基于CBCT的可视化口腔虚拟种植系统设计

目的:设计并实现一种基于CBCT数据的可视化口腔虚拟种植系统,以辅助医护人员进行口腔种植手术。方法:借助VTK工具包中的可视化算法在VS平台上编译系统,读取CBCT数据并在系统界面内显示图像的横断面、冠状面与矢状面,通过MC算法重建颌骨的面模型,从种植体库中选择种植体并确定其在颌骨模型上合理的种植位置与角度。结果:系统实现了种植体的虚拟种植。结论:可视化的口腔虚拟种植能够帮助医护人员进行术前规划与医患沟通。     

一种适用于手势动作sEMG信号识别的改进型模糊推理分类器

提出了一种基于自适应提取模糊规则的改进型模糊推理分类器,其中,模糊规则的提取采用由势函数法初始化聚类中心的K-means聚类算法,分类器的训练采用基于梯度下降算法的最小均方误差准则来实现.此改进型模糊分类器克服了基于K-means聚类算法提取模糊规则的模糊推理分类器需要手工设定模糊规则数目和对初始化参数非常敏感的两大缺点.对10位受试者的6类手势动作sEMG信号的分类研究结果表明,此改进型模糊推理分类器的分类能力优于未改进的模糊推理分类器,且具有效果稳定、自适应提取模糊规则、对初始化参数不敏感以及可排除孤立点的影响等优点.     

外显子芯片的数据分析和可变剪接预测的新算法

可变剪接（alternative splicing）是产生高等真核生物蛋白质多样性的重要分子调控机制之一,众多研究表明,可变剪接可以改变蛋白质的结构和功能从而导致多种人类疾病。外显子芯片是Affymetrix公司开发的全基因组范围内检测外显子表达的高通量芯片系统,可通过检测外显子的差异表达来推断可变剪接事件。和传统的3′基因表达芯片相比,外显子芯片不仅探针（probe）设计的密度大,而且覆盖了全转录本中所有已知和预测的外显子。外显子芯片的数据分析包含基因和外显子两个水平的分析流程以及可变剪接预测部分。由于使用常规的芯片分析方法并不能有效地预测可变剪接事件,因此本文就现有的外显子芯片分析方法和流程进行综述,并着重介绍可变剪接事件预测的新算法。     

基于Cao算法的心率变异信号分析

目的 进一步分析心率变异信号的混沌特性方法采用Cao算法分析了40例健康人(老年组20例,年轻组20例)的心率变异;提出确定最小嵌入维数的稳定性;隹则;提出定量分析心率变异信号中确定性成分的方法,并应用于老年组和年轻组结果每例被试者的心率变异信号均同时含有随机成分和确定性成分;稳定性准则能解决Cao算法确定嵌入维教时存在主观因素的问题;老年人的确定性成分比年轻人高.结论 本文证明了心率变异是一种确定性混沌现象;稳定性准则能获得最小嵌入维数;随着年龄的增长心率变异性降低.     

因材施教背景下分组教学法在泌尿外科教学中的应用研究

目的 在泌尿外科本科教学中尝试分组教学法,为学科因材施教的培养模式提供参考。方法 将2020年6月—2021年6月安徽医科大学临床外科学生60名,随机分为试验组和对照组(各30名)。试验组采用“因材施教”的教学方式,即通过K-means聚类算法对学生进行分类匹配,根据聚类类型采用对应的教学方法,讲授教学法(lecture-based learning,LBL)联合微课教学组、LBL、基于问题的教学法(problem-based learning,PBL)联合虚拟腔镜教学组、LBL联合基于案例的教学模式(case-based learning,CBL)教学组;对照组采用常规LBL教学。在期末对两组学生的考试成绩、教学满意度、学业自我效能感进行比较。结果 试验组学生的结业考核成绩、带教满意度及学生学业自我效能感均明显高于对照组(P <0.05)。结论 将分组教学应用于泌尿外科本科教学中,能够提高学生学习成绩和满意度,增强学生学习的自我效能感。     

丹参成分组合与抗氧化活性相关性分析

目的:探索适合中药“组效关系”的分析方法。方法与结果:以丹参为范例,基于LARS回归算法,按照均匀试验设计-药效试验-数学建模(模型验证)程序,得到丹参素钠、原儿茶醛、咖啡酸3种成分不同组合与清除1,1-二苯基-2-苦肼基(DPPH)自由基活性的关系,实现了成分组合的活性预测。结论:LARS回归算法是中药“组效关系”研究的有效方法之一。     

基于模式识别和遗传神经网络算法的醋香附近红外光谱等级评价和含量预测模型研究

目的基于近红外光谱(near infrared spectrum,NIRS)技术建立一种能快速准确识别醋香附饮片等级并预测其挥发油中α-香附酮、香附烯酮含量的质量评价模型,为其他中药材或中药饮片的质量评价提供参考。方法采集醋香附的NIRS信息,并建立39批醋香附挥发油气相色谱-质谱联用(GC-MS)指纹图谱,对挥发油中的α-香附酮、香附烯酮进行定量,采用相似度分析、多元统计分析、主成分分析(principal component analysis,PCA)、聚类分析、偏最小二乘-判别分析(partial leastsquares-discriminantanalysis,PLS-DA)、Logistic回归分析等方法处理数据,划分等级;利用遗传神经网络算法(GA-BPNN)将等级划分结果、α-香附酮含量、香附烯酮含量分别与NIRS信息进行拟合,建立等级预测模型和含量预测模型。结果根据主成分聚类分析法可以将醋香附划分为3个等级,其中一等品6批,二等品8批,三等品25批,PLS-DA分析结果与主成分聚类分析结果一致。采用多元Logistic回归分析建立了饮片等级分类经验公式P_(一等)=exp(G_1)/[1+exp(G_1)]、P_(二等)=exp(G_2)/[1+exp(G_2)]、P_(三等)=1-P_(二等),等级预测结果和主成分聚类分析结果一致。利用GA-BPNN建立的醋香附饮片等级预测模型预测准确率达89.74%,模型准确性较好;α-香附酮、香附烯酮回归模型预测集决定系数分别为0.9923、0.9697,能很好地预测醋香附挥发油中α-香附酮、香附烯酮含量。结论采用GA-BPNN所建立的基于近红外技术的醋香附饮片等级评价模型能快速准确地预测醋香附饮片等级,为醋香附及其他中药材或中药饮片质量标准的制定和等级评价模型的研究提供了参考。     

基于深度学习的口腔癌预后分析

TNM分期作为评估口腔癌患者预后的常用方法,多年临床应用证明其存在仅局限于分析患者临床病理数据的不足,难以适应现代医学的发展。深度学习(deep learning,DL)已广泛应用在人类生活的各个方面,具备高效、智能化的数据分析优势,可以充分挖掘和分析海量的医学数据,在医疗实践中的应用方兴未艾。在口腔癌预后分析方面,深度学习能够高效处理与分析分别以淋巴细胞、灰度协调矩阵(gray level coocrrencr matrix,GLCM)和基因图谱为代表的病理、放射影像和分子图像等患者资料,并据此进行准确的预后判断;通过辅助医师优化治疗方案,深度学习可以有效改善患者的生存情况。尽管目前深度学习在口腔癌患者预后研究中存在供给数据量不足、缺乏实际临床应用等缺陷,但其已展现出良好的临床应用前景。     

基于数据挖掘的孟河名医马培之治疗咯血用药规律研究

收集孟河医家马培之治疗咯血的病案,采用关联规则apriori算法、复杂系统熵聚类等无监督数据挖掘方法,确定处方中各种药物的使用频次及药物之间的关联规则,挖掘出10个核心组合和5首新处方。研究显示,孟河医家马培之治疗咯血经验丰富,多用清热润肺、凉血止血、养血滋阴之品;中医传承辅助系统对于挖掘名老中医临床经验具有重要实用价值。     

李双蕾教授治疗湿阻病的用药规律研究

目的:运用中医传承辅助系统(V2.5)探讨李双蕾教授诊治湿阻病的临证经验及用药规律,总结李双蕾教授的学术经验。方法:通过临床医案采集,结合软件的分析系统,采用关联规则分析法、聚类分析法、改进的互信息法、复杂系统熵聚类、无监督的熵层次聚类等高级数据挖掘方法,分析李双蕾教授治疗湿阻病的常用药物、核心组合及发现新方。结果:本研究对85首方剂进行分析,发现方剂中有27味中药高频应用,频次居前4位的中药为荷叶、佩兰、竹叶、萆薢。通过关联规则挖掘出核心组合10组,通过聚类分析得到新方5个。结论:李双蕾教授治疗湿阻病用药多以平性化湿药为主,辅以清热泻火药、理气健脾药。