【摘 要】
:
海藻玉壶汤为著名治瘿名方,是治疗诸多甲状腺疾病的重要方剂。在临床应用方面,海藻玉壶汤及其加减方可治疗甲状腺肿、甲状腺功能亢进症、桥本甲状腺炎和甲状腺癌等甲状腺疾病。现代药理研究表明海藻玉壶汤具有抗氧化应激、调节甲状腺细胞的增殖与凋亡和调节细胞因子等作用。本文旨在梳理海藻玉壶汤的临床应用进展及其药理作用研究,探讨海藻甘草反药组合的研究进展,为海藻玉壶汤的临床应用及其作用机制的深入研究提供参考。
【基金项目】
:
国家中医药管理局基本中医药循证能力建设项目(No.2019XZZX-JB004)(National Administration of Traditional Chinese Medicine); 国家中医药管理局、国家卫生计生委、中央军委后勤保障部卫生局“重大疑难疾病中西医临床协作能力建设项目”(No.国中医药医政发【2018】3号);
论文部分内容阅读
海藻玉壶汤为著名治瘿名方,是治疗诸多甲状腺疾病的重要方剂。在临床应用方面,海藻玉壶汤及其加减方可治疗甲状腺肿、甲状腺功能亢进症、桥本甲状腺炎和甲状腺癌等甲状腺疾病。现代药理研究表明海藻玉壶汤具有抗氧化应激、调节甲状腺细胞的增殖与凋亡和调节细胞因子等作用。本文旨在梳理海藻玉壶汤的临床应用进展及其药理作用研究,探讨海藻甘草反药组合的研究进展,为海藻玉壶汤的临床应用及其作用机制的深入研究提供参考。
其他文献
随着硬件设备的发展,人们对于图像质量的追求越来越高。图像质量提升成为人们关注的焦点,各种细分领域的图像增强技术也应运而生。比特深度增强技术通过重构图像最低有效位,细化色彩精度,提供更加生动细腻的视觉体验。然而,由于这是一个新兴方向,不同算法重构的高比特图像中会存在不同程度的颜色偏移、伪轮廓或纹理过模糊等瑕疵,影响主观视觉感受。对于这类特殊失真,现有通用型质量评价算法并不适用,亟需有一种有效准确的专
为探究界面层对SiCf/SiC复合材料性能的影响,选用国产第3代SiC纤维,通过先驱体浸渍裂解工艺制备了热解碳(PyC)、热解碳/碳化硅(PyC/SiC)、氮化硼(BN)、氮化硼/碳化硅(BN/SiC)4种界面层的三维机织角联锁SiCf/SiC复合材料。在此基础上,结合声发射技术对复合材料进行常温断裂韧性测试,并利用扫描电镜对其细观损伤模式进行评价。结果表明:界面层对三维机织角联锁SiCf/SiC
三维模型的多视图信息能够全面地表征物体的视觉特性和潜在的空间结构信息。随着三维模型数据的飞速增长,如何对三维模型实现智能的分类与检索,是当前学术界和工业界的研究热点。目前,传统的三维模型分类方法需要大量的有标记的数据。然而,只有部分用于学术研究的三维模型数据集有详细的人工标注。因此,如何在有人工标记的训练对象很少的情况下实现对三维模型的有效分类,是一个亟待解决的问题。此外,不同的构建方式会使三维模
随着工业4.0概念的提出,信息化技术被广泛应用到工业生产中,制造业正在向智能化转型。在智能化生产中,位置是一种不可或缺的信息,高精度室内定位技术的市场需求日益增长。基于计算机视觉的定位技术具有精度高、稳定性好、无需额外设备的优点,是提供室内定位服务的理想方案。本论文提出一种基于全景相机的室内库房定位系统,用于为AGV小车提供高精度室内定位服务,主要贡献包括:(1)设计了一种定制标签作为定位锚点,使
遥感影像因具有分辨率高、细节清晰、内容丰富等特点而被广泛使用在土地覆盖监测、森林覆盖监测、湿地资源监测等任务中。在遥感影像中,地表有用信息常被云雪覆盖,这些云雪占用传输系统大量的存储空间和传输带宽,干扰遥感影像光谱。因此对遥感影像云雪检测十分必要。由于云和雪在影像上相近的光谱分布给区分云和雪增加了难度,遥感影像云雪分离检测一直难以实现。为了实现对遥感影像中的云雪进行高精度检测,本文基于卷积神经网络
主题模型广泛应用于大规模文档集的信息挖掘中,存在计算过程复杂导致优化模型参数困难、输出主题语义不清晰导致对理解语料库没有帮助等问题。人可操纵的主题建模(HSTM)技术能够解决这些问题,改善主题的质量。HSTM技术遵循“人在回路”的迭代式工作流程,允许主题模型与用户输入的约束相结合,控制模型收敛方向,从而得到符合用户期望的高质量的结果。LDA作为现今使用最广泛的主题建模技术,具有适用于长文本和在数据
为提升玻璃纤维增强复合材料的层间断裂韧性,采用模压成型工艺制备了玻璃短纤维(SGF)增韧乙烯基树脂(GF/VE)复合材料层压板,并对其进行I型断裂韧性(GIC)、拉伸性能和弯曲性能测试。结果表明,SGF层间铺入明显提升了复合材料的GIC,其中经硅烷偶联剂处理的SGF长度为12 mm,面密度为60 g/m~2时,增韧效果最佳,复合材料GIC从0.717 kJ/m~2增加到1.217 kJ/m~2,提
最近,深度强化学习在解决序贯控制问题上成果颇丰。在现实世界中,环境状态的表征方式往往是智能体当前的视觉信息,这也是强化学习任务中一类经典环境的做法——以图像帧为状态表征。利用神经网络提取特征的能力以及泛化能力,深度强化学习在一些以图像为状态表征的问题上表现突出。但高维状态空间下深度强化学习算法的大多数应用仍需要进行大量试验才能获得竞争性结果。如果智能体从高维度的观察中学习到有用的语义表示,那么基于
复合材料层合板分层扩展行为的准确模拟与分析对层合板结构设计十分重要.针对现有研究未定量描述Ⅰ型层间断裂韧性与层合板厚度之间关系这点不足,借助ABAQUS有限元软件建立平面应变模型,通过对厚度与层数比例的控制,采用迭代方法来确定试样厚度对桥接区牵引分离行为的影响.同时,考虑内聚力本构关系,利用有限元方法研究厚度为2、4、8 mm的单向碳/环氧复合材料试样层间分层扩展行为.结果表明,层间的稳态断裂韧性
图像逆渲染(Image Inverse Rendering)一直是计算机视觉领域中的热点问题,利用图像逆渲染技术可以广泛地支撑材质替换、纹理编辑、光照增强、虚拟现实和增强现实等诸多实际应用。目前关于此类工作可分为基于先验信息进行优化的传统方法和基于深度学习的方法,大多传统方法所假设的先验信息难以覆盖现实中多样的真实场景,故其泛化性能较弱,而基于深度学习的方法对数据的质量标准要求较高,且图像反照率图