目的:研究一种基于深层卷积神经网络(DCNN)全自动近视性黄斑病变(MMD)筛查及其严重程度评估系统。方法:收集安徽省第二人民医院6 068张眼底图像构建训练集，并选取公开的眼底图像数据集构建测试集。对眼底图像进行预处理及扩增、MMD病变等级标注、数据清洗。构建全自动MMD筛查系统，该系统由两级网络结构组成，第一级网络结构用于识别MMD是否存在，第二级网络结构用于判断MMD病变的严重等级。比较VGG-16、ResNet50、Inception-v3和Densenet这4种常用的DCNN方法在MMD筛查及严重程度识别任务中的准确率、特异性、敏感度、精确率、F1值、曲线下面积(AUC)、Kappa系数性能。结果:Densenet网络模型在MMD筛查任务中表现最优，其敏感度、特异性、精确率、F1值和AUC分别为0.898、0.918、0.919、0.908和0.962。Inception-v3网络模型在MMD严重程度识别任务中表现最优，其敏感度、特异性、精确率、F1值和AUC分别为0.839、0.952、0.952、0.892和0.965。可视化结果显示，本研究所采用的网络结构模型可自动学习MMD严重等级判断的临床特征，准确识别弥漫性和局灶性脉络膜萎缩区域。结论:基于DCNN的眼底图像MMD筛查方法可自动化提取MMD的有效特征，并准确进行MMD筛查及其严重等级判断，可有效辅助临床。

目的:为实现海外任务医疗分队人员的精细化、科学化管理，提升医疗队伍医疗保障能力水平，设计开发医疗分队组评训管系统。方法:基于课题组构建的医疗队员岗位胜任力模型及指标体系，运用模块化理论，通过前后端分离模式开发，采用浏览器/服务器架构进行分层设计。整个系统包含管理员和普通队员两个子系统，前者包括分队成员信息、人员信息管理、分队管理、培训管理和权限管理5个功能模块，后者包括个人信息管理、岗位胜任力评估、培训3个功能模块。结果:该系统不仅可实现多样化医疗保障任务下的医疗队员抽组、岗位胜任力评估、培训管理、人员管理等方面一体化操作，还可缩短组队时间、保障队伍质量，满足人员管理智能化、胜任力评估便捷化、培训工作主要业务自动化、胜任力框架可编辑化、数据信息统计规范化的要求。结论:该系统可实现医疗队伍人员的精确化、科学化管理，为管理人员指挥决策提供信息化辅助决策工具。

目的:建立半自动化高通量药物筛选系统，探索影响中性粒细胞迁移能力的药物，并探究药物对中性粒细胞免疫能力的作用，以期高效寻找可以用于治疗炎症和自身免疫性疾病的新型药物。方法:应用荧光延时追踪技术记录斑马鱼卵黄囊内中性粒细胞的迁移，结合TrackMate软件建立半自动化检测与G蛋白偶联受体作用相关的不同药物处理后对中性粒细胞速度影响情况，从而进行高通量药物筛选，通过三轮重复独立筛选试验得到影响中性粒细胞迁移能力的药物；结合斑马鱼尾鳍横断实验及大肠杆菌感染实验进一步探讨该药物对中性粒细胞免疫反应能力的作用。结果:建立了可靠、稳定、高效的半自动化高通量药物筛选系统，通过系统筛选得到丁香酚能够促进中性粒细胞迁移能力(0.08 μm/s比0.14 μm/s， t＝6.01， P<0.05)，氯化腾喜龙则抑制其迁移能力(0.08 μm/s比0.05 μm/s， t＝3.93， P<0.05)。斑马鱼尾尾鳍横断损伤和斑马鱼耳蜗内大肠杆菌感染实验表明，丁香酚可抑制损伤部位中性粒细胞的趋化迁移(1、2、3 h的 t值分别为1.65、1.45、1.36， P值均<0.05)，而氯化腾喜龙在损伤/感染情况下对中性粒细胞免疫能力的影响差异无统计学意义( P>0.05)。 结论:高通量药物筛选系统可用于开发调控中性粒细胞迁移相关作用药物的研究，进而发现可用于治疗炎症和自身免疫性疾病相关的新型药物，或可以用于其他免疫相关疾病的研究和筛选任务。

脊柱是人体的重要支撑结构，也是神经系统的重要组成部分。脊柱的健康与人们的生活质量密切相关。随着我国人口老龄化的进展，截至2022年底，全国60岁及以上老年人达到2.8亿，占总人口的19.8% [1]，退变性脊柱疾病的发病率也逐年上升，给患者带来巨大的痛苦和经济负担。为了更好的满足手术需要，脊柱机器人应运而生，为脊柱手术提供精准、安全和高效的辅助。按照机器人的自动化水平，可分为0~5级共6个等级（表1） [2]。其中0级-无自动化，1级-机器人辅助，2级-任务自动化，3级-条件自动化是目前脊柱机器人已达到的等级。随着自动化等级的提升，人工智能（artificial intelligence，AI）技术也越来越多地出现在脊柱机器人的研究中。本文就脊柱机器人的自动化水平的发展及AI技术在该领域的现状进行介绍和展望。

姿势控制是一项复杂的运动任务，在日常生活活动中尤为重要。一般认为，姿势控制主要由皮质下神经网络和脊髓网络参与调节。近年来研究发现，大脑皮质在姿势控制中起着重要作用，尤其是额叶和顶叶。近红外脑功能成像(fNIRS)主要是通过检测组织血流动力学的改变来反映神经活动，具有方便简单、实时检测等优势，是研究脑功能连接的重要工具，且其成像深度主要在皮质表面。衰老、脑卒中和帕金森病等多种疾病均可导致的姿势控制自动化调节水平降低，其机制和表现上有所不同。本文综述了fNIRS在姿势控制方面应用的研究进展，旨在为姿势控制的研究和治疗提供指导思路。

目的 构建和验证用于压力性损伤(pressure injury,PI)自动化分期的深度学习模型.方法 从常熟市第一人民医院PI电子化管理系统中选取2021年1月—2023年6月期间的201张图片,将PI分为4期,其中Ⅰ期21张、Ⅱ期41张、高分期101张、深部组织损伤38张.使用基于卷积神经网络(Convolutional Neural Network,CNN)框架的DenseNet 121、EfficientNet、ResNet 101和ResNet50神经网络建立针对PI分期任务的深度学习模型;模型评价指标包括准确率、召回率、精确率、F1值和读片时间.将深度学习模型的读片表现与2位不同年资护士进行比较.最后,对性能最佳的CNN模型进行可解释性分析并对压力性损伤视频进行实时预测.结果 4种深度学习模型测试集中DenseNet121展现出较好的准确性(0.895),其次为resnet50(0.816),均高于高年资护士(0.805)和低年资护士(0.756).同时,所有深度学习模型在测试集中读片用时均＜10 s,速度快于护士(均＞250 s).最后,我们使用了梯度加权分类激活映射(Gradient Weighted Class Activation Mapping,Grad-CAM)、SHAP 技术,对最优模型DenseNet121进行深入分析,突显出图像中对模型判断影响较大的关键区域,并实现了对PI视频的实时预测.结论 在PI风险评估方面,成功地建立了一个表现优于护士人工评估的深度学习模型.此基于计算机视觉的深度学习模型可辅助护士进行更精准的PI分期,揭示了深度学习在临床医学应用中的广阔前景.

目的 探索医院物流机器人配送洁净被服的适配性和应用价值.方法 分析院内日间病房洁物运输场景下传统物流运送的需求和痛点,通过试用机器人,对比、评估机器人与传统人工配送在主要效果评价指标方面的差异,及在洁净被服配送场景下的适配性和应用价值.结果 相较于传统人工配送模式在日间病房洁物配送任务中的主要表现,物流机器人均次配送时间缩短,送达准确率大幅提升,人力成本节约显著,感染风险较低,关键用户体验感更佳.结论 物流机器人在病房洁物配送中具有明显的优势,能够提高物流效率,减轻人员负担,提升服务质量,降低感染风险.

目的/意义 应用深度学习技术达到舌象分析自动化的目的,为中医舌象标准化提供参考依据,进一步推进中医诊疗技术现代化进程.方法/过程 构建以区域关联性为基础、引入标签松弛技术的语义分割损失函数,显式约束舌象分割模型学习局部区域各像素关联性的同时,对错误标签具有一定的容错能力;从舌象特征中内含的颜色相关性潜在先验出发,在模型构建阶段将舌象特征仅解耦为两类下游多标签分类任务,在加速模型拟合的同时有效降低模型复杂度.结果/结论 在自建数据集上验证算法有效性,舌象分割MIoU指标为96.57％,舌象分析宏F1值、平均准确率分别为88.58％、82.59％.

目的:构建基于机器人流程自动化(RPA)技术的医疗数据自动化处理平台,实现自动化任务开发、配置、管理.方法:在充分分析自动化处理平台需求的基础上,设计包括数据获取层、模块层、任务层、管理层的平台架构,以模块为底层拓展到上层任务,并通过平台实现对任务的配置管理.结果:在平台的使用过程中,完成了7个统计上报任务,3大类数据治理类任务,3个系统功能类任务,开发任务时,在保证应用效率的同时,提高流程任务的复用率,减少重复开发.结论:在实践中,基于RPA的自动化平台可以在保证准确的前提下大幅减少常规工作量,灵活开发自动化任务,并对任务进行统一的管理配置.RPA自动化平台建设方案将为医院的多种自动化相关场景提供参考和借鉴.

目的:探究动词理解的加工深度对动词感知运动模拟过程的影响及其自动化特性.方法:研究招募36名普通大学生,依次完成实验1和实验2,分别要求被试完成动词语义判断任务及非语义判断任务,并观察对应手、脚动作输出的行为表现变化.结果:实验1中,在语义判断任务条件下,腿部动词腿部执行的反应时显著快于手部动词腿部执行的反应时(P=0.001);真假词判断任务条件下,不存在显著差异.实验2中,未发现动词类型与动作执行的显著交互作用(P=0.199).结论:动词理解引发感知运动模拟的现象受到了不同加工深度的调节,在高加工深度下,个体更倾向于利用感知运动模拟来理解动词,且该过程是非自动化的.