Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "peripheral blood" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    SILDENAFIL UPREGULATES TUMOR NECROSIS FACTOR α PRODUCTION IN PERIPHERAL BLOOD MONONUCLEAR CELLS OF HEALTHY MEN - PRELIMINARY REPORT
    Autorzy:
    Kaleta, Beata
    Boguska, Agnieszka
    Borysowski, Jan
    Górski, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/895585.pdf
    Data publikacji:
    2019-02-28
    Wydawca:
    Polskie Towarzystwo Farmaceutyczne
    Tematy:
    cytokines
    tumor necrosis factor alpha
    Sildenafil
    peripheral blood mononuclear cells
    Opis:
    Sildenafil is a selective type 5 phosphodiesterase (PDE5) inhibitor, commonly used in the treatment of erectile dysfunction (ED) and pulmonary arterial hypertension (PAH). The results of recent studies suggest that this drug modulates function of the immune system. However, only few studies were performed in humans. Therefore, the aim of this study was to investigate the ability of sildenafil to regulate the production of pro-inflammatory cytokines including tumor necrosis factor alpha (TNF-α), interleukin (IL)-1β and IL-6 in peripheral blood mononuclear cells (PBMCs) from healthy men. Phorbol myristate acetate (PMA) - stimulated and unstimulated PBMCs from 16 participants were cultured in the absence or presence of sildenafil (400 ng/ml and 4 µg/ml). TNF-α, IL-1β and IL-6 concentrations in culture supernatants were measured by enzyme-linked immunosorbent assay (ELISA). Cell viability was assessed by trypan blue staining. Sildenafil at a concentration of 400 ng/ml significantly increased TNF-α production in stimulated PBMCs (p<0.05) but had no effects on IL-1β and IL-6. The drug did not affect PBMCs viability. This is the first report describing such effects of sildenafil in humans.
    Źródło:
    Acta Poloniae Pharmaceutica - Drug Research; 2019, 76, 1; 123-128
    0001-6837
    2353-5288
    Pojawia się w:
    Acta Poloniae Pharmaceutica - Drug Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatyczna klasyfikacja komórek rozmazu krwi obwodowej na przykładzie zatrucia ołowiem
    Automatic classification of peripheral blood smear cells by the example of lead poisoning
    Autorzy:
    Michalski, Adrian
    Kupcewicz, Bogumiła
    Powiązania:
    https://bibliotekanauki.pl/articles/762603.pdf
    Data publikacji:
    2020-07-28
    Wydawca:
    Polskie Towarzystwo Farmaceutyczne
    Tematy:
    uczenie maszynowe
    analiza rozmazu krwi obwodowej
    klasyfikacja białych krwinek
    przetwarzanie obrazu
    Image Processing
    machine learning
    peripheral blood smear analysis
    leukocyte classification
    Opis:
    The first symptoms caused by heavy metals poisoning are usually non-specific, therefore their diagnosis requires specialized knowledge and experience. Incorrect diagnosis can lead to various disorders and irreversible changes in patient’s health. Lead poisoning is one of the heavy metals poisoning which is associated with non-specific symptoms and may cause a broad range of biochemical, physiological and behavioral disfunctions. Lead is commonly found in industry and manufacturing and in 2017, lead poisoning caused over a million deaths worldwide. Due to non-specific symptoms, lead poisoning is often diagnosed too late or incorrectly. Early symptoms are headache and stomachache, which potentiate with metal concentration. Lead poisoning increasing risk of anemia due to inhibition the ability to produce hemoglobin by interfering the heme biosynthesis pathway and decreasing red blood cell survival. Because of regularly occurred disorders of hematopoiesis and the presence of atypical cell in smears, diagnosis of lead poisoning that gives relevant information is bone marrow and peripheral blood smear study. The manual smear test made by qualified technician involves the evaluation of the preparation by using an optical microscope. Manual microscopic examination of blood cells is time-consuming and subjective. Automation of this process would enable to reduce the risk of human failure and solve the problem with lack of professional staff. Traditional machine learning is the most popular approach to automating microscopic smear testing. This method consists of the following stages: microscopic image acquisition, preprocessing, cell segmentation, feature extraction, followed by classification into types, artifacts and atypical cells. This work presents the recent methods proposed to automate the analysis of peripheral blood and bone marrow smears using traditional machine learning methods. A review of different machine learning methods was carried out, focusing on the presentation of an algorithm for the construction of automatic blood cell classifiers.
    Pierwsze objawy pacjenta po zatruciu metalami ciężkimi są najczęściej nieswoiste, dlatego ich diagnostyka jest zadaniem wymagającym specjalistycznej wiedzy i doświadczenia. Nieprawidłowa diagnoza może prowadzić do nieodwracalnych zmian w stanie zdrowia pacjenta. Jednym z metali ciężkich, którym zatrucie wiąże się z nieswoistymi objawami, a może prowadzić do poważnych zaburzeń neurologicznych i hematologicznych jest ołów. Ołów jest metalem ciężkim powszechnie występującym w przemyśle i produkcji. W 2017 roku zatrucie tym metalem było przyczyną ponad miliona zgonów na świecie. Z powodu nieswoistych objawów zatrucie ołowiem często jest diagnozowane nieprawidłowo i zbyt późno. Zatrucie metalami ciężkimi może prowadzić do zaburzeń hematopoezy i pojawienia się w rozmazach krwi i szpiku kostnego komórek atypowych, w związku z czym badaniem niosącym istotną informację w diagnostyce zatrucia jest ocena komórek w rozmazach. Analiza rozmazu manualnego polega na ocenie preparatu przy użyciu mikroskopu optycznego oraz szczegółowej interpretacji obrazu mikroskopowego wykonywanej przez wykwalifikowany personel. Automatyzacja tego procesu pozwoliłaby na ograniczenie ryzyka pomyłki spowodowanej błędem ludzkim oraz rozwiązanie problemu braku doświadczonego personelu. Najpopularniejszym podejściem wykorzystywanym w automatyzacji mikroskopowego badania rozmazu jest tradycyjne uczenie maszynowe. Metoda ta, składa się z kilku etapów: zbieranie obrazów mikroskopowych i ich wstępna obróbka, wyodrębnienie komórek oraz ich charakterystycznych cech, a następnie klasyfikacja na rodzaje, artefakty i komórki atypowe. W pracy opisano aktualnie proponowane sposoby automatyzacji badania rozmazu krwi obwodowej i szpiku kostnego, wykorzystujące tradycyjne metody uczenia maszynowego. Przeprowadzono przegląd metod uczenia maszynowego, skupiając się na przedstawieniu algorytmu postępowania w konstrukcji automatycznych klasyfikatorów komórek krwi.
    Źródło:
    Farmacja Polska; 2020, 76, 6; 318-323
    0014-8261
    2544-8552
    Pojawia się w:
    Farmacja Polska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies