综述了防护牙托、牙齿传感器、可穿戴式肌电图设备、奶嘴式可穿戴设备、舌设备等口腔可穿戴设备的研究进展,分析了口腔可穿戴设备的优缺点,提出了目前口腔可穿戴设备发展面临的挑战,指出了建立统一有效的标准诊断数据系统、提高设备的舒适感和隐蔽性、发展材料及工艺、实现集-诊-疗的智能统一是未来口腔可穿戴设备的发展趋势.

目的:为实现更好的颈椎健康监测与颈椎病预防效果,设计一种嵌入式颈椎健康智能系统.方法:该系统主要由移动便携监测终端、云端服务器、微信小程序三大部分组成.移动便携监测终端主要由数据采集模块、数据处理模块、物联网通信模块三大模块组成,其中数据采集模块选用JY901-S作为主要数据传感器;数据处理模块通过动作分类模型对头部动作进行分类识别,选用STM32F4作为主控芯片、国产RT-Thread作为嵌入式操作系统;物联网通信模块选用乐鑫ESP32-C3系列Wi-Fi蓝牙双模模块.云端服务器选用Linux+Nginx+uWSGI作为Web服务器架构,通过MySQL数据库存储用户数据,并利用颈椎健康评估模型评估用户颈椎健康状态.微信小程序采用WXML+WXSS+WXS开发.结果:该系统基本能够实现颈椎健康状态监测和运动指导功能,且对人体头部动作分类识别的平均准确率为90％以上,对颈部关节活动度的测量精度为±1°,整体性能较好.结论:该系统能有效帮助用户建立并维持规律的颈椎健康运动行为,可为医院等机构提供关键可靠的康复运动治疗方案与康复护理数据支撑.

2022-2035年是上海建设成为更可持续韧性生态之城的关键发展期,面对当前复杂、严峻的自然灾害形势,城市综合防灾减灾任务更加艰巨.城市治理的"最后一公里"就在社区,为进一步夯实基层自然灾害应对韧性,提升防灾减灾能力,加强社区自然灾害综合监测预警网络研究,通过分析上海市社区自然灾害特点,提出一种综合监测预警的方法和网络,通过若干物联感知传感器持续监测和智能终端分析研判的密切配合,以实现对社区灾情态势、社区灾害风险完成实时的评估和预警.经过在典型社区中的实践验证,该系统初步实现了数据监测、风险研判、预报预警等功能,提升了社区防灾减灾和应急管理能力水平.

针对当前皮肤病辅助诊断中生物医学特征建模规模较小且耗费巨大人工成本,而患者疾病特征的时间序列同样无法准确描述等难点,本研究运用融合文本分类算法,融合常用的文本分类模型TextLSTM、TextCNN、RCNN得到皮肤疾病辅助诊疗模型(TLNN模型),通过提取图像传感器医学特征向量化后进行预处理减少焦块数量以及消除偏差较大的特征信息,提高决策数据精度.在ISIC2018和PH2数据集进行对照实验,TLNN模型的准确率为72.36%,高于其余3种文本分类模型.在与医生主观诊断对比实验中,模型诊断准确率为92%,接近于医生94%的平均准确率,而有效诊断效率(1.17 min/例)明显高于医生人工诊断(4.57 min/例),整体效率提升幅度达290%,结果表明对比传统人工诊断,融合文本分类算法模型能以更短时间获得精确的诊断.TLNN模型可以应用于疾病诊断,辅助医生医疗决策,为患者提供优质便捷的智能诊疗服务.

青少年特发性脊柱侧弯(adolescent idiopathic scoliosis，AIS)是脊柱侧弯的最常见类型，多发生在青春期，表现为脊柱向侧方弯曲>10°。如能早期诊断、及时干预，可显著减少并发症及改善预后。对于AIS的校园筛查虽然备受争议，但亦被广泛推行。目前评估脊柱侧弯的最基本方法是使用脊柱侧弯测量尺在Adam前屈试验中进行临床检查。金标准仍然是1948年被提出的基于X线平片人工测量Cobb角，但该诊断方式具有辐射性，且十分依赖检查者的专业能力，因此寻找灵敏度高、特异度高、无辐射、高效的早期筛查及诊断方法尤为迫切。本文围绕基于超声系统的三维脊柱成像、基于三维相机或传感器的脊柱侧弯检测系统、平面数码相机结合人工智能、基于计算机视觉的姿势分析系统等方面对人工智能应用于AIS筛查、诊断的研究进展进行综述，为相关临床科学研究及发展方向提供新思路。

目的:探讨肌肉再分布技术(MRT)在智能仿生假肢信号识别中的应用价值。方法:于2016年12月至2017年4月期间采用MRT技术治疗4例肢体远端截肢患者，均为男性，其中上肢截肢患者3例，截肢水平分别位于前臂中远1/3处、腕掌关节和腕中关节；下肢截肢患者1例，截肢水平位于小腿中远1/3处。MRT手术是利用残端肢体内的肌肉、肌腱进行移位，将4～6根肌腱锚定在皮肤不同区域，通过肌肉主动收缩牵拉肌腱，使不同区域皮肤发生明显形变。术后观察项目包括皮肤形变、电容信号数据及并发症情况等。在进行电容信号测量时，嘱患者分别执行抓握、屈腕、伸腕、屈指、伸指，或踝背伸与跖屈、伸趾和屈趾动作，利用电容传感测量系统采集患肢形变信息并进行分析。结果:4例患者均获随访，共有20处部位接受MRT手术。术后3个月时患者均能主动控制相应肌肉收缩并产生皮肤形变，有效形变率为80%(16/20)。电容信号测量结果分别利用线性判别分析(LDA)和二次判别分析(QDA)两种分类器对各种动作进行识别，发现上肢整体识别准确率分别为97.27%和100%，每种动作各自识别准确率均为100%；下肢整体识别准确率分别为95.32%和100%，每种动作各自识别准确率均为100%。术后有1例患者创面不愈，经多次换药后愈合。结论:MRT能有效将人体运动意图进行输出，增加了运动信号源的数目及强度，有助于患者更好地控制智能仿生假肢，为人机交互提供了新的途径。

目的:比较差分整合移动平均自回归模型(ARIMA)和深度学习模型在吸脂操作数据预测分析方面的应用价值。方法:选取2019年1至9月中国医学科学院整形外科医院符合入选标准的行吸脂手术患者，使用基于光学追踪系统和力传感技术的吸脂操作记录系统，采集高年资整形外科医生吸脂手术初始250~400 s的操作数据，包括运动学和力学数据。经预处理后将采集数据分成一个吸脂往复循环为一组的数据。分别使用ARIMA模型和深度学习模型处理分析采集到的数据，建立吸脂操作预测模型。用Matlab 2017软件产生随机数随机抽取30对共计60组吸脂循环数据，计算每对数据的动态时间规整(DTW)值作为检验标准，然后分别计算基于ARIMA模型与深度学习模型的各30组预测数据与实际数据之间的DTW值，与检验标准对比，对2种模型的预测结果进行验证。应用Matlab 2017软件进行统计分析，2组比较用独立样本 t检验， P<0.05为差异有统计学意义。 结果:共入组18例患者，均为女性，年龄23~49岁，平均36.6岁。吸脂部位分别为腹部、大腿、腰部。共获得16 800组吸脂循环数据。模型检验标准DTW值为0.048±0.028。ARIMA模型预测数据与实际数据之间的DTW值为0.660±0.577，与检验标准比较差异有统计学意义( P<0.05)。深度学习模型得出的DTW值为0.052±0.030，与检验标准比较差异无统计学意义( P>0.05)。 结论:相比ARIMA模型，深度学习模型可以更准确地预测吸脂操作数据，能更好地适应不同情况的数据，并且具有更好的实时性。

目的:探讨基于智能术前规划的下颌骨重建手术机器人系统的可行性与精准性。方法:术前选取上海交通大学医学院附属第九人民医院就诊的115例头颅无异常的成年患者的CT影像，男57例，女58例，年龄(40.3±9.1)岁，就诊时间2010年2月至2019年5月；另选取115例肿瘤侵蚀下颌骨的成年患者的CT影像，男62例，女53例，年龄(55.6±7.2)岁，就诊时间2008年3月至2019年8月。建立智能颌骨重建手术机器人系统，主要由工作站、UR5六自由度机械臂、光学定位跟踪仪、六自由度力传感器、截骨手术工具组成。将2组患者的颌面CT图像数据用于训练残差连接的3D V-Net分割网络自动分割下颌骨，并用该网络对1例54岁需腓骨重建的下颌骨肿瘤男性患者的头颅CT数据进行自动分割，形成下颌骨模型，以手动分割结果为标准，评价自动分割的精度。使用基于机器学习的颌骨特征点还原法根据该患者的上颌骨特征点自动还原下颌骨特征点，形成重建方案，以下颌骨未缺损部分实际特征点与还原的特征点位置的误差值评价精度。利用该患者的下肢CT数据，制作5个3D打印的腓骨仿真模型。应用智能颌骨重建手术机器人系统，基于术前规划的图像，结合光学定位系统以及力传感器信号，实现机械臂与手术医生协同操作进行腓骨塑形，完成30次截骨。以CT影像下的术后腓骨段截骨面与术前规划的位置距离与角度偏差为精度标准，验证手术机器人系统精度。采用描述性方法进行统计学分析，数据以 ± s表示。 结果:设计的分割网络自动分割下颌骨肿瘤患者下颌骨的精度为96.581%，耗时小于30 s。该病例下颌骨特征点的误差值为(2.24±1.74) mm。下颌骨重建手术机器人能精确、快速地实施腓骨模型塑形，截骨的位置误差为(1.02±0.45) mm，角度误差为(0.96±0.42)°，术中耗时约15 min。结论:智能术前规划能精确地分割下颌骨并定位下颌骨特征点，下颌骨重建手术机器人系统能精确地实现功能性下颌骨重建。

目前职业病危害因素检测方式存在监测数据少、时效性差、代表性不强、检测周期长、无法连续监测等问题，本文利用物联网技术的优势，设计职业病危害因素在线监测平台。平台通过传感器采集危害因素浓（强）度，实时在线传输采集的职业病危害数据；职业病危害因素在线监测云中心实时处理分析在线监测数据，存储危害因素数据形成数据库管理，以及用户应用服务，形成智能化职业病危害因素在线监测服务模式。基于职业病危害因素在线监测平台，多级政府卫生监管部门、用人单位可以实时掌握危害因素状态，利于提升职业病危害监管水平。

拉曼光谱在检验医学领域的应用正在不断进步和发展，基于拉曼光谱技术的生物传感平台为疾病精准分子诊断提供了一种新的手段，特别是表面增强拉曼散射（SERS）技术作为一种快速无损的检测方法，具有样品制备简单、受水的干扰小、实时检测等优点，在医学检验领域显示出巨大的应用潜力。同时，随着SERS与其他技术包括电化学、纳米新材料、微流控、生物芯片、DNA纳米机器、人工智能和机器学习等技术的集成结合，其在医学检验领域将发挥越来越重要的作用。相信随着对SERS研究的不断深入以及多个学科领域之间的交叉融合，其在生物医学检测领域将得到广泛应用，并有望成为下一代精准诊断的重要技术平台。