目的:数据驱动的药材推荐方法帮助中医医师在真实的临床实践中更精确、更智能地制定科学的治疗处方,也可以为中医诊断和治疗的发展提供科学依据.方法:通过文本挖掘方法分析了 24 127条中医处方记录,在中医理论的基础上模拟生成处方的过程,并将症状和药材的丰富信息及其相互关系等领域知识纳入考虑.提出了一种基于属性知识网络嵌入的LDA(Latent Dirichlet Allocation)主题模型的中药推荐方法,中药的属性知识网络包含药材丰富的属性信息以及蕴含的药理作用,对主题模型进行了增强.结果:研究结果表明,在最佳嵌入系数下,模型的预测困惑度、准确性以及平均AUC相较于基线主题模型均有更好的表现.结论:所提出的方法有利于提升模型稳定性、药材推荐准确度,更好地承担诊疗模式挖掘等任务.

目的 探究抑郁症(major depression disorder,MDD)患者大脑默认网络(default mode network,DMN)功能连接(functional connectivity,FC)能否预测其睡眠障碍因子分.材料与方法 基于REST-meta-MDD公开数据集中满足本实验需求的326例MDD被试静息态功能磁共振成像数据.采用Power模板在全脑中定义了264个脑区节点,分别获取患者的DMN内部FC和DMN与其他网络间的外部FC.采用基于连接组的预测模型在发现数据集上分别基于DMN内部和DMN外部FC对MDD患者的睡眠障碍因子分进行回归预测,独立验证集上检验模型的稳定性.结果 在DMN内部FC,发现数据集对MDD患者的睡眠障碍因子分具有一定的预测性(r=0.244,P<0.001),外部独立验证集也有很好的泛化预测效果(r=0.345,P=0.046).DMN外部FC在发现数据集上对其可进行预测(r=0.238,P<0.001),而独立验证集其泛化性能不足(r=0.256,P=0.143).结论 DMN内部FC对MDD患者睡眠障碍因子分具有一定的预测性.

目的:近年来甲状腺癌发病率显著提高，超声和细针穿刺活检等术前检查不断完善，但仍存在诊断性手术及过度诊疗的现象。本研究旨在探讨利用生物阻抗及深度学习技术对甲状腺组织进行分类的可行性。方法:为了提高分类的准确性，我们设计一套适合甲状腺组织的电阻抗测量系统，采集来自321例患者的331个离体甲状腺标本共1 340项数据集。随后，建立一个基于多特征的一维卷积神经网络（one dimensional convolution neural, 1D-CNN）结合长短期记忆网络（long short-term memory, LSTM）混合模型对甲状腺组织进行分类。其中80%（1 072/1 340）的数据用于训练，另外20%（268/1340）用于测试。采用受试者工作特征曲线（receiver operating characteristic curve，ROC）、宏平均ROC、微平均ROC及曲线下面积（area under the curve，AUC）等指标对甲状腺组织分类模型进行评价。此外，用敏感性、特异性、阳性预测值、阴性预测值和约登指数比较该分类模型与超声的诊断价值。结果:甲状腺组织两分类（恶性/非恶性组织）模型的ROC-AUC=0.94，总体准确率达到91.4%。进一步建立三分类（恶性/良性/正常组织）模型，其中正常、良性和恶性组的ROC-AUC分别为0.91、0.85和0.92，微平均ROC-AUC和宏平均ROC-AUC分别为0.91和0.90。且与超声相比，甲状腺组织分类模型具有更高的特异性。结论:本研究基于生物阻抗及CNN-LSTM建立的甲状腺组织分类模型具有较高的准确率和较好的稳定性，该技术有望在未来的临床应用中提供有用的补充信息，从而有助于甲状腺疾病的治疗决策和管理。

目的:提出一种新型脉冲神经元模型及其网络，描述其建模方法，并用计算机模拟验证其性能。方法:在充分考虑生物学适应性（激活电位阈值和不应期开关），及其对尖峰放电脉冲产生及其传导的动态调节机制基础上，在新型脉冲神经元模型中引入了突出后电位多通道滤波器，实现了输出电流及神经元突触强度的动态调节。提出基于自适应最小均方（LMS）的误差反向传播（BP）学习算法，并将其应用于尖峰放电神经网络的调节。结果:在自发噪声下，新型脉冲神经元模型的尖峰放电间期信号直方图满足泊松分布。通过2个新型脉冲神经元的简单连接，可以形成多种复杂的尖峰放电模式。新型脉冲神经元模型具有自发本征噪声的特征，能够形成复杂的周期尖峰放电模式。对于输入噪声控制，该模型的不应期与门限电位适应性参数的稳定性较好。刺激电流-尖峰放电脉冲频率间的线性关系较好。结论:所提出的新型脉冲神经元模型在自发噪声条件下能产生多种模式的振荡和相干振荡，这与生物神经元极其相似，能实现复杂的噪声信号处理。所采用的具有不同频带的多通道突触后电位滤波器，能使一些突触后电位信号变得平稳。所提出的基于于自适应LMS的BP学习算法克服了尖峰放电信号的瞬态变化特性导致的误差驱动学习算法无法应用的问题。

目的:探索深度神经网络(DNN)辅助的心肌声学造影(MCE)定量分析对经皮冠状动脉介入治疗(PCI)成功开通梗死相关动脉后的急性ST段抬高型心肌梗死(STEMI)患者短期预后的预测价值。方法:回顾性纳入2021年6－11月于武汉大学人民医院接受PCI成功开通梗死相关动脉(心肌梗死再灌注后血流分级3级)的STEMI患者97例。PCI后48 h内进行MCE检查，随访至术后120 d。主要心血管不良事件定义为心源性死亡及因充血性心力衰竭、再发心肌梗死、卒中、再发心绞痛再入院。心肌分割框架由基于U-net和LSTMs的组成，输出各心肌节段平台期增强强度(A)、灌注速率常数(β)和微循环血流量(MBF)，并进行MCE定量参数重复性检验。通过MBF将患者等分为低MBF组与高MBF组，比较两组间基线特征、心血管不良事件的差异。其他纳入变量包括常规生化检查、室壁运动分析、MCE定性分析及左室射血分数等。通过Cox风险回归分析探索各变量与预后的关系。绘制ROC曲线以评估模型预测效能，使用综合判别改善指数(IDI)进行模型间的预测效能比较。结果:自动心肌分割所有帧(3 810帧)耗时377 s。其中92.89%、7.11%的帧由经验医师评价为"良好分割"和"需要校正"。A、β、MBF的观察者内及观察者间组内相关系数为0.97~0.99。20例患者在随访期间出现心血管不良事件，多因素Cox回归分析显示，梗死相关动脉支配区域MBF每增加1 IU/s，短期发生心血管不良事件的风险降低6%( HR 0.94，95% CI＝0.91~0.98)。低MBF组短期内发生心血管不良事件的风险比高MBF组高4.5倍( HR 5.50，95% CI＝1.55~19.49)。在MCE传统定性分析中加入DNN辅助的MCE定量分析后，预后预测IDI为15%(AUC 0.86，敏感性0.78，特异性0.73)。 结论:STEMI患者PCI术后的梗死相关动脉支配区域微循环血流量是短期心血管不良事件的独立保护因素。基于DNN的MCE心肌分割框架可快速、客观、可重复地输出微循环定量灌注参数。在传统定性分析中加入DNN的定量分析对预后预测提供了增量价值，有望成为STEMI-PCI术后患者风险分层与临床随访的有力工具。

目的:构建循环生成对抗网络(CycleGAN)对模糊、曝光不足、曝光过度等低质量眼底图像进行质量提升，并对其效果进行评估。方法:从EyePACS数据集中分别选取700张高质量和700张低质量眼底图像作为本研究的数据集。对数据集图像进行裁剪并统一缩放至512×512分辨率。采用2个生成模型和2个判别模型构建CycleGAN，生成模型根据输入的低/高质量眼底图像生成匹配的高/低质量图像，判别模型判别原始图像和生成图像。将本研究提出的算法与限制对比度自适应直方图均衡化(CLAHE)、动态直方图均衡化(DHE)、带色彩恢复的多尺度Retinex(MSRCR)3种图像增强算法的结果进行视觉定性评估，并采用清晰度、BRISQUE、色度、饱和度作为定量指标进行评估。应用糖尿病视网膜病变(DR)诊断网络对原图及不同算法增强图像进行诊断；并比较其准确度和特异度。结果:CycleGAN算法对模糊、曝光不足、曝光过度3类低质量眼底图像的增强均取得最优效果，增强后的眼底图像对比度高、色彩丰富，视盘、血管结构清晰。CycleGAN算法增强的图像清晰度仅次于CLAHE算法；BRISQUE质量分数为0.571，比CLAHE、DHE和MSRCR算法分别高出10.2%、7.3%和10.0%；色度和饱和度分别为103.03、123.24，均高于其他算法；该算法增强100张图像仅需35 s，仅次于CLAHE算法，在速度上具有明显优势。CycleGAN算法增强的图像在DR诊断中的准确率和特异度分别为96.75%和99.60%，均较原图有所提高。结论:CycleGAN可有效提升模糊、曝光不足、曝光过度眼底图像的质量，并有效提高计算机辅助DR诊断系统的准确率，可能在眼科临床诊断中有很大的应用价值。

目的:通过训练生成对抗网络（generative adversarial network，GAN）模型，构建一种包括跨中线上颌骨缺损的虚拟重建方法，以期为临床提供参考。方法:收集2015年6月至2022年6月于四川大学华西口腔医院影像科就诊的汉族成年口腔疾病患者CT资料，选择100例健康上颌骨及15例上颌骨缺损（5例单纯单侧缺损、5例单侧缺损并累及颧骨、5例跨中线缺损）CT数据。应用Mimics软件在健康上颌骨数据及其附近区域创建球型模体并模拟上颌骨缺损，分别为单纯单侧缺损、单侧缺损并累及颧骨、跨中线缺损，以原始图像为虚拟重建的正确参照；人工缺损与正确参照配对后分为训练集（70例）、验证集（20例）以及测试集（10例），前两者用于训练GAN模型，测试集用于评估GAN性能。15例上颌骨缺损CT数据导入训练完成后的GAN模型中进行虚拟重建，对单侧缺损分别采取镜像和基于GAN的方式进行虚拟重建，而对跨中线缺损仅采取基于GAN的方式进行虚拟重建，重建结果分为镜像重建组（10例）、单侧缺损GAN重建组（10例）和跨中线缺损GAN重建组（5例）。对测试集、镜像重建组、单侧缺损GAN重建组进行定量评价，定量指标为Dice相似性系数（Dice similarity coefficient，DSC）和95%豪斯道夫距离（95% Hausdorff distance，HD95），对各组结果进行单因素方差分析和Tukey检验。对测试集、镜像重建组、单侧缺损GAN重建组和跨中线缺损GAN重建组进行定性评分，对各组总分进行Kruskal-Wallis检验和事后检验（Bonferroni校正法）。结果:测试集、镜像重建组、单侧缺损GAN重建组DCS（分别为0.891±0.049、0.721±0.047、0.778±0.057）和HD95［分别为（3.58±1.51）、（5.19±1.38）、（4.51±1.10）mm］的总体差异均有统计学意义（ F=28.08， P<0.001； F=3.62， P=0.041）；其中，测试集DSC显著大于镜像重建组（ P<0.05），测试集HD95显著小于镜像重建组（ P<0.05）。测试集、镜像重建组、单侧缺损GAN重建组、跨中线缺损GAN重建组定性总分［分别为8（1）、6（2）、6（2）和4（2）分］的总体差异有统计学意义（ H=18.13， P<0.001）；两两比较显示，测试集总分显著高于镜像重建组（ P<0.05）。 结论:本项研究提出的基于GAN的虚拟重建方法，其单侧缺损虚拟重建效果优于镜像技术，亦可实现跨中线上颌骨缺损的虚拟重建。

目的:以健康生态学模型为框架，探讨糖尿病足患者延迟就医的原因。方法:采用描述性现象学研究方法，2021年11月至2022年3月对20例延迟就医的糖尿病足患者进行面对面半结构式深度访谈，采用Colaizzi现象学7步法进行资料分析，提炼主题。结果:根据健康生态学模型的5个层次，将延迟就医原因归纳为11个主题，个人特质层原因包括高龄患者感知觉衰退，足部溃疡未及时发现；行为特征层原因包括糖尿病足知识缺乏，消极治疗心理；人际网络层原因包括家庭支持力度不足，社会支持系统缺失；生活和工作条件层原因包括经济压力大，电子健康素养低，就诊不便；环境政策层原因包括医疗保险报销比例差异，医疗条件限制。结论:糖尿病足患者延迟就医的原因是多层次系统性的，医务人员既需要从个体层面提高糖尿病患者足部的自我管理能力，同时也需要从系统层面探索相关的家庭、社会医疗支持资源，指导患者获得最佳医疗服务。

目的:探究六君安胃方防治化疗相关性腹泻的潜在关键靶点及其对化疗相关性腹泻小鼠小肠组织NF-κB与iNOS蛋白的影响，揭示其抗炎止泻活性成分及分子作用机制。方法:采用高分辨质谱技术对六君安胃方的化学成分进行定性分析。检索PubChem数据库获得六君安胃方活性成分，利用Swiss Target Prediction数据库进行靶点预测；检索DisGeNET、OMIM、GeneCards数据库获得化疗相关性腹泻相关靶点；将六君安胃方活性成分靶点与腹泻疾病相关的靶点取交集，得到六君安胃方治疗化疗相关性腹泻的潜在靶点；采用Cytoscape 3.7.1软件构建PPI网络及“成分-靶点-通路”网络；DAVID数据库对交集靶点进行GO功能、KEGG通路富集分析；利用Autodock软件将网络中预测到的潜在活性成分和靶点进行分子对接验证。将60只C57BL/6J雄性小鼠按随机数字表法分为空白组、模型组、阳性对照组及六君安胃方高、中、低剂量组，每组10只。除空白组外，其余各组小鼠腹腔注射氟尿嘧啶注射液50 mg/kg制备化疗相关性腹泻小鼠模型。各组给予相应药物干预14 d后，采用Western blot法检测小鼠空肠NF-κB、iNOS蛋白表达。结果:共鉴定出197个化学成分，经筛选得到156个六君安胃方防治化疗相关腹泻的关键成分，涉及82个潜在作用靶点，主要通过NOS2等关键靶点，癌症通路、PI3K-Akt、NF-κB信号通路发挥作用。实验结果显示，六君安胃方可降低化疗相关性腹泻小鼠肠组织NF-κB、iNOS蛋白表达。结论:揭示了六君安胃方的药效物质基础，可通过降低NF-κB及iNOS水平，影响肠道组织的炎症反应，改善肠黏膜屏障功能，进而改善化疗相关性腹泻。

目的:探讨大学生无法忍受不确定性与网络成瘾的关系及负性认知偏向和情绪调节困难在二者关系中的作用。方法:2022年9月，使用无法忍受不确定性量表、负性认知加工偏向问卷、情绪调节困难量表和网络成瘾量表对1 762名大学生进行横断面调查。采用SPSS 24. 0进行描述性统计和相关分析，使用AMOS 23. 0构建多重中介模型并采用Bootstrap法进行中介效应检验。结果:(1)无法忍受不确定性评分为34.00(28.00，40.00)分，负性认知偏向评分为42.00(34.00，50.00)分，情绪调节困难评分为26.00(20.00，32.00)分，网络成瘾评分为36.00(28.00，46.00)分。(2)Spearman相关分析结果显示，无法忍受不确定性、负性认知偏向、情绪调节困难以及网络成瘾彼此间均呈正相关( r＝0.343～0.626，均 P<0.01)。(3)路径分析结果显示，无法忍受不确定性对网络成瘾的直接效应不显著，总间接效应为0.402(95% CI＝0.354～0.451)。负性认知偏向在无法忍受不确定性和网络成瘾中的间接效应值为0.253(95% CI＝0.200～0.305)，占总间接效应62.94%(0.253/0.402)；情绪调节困难在无法忍受不确定性和网络成瘾中的间接效应值为0.052(95% CI＝0.033～0.076)，占总间接效应12.93%(0.052/0.402)；负性认知偏向和情绪调节困难在无法忍受不确定性和网络成瘾中的链式中介效应值为0.097(95% CI＝0.068～0.131)，占总间接效应24.13%(0.097/0.402)。 结论:无法忍受不确定性与网络成瘾显著正相关，且其对网络成瘾的影响分别受到负性认知偏向、情绪调节困难的单独中介作用以及二者的链式中介作用。