排序方式: 共有51条查询结果,搜索用时 15 毫秒
11.
叶酸受体靶向的聚乳酸共聚物胶束的制备及性质研究 总被引:1,自引:0,他引:1
叶酸偶联的羟脯氨酸-乳酸共聚物(PLLA-PHpr-FA)是一种新型的叶酸受体靶向生物降解聚合物,研究PLLA-PHpr-FA自组装形成胶束的能力及胶束的性质。临界胶束浓度(CMC)用芘荧光探针测定,结果表明,CMC很低并依赖于乳酸/羟脯氨酸的比例。透射电子显微镜(TEM)显示共聚物胶束呈现典型的核/壳结构。动态激光光散射(DLS)测定粒径及粒径分布结果显示,粒径受乳酸/羟脯氨酸比例和丙酮量调控,但粒子几乎不受稀释的影响。用紫外分光光度法测定胶束的载药量和包封率表明,共聚物胶束对疏水性药物的包载较好。因此,PLLA-PHpr-FA胶束可以作为肿瘤靶向的药物载体。 相似文献
12.
文章根据电梯装配应用要求,以端硅烷基聚醚为基础聚合物,制备了单组分湿固化端硅烷基聚醚密封胶(下文简称MS密封胶),对其挤出性、固化速度、粘接强度进行了试验研究,结果表明:电梯加强筋的装配中,MS密封胶的挤出性为40~50(s/20g)较为适宜,气温高低将影响MS密封胶的挤出性;作为增塑剂,由于聚醚多元醇具有一定吸湿性,较邻苯二甲酸酯类制备得到的MS密封胶固化速度快,但耐湿热老化性较差;炭黑M880对MS密封胶起到良好的补强效果,用量在40份时拉伸剪切强度达到3.5MPa;KH-792与ALink 597作为偶联剂搭配使用时,MS密封胶对电梯金属板材的粘接效果较好。 相似文献
13.
14.
针对3维信源定位中阵列结构过于复杂、算法复杂度过高、谱峰搜索范围过大的问题,该文提出一种基于互素线阵互素平移的稀疏面阵(CLACS-SPA)的3维降秩MUSIC算法(RARE-MUSIC).所提CLACS-SPA拥有中心对称的互素稀疏面阵结构,相较于同口径均匀面阵结构减少了大量的阵元,降低了阵列的结构复杂度;以CLACS-SPA为基础的3维RARE-MUSIC算法利用泰勒公式将接收信号中的方向信息与距离信息进行分离估计,从而将3维谱峰搜索转化为方位角俯仰角的2维搜索和距离项的1维搜索,降低了定位算法的计算复杂度.仿真分析表明:在口径与定位算法相同条件下,与均匀面阵结构相比,所提结构的计算复杂度降低了1~2个数量级;在相同口径与CLACS-SPA结构下,与经典3维MUSIC算法相比,所提算法的复杂度降低了2~3个数量级;在相同口径和阵元数量条件下,与经典3维MUSIC算法相比,所提算法不仅降低了计算复杂度,而且提升了方位角与俯仰角的测量精度. 相似文献
15.
FPGA在现代电子系统设计中,由于其卓越性能、灵活方便而被广泛使用,但基于SRAM的FPGA需要从外部进行配置,配置数据很容易被截获,故存遮安全隐患.总结了当前FTGA的加密方法;提出了一种基于外部单片机的FPGA加密方法,该方法中使用外部单片机配合FPGA产生了真随机数,并利用随机数进行加密,保护FPGA内部设计的知识产权;最后给出了该加密方法的一个实例.实验结果表明,该方法实现简单、使用灵活,适用于成本敏感场合. 相似文献
16.
17.
在车牌自动识别(LPR)系统中,从车牌图像中正确获得各字符有效信息的图像尤为关键。传统的车牌字符提取方法适应性不强,当不能拍摄车牌正面时获取的车牌图像存在着变形的问题,从而无法从中正确提取出字符。针对此问题,设计了一种基于Radon变换与最大全零列判决法相结合的车牌图像矫正算法来矫正车牌图像,再根据车牌字符分布特点使用了边界投影确定各个字符的边界,对车牌字符进行分割提取。实验证明,此方法能从各种情况下拍摄的车牌中准确分割出单个字符图像,并且计算量较小。 相似文献
18.
目的 研究听觉、触觉与视觉多感官刺激因素介入阿尔茨海默病老人护理的反馈效果,借助智能软硬件技术增强其对音乐的感知,设计多感官交互的老人智能穿戴产品。方法 根据感知替换及通感原理,创建能够将音乐转化为振动及视觉信息的感官替代方法,并通过实验测试分别验证听–触觉和听–触–视觉两类多感官交互原型的可行性。结果 在融合听–触觉的基础上加入视觉设计,可以更好地激发老人的言语行为能力。在收集被试者使用反馈分析结论的基础上设计了一款指尖振动音乐可穿戴设备——指尖钢琴,通过提供以触觉、听觉、视觉融合的多感官体验来促进患者的主动行为。结论 多感官交互产品的设计对改善阿尔茨海默病患者的情绪和主动行为具有一定的效果,对老年患者身体健康和生活质量的提高具有积极意义。 相似文献
19.
为适应化探样品中微量金的分析,在参照前人工作的基础上,我们试验了泡沫塑料吸附,石墨炉原子吸收测定金的方法。方法操作简单,劳动强度小,重现性和准确度均较好,灵敏度高,可测定0.00x—x.0克/吨金。 相似文献
20.
为降低应用程序执行的时延和能耗,针对移动边缘计算环境,提出一种边云协同场景下基于深度强化学习的任务卸载策略。通过建立边云协同架构下的网络模型、通信模型及计算模型,以最小化时延和能耗为系统目标,设计基于深度强化学习的DQN卸载策略,将每个用户产生的任务独立高效地放置在本地、服务器或者云端进行计算,并将计算结果与其它方法进行比较。实验结果表明,相较其它基线算法,该方法能更有效减少任务执行的开销,得到更优的卸载策略。 相似文献