-
公开(公告)号：CN119524051A
公开(公告)日：2025-02-28
申请号：CN202411562137.6
申请日：2024-11-05
Applicant: 浙江大学医学院附属妇产科医院(浙江省妇女医院、浙江省妇女保健院)
IPC: A61K36/752 , A61K36/79 , A61K36/284 , A61K36/233 , A61K36/282 , A61P15/08 , A61P3/06
Abstract: 本发明提供一种用于多囊卵巢综合征脂质代谢障碍的中药组合物及应用，由以下重量配比的原料药组成：白术125‑500份，柴胡75‑300份，茵陈150‑600份，栀子75‑300份，佛手125‑500份，炒酸枣仁50‑200份，五味子50‑200份，垂盆草75‑300份，生甘草75‑300份。本发明中药组合物配比合理，能够改善多囊卵巢综合征小鼠模型的生殖功能和脂质代谢障碍，改善DHT诱导的HepG2细胞上清中甘油三脂，胆固醇，游离脂肪酸等的水平。本发明中药组合物有坚实的中医妇科经典理论及临床和实验室数据支持，临床疗效确切，无毒副作用，服用安全，可在制备治疗多囊卵巢综合征脂质代谢障碍药物中的应用。
-
公开(公告)号：CN111931763B
公开(公告)日：2024-03-12
申请号：CN202010518387.5
申请日：2020-06-09
Applicant: 浙江大学
IPC: G06V20/62 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种基于随机形态边缘几何建模的深度场景文本检测方法，其步骤为：S1、获取用于训练场景文本检测的图像数据集；S2、在极坐标系下对文本边缘进行采样和归一化，利用切比雪夫多项式拟合获得几何编码信息真值；S3、利用全卷积特征提取网络对图像进行特征学习与全局特征融合；S4、对候选文本的特征向量进行分类，预测实例级别的几何编码，在全监督下联合优化模型；S5、建立端到端联合学习框架预测几何编码信息，并利用预测出的编码信息解码出文本边缘的精确位置和形状；S6、对S5输出的多边形集合进行非极大值抑制得到最终文本检测结果。本发明能对场景文本进行实例级别的边缘参数化表达和有效的参数学习，从而使模型更具准确性和鲁棒性。
-
公开(公告)号：CN109674962A
公开(公告)日：2019-04-26
申请号：CN201910122550.3
申请日：2019-02-19
Applicant: 浙江大学
IPC: A61K36/8994 , A61P3/06 , A61P3/10
CPC classification number: A61K36/734 , A61K36/284 , A61K36/481 , A61K36/484 , A61K36/539 , A61K36/725 , A61K36/8994 , A61P3/06 , A61P3/10 , A61K2300/00
Abstract: 本发明提供一种控制妊娠期糖尿病患者血脂和血糖的中药组合物，由山楂、白术、黄芪、薏苡仁、黄芩、炒枣仁、甘草组成。上述配比的中药组合物，根据需要加入适宜的赋形剂制成适合药用的任何一种制剂形式，该制剂可以是胶囊剂、颗粒剂、片剂、散剂等多种合适的剂型。本发明药物组合物有坚实的中医妇科经典理论支持，组分配比合理；临床疗效确切，无毒副作用，服用安全，可在制备用于控制妊娠期糖尿病患者血脂和血糖水平的中药组合物中应用。本发明药物组合物药味少，易于质量控制，同时成本低廉。
-
公开(公告)号：CN104547786B
公开(公告)日：2017-10-31
申请号：CN201410824540.1
申请日：2014-12-26
Applicant: 浙江大学
IPC: A61K36/90 , A61K36/896 , A61P17/10 , A61K35/646
Abstract: 本发明提供一种用于治疗多囊卵巢综合征高雄激素性痤疮的外用中药组合物，由以下重量配比的原料药组成：蒲公英100‑300份，全蝎200‑500份，紫草150‑450份，土茯苓200‑500份，金银花150‑450份，蛇床子100‑300份，黄柏100‑300份。药物的制剂形式为洗剂。本发明药物组合物经临床研究验证了其治疗多囊卵巢综合征高雄激素性痤疮的安全性和有效性，组合物药味少，易于质量控制，同时成本低廉。可在制备用于治疗多囊卵巢综合征高雄激素性痤疮的外用药物中应用。
-
公开(公告)号：CN108288088B
公开(公告)日：2020-02-28
申请号：CN201810046076.6
申请日：2018-01-17
Applicant: 浙江大学
Abstract: 本发明公开了一种基于端到端全卷积神经网络的场景文本检测方法，用于在自然场景的图像中发现多方向文本位置的问题。具体包括如下步骤：获取用于训练场景文本检测的多个图像数据集，并定义算法目标；利用全卷积特征提取网络对图像进行特征学习；对特征图上的每个样本点预测实例级别的仿射变换矩阵，根据预测的仿射变换变形采样网格对文本进行特征表达；对候选文本的特征向量进行分类，同时进行坐标回归和仿射变换回归，联合优化模型；使用所述学习框架检测文本的精确位置；对网络输出的包围框集合进行非极大值抑制得到最终文本检测结果。本发明用于真实图像数据的场景文本检测，对多方向、多尺度、多语种、形状畸变等各类复杂情况具有较佳的效果和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN104547418B
公开(公告)日：2017-12-26
申请号：CN201410824513.4
申请日：2014-12-26
Applicant: 浙江大学
IPC: A61K36/8945 , A61P15/00
Abstract: 本发明提供一种用于治疗卵巢功能减退的中药组合物，由以下重量配比的原料药组成：覆盆子100‑300份，白术200‑500份，菟丝子150‑450份，女贞子200‑500份，补骨脂150‑450份，杜仲100‑300份，山药100‑300份。药物的制剂形式为胶囊剂、颗粒剂、片剂、散剂。本发明药物组合物经临床研究验证了其治疗治疗卵巢功能减退的安全性和有效性，组合物药味少，易于质量控制，同时成本低廉。可在制备用于治疗多次体外受精‑胚胎移植后卵巢功能减退的中药组合物中应用。
-
公开(公告)号：CN118033003A
公开(公告)日：2024-05-14
申请号：CN202410366618.3
申请日：2024-03-28
Applicant: 浙江大学医学院附属第一医院 , 浙江康恩贝制药股份有限公司
Abstract: 本发明涉及一种中药复方制剂的多成分定量检测方法，所述中药复方制剂含有10种化学成分，即绿原酸、隐绿原酸、异绿原酸A、异绿原酸B、异绿原酸C、柚皮苷、新橙皮苷、黄芩苷、汉黄芩苷和连翘苷；所述检测方法采用高效液相法；色谱柱以十八烷基硅烷键合硅胶为填充剂，流动相A为乙腈，流动相B为0.05％‑0.1％磷酸水溶液，洗脱梯度为：0分钟流动相A为10‑12％；5分钟流动相A为10‑12％；10分钟流动相A为18‑20％；20分钟流动相A为23‑24％；40分钟流动相A为30‑32％；50分钟流动相A为95％；通过梯度洗脱使中药复方制剂中的10种化学成分分离并满足色谱分析要求。本发明为肺感制剂产品质量的管控和评价提供可靠的分析方法和工具。
-
公开(公告)号：CN108288088A
公开(公告)日：2018-07-17
申请号：CN201810046076.6
申请日：2018-01-17
Applicant: 浙江大学
Abstract: 本发明公开了一种基于端到端全卷积神经网络的场景文本检测方法，用于在自然场景的图像中发现多方向文本位置的问题。具体包括如下步骤：获取用于训练场景文本检测的多个图像数据集，并定义算法目标；利用全卷积特征提取网络对图像进行特征学习；对特征图上的每个样本点预测实例级别的仿射变换矩阵，根据预测的仿射变换变形采样网格对文本进行特征表达；对候选文本的特征向量进行分类，同时进行坐标回归和仿射变换回归，联合优化模型；使用所述学习框架检测文本的精确位置；对网络输出的包围框集合进行非极大值抑制得到最终文本检测结果。本发明用于真实图像数据的场景文本检测，对多方向、多尺度、多语种、形状畸变等各类复杂情况具有较佳的效果和鲁棒性。
-
公开(公告)号：CN104547906B
公开(公告)日：2017-10-31
申请号：CN201410824545.4
申请日：2014-12-26
Applicant: 浙江大学
IPC: A61K36/9066 , A61P15/08 , A61P25/22
Abstract: 本发明提供一种用于缓解多囊卵巢综合征焦虑紧张情绪的中药组合物，由以下重量配比的原料药组成：五味子100‑300份，麦冬200‑500份，覆盆子150‑450份，白术200‑500份，竹茹150‑450份，炒枣仁100‑300份，郁金100‑300份。药物的制剂形式为胶囊剂、颗粒剂、片剂、散剂。本发明药物组合物经临床研究验证了其缓解多囊卵巢综合征焦虑紧张情绪的安全性和有效性，组合物药味少，易于质量控制，同时成本低廉。可在制备用于缓解多囊卵巢综合征焦虑紧张情绪的药物中应用。
-
公开(公告)号：CN111931763A
公开(公告)日：2020-11-13
申请号：CN202010518387.5
申请日：2020-06-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于随机形态边缘几何建模的深度场景文本检测方法，其步骤为：S1、获取用于训练场景文本检测的图像数据集；S2、在极坐标系下对文本边缘进行采样和归一化，利用切比雪夫多项式拟合获得几何编码信息真值；S3、利用全卷积特征提取网络对图像进行特征学习与全局特征融合；S4、对候选文本的特征向量进行分类，预测实例级别的几何编码，在全监督下联合优化模型；S5、建立端到端联合学习框架预测几何编码信息，并利用预测出的编码信息解码出文本边缘的精确位置和形状；S6、对S5输出的多边形集合进行非极大值抑制得到最终文本检测结果。本发明能对场景文本进行实例级别的边缘参数化表达和有效的参数学习，从而使模型更具准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
