葡京娱乐场-富盈娱乐场开户

中藥成分復雜且很多貴重的有效成分含量極低，只有微量甚至痕量。因此，有效成分的 提取分離是中藥開發的關鍵工序。發展中藥提取技術有助于提高中藥的提取效率，降低能源消 耗，縮短生產周期，穩定產品質量。微波提取又叫微波輔助提取，是一種具有發展潛力的新型 提取技術，即用微波能加熱溶劑，從藥材中分離出所需化合物，是在傳統提取工藝的基礎上強 化傳熱、傳質的一個過程。微波提取技術與傳統提取技術相比，具有許多獨特的優點，被譽為 “綠色提取技術”，并已成為實現中藥現代化的主要關鍵技術之一。 本課題組研究了微波輔助提取黃花蒿中的青蒿素、闊葉十大功效中的小檗堿、黃芩中的黃 芩苷、金銀花中的綠原酸、積雪草中的積雪草苷、墨旱蓮中黃酮類化合物的小試工藝過程，并 對青蒿素、黃芩苷、綠原酸、黃酮的微波提取過程進行了中試放大研究。 本項目采用先進的微波提取技術，不僅提取效率高、產品純度高、能耗低、操作費用少， 而且符合環境保護要求，廣泛應用于中草藥、香料、食品、化妝品和環境等領域。

中藥成分復雜且很多貴重的有效成分含量極低，只有微量甚至痕量。因此，有效成分的提取分離是中藥開發的關鍵工序。發展中藥提取技術有助于提高中藥的提取效率，降低能源消耗，縮短生產周期，穩定產品質量。微波提取又叫微波輔助提取，是一種具有發展潛力的新型提取技術，即用微波能加熱溶劑，從藥材中分離出所需化合物，是在傳統提取工藝的基礎上強化傳熱、傳質的一個過程。微波提取技術與傳統提取技術相比，具有許多獨特的優點，被譽為“綠色提取技術”，并已成為實現中藥現代化的主要關鍵技術之一。本課題組研究了微波輔助提取黃花蒿中的青蒿素、闊葉十大功勞中的小檗堿、黃芩中的黃芩苷、金銀花中的綠原酸、積雪草中的積雪草苷、墨旱蓮中黃酮類化合物的小試工藝過程，并對青蒿素、黃芩苷、綠原酸、黃酮的微波提取過程進行了中試放大研究。

主要功能和應用領域： 本技術可實現人糞便樣本顯微鏡檢有型成分圖像的自動識別與分類，利用計算機圖像處理、模式識別及人工智能的理論與技術，對顯微鏡下拍攝到的糞便樣本圖像進行研究，通過對各種有型成分形態和顏色信息等進行特征匹配與分類計數，分別標示出紅細胞、白細胞、蟲卵和真菌孢子等不同種類的有型成分，從而達到在線自動識別有型成分的目的，作為醫院臨床診斷的依據。該技術可擴展應用于醫院尿液、白帶、腦脊液、胸腹水、胃液、精液等常規檢查，并可用于脫落細胞學的癌及癌前病變檢測及分析。 特色及先進性： 1）復雜背景環境下的自動識別。采用自適應雙閉值分割算法進行粗分割，提取出ROI區域中的單個細胞或細胞群作為分析目標，細胞圖像的精細分割將在每個ROI區域里完成，極大地減少了數據運算量。 2）針對形態各異和邊緣模糊圖像的精準分割。針對有型成分的顯微生物圖像特點，去除邊界拓撲結構復雜、細胞各組成區域內灰度不均勻以及成像易受噪聲干擾等因素的影響，基于Chan一Vese模型，提出幾何活動輪廓模型方法，使用幾個獨立的水平集進行有型成分圖像的分割，與傳統分割方法對比準確率提升30%。 3）針對種類繁多的神經網絡集成識別。基于普通神經網絡泛化能力不高的問題，提出利用有限個神經網絡進行集成并將其結果進行合成，顯著的提高整個分類學習器的泛化能力，提高了整個系統的識別能力。 4）采用重疊分離算法精準分類。有型成分分離、細胞個數的準確讀取決定了整個系統的精準程度。通過尋找到合適的分離點并構建分離線，實現重疊區域的快速合理分離，從而將粘連、重疊的細胞分離開來，并進行準確計數。 技術指標： 有型成分 漏檢率 誤檢率 白細胞 5% 15% 膿球 20% 30% 吞噬細胞 20% 30% 紅細胞 5% 15% 孢子 15% 25% 夏科雷登結晶 10% 10% 寄生蟲 5% 15% 脂肪球 10% 15% 單張圖片檢測時間：＜0.5 s 關鍵問題和實施效果 現今國內大多數醫院和研究單位對生物細胞或微生物病菌等檢測還是采用人工處理的方式，即將樣品制成涂片，在顯微鏡下觀察并根據大小、形狀等特征進行分類計數以得到數據結果，醫務人員再通過這些數據結果憑借自身的知識和經驗診斷病癥或得出研究數據。該技術能夠實現樣本顯微鏡檢有型成分的自動識別，滿足了臨床開展常規及特殊檢測需要，使得生物檢測在自動化、無異味、無危險性的情況下進行，提高了檢測效率，改善工作環境，保護工作人員，降低檢測成本和檢測時間，提高在國際市場的競爭力，有利于醫療檢測行業的智能化發展。該技術可識別的部分生物細胞圖像如下圖所示。 紅細胞 白細胞 霉菌 蟲卵

本技術可實現人糞便樣本顯微鏡檢有型成分圖像的自動識別與分類，利用計算機圖像處理、模式識別及人工智能的理論與技術，對顯微鏡下拍攝到的糞便樣本圖像進行研究，通過對各種有型成分形態和顏色信息等進行特征匹配與分類計數，分別標示出紅細胞、白細胞、蟲卵和真菌孢子等不同種類的有型成分，從而達到在線自動識別有型成分的目的，作為醫院臨床診斷的依據。該技術可擴展應用于醫院尿液、白帶、腦脊液、胸腹水、胃液、精液等常規檢查，并可用于脫落細胞學的癌及癌前病變檢測及分析。

南開大學科研人員在“氫鍵吸附劑的合成、結構和吸附性能研究”中，合成出了3類氫鍵吸附樹脂，包括ADS-15,ADS-17,ADS-F8等高分子吸附劑。這些吸附劑在結構和性能上突破了以二乙烯苯為主要原料的普通吸附樹脂的框框，對中藥主要成分黃酮類、生物堿類、酯類、皂甙類等以氫鍵吸附機理進行提取分離，具有較高的吸附量和選擇性，可得到中藥有效成分含量較高的提取物，并且提取工藝簡單、生產成本較低，能夠適應許多中藥成分提取的要求。如人參、絞股藍、三七、銀杏葉、山楂、葛根、苦蕎、沙棘、芍藥、穿心蓮、喜樹果、梔子、黃連、三棵針、黃芩等有效成分的提取都已形成較成熟的工藝，部分已用于實際生產，取得了很好的經濟效益和社會效益。

本項目提供一種治療失眠癥、抑郁癥的生物堿有效成分及其 2 種新型制劑及其制備方法，分別可以用作口服給藥及鼻腔給藥，方便臨床應用，減少給藥頻率、提高病人順應性；增強治療效果。

成果簡介： 主要功能和應用領域： 本技術可實現人糞便樣本顯微鏡檢有型成分圖像的自動識別與分類，利用計算機圖像處理、模式識別及人工智能的理論與技術，對顯微鏡下拍攝到的糞便樣本圖像進行研究，通過對各種有型成分形態和顏色信息等進行特征匹配與分類計數，分別標示出紅細胞、白細胞、蟲卵和真菌孢子等不同種類的有型成分，從而達到在線自動識別有型成分的目的，作為醫院臨床診斷的依據。該技術可擴展應用于醫院尿液、白帶、腦脊液、胸腹水、胃液、精液等常規檢查，并可用于脫落細胞學的癌及癌前病變檢測及分析。 特色及先進性： 1）復雜背景環境下的自動識別。采用自適應雙閉值分割算法進行粗分割，提取出ROI區域中的單個細胞或細胞群作為分析目標，細胞圖像的精細分割將在每個ROI區域里完成，極大地減少了數據運算量。 2）針對形態各異和邊緣模糊圖像的精準分割。針對有型成分的顯微生物圖像特點，去除邊界拓撲結構復雜、細胞各組成區域內灰度不均勻以及成像易受噪聲干擾等因素的影響，基于Chan一Vese模型，提出幾何活動輪廓模型方法，使用幾個獨立的水平集進行有型成分圖像的分割，與傳統分割方法對比準確率提升30%。 3）針對種類繁多的神經網絡集成識別。基于普通神經網絡泛化能力不高的問題，提出利用有限個神經網絡進行集成并將其結果進行合成，顯著的提高整個分類學習器的泛化能力，提高了整個系統的識別能力。 4）采用重疊分離算法精準分類。有型成分分離、細胞個數的準確讀取決定了整個系統的精準程度。通過尋找到合適的分離點并構建分離線，實現重疊區域的快速合理分離，從而將粘連、重疊的細胞分離開來，并進行準確計數。 技術指標： 有型成分 漏檢率 誤檢率 白細胞 5% 15% 膿球 20% 30% 吞噬細胞 20% 30% 紅細胞 5% 15% 孢子 15% 25% 夏科雷登結晶 10% 10% 寄生蟲 5% 15% 脂肪球 10% 15% 單張圖片檢測時間：＜0.5 s 關鍵問題和實施效果 現今國內大多數醫院和研究單位對生物細胞或微生物病菌等檢測還是采用人工處理的方式，即將樣品制成涂片，在顯微鏡下觀察并根據大小、形狀等特征進行分類計數以得到數據結果，醫務人員再通過這些數據結果憑借自身的知識和經驗診斷病癥或得出研究數據。該技術能夠實現樣本顯微鏡檢有型成分的自動識別，滿足了臨床開展常規及特殊檢測需要，使得生物檢測在自動化、無異味、無危險性的情況下進行，提高了檢測效率，改善工作環境，保護工作人員，降低檢測成本和檢測時間，提高在國際市場的競爭力，有利于醫療檢測行業的智能化發展。該技術可識別的部分生物細胞圖像如下圖所示。

一、成果簡介 運用“葛根有效成分提取的產業化關鍵技術”，同步提取葛粉、葛根黃酮、多糖等產品提取技術已中試生產成功。形成原料日處理量 20 噸，日產葛粉 3.5 噸、可溶性葛根多糖2.5噸、葛根黃酮 0.6 噸的生產能力。二、技術特點

創建了固定化酶膜偶聯系統和酶冷棒耦合系統，從燕麥和畜禽加工廢棄物中制備出具有 ACE 抑制活性、抗凍活性和免疫活性的系列多肽產品；采用復合多糖酶法預處理結合微波輔助熱弱堿液萃取法開發出燕麥β-葡聚糖與燕麥蛋白高效聯產制備技術；利用自制的活性肽、多糖及蛋白開發出具有降壓、腸道益生作用的系列保健食品。

項目簡介 本成果基于生命科學、信息科學和工程科學的多學科交叉的研究，采用近紅外光譜 分析技術，具有不需要對分析樣品進行前處理；分析過程中不消耗其它材料或破壞樣品， 分析重現性好、成本低等特點，可應用食品、農產品流通和生產過程中品質分析和質量 的現場和在線檢測。該成果處于中試研究階段。 性能指標 （1）儀器小巧緊湊,攜帶方便；通過 USB 線與電腦連接即可進行檢測。 （2）采用不同的檢測模型和不同材質和規模的流通池、光纖探頭、及專用漫反射附 件等，可實現