-
公开(公告)号：CN104758294A
公开(公告)日：2015-07-08
申请号：CN201410790703.9
申请日：2014-12-17
申请人： 广州呼吸疾病研究所 , 中山大学 , 广州医科大学附属第一医院
IPC分类号： A61K31/58 , A61P11/06 , A61P11/00 , A61K31/46 , A61K31/167
摘要： 本发明提供一种用于治疗慢性阻塞性肺病(COPD)、支气管哮喘的药物组合物及其制备方法，该药物组合物含有活性成分和药学上可接受的载体，其中所述活性成分包括富马酸福莫特罗二水合物、布地奈德、和噻托溴铵一水合物，三者在药物组合物中的重量百分比依次分别为0.001％-0.4％、0.02％-4％、0.005％-0.8％。本发明提供药物组合物的干粉形式，供患者吸入治疗，干粉吸入剂的特点明显优于喷雾剂和气雾剂，其携带方便，易于操作。干粉形式的药物在室温下具有更好的稳定性，不易受微生物的污染，而且其最显著的进步是靠患者的自主呼吸使药物粉末同步进入呼吸道，可达到肺部定位给药的目的，不存在给药协同配合困难。
-
公开(公告)号：CN111343721B
公开(公告)日：2023-01-20
申请号：CN202010106081.9
申请日：2020-02-20
申请人： 中山大学
摘要： 一种最大化系统广义能效的D2D分布式资源分配方法，包括以下步骤：构建通信系统模型，定义系统广义能效；优化通信系统模型，构建最大化系统广义能效的优化问题；采用分步处理的方法求解最大化系统广义能效的优化问题，包括用户匹配求解阶段和功率分配求解阶段，完成D2D资源的分布式分配。本发明提供的一种最大化系统广义能效的D2D分布式资源分配方法，提出了用来刻画整个系统中所有D2D用户对的收益和付出比的系统广义能效度量，并基于此分别解决了用户配对和功率分配的问题，有效获得系统性能的提升，克服了现有方案存在的无法同时满足用户配对和功率分配的技术缺陷。
-
公开(公告)号：CN111866952B
公开(公告)日：2021-10-01
申请号：CN202010661259.6
申请日：2020-07-10
申请人： 中山大学
摘要： 本发明提供的一种基于用户组偏好集中度差异的D2D概率式缓存放置方法，包括：构建场景模型及数据包流行度模型，计算每个数据包的分享概率；根据每个数据包的分享概率计算缓存并乐意分享该数据包的HUE密度，构建传输模型；在兼顾数据包的请求概率以及传输模型的传输成功概率的基础上，构建概率式缓存放置优化问题；通过迭代分组优化算法求解概率式缓存放置优化问题，得到优化缓存放置概率；通过概率式随机划线法将优化缓存放置概率转成对数据包具体的缓存放置方法。本发明方法完善了用户数据包的多流行度模型，且针对用户的分享偏好提出一种基于话题集中度以及用户比例各异的缓存用户分享模型，综合考虑了用户的缓存容量存在限制的客观问题。
-
公开(公告)号：CN109922461B
公开(公告)日：2021-07-09
申请号：CN201910190129.6
申请日：2019-03-13
申请人： 中山大学
摘要： 本发明提供一种基于双边契约激励的D2D缓存内容共享方法，包括：BUE向eNB请求数据包；eNB获取BUE和SUE的地理位置信息，以及SUE请求包的历史记录；eNB筛选出可为BUE服务的SUE集合；eNB拟定合同，并将合同集合广播给BUE和SUE；每个BUE和SUE选取合同，并反馈给eNB；eNB收到反馈信息后进行匹配，将匹配结果进行广播；若匹配失败，则结束；SUE按照合同共享数据包给BUE；eNB分别对BUE和SUE执行扣费和奖励，完成缓存内容的共享。本发明提供了一种基于双边契约激励的D2D缓存内容共享方法，充分考虑了BUE所需的数据包在传输速率上的差异性，以及数据包在多个BUE处时需要进行匹配的问题，可有效地激励SUE参与传输服务过程，使得BUE能够从SUE中获取所需数据。
-
公开(公告)号：CN111212405A
公开(公告)日：2020-05-29
申请号：CN202010031246.0
申请日：2020-01-13
申请人： 中山大学
摘要： 本发明提供的基于多流行度的分组D2D多阈值缓存放置方法，包括：基站收集HUE信息；HUE依据区域用户的服务公平性划分为L组，设定L值并初始化HUE分组矩阵等量划分HUE；构建HUE分组的优化模型目标函数，求解得到最优HUE分组结果；构建缓存放置优化模型；判断每个HUE用于缓存最流行包MPP的容量K是否为定值，求解第s类包中MPP的数量和第s类包中次流行包SPP的数量，对MPP全部缓存，对SPP分组缓存，完成缓存放置。本发明针对不同流行度的偏好分类设计，考虑了各分类的流行集中度不同会导致类内MPC与LCDG的缓存包数量的最优阈值划分不同、且各类被缓存包的总数量阈值也不同问题，对不同偏好类之间的缓存数量差异所形成的缓存差异分集增益，有效地提高系统的总体性能。
-
公开(公告)号：CN107778282A
公开(公告)日：2018-03-09
申请号：CN201711071039.2
申请日：2017-11-03
申请人： 中山大学
IPC分类号： C07D401/04 , A61K31/4709 , A61P25/28
摘要： 本发明公开了一种喹啉-吲哚衍生物及其在制备治疗、改善和/或预防阿尔茨海默病的药品中的应用。本发明的喹啉-吲哚衍生物是多靶点抗阿尔茨海默病活性分子，具有诱导神经细胞PC12神经元数目增加、神经元分化、抗氧化、抑制Aβ聚集和解聚作用，可以促成年小鼠大脑海马区神经元形成、长期性口服具有改善阿尔兹海默病小鼠APP/PS1认知能力及空间记忆。
-
公开(公告)号：CN106279145A
公开(公告)日：2017-01-04
申请号：CN201510388403.2
申请日：2015-06-25
申请人： 中山大学
IPC分类号： C07D421/04 , A61K31/4709 , A61P25/28
CPC分类号： C07D421/04
摘要： 本发明提供如下式I的苯并异硒唑酮喹啉衍生物及或其药学上可接受的盐、水合物、溶剂合物、晶型形式或非对映异构体，以及上述化合物或组合物在治疗、改善和/或预防阿尔茨海默病药物中的应用。实验表明，本发明中的苯并异硒唑酮喹啉衍生物具有优异的模拟谷胱甘肽过氧化物酶活性、抑制Aβ聚集作用和金属离子螯合能力，为多靶点抗阿尔茨海默病活性分子。上述苯并异硒唑酮喹啉衍生物如式I所示，其中式I中的R1、R2、R3、R4、X如说明书所定义。
-
公开(公告)号：CN101468954A
公开(公告)日：2009-07-01
申请号：CN200710032795.4
申请日：2007-12-26
申请人： 中山大学
IPC分类号： C07C233/43 , C07C231/14 , C07C231/02 , C07B53/00
CPC分类号： Y02P20/55
摘要： (R，R)－福莫特罗的不对称氢转移合成方法，涉及合成光学纯β2－肾上腺受体激动剂福莫特罗的新方法。本发明以4－羟基－3硝基苯乙酮为原料，用苄基保护酚羟基后溴化得到α－溴代酮。接着，以(S，S)－Rh－PEG－BsDPEN为催化剂，甲酸及衍生物为氢源，通过不对称氢转移的方法合成手性醇中间体。(R)－α－甲基苯乙胺与对甲氧基苯基丙酮生成亚胺化合物，在Pt/C催化下氢化还原得到手性胺中间体。手性醇中间体和手性胺中间体反应偶联后，去除保护基得到(R，R)－福莫特罗。本发明用不对称氢转移和手性助剂的方法合成(R，R)－福莫特罗，取得了较高的产率和很好的ee值，与化学拆分方法合成手性福莫特罗相比，有总产率较高，反应条件温和，成本低廉等优点，有利于工业生产。
-
公开(公告)号：CN111212405B
公开(公告)日：2021-07-09
申请号：CN202010031246.0
申请日：2020-01-13
申请人： 中山大学
摘要： 本发明提供的基于多流行度的分组D2D多阈值缓存放置方法，包括：基站收集HUE信息；HUE依据区域用户的服务公平性划分为L组，设定L值并初始化HUE分组矩阵等量划分HUE；构建HUE分组的优化模型目标函数，求解得到最优HUE分组结果；构建缓存放置优化模型；判断每个HUE用于缓存最流行包MPP的容量K是否为定值，求解第s类包中MPP的数量和第s类包中次流行包SPP的数量，对MPP全部缓存，对SPP分组缓存，完成缓存放置。本发明针对不同流行度的偏好分类设计，考虑了各分类的流行集中度不同会导致类内MPC与LCDG的缓存包数量的最优阈值划分不同、且各类被缓存包的总数量阈值也不同问题，对不同偏好类之间的缓存数量差异所形成的缓存差异分集增益，有效地提高系统的总体性能。
-
公开(公告)号：CN111689944A
公开(公告)日：2020-09-22
申请号：CN202010522268.7
申请日：2020-06-10
申请人： 中山大学
IPC分类号： C07D401/12 , A61K31/4709 , A61P25/28 , A61P39/06 , A61P39/04 , A61P43/00
摘要： 本发明属于医药技术领域，特别涉及喹啉色胺杂联体，及其在制备治疗和/或预防阿尔茨海默病的药物中的应用。具体公开了式(I)所示的化合物及其药学上可接受的盐。本发明的喹啉色胺杂联体化合物具有优异的清除氧自由基能力、对过氧化氢诱导的SH-SY5Y细胞氧化损伤的保护作用、良好的血脑屏障被动透析能力、抑制Aβ自身聚集作用和金属离子螯合能力，为多靶点抗阿尔茨海默病活性分子；有望作为治疗和/或预防阿尔茨海默病的临床药物。
-
-
-
-
-
-
-
-
-
搜索结果
36 条记录 (耗时 0.084 秒)
