专利标题 公开号/公告号 公开日期 摘要 专利状态
一种从杜仲果中制备桃叶珊瑚苷单体的工艺方法 CN201410376884.0 - 本发明涉及医药技术领域，具体提供了一种从杜仲果中制备桃叶珊瑚苷单体的工艺方法，本发明以杜仲果为原料，经脱壳，果仁粉碎，石油醚脱脂，乙醇提取，加丙酮冷却结晶，再经硅胶柱纯化，浓缩即得高纯度桃叶珊瑚苷单体。本发明所采用的生产工艺安全、低毒，能耗低，易于工业化生产，纯度高，收率高，质量稳定，可满足以杜仲果为主要原料的药物开发需要，提高了杜仲资源的综合利用，增强了杜仲在医疗和保健领域的开发利用价值。 专利权的变更
桃叶珊瑚苷在制备治疗特发性肺纤维化药物中的应用 CN201410377002.2 2015-09-09 本发明涉及中药提取物用途领域，具体提供了桃叶珊瑚苷在制备治疗特发性肺纤维化药物中的应用。所述桃叶珊瑚苷优选为杜仲翅果提取物，其中桃叶珊瑚苷纯度为98%以上。 专利（申请）权的质押、保全及解除
桃叶珊瑚苷在制备治疗肾间质纤维化药物中的应用 CN201410376559.4 2015-11-18 本发明涉及中药提取物用途领域，具体提供了桃叶珊瑚苷在制备治疗肾间质纤维化药物中的应用。所述桃叶珊瑚苷优选为杜仲翅果提取物，其中桃叶珊瑚苷纯度为98%以上。 专利权的变更
桃叶珊瑚苷在制备治疗肝纤维化药物中的应用 CN201410376463.8 2015-11-18 本发明涉及中药提取物用途领域，具体提供了桃叶珊瑚苷在制备治疗肝纤维化药物中的应用。所述桃叶珊瑚苷优选为杜仲翅果提取物，其中桃叶珊瑚苷纯度为98%以上。 专利（申请）权的质押、保全及解除
杜仲木脂素提取物在制备治疗肾间质纤维化药物中的应用 CN201310423484.6 2015-05-13 本发明涉及中药提取物用途领域，具体提供了杜仲木脂素提取物在制备治疗肾间质纤维化药物中的应用。所述杜仲木脂素提取物中木脂素占杜仲木脂素提取物总重量的30%-90%，且木脂素中有效成分松脂醇二葡萄糖苷的含量占杜仲木脂素提取物总重量的1%-15%。 专利权的变更
杜仲木脂素提取物在制备用于防治高甘油三脂血症的药物中的应用 CN201310271248.7 2015-04-15 本发明涉及医药技术领域，具体提供了杜仲木脂素提取物在制备PPARα激动剂方面的应用，特别是杜仲木脂素提取物在制备用于防治高脂血症的药物中的应用。所述杜仲木脂素提取物中木脂素占杜仲木脂素提取物总重量的30%-90%，且木脂素中有效成分松脂醇二葡萄糖苷的含量占杜仲木脂素提取物总重量的1%-15%。 专利（申请）权的质押、保全及解除
杜仲木脂素在制备防治高血压肾损害药物上的应用 CN201110169896.2 2012-09-12 杜仲木脂素在制备防治高血压肾损害药物上的应用，杜仲木脂素是以杜仲为原料提取制备而成，用于制备防治高血压肾损害的药物。能较好地改善自发性高血压对肾小球、肾小管的损害，具有抑制III型胶原表达和系膜细胞增殖的药理作用，有效地防治高血压肾损害。 专利（申请）权的质押、保全及解除
神经网络处理单元的接口调用装置、方法、设备和介质 CN202411422690.X - 本发明涉及神经网络处理单元的接口调用装置、方法、设备和介质，通过标准化函数调用接口和封装驱动细节，用户只需使用简单的API即可操作NPU，无需了解其底层复杂的驱动和硬件细节，大大降低了开发难度。封装后的API使用标准编程语言，使得用户无需理解自定义结构体和数据类型，接口设计直观，易于使用，方便用户快速部署和评估性能。提供了从设备初始化、网络加载、前处理数据、推理执行到资源释放的完整应用处理流程，确保了系统在各个阶段都能高效和有序地运行。封装的API包括初始化和销毁网络上下文的功能，确保资源在分配和释放时得到有效管理，避免资源泄漏和内存不足的问题，高效调用NPU并提高了系统的可靠性。 公开
一种嵌入式DSP程序的增量升级方法 CN202411354473.1 - 一种嵌入式DSP程序的增量升级方法，包括：S1、用户程序接收到升级信号，进入升级流程；S2、对用户Image升级包进行划分；S3、比较历史版本的用户Image升级包和新得到的用户Image升级包之间的差异，构建增量升级包；如果上位机没有收到对应升级包的版本号或需要进行完整升级，则进入S4；其它则进入S5；S4、用整个升级包对用户程序升级，之后进入S6；S5、用增量升级包对用户程序进行增量升级，之后进入S6；S6、重启后由SBL引导用户程序启动，并进入用户程序。本发明在SBL的基础上实现了增量更新功能的，还具备用户程序备份功能，防止在程序升级失败时导致无法再次成功运行用户程序，可靠性高。 公开
一种量化神经网络推理的后处理加速方法、装置及设备 CN202411255126.3 2024-11-26 本发明涉及一种量化神经网络推理的后处理加速方法、装置及设备。所述方法包括：通过数字信号处理单元DSP获取神经网络并行加速单元的数据推理结果，过滤数据推理结果，以获取目标数据集。对目标数据集中每一个数据进行反量化，得到量化目标数据集。采用sigmoid函数对量化目标数据集进行概率转换，得到目标数据概率矩阵。采用非极大抑制计算目标数据概率矩阵的目标候选框区域，输出目标推理数据。采用本方法能够提升神经网络推理结果的后处理计算效率，缩短了计算时间也降低了功耗。 授权