期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
KATP通道对缺血性心肌电平衡的维护作用及机制
1
作者 熊伟 张丽 +6 位作者 朱迎迎 袁振波 郑桐 祝凯鸽 高菲菲 伊迪热斯江.艾力 汤依群 《药学进展》 CAS 2015年第3期204-210,共7页
目的：利用异丙肾上腺素（ISO）诱导大鼠心肌缺血性损伤模型和心肌细胞损伤模型,并对其进行药物干预,探讨心肌ATP敏感性钾通道（KATP通道）维持缺血性心肌电平衡的作用与机制。方法：在动物实验中,将雄性SD大鼠,随机分为5组,正常对照组... 目的：利用异丙肾上腺素（ISO）诱导大鼠心肌缺血性损伤模型和心肌细胞损伤模型,并对其进行药物干预,探讨心肌ATP敏感性钾通道（KATP通道）维持缺血性心肌电平衡的作用与机制。方法：在动物实验中,将雄性SD大鼠,随机分为5组,正常对照组大鼠皮下注射0.9%氯化钠溶液,其余各组大鼠均皮下注射等量1g·L^-1ISO（qd）,连续9d,其间,在第7-9d,除了正常对照组和模型组外,其他3组大鼠还分别灌胃给予1.75g·L^-1普萘洛尔（PRO）2mL·kg^-1·d^-1、5g·L^-1曲美他嗪（VAS）2mL·kg^-1·d^-1或腹腔注射给予5g·L^-1二苯基碘（DPI）1mL·kg^-1·d^-1。在造模期间不同时间点,对各组大鼠进行心电图检查,并制备心肌标本,检测其中KATP通道亚基KIR6.2蛋白表达水平。在细胞实验中,将H9C2心肌细胞分成对照组（不给药）、ISO组、ISO＋PRO组、ISO＋DPI组和ISO＋VAS组,后3组细胞均在1μmol·L^-1ISO加入前30min,分别给予2μmol·L^-1PRO、10μmol·L^-1DPI和10μmol·L^-1VAS,且在加入ISO后,与ISO组细胞一样,再孵育1和24h,采用实时荧光定量PCR法测定各组细胞中KATP通道亚基KIR6.2和SUR2A基因表达水平。结果：大鼠实验显示,与正常对照组相比,模型组大鼠在造模的第3、7d,心电图参数QTc明显缩短,心率加快（P〈0.05）,且心肌中KIR6.2蛋白表达明显增多（P〈0.01）,而造模9d后,其QTc明显延长（P〈0.01）,心率减慢（P〈0.05）,心肌中KIR6.2蛋白表达显著降低（P〈0.01）;ISO＋PRO、ISO＋DPI和ISO＋VAS各组大鼠在持续3d分别接受3种药物治疗后,其QTc较模型组明显缩短,心率升高,均趋于恢复正常水平。细胞实验显示,与对照组相比,ISO组H9C2细胞经ISO孵育1h后,KIR6.2和SUR2A的mRNA表达显著上调（P〈0.05）,而在ISO孵育24h后,KIR6.2和SUR2A的mRNA表达显著下调（P〈0.01）;与ISO组相比,各给药组细胞经ISO孵育1h后,KIR6.2和SUR2A的mRNA表达均有不同程度下调,而在ISO孵育24h后,KIR 展开更多
关键词 ATP敏感性钾通道 异丙肾上腺素 缺血性心肌损伤 大鼠模型 细胞模型 心电平衡
原文传递
基于GAN-CNN的心律失常识别 被引量：5
2
作者 陈鹏 刘子龙 《电子科技》 2022年第3期45-50,共6页
心电图分析是医生诊断心律失常的重要依据。对心律失常的准确判断有助于患者及时了解身体状况并发现潜在疾病。然而,心电图分析不仅费时费力,而且还依赖于临床经验,因此心电图分析的效率一直受到医生数量和工作效率的限制。深度学习技... 心电图分析是医生诊断心律失常的重要依据。对心律失常的准确判断有助于患者及时了解身体状况并发现潜在疾病。然而,心电图分析不仅费时费力,而且还依赖于临床经验,因此心电图分析的效率一直受到医生数量和工作效率的限制。深度学习技术的发展为计算机辅助诊断系统的开发提供了基础。文中将一维心电信号转换为二维灰度图像,并采用一种GAN-CNN网络解决心电数据不平衡的问题,可同时实现7类心律失常类型和正常心搏的识别。实验使用MIT-BIH心律失常数据库进行验证,平均准确率达到了99.32%,敏感性和特异性分别为99.69%和98.91%。 展开更多
关键词 心电图 心律失常 深度学习 辅助诊断 心电信号 GAN-CNN 二维图像 心电数据不平衡
下载PDF
基于变尺度融合网络模型的心电数据识别算法 被引量：1
3
作者 刘子龙 陈鹏 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2022年第3期570-578,共9页
心律失常类型的判断是早期心血管疾病预防和诊断的关键,因此心电图(ECG)分析作为医生诊断的重要依据得到了广泛应用。由于受到不同患者间ECG信号形态差异大、类别分布不平衡等因素影响,现有的心律失常自动检测算法在识别过程中存在一定... 心律失常类型的判断是早期心血管疾病预防和诊断的关键,因此心电图(ECG)分析作为医生诊断的重要依据得到了广泛应用。由于受到不同患者间ECG信号形态差异大、类别分布不平衡等因素影响,现有的心律失常自动检测算法在识别过程中存在一定的困难。本文提出了一种变尺度融合网络模型用于心律类型的自动识别,利用改进后的ECG生成网络(EGAN)模块解决了ECG数据不平衡问题,并以灰度递归图(GRP)和频谱图形式对ECG信号进行二维重现,结合模型的分支结构,实现了变长心拍的自动分类。研究结果采用麻省理工学院与贝斯以色列医院(MIT-BIH)心律失常数据库进行验证,对其中八种心律类型进行区分,平均准确率达到了99.36%,敏感性和特异性分别为96.11%、99.84%,未来期望本方法可用于临床辅助诊断以及智能穿戴设备等。 展开更多
关键词 心律失常 变尺度融合网络 心电生成网络 心电数据不平衡
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部