简介：细胞内的钙离子（Ca2＋）是体内关键的信号转导因子,在诸多生理活动中都起着重要作用。肌浆网/内质网钙ATP酶（SERCA）能够将胞浆内的Ca2＋转运到肌浆网和内质网中,调控细胞的生长和凋亡。细胞凋亡是调节机体发育和衰老的基本机制,与Ca2＋密切相关。SERCA作为调控钙稳态的关键酶,它与细胞凋亡联系紧密。本文从心肌细胞、足细胞、胰岛β细胞、肝细胞和巨噬细胞等分别阐述了SERCA调控细胞凋亡的最新进展,将为疾病诊断和靶向治疗提供新的理论基础。

简介：基于深度学习的医学图像处理已成为该领域研究的热点。深度学习方法在各种医学图像应用中取得了优异性能,达到甚至超过了专家级医生的水平。本文首先简述深度学习模型的基本原理,尤其是监督学习算法中的各种神经网络,然后总结它们在医学图像分类与识别、定位与检测、分割、配准与融合等应用领域的研究进展,最后探讨医学图像处理深度学习方法面临的挑战及应对措施。

简介：动脉粥样硬化是一种严重危及人类健康的心血管疾病,引起广泛重视。常用的治疗药物以降低血脂、抗氧化以及抗血小板聚集为主。随着对动脉粥样硬化发病机制的深入研究,一些新型药物已陆续上市,如枯草溶菌素转换酶9抑制剂、微粒体转运蛋白抑制剂以及基因治疗药物等。此外,一系列具有血脂调节功能的新型药物目前已处于临床二期或三期的研究当中。本文对目前抗动脉粥样硬化药物的研究进展做简要综述。

简介：近年来,随着亚健康人群的增多,家用理疗产品逐步受到医疗领域的关注。为此,本文采用STM32芯片,设计了一种家用多功能康复理疗仪。该仪器包含了热疗、电针、超声等理疗模式。热疗模式利用了RC测温电路检测实时温度,结合负载开关对加热电路进行控制。电针模式利用boost电路进行升压,该电压结合SN74LVC2G66双向模拟开关对H桥式电路进行控制,输出双向电脉冲。超声模式利用波形发生器产生1MHz正弦波,提供给电压放大电路去驱动超声换能器。用户可以根据自身需求,利用控制单元进行模式的选择和强度的调节,这些功能均能在LCD屏上显示。此款理疗仪最终能让使用者达到改善血液循环,缓解疲劳等理疗目的。

简介：重症监护室(IntensiveCareUnit,ICU)的监护种类繁多,然而许多监测大多都是有创监测,研究表明有创监测可能会增加患者出现并发症(如出血、感染)的风险,因此在重症监护病房(ICU)发展非侵入性的、连续的智能监控技术势在必行。深静脉血栓形成(DeepVeinThrombosis,DVT)可能引起严重发病率,常见于住院患者,尤其是术后人群。休克可能导致急性血流量减少,代谢异常,无氧代谢,细胞和器官功能障碍,如果时间延长,可能导致不可逆转的损害和死亡。ICU的患者基本都是危急重症,生命体体征不稳定,随时都可能会出现生命危险,需要医护人员24小时全天候监护,因此对ICU中医护人员进行疲劳监测很有必要。我们采用近红外光谱(Near-InfraredSpectroscopy,NIRS)这种非侵入性的、有效的、以及非电离测量的实时技术开发了一系列设备对DVT、休克、疲劳以及水分、深部组织温度和血流动力学参数的监测。与此同时,心电(EEG)、光学体积描记术(PPG)、压力脉搏波(PPW)等参数也是ICU监护中必不可少的,我们设计了一种无创、低成本监测系统,对系统中信号的稳定性进行了测试并验证了设备的可靠性。

简介：碱性成纤维细胞生长因子2（fibroblastgrowthfactor2,FGF2）是一类功能多样的多肽,可由视网膜的多种细胞分泌产生。随着对视网膜血管性疾病的研究深入,FGF2在其中的作用也得到广泛重视。FGF2可与血管内皮生长因子（vascularendothelialgrowthfactor,VEGF）、肿瘤坏死因子-α（tumornecrosisfactor-α,TNF-α）等细胞因子相互作用,通过发挥促血管生成作用、促炎作用以及一定的神经保护作用而参与视网膜血管性疾病的发生与发展。此外,FGF2的表达上调很可能是部分患者使用抗VEGF治疗效果不显著的重要因素。本文就FGF2的分子特征、分子作用机制及FGF2与视网膜血管性疾病的相关性进行总结,旨在为FGF2作为视网膜血管性疾病的治疗靶点提供理论依据。

简介：通过改进处理K-SVD算法得到DDELM-AE算法,之后再把该算法应用于物体特征识别中。研究结果得到:K-SVD算法的收敛速率较快,达到收敛的时间也显著比SAE算法更短,本文通过改进K-SVD算法之后使DDELM-AE算法的计算准确率以及计算效率都获得了显著的改善。采用K-SVD算法可以达到76.3%的识别准确率,使用深度特征信息之后,可以使识别准确率升高至81.4%,DDELM-AE可以显著提高K-SVD算法的性能,并且加入多特征之后可以使算法识别准确率得到显著提高。

简介：目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。

简介：为了克服图像模式识别中的噪声干扰,提出了一种具有感知功能的蚁群算法获得最终检测的边缘信息。改降低了迭代的游走以及初始随机分布里面一些没有意义的运算,使系统运算更加快捷,极大的提高了运算的效率。同时使用感知区域对蚂蚁的游走方向进行了引导和限制,降低了蚂蚁陷入局部而无法走出的可能性。通过对比两种算法进行仿真实验时的运行速度可以发现传统蚁群算法的速度比SACO慢很多。

简介：小世界是一种以较低的连接和能量成本实现高效的信息分离与整合的网络结构,而人脑网络具有显著的小世界特性。在弥散张量成像（diffusiontensorimaging,DTI）脑网络的研究中,如何有效地量化和评估网络的小世界属性依然是研究中存在的一个关键问题。在研究文中,我们首先概括了已有小世界属性评估指标及其存在的问题,随后提出了一种新的基于网络全局效率和局部效率的小世界属性评估指标。为了验证该指标的有效性,我们基于75个中老年人的DTI脑网络对其进行了应用与评估。与传统指标相比,该指标对研究对象的年龄变化更敏感,并与多项认知评估量表的结果存在显著相关。网络节点随机化和网络失连接这两种攻击测试的结果也表明,新指标在DTI脑网络的研究中具有较高的准确性和稳定性。