高光谱遥感技术在药用植物研究中的应用现状分析

中药材是中医药发展的物质基础，但中药资源需求的快速增长及环境恶化使得大量野生药材资源濒危。人工种植中药材是目前缓解市场供需矛盾的主要方式，但药用植物栽培因缺少过程管控和专业化、精细化管理而严重影响了药材产量和质量。对药用植物长势、产量、病虫害等进行早期预判和评估是保障中药材产量和品质的重要技术手段，有效、无损的过程监测技术是实现中药农业现代化的先决条件。高光谱遥感技术具有快速、无损、准确的检测优势，近年来已被广泛应用于植物生长信息提取和产量评估，以及监测作物长势与逆境胁迫响应，成为品质监测、病虫害预防等精准农业生产的重要技术手段。因此，笔者结合高光谱数据处理和分析方法，系统综述了高光谱遥感技术在监测植物生理特征、环境胁迫、资源调查、药材质量检测等方面的应用，并结合药用植物特性，探讨了该技术在提高中药材生产过程监测能力、实现药材栽培实时动态监测、开发无损检测的病虫害早期诊断技术、建立优质中药材质量可追溯体系等方面的应用前景，为高光谱遥感技术在解决中药农业精细栽培中的相关难题提供参考，并为中药资源可持续利用和智能中药农业发展提供新思路和解决方案。     

新技术再造学科链 新时代诠释新骨科

近代历史上发生过3次重大的科技革命。18世纪末,蒸汽机的发明和使用引起了第一次科技革命;19世纪末,电力的发现和使用引起了第二次科技革命;第二次世界大战后,特别是近30年来先后出现了电脑、能源、新材料、空间、生物等新兴技术,引起了第三次科技革命。第三次科技革命无论在规模、深度与影响上都远远超过前2次。当前,新科技革命与产业变革正蓄势待发。历史已多次证明,每一次科技革命与产业变革都将对世界发展格局产生重大影响。新科技革命正以人工智能、物联网、能源互联网、生命创制等为核心快速孕育发展,对人类社会很可能带来前所未有的影响和变革。     

人工智能在分级诊疗中的作用探讨

介绍我国分级诊疗发展情况及存在问题,阐述分级诊疗“西湖模式”构建、应用效果及作用,指出人工智能技术应用有助于分级诊疗卫生服务体系建设,分析人工智能应用于分级诊疗需要注意的问题。     

基于置信规则库的慢性萎缩性胃炎陈永灿辨证经验挖掘

[目的] 根据名老中医陈永灿(下称陈氏)诊治慢性萎缩性胃炎(chronic atrophic gastritis，CAG)的临床资料和诊疗方案，挖掘基于置信规则库(belief rule base，BRB)的CAG辨证经验。[方法] 对症候信息进行编码，将症候“有、无”分别赋值为“1、0”，以此建立CAG中医症候信息数据库。将编码后的信息作为CAG辅助诊断模型的输入特征，通过BRB挖掘症候信息与证素之间的关系，利用证据推理(evidence reasoning，ER)融合算法对输入特征进行激活处理并输出结果，最后根据输出的证素结果结合临床实际得到证型。[结果] 在收集到的572例CAG病例数据集上对CAG辅助诊断模型进行训练及测试，证实该模型准确率达到79.07%，优于传统的支持向量机(support vector machine，SVM)算法；由预测结果得到的证型主要为脾虚气滞型、寒热错杂型、肝胃郁热型。[结论] CAG辅助诊断模型在实际临床运用中具有可行性，表明人工智能技术有助于名老中医经验的传承和传播。     

人工智能图像优化技术在低剂量胸部CT检查中的初步应用研究

目的 探讨人工智能（AI）图像优化技术对低剂量胸部CT平扫图像质量及辐射剂量的影响。方法 前瞻性连续纳入2019年7月至8月于吉林大学第一医院采用NeuViz Prime CT行胸部CT平扫的80例患者,按随机数表法分为A、B两组,每组40例。A组为低剂量组,B组为常规剂量组,分别采用100及120 kV管电压;两组均采用自动管电流技术,参考毫安秒分别为70及140 mAs。根据重建方法的不同,将低剂量组分为A1、A2两个亚组,A1组为低剂量迭代组,采用迭代算法（ClearView 50%）重建图像;A2组为低剂量AI组,采用AI图像优化算法进一步优化A1组图像;B组采用迭代算法（ClearView 50%）重建图像。通过容积CT剂量指数（CTDI_vol）、剂量长度乘积（DLP）和有效辐射剂量（E）的值,比较A、B两组辐射剂量的差异。比较A1、A2及B组感兴趣区的噪声值（SD）、信噪比（SNR）及对比噪声比（CNR）。由两名高年资放射科医生以Likert 5级评分法对3组图像质量进行主观评价。结果 A、B两组患者临床资料的比较差异均无统计学意义。A组与B组相比[（1.48±0.49）mSv vs.（5.30±1.40）mSv],有效辐射剂量降低约72.1%。在图像质量方面,与B组相比,A1组SD较高且SNR及CNR较低（Z_SD=-4.24,Z_SNR=-2.54,t_CNR=-2.27,P<0.05）。经AI优化后,A2组的SD显著低于B组（Z_SD=-28.24,P<0.001）,且SNR及CNR显著高于B组（t_SNR=-26.04,t_CNR=-36.88,P<0.001）;两组图像噪声的主观评分差异无统计学意义,但B组在肺内组织结构显示方面优于A2组（χ²=4.96、7.04,P<0.05）。结论 在辐射剂量降低约72.1%的情况下,经AI优化的低剂量胸部CT图像可达到常规剂量图像质量水平。     

中药作用分子机制研究新策略

药物靶标是药物治疗疾病的桥梁,是创新药物发现的源头。中药成分复杂,单味药或中药复方均是多成分共同作用于多靶点、多途径产生药效,其作用机制难以精确阐述。现代药学的药物作用机制研究是基于对靶点和受体的作用,不适合中药的复杂体系。近年来,多成分多靶点、组合靶点、组分中药等思想和研究方法的提出,从不同侧面描述了中药作用的特点,但仍不能反映中药的整体作用。由此,我们首次提出"药靶组学(Targetomics)"这一概念,即通过多组学融合等各种手段鉴定人体可用于药物作用并改善健康的所有效应分子的集合。以"明星"中药为主要研究对象,在"药靶组学"策略的指导下产出多药物作用于多模型动物不同时间点的多组织多组学数据,构建考虑结构和功能的药物作用动态分子网络,应用深度学习、人工智能、多组学数据融合等生物信息学技术识别中药作用的功能分子群及其相关通路和网络的变化规律,并对潜在"药物靶标"进行验证。从而形成一个具有靶标多样性并经过验证的药物"药靶组",为中药作用分子机制研究提供新途径。同时将这些药物多组学数据与疾病组学数据相融合并进行有效对接,也能够为疾病治疗提供重要靶点、用药指导等信息,为药物的快速研发提供方向。     

人工智能及影像组学在腹部肿瘤中的应用进展

人工智能(AI)是影像学的发展方向之一,尤其是深度学习等AI在图像识别上取得了不俗的成果。其中,影像组学是AI在肿瘤影像领域的研究热点。AI技术及影像组学在结直肠肿瘤、肝脏肿瘤、肾脏肿瘤中均取得了进展。与此同时,AI与影像的融合仍处于起步阶段,还面临诸多挑战。     

基于深度学习的人工智能在肿瘤诊断中的应用进展

随着大数据时代的到来,人工智能得以在医疗领域崭露头角并实现了飞速发展,尤其在肿瘤诊断方面存在巨大潜能。人工智能利用自动化图像分割及提取等关键技术,在实现短时间内对大量肿瘤信息汇总分析的同时,还可以反映现实环境中成像数据的分布,使肿瘤诊断从主观感知转向客观科学,从而高效精确地协助医师的诊断,为诊疗计划的制订和预后的判断提供坚实的基础。笔者拟对人工智能在肿瘤诊断中的关键技术及当前的应用进行综述。