人工神经网络在药学研究中的应用进展

目的 介绍人工神经网络(ANN)在药学研究中的应用进展。方法 以国内外大量代表性论为依据，进行归纳、分析和评价。结果 介绍人工神经网络(ANN)的概念、反向传播神经网络(BP)的原理和特点，详细阐述人工神经网络在药学研究中的应用进展。结论 人工神经网络在药学研究中具有广阔的应用前景。     

计算机在药物合成研究中的应用

本文综述了作者及其合作者应用计算机在药物合成、构效关系分析、新药物设计、光谱解析、立体化学、有机反应机理的探讨及优化反应条件等方面的研究工作。     

SPSS软件在药学研究领域中的应用

目的：为药学研究中的数据处理，介绍一个实用软件工具。方法：举例论述SPSS软件包在药学研究中的实际应用。结果：药学研究领域中，应用SPSS软件，使数据处理更加快速、准确。结论：在药学研究领域中，使用SPSS处理相关数据，能得到快速、准确的结果。     

医院制剂及其开发是临床药学研究方向之一

医院制剂及其开发工作是把医院药剂科科技生产力转化为直接生产力的过程.也是结合临床进行有关药物的性质、剂型、药检、药理、药品质量、配伍禁忌等研究和开展临床药学研究,提高医院药学整体水平的途径之一.因此,发挥好医院制剂灵活多变的生产模式和自身优势,提高在为病人服务的医疗工作中的技术性服务含量,必将促进药剂科由传统的保障供应型逐步实现向技术服务型的转变.     

基因工程技术在药学领域中的应用

生物新技术的飞速发展给医药科学研究带来了革命性的变化，基因工程技术是生物新技术的重要组成部分，已渗透到药学研究的各领域中。本综述基因工程技术在药学领域的应用。涉及转基因药用植物、动物的应用，基因克隆技术与药物筛选，基因芯片技术在药学领域中的应用，以及药物基因组学与合理用药等。随着这项新技术向药学研究领域的不渗断透，势必使药学研究和新药开发的技术手段得到改善和更新，对药学事业的发展产生重要影响。     

药学信息技术在新的药学服务模式中的拓展应用

20世纪90年代由Hepler等提出的药学服务（Pharmaceutical care）已成为医院药学的又一崭新工作模式,目前在我国正处于初步建设和普及推广阶段。该模式中强调的“向包括医生、护士、患者以及普通民众的广大人群提供及时、准确、全面的药物相关信息,即实行药学信息服务（Pharmceutical information service）”是该药学服务模式所有工作的中心和基础,这一切又都离不开以计算机网络为标志的现代药学信息技术的拓展和完善。本文拟对药学信息技术在新的药学服务模式中的拓展应用作些初步探讨。     

天然药物在军事药学中的应用与展望

目的：综述天然药物在军事药学领域中的成果、应用及展望,为军事学研究提供参考。方法：依据军事药学及未来反侵略战争对天然药物的特殊需要,对直接或间接服务于国防卫生事业的天然药物研究成果进行概述和评价。结果：总结了经验,提出了军事精神疲劳、精神损害、航空医学、航海医学及航天医学等方面天然药物研究的重要性,并对２１世纪军事天然药物研究的主要方向和优先课题进行了剖析与展望。结论：２０世纪军事天然药物研究成就     

布洛芬控速－缓释制剂在肝功损害患者体内药动学研究

本文报告用改进的高效液相色谱法测定７名肝功损害患者自身交叉口服布洛芬混悬液及布洛芬控速──缓释制剂后的血药浓度，并计算药动学参数和相对生物利用度。布洛芬控速──缓释制剂体内表现为一级吸收的二室开放模型，其主要药动学参数为：ａ＝０．６７±０．１１ｈｒ－１，β＝０．０９１±０．０１ｈｒ－１，ｋ２１＝０．３４±０．０９ｈｒ－１，Ｋ１０＝０．１８±０．０３ｈｒ－１，Ｋ１２＝０．２３±０．０５ｈｒ－１，ｔ１／２（α）＝１．０６±０．１７ｈｒ，ｔ１／２（β）＝７．７４±０．７ｈｒ，Ｖβ＝２３．８±４．０Ｌ，ＡＵＣ＝１９０．６±２４．９ｕｇ·ｈｉｍｌ－１相对生物利用度Ｆ＝０．９７。     

代谢组学及其在口腔研究中的应用

代谢组学主要研究参与生物体新陈代谢,维持生物体正常机能及生长发育的一系列代谢产物,是继蛋白质组学和基因组学之后兴起的一种新技术。随着代谢组学研究的深入,目前广泛应用于疾病的诊断与治疗,微生物的鉴定,药物的开发及应用等。在口腔医学的研究中,代谢组学也起着重要的作用。     

动态增强MR成像在前列腺癌中的应用进展

新生血管生成是前列腺癌发生、发展及转移的重要因素之一,动态增强MRI(DCE-MRI)通过采集对比剂注入前、中、后的组织影像信息,可获得时间-信号强度曲线、半定量及定量灌注参数,反映肿瘤组织的微循环及血流灌注变化,以实现对前列腺癌的定量分析。就DCE-MRI在前列腺癌定性诊断、半定量及定量分析、分期诊断及疗效评估方面的价值及研究进展予以综述。     

用于室颤节律辨识的多参数融合BP神经网络设计

目的：构建一个用于区分室颤节律和非室颤节律的多参数融合BP神经网络。方法从心电信号中提取出18个特征值,分别标记心电信号的形态分布、高斯性、幅度谱、变异性、复杂度等各方面特征;以这些特征值作为输入向量,构建一个多参数融合BP神经网络进行训练,得到一个用于区分室颤节律与非室颤节律的分类器。结果与结论将构建的BP神经网络分别基于VFDB数据库和CUDB数据库进行实验,辨识准确率分别高达98．61％和95．37％;相较于现有方法,辨识性能显著提高。     

Classification and identification of soot source with principal component analysis and back-propagation neural network

Identification of soot sources is significant in fire investigation and forensic science. In this paper, principal component analysis (PCA) and a back-propagation (BP) neural network model have been used to classify and identify the soot samples from three different kinds of combustible material. Diesel, polystyrene and acrylonitrile butadiene styrene were burnt under the controlled combustion conditions in small-scale burn tests. Based on the matrix data from the GC-MS analysis data, two principal components have been obtained from PCA analysis with the cumulative energy content of 90.21%. Three different kinds of soot sample can be classified with 100% accuracy. A BP neural network model for predicting and identifying the soot source has been further developed. Accurate identification of the unknown samples has been achieved with this trained BP model. This pilot study indicates that PCA and BP neural network methods have potential in the analysis of soot to identify its principle pre-combustion source material.     

Application of three-dimensional orthogonal neural network to craniomaxillary reconstruction

The purpose of this investigation is to establish a practical method to predict and create surface a profile of bone defects by a well-trained 3-D orthogonal neural network. First, the coordinates of the skeletal positions around the boundary of bone defects are input into the 3-D orthogonal neural network to train it to learn the scattering characteristic. The 3-D orthogonal neural network avoids local minima and converges rapidly. After the neural network has been well trained, the mathematic model of the bone defect surface is generated, and the pixel positions are derived. Herein, to verify its performance the proposed method is applied on a patient with a craniofacial defect.     

Prediction of volume fractions in three-phase flows using nuclear technique and artificial neural network

This work presents methodology based on nuclear technique and artificial neural network for volume fraction predictions in annular, stratified and homogeneous oil–water–gas regimes. Using principles of gamma-ray absorption and scattering together with an appropriate geometry, comprised of three detectors and a dual-energy gamma-ray source, it was possible to obtain data, which could be adequately correlated to the volume fractions of each phase by means of neural network. The MCNP-X code was used in order to provide the training data for the network.     

An artificial neural network system to identify alleles in reference electropherograms

Electropherograms are produced in great numbers in forensic DNA laboratories as part of everyday criminal casework. Before the results of these electropherograms can be used they must be scrutinised by analysts to determine what the identified data tells them about the underlying DNA sequences and what is purely an artefact of the DNA profiling process. This process of interpreting the electropherograms can be time consuming and is prone to subjective differences between analysts. Recently it was demonstrated that artificial neural networks could be used to classify information within an electropherogram as allelic (i.e. representative of a DNA fragment present in the DNA extract) or as one of several different categories of artefactual fluorescence that arise as a result of generating an electropherogram. We extend that work here to demonstrate a series of algorithms and artificial neural networks that can be used to identify peaks on an electropherogram and classify them. We demonstrate the functioning of the system on several profiles and compare the results to a leading commercial DNA profile reading system.     

超声结合人工神经网络技术预测血清促黄体激素基础值

目的:利用超声结合人工神经网络技术预测血清促黄体激素(luteinizing hormone,LH)基础值。方法:选用71例性早熟女童进行常规超声检查子宫、卵巢,以其中61个病例的子宫体积、卵巢体积以及双侧卵巢最大卵泡内径为输入变量,以LH基础值为输出变量,建立BP神经网络,并用另10个病例作为测试检验,将预测结果与实际值作统计分析。结果:BP网络预测的结果与实际值作线性回归,得到回归直线的斜率为1.0088,回归直线的相关系数为0.977。结论:性早熟女童超声检查结合BP神经网络技术可以预测LH基础值。