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： 人工智能   骨创伤   骨折   机器学习   深度学习   文献计量学   Web of Science   影像诊断   Citespace   可视化分析  

摘要： 背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究现状、热点和未来发展趋势,以期为今后的研究提供新的见解。方法:选择Web of Science核心集数据库中,时间跨度设为自建库至2023年8月,检索人工智能、机器学习、深度学习应用于骨创伤相关的文献420篇。通过人工筛选,导出与文章相关的文献共202篇,采用Citespace软件进行国家、机构、被引期刊和引文分析等的合作和关键词的共现等可视化分析。结果与结论:①分析筛选后纳入的202篇文献,总体发文量呈上升趋势,且在未来研究潜力巨大。研究中心性最高和发文量排名第一的国家均为美国。加州大学(美国)是发文量最多的研究机构。②人工智能在骨创伤研究中最常用的前5个关键词是深度学习、人工智能、骨密度、机器学习、诊断,中心性最高的关键词为骨密度,关键词数量最多的为深度学习。③共被引频次前10位的参考文献分别从多个方面介绍了人工智能技术应用于骨创伤领域诊断的可行性研究,其中8篇涉及骨关节损伤与深卷积神经网络,1篇涉及深度学习在CT检查中检测骨质疏松从而预防脆性骨折,1篇通过人工智能识别皮肤纹理变的特征应用于骨的特征性识别的相关性研究。④今后,人工智能的研究热点将主要集中在骨关节创伤和骨质疏松引发的骨折特异性研究上,未来研究趋势主要集中在提升人工智能算法的性能上,使用人工智能新技术对骨损伤进行精准划分和快速高效诊断,尤其是针对复杂和隐匿性骨折的诊断,通过建立有限元分析模型,实现对骨创伤的更加标准化评估。

关键词： 加权基因共表达网络   机器学习算法   类风湿关节炎   关键基因   预测模型  

摘要： 背景:类风湿关节炎是一种全身的免疫相关性疾病,主要病理特点是关节滑膜炎性增生及关节软骨的破坏,其发病机制目前尚不明确,迫切需要发现新的具有高度敏感性和特异性的诊断标志物。目的:联合使用生物信息学技术及计算机学习算法,识别并筛选类风湿关节炎患者滑膜中的关键基因,构建类风湿关节炎预测模型并进行验证。方法:从基因表达综合数据库中下载3个包含类风湿关节炎患者滑膜的数据集(GSE77298、GSE55235、GSE55457),GSE77298和GSE55235作为训练集,GSE55457作为测试集,共纳入66个样本,其中类风湿关节炎患者滑膜样本39个,正常滑膜样本27个。应用R语言筛选训练集中的差异基因,然后使用加权共表达网络将训练集中的基因模块化,选出关键模块中的特征基因,将差异表达基因和特征基因取交集,交集基因进入下一步机器学习。采用3种机器学习方法:最小绝对值收敛和选择算子算法、支持向量机-递归特征消除和随机森林算法对交集基因进一步分析获得枢纽基因,将枢纽基因再次相交即得到类风湿关节炎滑膜中的关键基因。以关键基因为变量构建预测类风湿关节炎的列线图模型,推测患者发生类风湿关节炎的危险程度,使用受试者工作特征曲线确定类风湿关节炎预测模型及其关键基因的诊断价值。结果与结论:①通过差异分析,训练集中共筛选出差异基因730个,加权共表达网络分析得到特征基因185个,两者交集基因159个;②最小绝对值收敛和选择算子发现枢纽基因4个,支持向量机-递归特征消除发现枢纽基因11个,随机森林发现枢纽基因5个,取交集后获得关键基因2个(TNS3、SDC1);③基于2个关键基因,在训练集及测试集种构建列线图,其校准预测曲线与标准曲线贴合较好,且预测类风湿关节炎发生的临床效能良好;④上述结果证实,基于生物信息及机器学习算法获得的TNS3和SDC1有可能成为类风湿关节炎诊断和治疗的关键靶点。

关键词： 运动损伤   损伤预警   损伤预防   智能预警   机器学习   深度学习   人工智能   体育运动  

摘要： 背景:运动医学界广泛呼吁采用机器学习技术高效处理庞大、冗杂的运动数据资源,构建智能化的运动损伤预警模型,以实现运动损伤的精准预警。对此类研究成果进行综合归纳与评述,对把握预警模型改进方向,指导中国损伤预警模型构建工作均具有重要意义。目的:系统梳理基于机器学习技术的运动损伤预警模型相关研究,为中国运动损伤预警模型构建工作提供借鉴。方法:对中国知网、Web of Science和EBSCO数据库进行文献检索,主要检索机器学习技术和运动损伤相关文献,最终纳入61篇运动损伤预警模型相关文献进行分析。结果与结论:①在纳入文献的外部风险特征指标中,缺乏比赛场景类指标,后续需进一步完善相关特征指标的纳入工作,以进一步丰富模型训练的数据集维度;此外,运动损伤预警模型的纳入特征权重方法以过滤法为主,需强化嵌入法及包裹法等权重方法的运用,以增强多风险因素交互效应的分析。②在模型主体训练方面,模型主体训练算法多以监督式学习算法为主,此类算法对样本标注信息的完整度有较高要求,应用场景易受限,后期可增加无监督式与半监督式算法的应用。③在模型性能评估优化方面,现研究主要采用了HoldOut交叉与k-交叉两种验证方式评估模型性能,模型的AUC值范围(0.76±0.12),灵敏度范围(75.92±11.03)%,特异度范围(80.03±4.54)%,F1分数值范围(80.60±10.63)%,准确度范围(69.96±13.10)%,精确度范围(70±14.71)%,数据增强与特征优化为最常见的模型优化操作。当前运动损伤预警模型准确度及精确度均约为70%,预警效果良好,但模型优化操作较单一,多采用数据增强方法提升模型性能,需强化对模型算法、超参数的调整,以进一步提升模型性能。④在模型特征提取方面,纳入的内部风险特征指标多以人体测量学、训练负荷、训练年限和损伤史等指标为主,缺乏运动恢复类指标与身体机能类指标。

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： 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。

关键词： 城市轨道交通   车辆   无损检测   人工智能  

摘要： 为确保地铁车辆的安全运行,必须定期进行车辆各部件的缺陷检测和预警。在这方面,无损检测技术被认为是一种高效可靠的技术手段。本文按照无损检测技术的原理进行分类,对传统的无损检测方法和智能检测技术的原理进行了综述,重点涵盖了它们在地铁车辆检测中的应用、技术的优点和局限性。最后,本文对城市轨道交通车辆无损检测技术的未来研究趋势进行了展望。

关键词： 人工智能   产学合作   课程教学   优化路径  

摘要： 在人工智能背景下,本课题以计算机网络课程为例,基于产教融合的课程教学优化路径进行研究。聚焦产学研用结合的人才培养模式研究、人工智能与计算机网络课程结合的教学资源研究,将人工智能技术融入课程内容中,形成新形态课程体系及先进的教学模式。对人工智能驱动下的应用型人才实践与实际操作人才培养具有参考价值,实现教学方式的多样化和个性化,满足行业人才培养的要求。

关键词： 基础教育课程   深度融合   信息技术   地理教学   人工智能   大数据   开放空间   探究学习  

摘要： 2023年5月,教育部印发《基础教育课程教学改革深化行动方案》,明确指出“深入推进教育数字化,促进信息技术与教育教学深度融合。”《普通高中地理课程标准(2017年版2020年修订)》在实施建议中明确指出“借助大数据、人工智能、‘互联网+’等信息技术的学习,是面向未来的学习方式之一,为学生提供自主学习、探究学习和合作学习的开放空间,促进地理学习的拓展和深入。”

关键词： 人员行为分析   智能预警系统   AI视觉   传感器技术   人工智能  

摘要： 目的:大型集装箱起重机安全运行对于港口生产效率和人员安全至关重要。本文综述了大型集装箱起重机安全研究的现状,并对大型集装箱起重机智能预警系统的研究与应用成果进行了概述。介绍一种基于人员行为分析的大型集装箱起重机智能预警系统。该系统采用AI视觉和传感器技术对起重机驾驶员的行为进行实时监测,利用AI智能算法识别潜在危险。该系统能够有效识别起重机驾驶员的注意力不集中、违规操作等行为,并及时发出预警,预防事故发生。