关键词： 国际功能、残疾和健康分类   视力障碍   辅盲设备   智能化   人工智能   功能   分类   评价  

摘要： 背景:辅盲设备及技术的应用是当今视力障碍人群常用的干预手段,可提高日常生活活动的参与及工作学习能力,帮助其回归家庭、回归社会。数字信息和智能化时代下辅盲设备的形式、技术和功能各有不同,其分类目前暂未能得到有效统一的讨论和评价。目的:基于《国际功能、残疾和健康分类》评价国内视力障碍人群智能化辅盲设备的补偿功能。方法:通过计算机检索中国知网、维普和万方数据库2013-01-01/2023-12-31收录的相关文献。基于《国际功能、残疾和健康分类》理论模式和框架结构,应用术语结构和编码程序归纳相关视力障碍评估类目,整理与分析国内视力障碍的智能化辅盲设备补偿功能研究与分类。结果与结论:①共纳入197篇文献:其中身体功能1篇,包含b2(b210);身体结构1篇,包含s2(s220);活动与参与共119篇,包含d1(10篇,d110、d115、d120、d140、d166),d3(4篇,d315、d325、d345、d360),d4(102篇,d465、d470),d8(3篇,d820、d825);环境因素共76篇,包含e1(72篇,e115、e120、e125、e130、e140、e150、e155、e160),e2(4篇,e210、e240);②基于《国际功能、残疾和健康分类》的视力障碍智能化辅盲设备补偿功能研究分类包含4个部分、8个分类、25个类目,领域涉及身体补偿类、生活用品类、教育学习类、出行导盲类、布局规划类。

关键词： 膝关节   关节软骨   半月板   生物力学   有限元分析   有限元模型   膝骨关节炎   关节置换   人工智能   综述  

摘要： 背景:有限元分析是一种先进的计算机工程技术,利用数学近似的方法对真实人体进行模拟,可以真实反映膝关节结构内部的生物力学特征,为理解膝关节疾病发病机制、优化手术方案以及开发新型植入材料提供了有效的工具。目的:对膝关节有限元模型的建立及其在膝关节疾病研究中的应用进行综述,并展望了未来的发展趋势。方法:第一作者于2024年4月以“Finite Element Analysis,FEA,knee joint,Finite Element Model,Knee Biomechanics,Knee Osteoarthritis,Knee Prosthesis,Knee Ligaments,Meniscus”为英文检索词在PubMed和EI数据库进行检索,以“有限元分析,有限元模型,膝关节,生物力学,骨关节炎,计算模型,膝关节假体,膝关节韧带,半月板”为中文检索词在中国知网和万方数据库进行检索,最终纳入75篇文献进行分析。结果与结论:①有限元分析法利用医学影像数据获得三维人体模型,将复杂的人体关节结构简化为有限且相互连接的单元,通过对模型施加外部载荷,直观地显示膝关节内部的应力分布。②研究者通过有限元分析深入研究膝关节在不同工况下的内部应力和应变分布,可发现膝关节内部载荷分配平衡改变时,关节软骨的过度载荷及部分区域的负荷下降,这种长期异常应力会引起软骨变形和磨损,最终缺失,对于理解生物力学因素如何引起膝关节退行性变至关重要。③有研究通过有限元分析评估膝骨关节炎患者采用太极拳、步态调整等物理治疗方法的效果,结果显示这些治疗方法减少了软骨的过度负荷,为临床治疗提供了科学理论依据。④临床医生通过有限元分析在手术前进行三维重建、数据测量和模拟手术,能够优化手术治疗策略;此外,还可以通过模拟不同假体的力学特征,改进假体的形状、材料和固定方式,减少患者的并发症,提高患者的治疗效果。⑤人工智能与有限元分析相结合使得有限元模型的构建更为精确和易于操作,极大提高了临床医生医疗实践的效率和患者的治疗效果。⑥有限元分析仅是数字化的模拟,与真实物理状态仍存在一定差异。

关键词： 肱骨近端骨折   继发性螺钉切出   机器学习   影响因素   风险预测模型  

摘要： 背景:继发性螺钉切出关节面是肱骨近端骨折锁定钢板内固定术后的主要并发症之一,切出的螺钉会磨损关节盂和引起肩峰撞击,影响肩关节功能。因此,准确的风险预测有积极的临床意义。目的:通过机器学习方法筛选肱骨近端骨折钢板内固定后继发性螺钉切出的风险因素,开发并验证风险预测模型,便于临床医生早期甄别并干预高风险患者。方法:收集2013年6月至2022年6月接受锁定钢板内固定治疗的214例肱骨近端骨折患者的临床资料作为训练组建立模型,将同一时间段另一医院收治的同类患者61例纳入外部验证组。按照患者术后是否出现继发性螺钉切出,分为螺钉切出组和螺钉维持组。训练组利用随机森林、支持向量机、逻辑回归3种机器学习算法构建预测模型;采用递归特征消除法、10折交叉验证重抽样作为变量的筛选方法,并将3种模型准确度最高时纳入变量的交集作为与螺钉切出高度相关的可靠风险变量。通过R语言软件构建动态预测模型,以网页计算器形式展示,并对模型进行内、外部验证。模型内部检验采用Bootstrap法重抽样1000次,使用受试者工作特征曲线下面积、校准曲线、临床决策曲线评价模型的区分度、校准能力及临床应用价值。通过Youden指数确定预测模型的最佳风险分界值,据此将外部验证组患者分为高、低风险组,根据模型风险预测能力的准确度来评价其稳定性和外延性。结果与结论:①机器学习算法筛选出继发性螺钉切出高度相关的4个风险变量,分别为肱骨近端内侧柱皮质支撑、三角肌结节指数、骨折类型及术后复位情况;②构建的风险预测模型表现出良好的区分度和准确度[曲线下面积=0.874,95%置信区间(0.827,0.922)],校准曲线显示模型预测风险和实际发生风险有较好的一致性;③临床决策曲线提示风险阈值概率在0.1-0.75范围内时,模型具有较好的临床适用性;④风险概率为26%是模型风险分层的最佳阈值,外部验证组利用模型风险分层预测螺钉切出的总正确率为84%;⑤结果说明该风险预测模型准确度和外延性较好,可为指导临床治疗提供依据。

关键词： 激素性股骨头坏死   线粒体自噬   机器学习   免疫细胞浸润   关键标志物  

摘要： 背景:线粒体自噬和激素性股骨头坏死的发生、发展关系密切,但具体生物标志物及调控机制尚未明确。目的:通过机器学习算法识别激素性股骨头坏死中线粒体自噬的关键标志物及免疫浸润分析。方法:从GEO数据库下载股骨头坏死数据集GSE123568和GSE74089,分别作为训练集和验证集,在激素性股骨头坏死组和对照组之间选择差异表达基因,进行加权共表达分析。从MitoCarta 3.0数据库下载线粒体自噬相关基因,然后与差异基因和模块基因取交集。利用两种机器学习算法鉴定激素性股骨头坏死线粒体自噬关键基因,利用外部验证集进行验证。采用CIBERSORT和免疫浸润分析免疫细胞占比,单样本基因集富集分析线粒体自噬基因与免疫细胞的相关性分析。结果与结论:①差异分析共获得1163个差异基因,其中有663个上调基因和500个下调基因;加权共表达分析鉴定出4个相关模块,共1412个模块基因;②最终与线粒体自噬基因取交集初步筛选出39个交叉基因可能是疾病相关线粒体自噬基因;GO富集分析结果显示,生物过程主要涉及血红素代谢、线粒体运输、核苷酸双磷酸代谢和硫酯代谢过程,细胞组分主要涉及线粒体基质、线粒体外膜、细胞器外膜和线粒体内膜,分子功能主要涉及脂肪酸连接酶活性、铁-硫簇结合和辅酶A连接酶活性;KEGG富集分析结果共映射出6条通路,主要涉及脂肪酸降解、线粒体自噬、丁酸代谢、脂肪酸生物合成和辅因子生物合成;③经LASSO回归和随机森林算法分析最终得到4个核心基因(ALDH5A1、FBXL4、MCL1和STOM),4个核心基因和诊断列线图外部验证集的受试者工作特征曲线均大于0.9;④激素性股骨头坏死发生发展与活化的树突状细胞、骨髓来源的抑制性细胞、调节性T细胞和中心记忆CD8T细胞等免疫细胞有关;⑤结果显示,4个关键的线粒体自噬基因ALDH5A1、FBXL4、MCL1和STOM通过破骨细胞分化和免疫机制在激素性股骨头坏死进展中发挥关键作用,均具有较好的疾病预测效果,可能作为激素性股骨头坏死诊断和治疗的生物标志物。

关键词： 类风湿关节炎   机器学习   免疫浸润   诊断标记物   差异表达基因  

摘要： 背景:类风湿关节炎是一种慢性的自身免疫性疾病,早期诊断对于预防疾病进展和治疗至关重要。因此探究类风湿关节炎的诊断特征和免疫细胞浸润具有重要意义。目的:基于Gene Expression Omnibus(GEO)数据库,通过机器学习算法,筛选类风湿关节炎潜在重要的诊断标记物,并探讨类风湿关节炎的诊断特征与免疫细胞浸润的关系。方法:从GEO数据库获取类风湿关节炎相关的滑膜组织的基因表达数据集,采用批量效应去除法对数据集进行合并,采用R软件进行差异表达基因的鉴定和功能相关性分析,通过生物信息学分析和3种机器学习算法进行疾病特征基因的提取,筛选出类风湿关节炎相关的关键基因。此外,对所有差异表达基因进行免疫细胞浸润分析,分析类风湿关节炎的炎症状态,并对其诊断特征与浸润性免疫细胞的关系进行研究。结果与结论:(1)在类风湿关节炎和正常滑膜组织中,获得了179个差异表达基因,其中124个基因表达上调,55个基因表达下调;(2)富集分析显示类风湿关节炎和免疫反应之间存在良好的相关性;(3)通过3种机器学习算法分析发现,LRRC15和MICB可能是类风湿关节炎潜在的标记物;(4)LRRC15(曲线下面积=0.964,95%CI:0.924-0.992)和MICB(曲线下面积=0.961,95%CI:0.923-0.990)在验证数据集上有着较强的诊断能力;(5)13种免疫细胞浸润发生改变,以巨噬细胞为主;(6)在类风湿关节炎中,免疫细胞功能的多数促炎途径被激活;(7)免疫相关性分析发现LRRC15和MICB与M1型巨噬细胞的相关性最强;(8)结果发现LRRC15和MICB被确定为类风湿关节炎潜在的诊断标记物,具有较强的诊断性能并且与免疫细胞浸润具有显著的相关性;通过机器学习及生物信息学分析加深了对类风湿关节炎免疫浸润的理解,为类风湿关节炎的诊断和治疗提供新的思路。

关键词： 缺血性脑卒中   铁死亡   生物信息学   HT22细胞   机器学习   特征基因   细胞实验   NFE2L2   ASCL4   GPX4  

摘要： 背景:铁死亡与缺血性脑卒中的发病密切相关,靶向铁死亡是一种治疗缺血性脑卒中有前景的方案,但具体调控靶点尚不明确。目的:通过生物信息学和机器学习方法筛选缺血性脑卒中铁死亡相关特征基因,并通过细胞实验进行验证,探讨铁死亡在缺血性脑卒中的作用。方法:基于GEO数据库和FerrDb数据库选取符合条件的缺血性脑卒中相关数据集和铁死亡表达数据集,通过t检验筛选铁死亡相关差异基因。对铁死亡相关差异基因进行GO功能富集分析与KEGG信号通路富集分析。通过PPI网络分析和机器学习筛选缺血性脑卒中铁死亡的特征基因,利用ROC分析和GSEA分析探究特征基因的准确性和生物功能。然后进行细胞实验,将HT22细胞分为对照组与缺血性脑卒中组,对照组不作任何干预,缺血性脑卒中组加入0.1 mol/L的H_(2)O_(2)干预24 h诱导细胞氧化应激和铁死亡,通过实时荧光定量RT-PCR和Western Blot验证铁死亡的发生和特征基因表达。结果与结论:(1)共获取45个铁死亡相关差异基因,GO和KEGG富集分析发现差异基因与氧化应激、自噬、铁死亡、脂肪细胞因子信号通路和线粒体代谢密切相关。(2)通过PPI网络中的MCODE插件和cytoHubba插件与机器学习中的LASSO算法和SVM-RFE算法共鉴定出1个铁死亡特征基因核因子E2相关因子2(nuclear factor erythroid 2-related factor 2,NFE2L2)。(3)对NFE2L2进行ROC曲线分析,发现在训练集和验证集中构建的诊断预测模型具有良好的准确性与特异性;对NFE2L2进行GSEA分析,发现特征基因通过免疫、炎症反应、氨基酸代谢及神经因子调控等方面参与缺血性脑卒中发病机制的调控。(4)细胞实验的RT-PCR和Western Blot分析表明,与对照组对比,缺血性脑卒中组中的酰基辅酶A合成酶长链家族成员4 mRNA和蛋白表达水平显著增高(P<0.05),谷胱甘肽过氧化物酶4 mRNA和蛋白表达水平显著降低(P<0.05);与对照组对比,缺血性脑卒中组中特征基因NFE2L2 mRNA和蛋白表达水平显著增高(P<0.05)。(5)上述结果证实,缺血性脑卒中与铁死亡密切相关,靶向特征基因NFE2L2可以为研究和治疗缺血性脑卒中提供一定的思路与方向。

关键词： 人工智能   神经再生   脊髓损伤   机器外骨骼   脑机接口   神经电刺激   脑皮质重组   深度学习   机器学习   神经网络  

摘要： 背景:近年来人工智能逐渐兴起,在多方面应用于脊髓神经损伤与修复领域,对临床治疗也有诸多积极影响。目的:研究人工智能在脊髓神经损伤与修复领域的诊断、治疗和康复中的应用进展,明确该领域的研究热点和不足,为今后研究工作提供建议。方法:在Web of Science核心集数据库检索建库至2023年收录的人工智能在脊髓神经损伤与修复领域相关文献,使用CiteSpace 6.1.R6和VOSviewer 1.6.19软件对文献数据进行一般文献学分析、文献共被引、期刊共被引、期刊双图叠加及关键词聚类等可视化分析。结果与结论:①共筛选出1713篇文章,此领域年发文量呈波动上升趋势,其中美国占据主导地位,Kadone Hideki是发文量最多的作者,《ARCH PHYS MED REHAB》是被引用次数最多的期刊。②关键词共现和聚类分析显示,去除与检索词相近的关键词后,主要关键词被分为3个主要集群:外骨骼与运动康复(为最大核心热点)、机器学习和神经可塑性、机器人和康复训练。③关键词爆发分析显示,深度学习和人工智能在过去5年中已成为突发术语。④文献共被引和高被引文献分析结果显示,人工智能在脊髓神经损伤与修复领域热点集中于动力外骨骼(powered exoskeleton)、步态(gait)、神经电刺激(electrical nerve stimulation)、皮质内脑机接口(intracortical brain-computer interface,IBCI)、机器人(robot)、高分子生物材料(polymer biomaterials)及神经干细胞(neural stem cell)等内容。⑤人工智能在脊髓神经损伤与修复领域的研究近年来呈现上升趋势,该领域的关注点从外骨骼、电刺激等单一的治疗手段,逐渐向智能化、精准化和个性化等方向转变。⑥该领域存在一些局限性,例如数据缺失或不平衡的后果、数据准确性和可重复性低以及伦理问题(如隐私、研究透明度和临床可靠性等),未来的研究应该解决数据收集的问题,需要大样本、高质量的临床数据集来建立有效的人工智能模型;同时该领域的基因组学等机制研究十分薄弱,未来可利用类脑芯片等多种机器学习技术,运用基因编辑治疗及单细胞空间转录组等方法,进行再生相关基因上调和轴突生长结构蛋白产生等基础机制研究。

关键词： 《摩罗诗力说》   知识视野   人工智能   《野草》   生成式   高考满分作文   西方名著  

摘要： 2020年高考满分作文《生活在树上》惊动了学界、文坛,至今犹有余波。这位考生估计爱读汉译西方名著,知识视野真的超出很多文化人。有家传媒以“不说人话”评价此文,因其行文晦涩,多用西典及文言语汇,如嚆矢、祓魅、玉墀、婞直、一觇、滥觞、肯綮等。估计对这家传媒来说,只要不说大白话就是“不说人话”。他不知道人上一百,人外有人。《离骚》《野草》《摩罗诗力说》《查拉斯图拉如是说》在他眼里估计也是“不说人话”。

关键词： 拖拉机   发动机故障诊断   数据挖掘技术   机器学习   特征选择  

摘要： 拖拉机是农业生产的重要工具,发动机是其核心部件,如发动机出现故障,将会直接影响农业生产效率和产量。为此,提出了一种使用数据挖掘技术进行拖拉机发动机故障诊断的方法。利用了机器学习技术和统计学,首先针对拖拉机田间运行信号噪音较大的问题,引入小波阈值去噪的方法;其次,基于卷积神经网络模型,引入一种注意力机制,提高故障诊断准确率,并通过对拖拉机传感器数据进行分析,可以帮助诊断和预测发动机故障;最后,通过实验结果验证了算法的有效性。研究结果不仅可以提高故障的准确性和效率,还能够节约维修成本和提高机器的利用率,具有较高的应用价值。

关键词： 纤维肌痛综合征   生物信息学   机器学习   免疫浸润   加权基因共表达网络分析   套索回归   支持向量机递归特征消除算法   单样本基因集富集分析   基因集富集分析  

摘要： 背景:纤维肌痛综合征作为常见风湿病,其发病与中枢敏化及免疫异常有关,但具体过程尚未阐明,缺乏特异性诊断标志物,不断探索该病的发病机制具有重要的临床意义。目的:基于加权基因共表达网络分析(WGCNA)等生物信息学方法和机器学习算法筛选纤维肌痛综合征潜在的诊断相关标志基因,并分析其免疫细胞浸润特征。方法:对来自基因表达综合数据库(GEO)的纤维肌痛综合征数据集转录谱进行差异分析和WGCNA分析,整合筛选出差异共表达基因,进一步采用机器学习套索回归(LASSO)算法、支持向量机递归特征消除(SVM-RFE)机器学习算法来识别核心生物标志物,并绘制受试者工作特征(ROC)曲线以评估诊断价值。最后,采用单样本基因集富集分析(ssGSEA)和基因集富集分析(GSEA)评估纤维肌痛综合征的免疫细胞浸润情况及通路富集。结果与结论:①对GSE67311数据集按照log2|(FC)|>0,P<0.05的条件进行差异分析后获得8个下调的差异表达基因;进行WGCNA分析后获得正相关性最高(r=0.22,P=0.04)的模块(MEdarkviolet)内含基因497个,负相关性最高(r=-0.41,P=6×10-5)的模块(MEsalmon2)内含基因19个;将差异表达基因与WGCNA的2个高相关性模块基因取交集,获得7个基因。②对上述7个基因进行LASSO回归算法筛选出4个基因,进行SVM-RFE机器学习算法筛选出5个基因,两者取交集后确定了3个核心基因,分别为重组1号染色体开放阅读框150蛋白(germinal center associated signaling and motility like,GCSAML)、整合素β8(Integrin beta-8,ITGB8)和羧肽酶A3(carboxypeptidase A3,CPA3);绘制3个核心基因的ROC曲线下面积分别为0.744,0.739,0.734,提示均具有很好的诊断价值,可作为纤维肌痛综合征的生物标志物。③免疫浸润分析结果显示,与对照组相比纤维肌痛综合征患者记忆B细胞、CD56 bright NK细胞和肥大细胞显著下调(P<0.05),且与上述3个生物标志物显著正相关(P<0.05)。④富集分析结果提示,纤维肌痛综合征的富集途径包括9条,主要与嗅觉传导、神经活性配体-受体相互作用及感染等通路密切相关。⑤上述结果显示,纤维肌痛综合征的发生发展与多基因参与、免疫调节异常及多个通路失调有关,但这些基因与免疫细胞之间的相互作用,以及它们与各通路之间的关系尚需进一步研究。