目的 优选精芪化浊方的最佳提取工艺.方法 采用正交试验设计,以药液比、提取时间、提取次数为考察因素,以黄芪甲苷、毛蕊异黄酮葡萄糖苷、大黄素、虎杖苷、积雪草苷、羟基积雪草苷的含量和干浸膏得率为考察指标,运用层次分析法-CRITIC综合加权法进行综合评分;通过对比正交试验和BP神经网络分析的结果,选取最优提取工艺.结果 最优提取工艺为每次加入10倍量水提取(0.5h×3),该工艺条件的综合评分为92.01.结论 优选出的精芪化浊方最优水提工艺稳定可行,可用于实际生产.

目的:为精准有效地预测便携式医疗设备的电池剩余寿命,提出一种基于反向传播(back propagation,BP)神经网络和麻雀搜索(sparrow search algorithm,SSA)算法的SSA-BP算法.方法:首先,通过BP神经网络的结构确定权值以及阈值的总数;其次,利用SSA算法优化初始权值和阈值,并赋值给BP神经网络;最后,通过对输入样本的训练获取预测的输出值.选取不同环境温度(4、24、43℃)下的18650型号锂电池数据进行测试,通过平均绝对误差、均方根误差、平均绝对百分比误差验证SSA-BP神经网络算法和BP神经网络算法对医疗设备电池剩余寿命的预测精度.结果:SSA-BP神经网络算法预测医疗设备电池剩余寿命的平均绝对误差、均方根误差、平均绝对百分比误差均低于BP神经网络算法.结论:SSA-BP神经网络算法能够精准有效地对电池的使用寿命进行预测,提高了电池在实际应用中的可靠性.

手足口病是由肠道病毒感染所导致的传染病，其主要患病人群为5岁以下的儿童。手足口病预测模型可以对未来一段时间的手足口病发病率进行预测，为相关部门合理的安排医疗卫生资源进行防控提供参考。本文旨在介绍近年来国内外应用于手足口病预测的主要模型，包括求和自回归移动平均模型、灰色预测模型、BP神经网络模型、贝叶斯网络模型，指出这些模型的优缺点，为研究者们对手足口病发病率进行预测时选择模型提供参考。

目的:优选活血散瘀泡腾片的提取工艺。方法:以芍药苷与羟基红花黄色素A含量、干膏收率为评价指标，采用层次分析法、多指标综合评分法结合正交试验、Back Propagation(BP)人工神经网络优选加水量、提取时间、提取次数等工艺参数。结果:芍药苷和羟基红花黄色素A分别在0.079 5～1.590 4 μg、0.038 5～1.539 2 μg范围内线性关系良好，平均回收率分别为98.18%、96.22%， RSD分别为0.77%、1.31%。确定活血散瘀泡腾片最佳提取工艺为9倍量水，加热回流提取3次，每次1 h。 结论:正交试验联合BP人工神经网络优化方法实用高效，优选的提取工艺科学合理，稳定可行。

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:通过电子鼻对大鼠伤口常见病原菌感染的检测，探讨电子鼻用于临床快速筛查病原菌类型的可行性。方法:45只SD大鼠腰大肌处左右两侧划开伤口，根据伤口处涂抹标准菌液类型，按随机数字表法分为金黄色葡萄球菌组(金葡组)、大肠杆菌组(大肠组)、铜绿假单胞菌组(铜绿组)、鲍曼不动杆菌组(鲍曼组)、肺炎克雷伯杆菌组(肺克组)，每组9只，3 d后取伤口脓液进行培养。电子鼻检测5种标准菌液，使用神经网络(BP)计算标准菌液的总体识别率和单个识别率，建立标准菌液特征图谱。电子鼻检测各组伤口脓液，直观比对伤口脓液雷达图谱与标准菌液特征雷达图谱的重合度，比较各组伤口脓液的电子鼻检出率。送检各组伤口脓液，比较各组伤口脓液的临床检出率。比较电子鼻和临床对伤口浓液检测的一致性。结果:5种标准菌液的BP总体识别率为93.2%，金黄色葡萄球菌、大肠杆菌、肺炎克雷伯杆菌的BP单个识别率均可达99.0%以上，铜绿假单胞菌和鲍曼不动杆菌均可达88.0%以上。电子鼻检测伤口脓液雷达图谱与标准菌液特征雷达图谱的重合度高。伤口脓液的电子鼻检出率中金葡组、大肠组检出率最高(100.0%)，其次为肺克组(88.9%)，铜绿组、鲍曼组最低(72.2%)，铜绿组、鲍曼组与大肠组、金葡组比较，差异有统计学意义( P<0.05)。伤口脓液的临床检出率中金葡组、大肠组和肺克组均为100.0%，铜绿组为94.4%，鲍曼组为66.7%，鲍曼组与金葡组、大肠组和肺克组比较，差异有统计学意义( P<0.05)，与铜绿组差异无统计学意义( P>0.05)。电子鼻和临床对伤口脓液检出率比较的Kappa系数为0.475。 结论:电子鼻检测可获得动物伤口脓液与标准菌液重合度高的特征图谱，电子鼻检测与临床检测具有中等程度一致性，为电子鼻用于临床快速筛查病原菌类型的可行性提供了实验基础。

目的:利用BP神经网络模型，建立一种用于潜水减压方案计算的氮过饱和安全系数多维拟合算法。方法:在Haldane潜水减压理论基础上，以《12～60 m空气潜水标准减压表》采用的氮过饱和安全系数为基础，通过分析潜水参数与氮过饱和安全系数的映射关系，建立氮过饱和安全系数的神经网络拟合模型并进行评估。结果:基于BP神经网络技术建立的离底氮过饱和安全系数神经网络模型在测试集上MAPE最小为0.438 6%， R2=0.998 7；停留站氮过饱和安全系数神经网络模型在测试集上MAPE最小为0.528 9%， R2=0.995 5。 结论:利用BP神经网络拟合方法得到的氮过饱和安全系数非常接近实际潜水方案采用的氮过饱和安全系数，可用于实时潜水减压方案的制定。

目的:探讨不同病理类型以血尿为主要表现的患儿各临床指标的差异，并建立基于临床资料的BP神经网络预测模型。方法:收集2003年6月至2018年12月重庆医科大学附属儿童医院以血尿为主要表现并行肾活检患儿的临床资料及肾脏病理结果，进行各临床指标的差异性比较，并建立以血尿为主要表现患儿肾脏病理的BP神经网络预测模型。结果:共纳入438例患儿。其中男232例，女206例；起病年龄(7.00±3.15)岁。按照不同临床表现分为：镜下血尿组(179例)、肉眼血尿组(81例)、镜下血尿并蛋白尿组(44例)、肉眼血尿并蛋白尿组(134例)。差异性检验结果显示，各组性别、起病年龄、病程、诱因、尿爱迪(Addis)计数中红细胞数、24 h尿蛋白定量、血清素氮、血肌酐、血清蛋白、血IgA水平差异均有统计学意义(均 P<0.05)；不同病理类型性别、起病年龄、病程、家族史、尿Addis计数中红细胞数、24 h尿蛋白定量、血尿素氮、血肌酐、血清蛋白、血IgA、C 3水平差异均有统计学意义(均 P<0.05)。基于以上指标，构建BP神经网络预测模型，并通过留一法验证了该预测模型的准确率为61.19%。 结论:通过进行不同临床表现和病理分型下各指标的差异性比较，建立以血尿为主要表现患儿的肾脏病理的BP神经网络预测模型。通过相关指标能较为准确预测肾脏病理，为肾活检时机提供依据。

目的:应用网络药理学及分子对接技术探讨苦参碱注射液治疗结直肠癌的作用机制。方法:从Swiss Target Prediction数据库、SuperPred数据库和中药系统药理学数据库与分析平台（TCMSP）数据库获得苦参碱的潜在靶点。从基因表达综合（GEO）数据库得到的差异基因结合GeneCards、OMIM、DrugBank和CTD数据库收集结直肠癌相关靶点。建立蛋白质-蛋白质相互作用（PPI）网络来筛选核心靶点。利用R语言的Bioconductor进行基因本体（GO）富集分析及京都基因和基因组百科全书（KEGG）信号通路分析。并通过分子对接技术评估苦参碱和核心靶点之间的相互作用。结果:确定了63个苦参碱靶点，获取14 198个结直肠癌疾病靶点。PPI网络的拓扑分析揭示了5个核心靶点分别为髓细胞增生蛋白（MYC）、白细胞介素-6（IL-6）、胱天蛋白酶3（CASP3）、哺乳动物雷帕霉素靶蛋白（mTOR）和双调蛋白（AR）。GO富集分析显示，生物过程（BP）主要包括过氧化氢的反应、细胞对过氧化氢的反应和细胞对化学应激的反应等；细胞组分（CC）主要包括脂筏、膜微区和突触膜等；分子功能（MF）主要包括转录协同调节因子结合、突触后神经递质受体活性和核心启动子序列特异度DNA结合等。KEGG通路富集分析表明，苦参碱的作用是由化学致癌-受体激活、肿瘤坏死因子（TNF）信号通路和Toll样受体信号通路介导的。分子对接显示苦参碱与筛选的核心靶点之间具有良好的结合能力。结论:苦参碱作用MYC、IL-6、CASP3、mTOR和AR等靶点，通过调节化学致癌-受体激活、TNF信号通路和Toll样受体等信号通路发挥抗结直肠作用。

目的:基于基因组学的数据，通过机器学习，构建胃癌相关甲基化预测模型。方法:下载TCGA（The Cancer Genome Atlas）数据库中胃癌基因突变数据、基因表达数据和甲基化芯片数据，进行特征选择，构建支持向量机（径向基核函数）、随机森林和误差反向传播（error back propagation，BP）神经网络模型，并在新的数据集中进行模型的验证。结果:在3个模型中BP神经网络的检验效能最高（F1 值=0.89，Kappa=0.66，受试者工作特征曲线下面积=0.93）。结论:BP神经网络能够充分利用分子检测的基因组数据进行机器学习，可以用于胃癌相关甲基化预测。