基于多维筛分类器的可视化帕金森病诊断

针对目前基于模式识别的语音障碍帕金森病诊断可解释性差、可推广性差的问题,本文提出基于多维筛分类器的可视化帕金森病诊断。该分类器具有全程可视化的特点,在保证诊断精度的同时,可以将特征进行可视化表示。可视化的引入不但使操作者了解不同特征对于诊断的重要性,而且可以发现最具诊断价值的特征,有助于简化帕金森病的诊断过程并提高诊断水平。     

基于SI1SI2R模型的异质群体重复感染的传染病建模与仿真

具有重复感染可能性的传染病由于不受抗体或疫苗等手段的阻碍,其传播范围会比普通传染病更加广泛,严重危害人类的身心健康,影响社会的和谐稳定,有必要对其传播规律进行探究,以便于更有针对性地制定应对策略。基于经典的传染病模型,本文构建考虑了传染病重复感染特征的SI1SI2R模型,定义异质性个体之间的交互及传播规则,并利用ABM仿真建模的方法探究具有重复性感染特征的传染病在异质性群体间的传播规律。仿真实验结果表明,此类传染病感染范围会随二次感染率的提升而增加,而异质性传播群体的组成不仅会影响感染人数的比例,还会影响其到达峰值的时间。因此,不仅要减小此类疾病反复感染的可能,还要根据传播群体的异质性提出更有效率的管理方案。     

疫情下数据结构课程线上教学模式探索与实践

为了在新冠肺炎疫情的影响下充分保障正常的教学秩序,全力做到“停课不停教、停课不停学”,落实“教师真在教、学生真在学”,数据结构教学团队利用超星“一平三端”智慧教学系统和钉钉直播相结合的方式,在教学准备、教学实施、学习评价和教学改进等四个方面开展线上教学模式探索和实践,实现了将线上线下混合式教学转变为纯线上教学模式,体现了“以学生为中心”的教学理念,达到线上与线下同质同效。     

基于BERT的心血管医疗指南实体关系抽取方法

实体关系抽取是医疗领域知识问答、知识图谱构建及信息抽取的重要基础环节之一。针对在心血管专病知识图谱构建的过程中尚无公开数据集可用的情况,收集了心血管疾病领域的医疗指南并进行相应的实体和关系类别的专业标注,构建了心血管专病知识图谱实体关系抽取的专业数据集。基于该数据集,首先提出双向变形编码器卷积神经网络（BERT-CNN）模型以实现中文语料中的关系抽取,然后根据中文语义中主要以词而不是字为基本单位的特性,提出了改进的基于全词掩模的双向变形编码器卷积神经网络（BERT（wwm）-CNN）模型用于提升在中文语料中关系抽取的性能。实验结果表明,改进的BERT（wwm）-CNN在所构建的关系抽取数据集上准确率达到0.85,召回率达到0.80,F₁值达到0.83,优于对比的基于双向变形编码器长短期记忆网络（BERT-LSTM）模型和BERT-CNN模型,验证了改进网络模型的优势。     

基于智能计算的脑机制研究

解析脑认知原理和脑疾病的发病机制已是当下脑科学研究的热点。智能计算在脑影像领域的应用可为认知心理学研究、脑疾病的识别和干预以及类脑智能理论研究等提供借鉴和参考。本文介绍利用智能影像计算方法在识别脑认知网络成分、构建脑有向连接模型、预测认知行为变化、构建心理过程神经表征等方面的工作,并对未来相关研究进行展望。     

Pilot proteomic analysis of cerebrospinal fluid in Alzheimer's disease

Proteomic analysis of cerebrospinal fluid (CSF) holds great promise in understanding the progression of neurodegenerative diseases, including Alzheimer's disease (AD). As one of the primary reservoirs of neuronal biomolecules, CSF provides a window into the biochemical and cellular aspects of the neurological environment. CSF can be drawn from living participants allowing the potential alignment of clinical changes with these biochemical markers. Using cutting-edge mass spectrometry technologies, we perform a streamlined proteomic analysis of CSF. We quantify greater than 700 proteins across 10 pairs of age- and sex-matched participants in approximately one hour of analysis time each. Using the paired participant study structure, we identify a small group of biologically relevant proteins that show substantial changes in abundance between cognitive normal and AD participants, which were then analyzed at the peptide level using parallel reaction monitoring experiments. Our findings suggest the utility of fractionating a single sample and using matching to increase proteomic depth in cerebrospinal fluid, as well as the potential power of an expanded study.     

阿尔茨海默病药物治疗的研究进展

综述了阿尔茨海默病的药物治疗研究进展,包括乙酰胆碱酯酶抑制剂,NMDA受体拮抗剂,非甾体类抗炎药,抗氧化剂,免疫治疗以及针对Aβ的其它治疗手段等.     

基于文本分析的自动化疾病编码方法

对疾病进行编码是将疾病诊断名称转化为标准ICD(国际疾病分类)编码的过程.鉴于编码量庞大和人工编码效率低等原因,有必要实现疾病编码的自动化.提出一种自动化的疾病编码方法,使用一种文本建模方法将ICD表示为文本集,然后借助文本相关性度量,获取与待编码疾病诊断名称最相关的ICD编码.经实验验证,本文提出的自动化疾病编码方法准确率较高、效率优秀、分类层次变换灵活,可广泛应用于各种类型的数据分析场景.     

β-淀粉样多肽自聚集抑制剂的电化学筛选方法研究

β-淀粉样多肽（Amyloidbeta,Aβ）的聚集物具有神经细胞毒性,可导致神经元凋亡,从而诱导阿尔茨海默症（Alzheimer’s disease,AD）的发生。能够抑制AB自聚集行为的化合物称为AB自聚集抑制剂。该抑制剂可抑制Aβ有毒聚集物的产生,从而降低Aβ所引起的神经细胞毒性,对AD病有一定的治疗效果。因此。筛选AB自聚集抑制剂对于AD的治疗有着重要的意义。在数以千万计的化合物中,要筛选出对Aβ自聚集有抑制效果的化合物需要借助众多的仪器和研究方法。该文总结了筛选AB自聚集抑制剂的几种方法．重点综述了几种低成本、快速、灵敏的电化学筛选方法。Aβ自聚集抑制剂的筛选对临床上AD病的治疗提供了理论基础,为治疗AD病这一复杂科学问题的研究起到了促进作用。