脑钠肽前体评定老年心衰患者心功能的临床意义

目的　比较脑钠肽前体(pro BNP)水平、心功能分级(NYHA)、经超声心动仪测定的左室射血分数(UCG EF)、6 min步行试验(6 MWT)在老年心衰患者心功能评定中的应用价值。方法　测定不同基础心脏病的老年心衰患者治疗前后的pro BNP水平,并与常规临床评估方法NYHA、UCG EF、6 MWT进行比较。结果　随治疗后心衰客观指标的好转,pro BNP水平下降,pro BNP心功能状态分级也降低,与pro BNP心功能状态分级比较,UCG EF心功能状态分级与其接近,其次为NYHA,6 MWT差异最大。结论　pro BNP是评定老年心衰患者心功能并判断预后较为可靠的指标,尤其当合并肺部疾病采用其他方法评定有困难时更有价值,其次为UCG EF。     

大鼠脑发育过程中EGFR免疫组织化学研究

目的　阐明大鼠脑发育过程中表皮生长因子受体 (EGFR)的表达及其意义。方法　应用免疫组织化学ABC法 ,对不同发育时期大鼠脑的嗅球、室管膜、室管膜下区、顶叶皮质、纹状体和海马齿状回进行EGFR免疫组织化学染色及光镜观察。结果　EGFR在中枢神经系统广泛分布 ,从大鼠胚胎期至老年 ,嗅球、大脑皮质、纹状体、海马、室管膜及室管膜下区等部位都有表达 ,在大鼠出生后 5d表达至高峰。结论　EGFR表达随年龄增长有降低的趋势     

~(99)Tc~m-ECD SPECT显像定量测定癫痫局部脑血流量

目的　应用SPECT脑显像定量测定癫痫局部脑血流量的变化 ,旨在评价其在致痫灶定位诊断中的意义。方法　对 3 5例癫痫患者发作间期进行SPECT脑显像 ,用自编软件定量测定其局部脑血流量。结果　SPECT阳性检出率为 80 % ,其中以颞叶最多 ,额叶及基底节次之。癫痫患者致痫灶脑血流量明显降低 ,平均降低约 3 4 .3 %。结论　SPECT脑显像定量测定发作间期癫痫患者局部脑血流量对癫痫灶定位诊断具有较高的临床价值     

汽车-动力两轮车碰撞前驾驶员风险感知研究

人机共驾阶段人类驾驶员对驾驶环境保持较高的风险感知水平是保证及时有效、稳定安全接管的核心。本研究通过开展风险感知模拟驾驶试验,获取了驾驶员在典型汽车-动力两轮车碰撞场景下的驾驶行为及脑电响应数据。从驾驶行为层面以制动TTC(time to collision)和平均加速度为评价指标,利用分位数回归构建了驾驶员风险感知量化模型,通过独立样本检验发现驾驶经验、碰撞场景类型对驾驶员风险感知存在显著影响。在脑电响应层面,通过双独立样本检验及FDR校正发现Alpha频段与驾驶员风险感知显著相关。此外,提出了驾驶员风险感知神经机理,包括视觉感知与认知加工两个阶段。研究结果有助于提升人机共驾汽车的安全性。     

老年糖尿病患者术中SedLine脑电监测与术后谵妄的相关性研究

目的 探究在老年糖尿病患者术中麻醉监测SedLine数据与发生术后谵妄(POD)的相关性。方法 纳入2019年10月至2020年1月全身麻醉下行择期手术的老年(≥65岁)糖尿病患者,心功能及ASA分级均为Ⅰ～Ⅲ级;排除行神外、心外、移植手术,无法在头部安置电极及不能配合完成评估者。收集年龄、性别、体质指数(BMI)、受教育年限、吸烟史、心肺系统合并症等一般资料。除常规术中监测外,监测患者SedLine多导脑电(EEG),包括原始EEG、患者状态指数(PSI)、爆发抑制(BS)、肌电图(EMG)以及密度频谱阵列(DSA)。观察并记录患者术中EEG数据,住院期间分别于术前1 d和术后1、2、3、7 d对患者进行ICU意识模糊评估法(CAM-ICU)诊断POD,并以蒙特利尔认知评估量表(MoCA量表)诊断术后认知功能障碍(POCD)。采用t检验筛选POD与非POD患者术中EEG差异参数,用二元Logistic回归分析相关系数,用ROC曲线计算截点值、敏感度和特异度。结果 两组患者基线资料差异无统计学意义。POD患者合并POCD的发生率比非POD患者高57.2%(P=0.019),而手术时长、...     

基于脑电频域特征的高速铁路调度员监控工作注意水平识别方法

高速铁路调度员监控作业的注意力水平识别是全周期注意识别的重要组成部分。针对监控作业交互少、反馈弱以及视觉特征不显著的特点，设计基于信息感知密度的注意诱导实验作为客观评价参照，采集全头脑电并提取了57个通道的7项频段指标为识别特征。采用Pearson相关系数进行特征初筛，采用Logistic回归-预测变量重要性排序的包裹式方法对特征进行进一步降维并进行注意水平识别。实验结果表明：基于左额叶和双侧枕叶的17个脑电频段特征的多项Logistic回归模型对低注意水平有81%的识别准确率。脑电频段特征对应负责大脑思维功能和视觉加工处理的脑功能区，反映高铁调度员在监控工作中的注意水平变化对应的认知功能变化。     

类脑学习型自动驾驶决控系统的关键技术

作为高级别自动驾驶的下一代技术方向，类脑学习以深度神经网络为策略载体，以强化学习为训练手段，通过与环境的交互探索实现策略的自我进化，最终获得从环境状态到执行动作的最优映射。目前，类脑学习方法主要用于自动驾驶的决策与控制功能设计，它的关键技术包括：界定策略设计的系统框架、支持交互训练的仿真平台、决定策略输入的状态表征、定义策略目标的评价指标以及驱动策略更新的训练算法。本文重点梳理了自动驾驶决策控制的发展脉络，包括两类模块化架构（分层式和集成式）和3种技术方案（专家规则型、监督学习型和类脑学习型）；概述了当前主流的自动驾驶仿真平台；分析了类脑决控的3类环境状态表征方法（目标式、特征式和组合式）；同时介绍了自动驾驶汽车的五维度性能评价指标（安全性、合规性、舒适性、通畅性与经济性）；然后详述了用于车云协同训练的典型强化学习算法及其应用现状；最后总结了类脑自动驾驶技术的问题挑战与发展趋势。