硅涂层及其制备方法和应用，属于金属表面防护和二氧化硅涂层技术领域。本发明将镁合金、铝合金、钛合金、钛铝和镍铝等基体作为阳极置于微弧氧化槽中，以有机硅的水解溶液作为电解液，可通过阶梯式步增恒电位控制手段，在20分钟的时间内制备厚度超过100μm的非晶二氧化硅涂层。本发明利用微弧氧化工艺和溶胶凝胶工艺的优势，避开它们的不足，实现了“1+1>2”的叠加协同效应。本发明的工艺步骤简单，非常适合工业上全自动操控加工，可通过改变电解液浓度、微弧氧化的时长和电控参数，也可以通过常规微弧氧化恒压和恒电流控制手段，制备具有所需厚度、耐磨、耐腐蚀、耐冲蚀、抗氧化等特性的非晶二氧化硅涂层。
-
公开(公告)号：CN107557472B
公开(公告)日：2020-09-11
申请号：CN201711024869.X
申请日：2017-10-27
Applicant: 中南大学湘雅医院
IPC: C12Q1/6886
Abstract: 本发明属于生物技术领域，公开了胶质瘤诊断标志物circ9:135881633|135883078及应用。在本发明中，首次发现：胶质瘤细胞所分泌的外泌体对circ9:135881633|135883078具有明显的富集作用；同时发现胶质瘤患者血清外泌体中circ9:135881633|135883078的表达水平相比于对照组明显升高(p＝0.0142)，ROC分析则显示其对胶质瘤具有较高诊断价值(AUC＝0.953，P
-
公开(公告)号：CN107937527B
公开(公告)日：2020-06-19
申请号：CN201711453662.4
申请日：2017-12-28
Applicant: 中南大学湘雅医院
IPC: C12Q1/6886 , C12N15/11
Abstract: 本发明属于生物技术领域，公开了一种胶质瘤诊断标志物circ1:43920404|43920928及应用。通过荧光定量PCR技术对胶质瘤患者血清外泌体中circ1:43920404|43920928的含量进行分析，发现胶质瘤患者血清外泌体中circ1:43920404|43920928表达水平相比于正常对照组明显降低(p
-
Patent Agency Ranking
公开(公告)号：CN107937538A
公开(公告)日：2018-04-20
申请号：CN201711454282.2
申请日：2017-12-28
Applicant: 中南大学湘雅医院
IPC: C12Q1/6886 , C12N15/113
CPC classification number: C12Q1/6886 , C12Q2600/118 , C12Q2600/158 , C12Q2600/178
Abstract: 本发明属于生物技术领域，公开了胶质瘤诊断标志物circ1:201817088|201817285及应用。在本发明中，首次发现胶质瘤患者血清外泌体中circ1:201817088|201817285的表达水平相比于对照组明显升高(p＝0.003)，ROC分析则显示其对胶质瘤具有较高诊断价值(AUC＝0.937，P＝0.004，灵敏度和特异性分别为85.7％和88.9％)。因此通过检测胶质瘤患者血清外泌体中circ1:201817088|201817285的表达水平，可对胶质瘤患者做出早期、快速的无创性诊断。
-
公开(公告)号：CN107619869A
公开(公告)日：2018-01-23
申请号：CN201711056928.1
申请日：2017-10-27
Applicant: 中南大学湘雅医院
IPC: C12Q1/6886 , C12N15/113
Abstract: 本发明公开了一种胶质瘤诊断及预后标志物circ16:85633914|85634132及应用，即检测脑组织来源的环状RNAcirc16:85633914|85634132的试剂用于制备胶质瘤患者的诊断及预后制剂。通过研究证实胶质瘤患者脑组织中环状RNA circ16:85633914|85634132表达量相比于正常脑组织明显降低，ROC曲线分析显示其对胶质瘤具有较高诊断性。同时circ16:85633914|85634132表达较高的患者，拥有更高的术后生存率。通过检测胶质瘤患者胶质瘤组织中环状RNA circ16:85633914|85634132的表达水平，从而对胶质瘤高危人群做出诊断分析及预后判断。
-
公开(公告)号：CN107586846A
公开(公告)日：2018-01-16
申请号：CN201711024914.1
申请日：2017-10-27
Applicant: 中南大学湘雅医院
IPC: C12Q1/6886 , C12N15/113
Abstract: 本发明属于生物技术领域，公开了胶质瘤诊断标志物Circ3:129880309|129880559及应用。在本发明中，首次发现：胶质瘤细胞所分泌的外泌体对Circ3:129880309|129880559具有明显的富集作用；同时发现胶质瘤患者血清外泌体中Circ3:129880309|129880559的表达水平相比于对照组明显升高(p
-
公开(公告)号：CN118942701A
公开(公告)日：2024-11-12
申请号：CN202411041780.4
申请日：2024-07-31
Applicant: 中南大学
IPC: G16H50/30 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0455 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/26
Abstract: 本发明提供了一种基于生成对抗网络和UNet的肺结节风险预测方法及设备，本发明通过生成对抗网络和条件生成对抗网络处理健康肺部CT图像和肺结节患病肺部的CT图像，丰富了数据样本的多样性，提高了模型的泛化能力；UNet模型接收真实以及生成的肺部CT图像作为输入，从肺部CT图像中分割出病变区域；通过跳跃连接使得特征图能够在编码器和解码器的对应层次之间进行信息传递，从而增强了模型的分割能力和病变区域检测的准确性；本发明可以很好地捕捉复杂特征和识别微小病变，提高了肺结节风险预测的准确性。
-
公开(公告)号：CN117542533A
公开(公告)日：2024-02-09
申请号：CN202311511705.5
申请日：2023-11-14
Applicant: 中南大学
IPC: G16H50/70 , G16H50/50 , G16H50/20 , G06N3/0464 , G06F18/214 , G06F18/241
Abstract: 本发明提供一种老年综合征跨模态特征智能决策方法及电子设备，老年综合征跨模态特征智能决策方法通过在文本、图像和数值三种模态信息中提取隐含跨模态特征，构建HAM‑DRCNN模型，对隐含特征进行变换，为跨模态特征分配权重，从而使模型聚焦于和任务关系最密切的信息，突出重要特征的影响，收敛速度和分类精度都得到了显著优化。本发明建立的GS分类模型，实现对GS的精准决策，解决GS早期决策准确性不高的问题。同时，本发明还提供了电子设备，用于实现如上所述老年综合征跨模态特征智能决策方法。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.024 seconds)
