首页期刊导航|高原科学研究
期刊信息/Journal information
高原科学研究
高原科学研究

季刊

高原科学研究/Journal Plateau Science ResearchCSCD北大核心
正式出版
收录年代

    藏药日官孜玛通过NF-κB信号通路对小鼠乙醇性胃溃疡的胃保护作用

    完地高安拉太黄先菊郭肖...
    92-101页
    查看更多>>摘要:目的:通过灌胃无水乙醇建立小鼠乙醇性胃溃疡模型,研究日官孜玛总提物对小鼠乙醇性胃溃疡的保护作用.方法:随机将60只KM系小鼠分为空白对照组、模型组、奥美拉唑阳性组、日官孜玛总提物低、中、高剂量组,共6组每组10只.灌胃给药一周后,禁食不禁水24 h,末次给药1.5 h后,除空白对照组给同等体积的生理盐水外,其余五组按照体重灌胃0.1 mL/10g的无水乙醇造模1h,建立小鼠乙醇性胃溃疡模型.造模1h后,取血取胃,计算乙醇性胃溃疡的损伤发生率及损伤抑制率,制备血清上层液和胃组织匀浆液,苏木精-伊红(HE)染色观察胃组织病理学变化;试剂盒检测血清中一氧化氮(NO)、超氧化物歧化酶(SOD)和胃组织中丙二醛(MDA)、髓过氧化物酶(MPO)的水平;实时荧光定量PCR(qRT-PCR)检测胃组织中p65、IKK-β、TNF-α和IL-1β的mRNA表达情况.结果:正常对照组小鼠胃黏膜光滑完整,无出血现象,其余各组小鼠均出现了黏膜出血、组织不同程度坏死.模型组小鼠胃损伤最为严重,表现为大块的出血面积,呈鲜红色.与正常组相比,模型对照组HE染色图表现为组织整体结构异常,黏膜层小面积坏死,黏膜下层结缔组织排列疏松,少见淋巴细胞浸润,血清中NO、胃组织中MDA、MPO及胃组织中p65、IKK-β、TNF-α和IL-1β的mRNA表达水平显著升高(P<0.05),血清中SOD水平降低(P<0.05);与模型组相比,阳性组和高、中、低剂量日官孜玛总提物给药组则表现为点状或条状出血,出血面积明显缩小、损伤发生率明显下降(P<0.05)、小鼠胃组织病理损伤有明显改善,血清、组织相关指标均出现不同程度的改善.结论:日官孜玛总提物能通过抑制NF-κB信号通路中关键基因p65、IKK-β、TNF-α和IL-1β的mRNA表达,抑制氧化应激和炎症反应,对小鼠乙醇性胃溃疡产生保护性作用.

    日官孜玛乙醇性胃溃疡NF-κB信号通路氧化应激

    基于组块的藏文依存句法分析及自动标注方法

    达瓦追玛曹玺尼玛扎西群诺...
    102-111页
    查看更多>>摘要:依存句法分析是自然语言处理领域核心技术之一,旨在通过分析句子中词语之间的依存关系来确定句法结构.目前,藏文依存句法分析研究面临着长句解析困难和粗粒度依存转化映射不全面等问题.为此,文章提出一种基于组块和细粒度词性匹配规则的藏文依存句法分析及自动标注方法.该方法首先完善了藏文依存句法标注体系,并基于该标注体系人工标注数据集,提取词性匹配规则,进而通过藏文句子组块识别,提高了长句解析的准确性,最后实现了一个藏文依存句法自动标注原型系统TDParser,并构建了含7335条依存句法的藏文依存句法树库.通过实验证明了TDParser的性能及自动标注数据的有效性.

    藏文依存句法分析组块自动标注

    低质古籍文献图像预处理方法研究

    高定国李婧怡索朗曲珍
    112-120页
    查看更多>>摘要:敦煌藏文文献是研究唐代吐蕃社会历史的珍贵文献.目前在敦煌藏文文献数字化研究方面,由于文献年代久远、书写载体低劣、保存条件差等各方面的原因使得文档图像背景杂乱、文字模糊并残缺不全,严重影响了文本识别系统的准确性和鲁棒性.为了研究低质古籍文献图像的预处理对文字识别的影响,文章以古籍文献图像质量极差的敦煌藏文文献作为研究对象,分别采用对数变换、伽马变换、中值滤波变换、高斯滤波处理和PS人工批处理等传统方法,及全局阈值、自适应阈值和自定义阈值的二值化、基于神经网络ViT的图像增强方法对图像进行增强.对比实验表明,低质古籍图像预处理对文字识别率提升影响不大,但高斯滤波处理、自定义阈值的图像二值化和基于神经网络的图像数据增强对识别率提升有一定的促进作用.

    古籍敦煌文献低质文档预处理

    CINO-TextGCN:融合CINO与TextGCN的藏文文本分类模型研究

    李果杨进陈晨
    121-129页
    查看更多>>摘要:为提高藏文新闻文本分类准确性,文章提出一种融合少数民族语言预训练模型(Chinese Minority Pr-etrained Language Model,CINO)和图卷积神经网络模型(Text Graph Convolutional Networks,TextGCN)的方法,即CINO-TextGCN模型.为有效评测该模型对藏文文本的分类性能,自建了较大规模和较高质量的藏文新闻文本公开数据集TNEWS(https://github.com/LG2016/CINO-TextGCN),通过实验发现,CINO-Text-GCN在公开数据集TNCC上的准确率为74.20%,在TNEWS上为83.96%.因此,该融合模型能够较好地捕捉到藏文文本语义,提升藏文文本分类性能.

    藏文图卷积神经网络融合模型新闻文本文本分类

    《高原科学研究》2023年总目录

    130-132页

    《高原科学研究》投稿须知

    《高原科学研究》编辑部
    封3页