囊泡在制备靶向肿瘤的药物载体中的应用

    公开(公告)号:CN117695402A

    公开(公告)日:2024-03-15

    申请号:CN202311763977.4

    申请日:2023-12-21

    Abstract: 本发明公开了囊泡在制备靶向肿瘤的药物载体中的应用,所述囊泡来源于M1型巨噬细胞。还公开了一种用于治疗肿瘤的药物,其特征在于包括来源于M1型巨噬细胞的囊泡,所述囊泡内含有巨噬细胞表达的治疗性药物和/或靶向肽类肿瘤组织靶向性成分。肿瘤治疗药物在巨噬细胞中表达,当囊泡释放时包裹到囊泡内。巨噬细胞表面表达肿瘤组织靶向分子,使其产生的囊泡带有肿瘤组织靶向性。囊泡来源于具有肿瘤治疗作用的M1型巨噬细胞,因此囊泡本身也具备一定的肿瘤治疗特性。经实验验证,该药物载体可用于治疗乳腺癌和结直肠癌在内的恶性肿瘤。

    一种血管封堵装置及栓塞胶体的制备方法

    公开(公告)号:CN101601595A

    公开(公告)日:2009-12-16

    申请号:CN200910032022.5

    申请日:2009-07-07

    Abstract: 本发明属于生物医药技术领域,具体涉及一种医用外科动脉穿刺点封堵装置及封堵材料的制备方法,所述装置由可控推送杆、输送鞘、定位螺母以及封堵血管穿刺点的钉形栓塞胶体组成。本发明所涉及的装置部分具有微调可控,方便手术实际操作,有效缩短术后穿刺点封堵止血的优点。本发明所涉及的钉形栓塞胶体具有安全无毒,生物相容性优越,可体内降解,且构造可有效提高封堵效果等特点。本发明在动物模型中显著提高了创口封堵、止血的速度,作为一种理想的动脉穿刺点封堵装置具有广阔的应用前景。

    颅内动脉瘤液体栓塞剂及其制备方法

    公开(公告)号:CN1299695C

    公开(公告)日:2007-02-14

    申请号:CN200410065732.5

    申请日:2004-11-16

    Abstract: 本发明属于生物制药技术领域,涉及一种颅内动脉瘤液体栓塞剂,其特征是由天然药物白芨的多糖提取物与二醋酸纤维素聚合物按一定比例混合而成,显影成分为碘海醇,溶剂成分为有机溶剂二甲亚砜。本发明还涉及该液体栓塞剂的制备方法,其特征是包含白芨多糖纯品制备,显影成分制备与液体栓塞剂配制三个步骤。该液体栓塞剂用于颅内动脉瘤的介入治疗,解决了在无需球囊、支架等辅助材料情况下阻止远端漂移的技术难题,同时具有优良的生物相容性和促血栓形成作用,达到了更好的栓塞效果和更高的安全性。

    一种血管封堵装置及栓塞胶体的制备方法

    公开(公告)号:CN101601595B

    公开(公告)日:2012-11-21

    申请号:CN200910032022.5

    申请日:2009-07-07

    Abstract: 本发明属于生物医药技术领域,具体涉及一种医用外科动脉穿刺点封堵装置及封堵材料的制备方法,所述装置由可控推送杆、输送鞘、定位螺母以及封堵血管穿刺点的钉形栓塞胶体组成。本发明所涉及的装置部分具有微调可控,方便手术实际操作,有效缩短术后穿刺点封堵止血的优点。本发明所涉及的钉形栓塞胶体具有安全无毒,生物相容性优越,可体内降解,且构造可有效提高封堵效果等特点。本发明在动物模型中显著提高了创口封堵、止血的速度,作为一种理想的动脉穿刺点封堵装置具有广阔的应用前景。

    颅内动脉瘤液体栓塞剂及其制备方法

    公开(公告)号:CN1634119A

    公开(公告)日:2005-07-06

    申请号:CN200410065732.5

    申请日:2004-11-16

    Abstract: 本发明属于生物制药技术领域,涉及一种颅内动脉瘤液体栓塞剂,其特征是由天然药物白芨的多糖提取物与二醋酸纤维素聚合物按一定比例混合而成,显影成分为碘海醇,溶剂成分为有机溶剂二甲亚砜。本发明还涉及该液体栓塞剂的制备方法,其特征是包含白芨多糖纯品制备,显影成分制备与液体栓塞剂配制三个步骤。该液体栓塞剂用于颅内动脉瘤的介入治疗,解决了在无需球囊、支架等辅助材料情况下阻止远端漂移的技术难题,同时具有优良的生物相容性和促血栓形成作用,达到了更好的栓塞效果和更高的安全性。

    多任务学习提升小样本医学图像分割方法

    公开(公告)号:CN118537553A

    公开(公告)日:2024-08-23

    申请号:CN202410625435.9

    申请日:2024-05-20

    Applicant: 南京大学

    Abstract: 本发明涉及多任务学习提升小样本医学图像分割方法,包括:获取待分割医学图像,将分割医学图像输入神经网络模型,获取分割后的医学图像;其中,神经网络模型利用训练集训练获得,训练集包括支持集和查询集;神经网络模型在训练过程中添加1类1样例策略作为额外的分类任务,神经网络模型基于FS‑C模块进行图像的目标分类,并引入分类损失,减少易分类样本的权重,神经网络模型通过遮蔽平均池化模块为图像中的像素分配分割标签,并获取分割损失。本发明高深度神经网络在稀缺训练数据情况下的性能。

Patent Agency Ranking