目的:研究薯蓣皂苷纳米混悬剂体外释药规律及含量测定方法.方法:建立高效液相法测定薯蓣皂苷纳米混悬剂的含量,色谱柱为Angent-C18柱,流动相为乙腈-水溶液(55∶45,V∶V),检测波长为203 nm,柱温为25℃,流速为1 m L/min.采用正、反向动态膜透析法进行体外释放度实验,并建立不同模型对薯蓣皂苷体外释放度进行拟合,揭示药物的体外释放特性规律.结果:薯蓣皂苷浓度在2.5～4720μg·m L-1范围内呈良好的线性相关性(r=0.9991),日内和日间RSD分别为0.15％和0.72％,平均回收率为102.63％.采用反向透析法测得的药物释放速率显著高于正向透析法(96.19％vs 61.03％).且采用Zero-order kinetics、First-order kinetics、Higuchi及Peppas对结果进行拟合,原料药Raw、物理混合物PM在溶出介质中体外释药过程可用一级动力学方程来描述,r≥0.980;DioNS符合Higuchi模型,在Peppas方程中,其n值为0.3683＜0.45,说明Dio-NS的释放为Fick's扩散,其释放机制以扩散为主.结论:反相动态膜透析法评价Dio-NS的体外释放能较好的模拟人体内释放的情况,且制得的薯蓣皂苷纳米混悬剂符合Higuchi模型,其体外释放主要以扩散为主.

评价多个剂量的氟喹诺酮类抗菌药物一甲磺酸帕珠沙星在健康人体单次静脉滴注后的药代动力学参数及其在健康人体中的代谢特点.本文采用随机、开放、平行的试验设计,根据入排标准筛选30名健康受试者,随机分成3组,每组10人,分别静脉滴注低(150 mg)、中(300 mg)、高(600 mg)三个浓度的甲磺酸甲磺酸帕珠沙星,30分钟内完成.采集不同时间点血液样本,收集0-24小时尿液.采用反向高效液相色谱法(RP-HPLC)测定血药浓度及尿药浓度,用DAS 1.0软件计算药代动力学参数.结果 发现,低、中、高三个剂量组药代动力学参数均符合二室模型.三个剂量组中曲线下面积(AUC0→∞)分别为:3.24±1.2,5.89±1.51和13.32±2.35 mg·h·mL-1;峰浓度(Cmax)分别为2.37±0.89,4.27±0.74以及10.74±4.06 mg·mL-1;此外,达峰时间(Tmax)分别为0.48±0.08,0.50±0.00 and 0.53±0.08 h.低、中、高三个剂量组清除率分别为(8.29±4.06 L/h),(10.96±4.42 L/h),(9.14±1.72 L/h).分别将AC0→∞、Cmax与剂量进行相关性分析发现,甲磺酸帕珠沙星药物浓度与给药剂量呈线性关系.数据表明,低、中、高三个剂量组均符合药代动力学二室模型.在150-600 mg剂量范围内,甲磺酸帕珠沙星药物浓度与给药剂量呈线性关系.三个剂量组甲磺酸帕珠沙星药物代谢率均在90％以上,其代谢特点与国外文献报道基本一致.

目的 人体关节力矩是康复评估和人机交互中非常关键的因素之一.它可以通过人工神经网络(artificial neural network,ANN)模型以肌电等信号作为输入进行预测,但是由于人体结构的复杂性导致缺乏有效方法确定ANN模型的输入变量.为此本文提出了一种基于Hill肌肉模型获取关节力矩神经网络预测最优输入变量的方法.方法 采用Hill肌肉模型结合人体几何学知识建立关节力矩,智能预测输入输出关系的数学模型,把Hill肌肉模型中肌肉纤维长度和收缩速度,以及以关节自由度为支点的肌肉力臂等不可活体测量的输入变量,转换成关节自由度所关联肌肉的肌电信号(electromyography,EMG)以及这些肌肉所驱动关节自由度角度和角速度等可在线测量的变量.实验中以本文获取的变量作为极限学习机(extreme learning machine,ELM)的输入,对由1位在跑步机上以0.4、0.5、0.6、0.7和0.8 m/s等5个不同速度行走的右下肢偏瘫患者所获的数据进行测试.为了评估本文所提方法智能预测的泛化能力,实验在两个不同的泛化水平下进行,它们分别是只把3个低速数据(0.4、0.5和0.6 m/s)和全部5个速度的数据用于神经网络的训练并预测所有速度下的关节力矩值.实验通过预测值与反向动力学计算值之间的归一化绝对误差和互相关系数评估.结果 本文获取的输入变量与其他关节角和角速度作为输入的方法相比,预测关节力矩值更精准.除右踝关节内外翻外,其他关节力矩预测结果的最大归一化绝对误差为12.93％,最小平均互相关系数为0.89.结论该方法比目前通用多体反向动力学的输入变量少,且可实现关节力矩值的在线预测,为运动康复中实时步态分析和外骨骼机器人控制提供技术支持.

目的:尝试将数字孪生(DT)技术应用于人体骨骼分析,探索人体骨骼DT体开发的框架及其关键技术.方法:针对人体腰椎骨骼,利用虚拟现实(VR)动作捕捉技术和传感器技术采集人体重要位置处的数据,将所得大量实时传感器数据通过人工智能技术进行数据分类、筛选、约简与计算处理得到所需要的关键数据.通过人体反向动力学与生物力学算法对关键数据求解得到目标骨骼的空间方位信息与力学信息,将部分传感器数据与计算结果融合后对目标骨骼进行仿真模拟,得到目标骨骼的各种生物力学性能,并利用代理模型技术对未知姿态下骨骼的生物力学性能进行预测,最后利用计算机图形学技术将所得性能数据建模渲染得到真实骨骼的高保真DT体,实现对腰椎骨骼生物力学性能的忠实孪生映射.结果:人体DT构建系统包括物理装备系统、数据传输系统、数据处理系统、数值计算系统、数据融合系统、仿真预测系统、孪生显示系统及数据存储系统.通过各系统协同作用,利用穿戴式VR设备和少量传感器即可实时计算出目标骨骼的生物力学性能,结合实验数据对骨骼生物力学性能的评估、预测及反馈控制,实现对目标骨骼实时的健康监测.结论:基于DT技术可实现人体骨骼实时动态的高保真数字化显示和运动动作的实时模拟,同时可提供骨骼的生物力学性能动态仿真分析、损伤预测和危险姿态预警等,为人体骨骼疾病防治及骨骼健康的监测提供理论依据和方法参考.

坐立运动是人体最常见的运动行为之一,膝关节是人体坐立运动的主要承力关节,因此进行坐立运动过程的膝关节动力学研究具有重要意义.基于力矩平衡原理对坐立运动的膝关节动力学进行分析,结合光学动作捕捉和六维支撑力测试所得数据,计算求得膝关节力矩曲线.为了验证实验数据和动力学分析的准确性,建立人体模型,根据实验数据拟合角度和角速度多项式方程,进行坐立运动的膝关节动力学仿真.结果显示计算数据和仿真数据在范围和变化趋势方面一致.综合膝关节力矩变化规律,揭示了膝关节力矩与地面反作用力的关系.坐立运动中膝关节力矩和地面反作用力成正比关系,比值为5～6,且由坐到立过程中,加速度先增大后减小最后反向增加,力矩最大值发生在膝关节夹角约140°时,而由立到坐过程中,力矩在初始阶段最大.坐立运动的膝关节动力学研究结果有益于坐立康复辅具的优化设计及力反馈控制,并可为膝关节康复训练提供理论指导.