-
公开(公告)号：CN117417534A
公开(公告)日：2024-01-19
申请号：CN202311144192.9
申请日：2023-09-06
Applicant: 南京邮电大学
Abstract: 本发明属于近红外发光及超声治疗材料的技术领域，公开了一种基于共轭聚合物的可激活声动力纳米材料及其制备方法和应用，包括如下步骤：将2,6‑二(三甲基锡)‑4,4‑二(2‑乙基己基)‑二噻吩并环戊二烯、4,7‑二溴‑5,6‑二硝基苯并[c][1,2,5]噻二唑、催化剂四(三苯基膦)钯加入反应管中，加入甲苯，在氮气保护下加热反应，反应产物用甲醇沉降，得到共轭聚合物；使用可降解介孔二氧化硅包裹的方式实现分子的水溶，获得相应可激活声治疗试剂。本发明所述材料可用于近红外二区成像指导的可激活声动力学治疗，有助于提高肿瘤治疗的特异性，并且介孔二氧化硅包裹还可用于药物的负载和输运。
-
公开(公告)号：CN114998125B
公开(公告)日：2024-04-05
申请号：CN202210568874.1
申请日：2022-05-24
Applicant: 南京邮电大学
Abstract: 本发明属于红外光谱去卷积处理技术领域，具体地说，是一种基于深度神经网络非配对学习的红外光谱盲去卷积方法，包括自监督学习和知识提取的两阶段去卷积方，从一组未配对的干净和有噪声的红外光谱中学习去卷积网络。卷积盲点网络从真实红外光谱中学习去卷积，采用1×1卷积层叠加的网络来估计每条红外光谱的噪声特性，联合训练卷积盲点网络和红外光谱特定噪声模型。将学习到的噪声模型应用于红外光谱去卷积，合成一组成对的训练红外光谱，并在第一阶段使用真实的噪声红外光谱和相应的去卷积结果形成另一组成对的训练红外光谱。通过使用这两个配对集训练基于U‑Net的去卷积网络。
-
公开(公告)号：CN114998125A
公开(公告)日：2022-09-02
申请号：CN202210568874.1
申请日：2022-05-24
Applicant: 南京邮电大学
Abstract: 本发明属于红外光谱去卷积处理技术领域，具体地说，是一种基于深度神经网络非配对学习的红外光谱盲去卷积方法，包括自监督学习和知识提取的两阶段去卷积方，从一组未配对的干净和有噪声的红外光谱中学习去卷积网络。卷积盲点网络从真实红外光谱中学习去卷积，采用1×1卷积层叠加的网络来估计每条红外光谱的噪声特性，联合训练卷积盲点网络和红外光谱特定噪声模型。将学习到的噪声模型应用于红外光谱去卷积，合成一组成对的训练红外光谱，并在第一阶段使用真实的噪声红外光谱和相应的去卷积结果形成另一组成对的训练红外光谱。通过使用这两个配对集训练基于U‑Net的去卷积网络。
-
-
Search Results
3
records
(took 0.024 seconds)
