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.

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:通过生物信息数据库的挖掘，探究转移性黑色素瘤和乳腺癌脑转移的关键调控基因、生物学特征和通路。方法:使用基因表达综合(GEO)数据库中转移性黑色素瘤和乳腺癌脑转移的样本数据集GSE8401、GSE46517和GSE12237进行差异基因筛选，设定 P<0.05及logFC>2具有统计学意义，找出差异基因(DEGs)。进一步对DEGs进行基因本体论(Gene Ontology)分析和DAVID数据库通路分析，使用String数据库制作DEGs的蛋白质相互作用(PPI)网络并利用Cytoscape可视化，使用分子复合物检测(MCODE)插件用于筛选Cytoscape中PPI网络的显著交互模块，使用cytoHubba插件对网络进一步分析，采用六种算法来选择枢纽基因，最后使用GeneMARIA数据库构建了枢纽基因和具有共同生物学功能的基因的共表达网络。 结果:最终得到158个DEGs( P<0.05，logFC>2)，其中45个基因显著下调，113个显著上调。筛选所得的DEGs主要GO富集为：(1)生物过程(BP)：DEGs主要富集在RNA剪接的调控，通过剪接体调控mRNA的剪接，DNA重组的正调控，双链断裂修复的正调控。(2)细胞成分(CC)：DEGs主要集中在核小体，焦点黏附，细胞-基质结合点，核染色体，原始溶酶体，嗜酸性颗粒体。(3)分子功能(MF)：DEGs主要集中在DNA转录因子结合和RNA聚合酶Ⅱ特异性DNA结合转录因子结合上。通过string数据库，获得初步的DEGs的PPI网络(度截止＝2，节点分数截止＝0.2，k核心＝2，最大深度＝100)，得到158个蛋白质节点和196条连线。通过Cytoscape筛选获得显著的交互模块，模块1的MCODE得分为4.8，而其seed基因为UBE2V1。筛选出核心DEGs 5个，分别为UBE2N、UBE2V2、RBX1、UBE2B和RXRA。 结论:泛素化途径和核调控的细胞死亡和代谢在转移性黑色素瘤和乳腺癌脑转移中发挥重要作用。

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:设计一种能够基于原有的分析数据、结合游离DNA片段大小及计数的新的分析方法。方法:选取180例孕妇血样进行无创产前检测(non-invasive prenatal testing，NIPT)常规的高通量测序，探索游离DNA片段分子量大小与胎儿DNA含量的关系，提出一种新的结合游离DNA片段大小的 Z值的算法。以羊水细胞染色体核型分析结果为金标准，比较两种算法的判断结果。 结果:当以150 bp为分割值时，小分子片段比例与胎儿DNA含量呈正相关。对高通量测序数据用新旧两种算法进行计算，发现基于计数的传统分析的敏感度为75.00%，特异度为98.86%；基于以150 bp为分割点的结合游离DNA片段大小及计数的分析敏感度和特异度在本次实验中都达到了100%。结论:在结合游离DNA片段大小及计数的新方法中选取150 bp作为分子大小分割点，可能比传统基于计数的算法更为合理、有效。

目的:探讨一种动力型髋离断假肢控制方法提升佩戴者步态对称性的可行性。方法:通过九轴姿态传感器采集健康人体下肢步态运动学信息，使用BP神经网络建立穿戴髋离断假肢截肢者健侧-假肢侧运动学映射模型。将截肢者健侧腿的运动学信息实时传入该映射模型，生成髋离断假肢运动的目标轨迹，结合下肢假肢动力学模型，通过PID算法控制髋离断假肢电机运动，实现截肢者的实时步态分析和假肢的实时控制。记录截肢者穿戴动力髋离断假肢行走实验中的步长、步频及最大髋关节角度等数据，并结合步态对称性指标S Ⅰ、R Ⅰ、R Ⅱ对假肢控制效果进行评估。 结果:BP神经网络建立的截肢者健侧和假肢侧的运动学映射模型，综合关联度达到98.7%。相对于传统髋离断假肢，动力髋离断假肢髋关节的最大屈曲角度提升了105.5%，截肢者的步态对称性指标S Ⅰ和R Ⅱ分别提升了74.2%和72.2%。 结论:动力型髋离断假肢控制系统能提高假肢穿戴者的步态对称性。

目的:探讨融合深度学习与改进遗传算法（GA）的内科微课教学质量评估方法的评估结果有效性，并分析内科教学的微课改革对学生学习效果的影响。方法:选取2021年3月1日至12月31日在台州市第一人民医院消化内科临床实习的温州医科大学大四学生348名为研究对象，采用随机数字表法分为研究组（ n=174）和对照组（ n=174）。在进行基本信息调查后，对照组开展理论与实习教学，并强化制作微课的知识内容学习；研究组接受对照组中除强化教学内容外的所有教学干预，并开展微课教学实验。教学前后对两组学生进行内科理论知识与实践技能考核，并设计基于反向传播（BP）神经网络和GA的模型评估课程教学质量。 结果:实习前，两组学生年龄、专业课平均绩点、性别构成、对内科学的兴趣程度、每周互联网使用次数差异均无统计学意义（均 P > 0.05）。实验教学结束后，研究组理论知识、实践能力考核分数分别为（91.6±6.0）分、（84.9±5.4）分，均高于对照组的（79.6±6.4）分、（73.5±5.8）分，差异均有统计学意义（ t=18.04、18.98，均 P < 0.001）。 结论:融合微课、微视频的内科教学模式改革能提升学生的理论知识与实践技能学习效果，基于BP网络和GA的评估模型对教学质量的评估精度较高。

目的:对配对盒2( Pax2)相关孤独症谱系障碍(ASD)易感基因进行生物信息学分析，探讨 Pax2基因参与ASD发病的可能机制。 方法:(1)将Pathway Commons数据库中与 Pax2基因相关的基因(606个)和Simons基金会孤独症研究计划(SFARI)数据库中ASD易感基因(1 023个)取交集得到65个 Pax2基因相关ASD易感基因。在基因功能分析网站Metascape对 Pax2基因相关ASD易感基因进行基因本体论(GO)和京都基因与基因组数据库(KEGG)通路富集分析。使用Cytoscape软件cytoHubba插件的最大团中心度(MCC)算法，筛选前10个核心 Pax2基因相关ASD易感基因。(2)取3只13周龄雄性Pax2-nestin小鼠(实验组)及3只同龄雄性C57 BL/6J小鼠(对照组)，采用Western blotting实验检测2组小鼠海马组织中谷氨酸受体2B亚基(GluN2B)蛋白的表达。 结果:(1)GO分析显示 Pax2基因相关ASD易感基因在生物学过程(BP)本体主要富集于跨突触信号、行为、脑发育、化学突触传递的调节、胶质细胞再生、小脑形态发育、谷氨酸能突触传递、记忆等子集，在细胞组分(CC)本体主要富集于突触后、树突、β连环蛋白-T细胞因子(TCF)复合物、树突分支等子集，在分子功能(MF)本体主要富集于突触后密度蛋白95/果蝇圆盘大肿瘤抑制蛋白/紧密连接带-1蛋白(PDZ)结合结构域、转录因子结合、跨膜受体蛋白酪氨酸激酶活性、谷氨酸受体活性、微管蛋白结合等子集。KEGG通路富集分析显示 Pax2基因相关ASD易感基因主要分布在丝裂原活化蛋白激酶(MAPK)信号通路、长时程抑制、谷氨酸能突触等通路。核心 Pax2基因相关ASD易感基因为 Gria1、 Dlg2、 Ntrk2、 Grid2、 Igf1、 Jmjd1c、 Ldb1、 Tcf4、 Tcf7l2、 Adrb2。(2)Western blotting实验显示，对照组、实验组小鼠海马组织中GluN2B蛋白的相对表达量分别为2.36±0.60、0.85±0.44，差异有统计学意义( P<0.05)。 结论:Pax2基因异常可能导致 Pax2基因相关ASD易感基因的表达或功能异常，并通过多种机制参与ASD的发病。

目的:基于深度学习和反向传播算法神经网络（BP神经网络），构建慢性阻塞性肺疾病急性加重（AECOPD）风险预测模型，并验证其效能。方法:基于团队前期临床研究的1 326例慢性阻塞性肺疾病（COPD）患者的相关数据，记录并分析在稳定期、随访6个月时的急性加重情况及其风险因素。结合前期临床研究数据和专家问卷调查结果，将多因素Logistic回归筛选优化后的AECOPD独立风险因素〔性别、体质量指数（BMI）分级、急性加重次数、急性加重持续时间和第1秒用力呼气容积（FEV1）〕，使用Python 3.6编程语言和Tensorflow 1.12深度学习框架搭建BP神经网络。采用随机抽样法，将患者按照4∶1的比例随机抽取生成训练组和测试组，其中训练组1 061条样本数据，测试组265条样本数据；训练组用于建立神经网络预测模型，测试组用于回代检验。在使用训练组数据构建神经网络模型时，将训练组按照4∶1的比例随机分为训练集和验证集，训练集849条训练样本，验证集212条验证样本。通过调整神经网络参数及模型结构，同时结合受试者工作特征曲线下面积（AUC），筛选出最优神经网络模型，并将测试组样本数据代入模型加以验证。结果:收集团队前期临床研究中优化筛选出的5个AECOPD独立风险因素（性别、BMI分级、急性加重次数、急性加重持续时间和FEV1），基于深度学习和BP神经网络构建AECOPD风险预测模型。经过10 000次训练，AECOPD风险预测模型在训练组验证集的准确率为83.09%，且在训练次数达到8 000次时准确率基本趋于稳定，预测能力达到上限。将训练10 000次的AECOPD风险预测模型对验证集数据进行风险预测，受试者工作特征曲线（ROC曲线）分析显示AUC为0.803；使用该模型对测试组的数据进行风险预测时准确率为81.69%。结论:基于深度学习和BP神经网络建立的AECOPD风险预测模型对于COPD患者6个月内急性加重具有中等水平的预测效能，能够对AECOPD的发生风险进行评估，辅助临床制定精准治疗方案。