摘要：目的建立伊布利特在健康受试者中的群体药代动力学和药效学模型,研究伊布利特在人体的剂量-暴露量-药物效应关系及变异。方法按单中心、随机、剂量递增试验设计,共纳入40名健康受试者。研究分2个阶段,阶段1按公斤体重进行给药,将20名受试者随机分为3组:5μg·kg^(-1)组(n=4),10μg·kg^(-1)组(n=10)和20μg·kg^(-1)组(n=6);阶段2按固定剂量给药,将20名受试者随机分为3组:0.5 mg组(n=6),0.75 mg组(n=6)和1.0 mg组(n=8)。2个阶段的给药方式均为10 min内匀速静脉注射相应剂量的伊布利特。每名受试者采集13个伊布利特血药浓度数据和29个QT间期数据,用NONMEM 7.2建立和评价群体药代动力学和药效学模型。结果伊布利特药代动力学模型符合线性消除的三室模型,药效学模型符合Sigmoid E_(max)模型,群体药效学参数Sigmoid方程指数(γ)和QT间期最大效应(E_(max))的个体间变异为133.50%和64.10%。结论伊布利特在健康受试中的群体药代动力学和药效学模型稳定、可靠。伊布利特的药效在人群中存在明显的个体间差异,对伊布利特使敏感的患者在使用伊布利特是应及时地进行剂量的调整,以在转复的同时尽量避免药物不良反应的发生。

摘要：图像采集是实现红枣品质分级和检测的关键前提。针对基于静态图像的采集方式不能全面反映外观品质、实时性差和基于传输式图像采集方式的机械、电路设计复杂且适用性不足的缺点,提出一种基于历史帧最小路径搜索,实现对视频中红枣目标进行跟踪、标定,建立红枣动态样本集的方法。首先利用RGB(red,green,blue)颜色空间转换HSV(hue saturation value)空间图像的明度(V)分量,基于V分量建立掩膜对RGB图像执行掩膜去背景。同时,针对视频图像中获得的二值图像,建立坐标系,获得每帧图像基于轮廓外接最小正矩形的特征向量,将当前帧和前一帧中的特征向量基于最小路径搜索的方法,加入约束条件,实现对视频中每个红枣目标的跟踪和标定,最后基于正矩形参数的感兴趣区域(region of interest,简称ROI),实现动态样本建立。利用此算法,对拍摄的视频图像的检测表明建立的动态样本集能更全面地反映红枣外观品质。该算法简单、有效,特别在实现基于深度神经网络的红枣在线检测中具有较大的应用潜力。