Synergistic characteristics of lower extremity muscles with unilateral knee flexion limitation北大核心

背景:膝关节活动受限是一种比较常见的损伤后表现特征,但是对于膝关节活动受限下的肌肉协同有待研究。目的:研究单侧膝关节屈曲受限与正常运动下肢肌肉协同的异同。方法:招募20名健康成年人(男性12名,女性8名)作为受试者,分别采集屈曲受限条件下与无屈曲受限条件下自然行走的下肢表面肌电信号。通过非负矩阵分解算法从受限侧(右腿)的10块肌肉的表面肌电信号中提取肌肉协同,利用单因素方差分析研究在不同条件行走的步态参数显著差异。结果与结论:①屈曲受限条件下,受试者进行行走任务时肌肉协同数量减少,表现出不同的肌肉协调模式控制并且招募新的肌肉协同单元;随着协同模块的减少,内侧腓肠肌、外侧腓肠肌和比目鱼肌激活时间从支撑相向摆动相偏移的越明显;主要依靠股直肌、股内侧肌、股外侧肌和阔筋膜张肌进行代偿,使其在激活水平上表现的异常活跃,同时受限侧表现出划圈、提胯等动作,因此受限后主要以受限侧髋关节代偿;②屈曲受限条件下,受试者受限侧和非受限侧在步态参数(频率、步速、步态周期和支撑相占比)方面对比受限前均存在显著差异(P<0.05),同时非受限侧单腿支撑时间相较于受限前明显增大(P<0.01),受限侧支撑相占比和单腿支撑时间显著小于非受限侧(P<0.01);③因此,膝关节屈曲运动减弱可被认为是导致下肢肢体内协调受损的关键因素,研究结果对运动功能的定量分析以及人体下肢康复指导具有意义,并为了解运动功能受损背后的神经肌肉控制机制提供重要的见解。     

基于图卷积神经网络的乳腺癌亚型分类研究

恶性肿瘤分子亚型的准确识别是肿瘤患者个体化诊断、个性化治疗以及预后预测的重要支撑。综合性肿瘤基因组数据库的不断完善和深度学习技术的持续突破,推动了计算机辅助肿瘤分类技术的进一步发展。现有的基于基因表达数据的神经网络亚型分类方法虽然考虑了分子分型的复杂性,但仍然存在忽略基因内在关联性和协同性的问题。为了解决这一问题,本文提出了一种结合分层注意力机制的多层图卷积神经网络乳腺癌亚型分类模型。该模型基于先验的生物学知识构建乳腺癌患者的基因图表示数据集,训练出一种新的端到端的多分类模型,能够对乳腺癌分子亚型进行智能识别,并且在乳腺癌分子亚型的分类工作上表现出了很好的识别性能。相较于原始的图卷积神经网络以及两个主流的图神经网络分类算法,该模型在7分类任务中的准确率、加权F1分数、加权召回率、加权精确率分别达到了0.851 7、0.823 5、0.851 7、0.793 6,在4分类任务中则分别达到了0.928 5、0.894 9、0.928 5、0.865 0,具有明显的优势。此外,本文方法相较于最新的乳腺癌亚型分类算法,同样获得了最高的分类准确率。综上,本文所提模型或可作为一种辅助诊断技术为未来...