一、心肌动力学研究的现状分析与发展展望(论文文献综述)
国家中医药管理局国家中医临床研究基地办公室[1](2013)在《我国16个重点病种的国家中医临床研究基地论文统计表(2008年~2013年)》文中研究表明
宁田海,佟金[2](2015)在《《中国循环杂志》2015年第30卷关键词索引》文中提出说明:1本索引按关键词汉语拼音字母顺序排序。2在第1个汉字相同的情况下,按第2个汉字拼音字母顺序排序,以后依次类推。在第1个汉字音同字不同的情况下,按笔划多少排列。3在关键词相同的情况下按发表先后顺序排列。4以英文为首的词,按第1个英文字母顺序先后排列居文中关键词之前。5在第1个英文字母相同的情况下,按第2个英文字母顺序先后排列,依次类推。6文题、作者后括号内数字为期号,最后为起页。
曾强[3](2019)在《基于心电动力学图的动态特征提取及其在运动训练上的应用研究》文中研究指明目前,心肌缺血疾病对人类健康造成了重大的威胁,而且其发病率在提高,并有往年轻化发展的趋势。因此,对于心肌缺血的早期辅助诊断具有重要意义。临床上一般通过观察心电图的ST-T段来判断心肌缺血的状况,该方法对医务人员的水平要求较高,仅仅通过肉眼来观察无法看到一些心电图信号细微的信息,且具有误诊的风险。虽然目前拥有冠脉造影技术来更深入的诊断心肌缺血,但是该技术对人体具有创伤,而且费用昂贵,诊断复杂。因此,运用工程上的技术,对心电信号中的特征信息做更多挖掘意义重大。基于确定学习理论的心电动力学图是一种对心电图信号通过径向基神经网络建模后得到的心电图全息特征信号。确定学习理论利用径向基神经网络对心电图信号建模,沿着心电图ST-T段的轨迹生成三维可视化动力学图。心电动力学图在心肌缺血辅助诊断上已经得到初步的临床验证,为心肌缺血早期辅助诊断提供了工程上的新方法。基于心电动力学图在心肌缺血辅助诊断上的应用,本文对心电动力学图进行了动态特征提取及其系统设计和实现,并通过实验对其在运动训练负荷监测上进行了探索和研究。本文重点介绍了心电动力学图特征提取算法的实现以及心电动力学图系统的设计与实现工作。在动态特征提取方面,本文基于确定学习理论和LZ复杂度算法,提取了心电动力学图的时间离散度、空间离散度、时间复杂度和空间复杂度特征,并基于C++开发语言,实现了高性能的计算算法。在心电动力学图系统设计与实现方面,本文基于MFC编程框架,实现了环境友好、简洁的心电动力学图系统,为心电动力学图在实际应用上奠定了工程基础。最后通过实验,进行了心电动力学图的各项动态特征在运动训练负荷监测上的有效性探索研究,得到了初步的结论。
孟婷婷[4](2020)在《基于确定学习与深度学习的人体体表心电信号建模与分类》文中提出心肌缺血是常见的心血管疾病,严重威胁着人们的生命健康安全。持续的心肌缺血会造成心肌细胞坏死,导致心肌梗死。因此,如何使用简单、方便的方法在人群中早期发现、早期诊断心肌缺血具有重要的意义。与其他有创的检查手段相比,体表心电图具有无创、简单方便以及经济等优点。一方面,心电图是反映人体心脏电活动的综合表现,利用心电图对患者进行检查没有伤害,操作简单;另一方面,心电图覆盖面广,几乎在每个基层医院都有配置。经过了近十年的研究发展,基于心电信号的心肌缺血智能检测涌现出了很多有价值的工作。因其重要的理论研究背景和实际应用价值,本文将对此进行深入研究,针对其中心电信号的特征提取和分类识别的问题,在前人工作的基础上,研究了以下内容:(1)提出了基于确定学习的心电建模方法。基于确定学习理论对心电信号的状态轨迹的内在动力学特征进行准确建模,并提出了有效的ECG模式识别方法。本文首先将标准12导联ECG信号转换为低维信号,然后构建动态RBF神经网络,对心电信号中的非线性动态模式进行局部准确建模,并将得到的动力学信息以常值RBF网络权值矩阵的形式保存下来。在分类阶段,通过构建的估计器与提取的动力学信息之间的相似度,完成心电信号的分类识别。该方法在PTB数据库上进行了实验验证。(2)提出了基于深度学习与确定学习的心肌缺血分类方法。为了提高心肌缺血的早期诊断以及自动分类识别的准确性,本文利用深度学习对提取的心电动力学特征数据进行更深层次的特征学习,提出了两种网络结构:串行卷积循环神经网络和并行卷积循环神经网络,结合了卷积神经网络和循环神经网络的优点。卷积神经网络作为特征提取模块,提取心电信号中的空间特征,循环神经网络学习心电信号序列的时间依赖关系。利用这两种网络结构,对心电动力学特征数据进行训练学习,实现心肌缺血的分类。在实际临床环境下的心电数据集中进行试验,取得了较高的识别率,验证了所提方法的有效性。(3)提出了基于深度学习与迁移学习的心肌缺血分类方法。针对训练数据集数量不足的问题,本文利用上一章节设计的CRNN和PRCNN网络模型,在源域心电信号数据集上进行预训练,将预训练网络模型参数作为初始化参数进行迁移,通过目标域心电信号数据集微调部分网络层参数,加快网络训练速度,提升网络分类性能。由于目标域心电信号数据集与源域心电信号数据集具有很大的相似性,本文提出了基于模型迁移的分类方法,对提出的串行卷积循环神经网络和并行卷积循环神经网络进行了参数微调,得到了新的微调网络模型。在目标域心电信号数据集下进行了实验,测试了网络模型的性能。
刘伟超[5](2019)在《无创光电检测在心肌梗死中的应用研究》文中研究表明心肌梗死(Myocardialinfarction,MI)是由冠状动脉梗塞引发心肌缺血而造成心肌不可逆坏死的急性危重疾病。我国MI的死亡率以及农村地区的发病率都呈上升趋势,已成为当今社会乃至全球范围内致死、致残的重要疾病之一。目前临床MI诊断依托的心脏标志物检测、心电图、冠脉造影等检查手段仍然对应存在不及时、不灵敏、成本高风险大等不足,因此研究快速、无创、可靠的MI新的检测技术和指标在临床应用中有重大意义和价值。基于无创光电检测技术,首先提出了一种新的频域分析方法,即线性幅值谱(Linear amplitude spectrum,LAS)法来分析MI 患者的心率变异性(Heart rate variability,HRV)。围绕LAS算法,通过采集MI患者与正常人ECG、光电容积脉搏波PPG信号获取HRV指标LF和HF来检测评估心脏交感/迷走神经活动强度,并应用于MI患者与正常人的鉴别中。另外通过Monte-Carlo数学方法对光子在心脏组织中传输的仿真,研究探索无创光电检测技术直接监测MI的心肌血液动力学参数可行性。研究结果包括:1)给出LAS的公式推导与证明,通过模拟HRV信号对LAS性质进行了验证,确定了 LAS在HRV分析中高频、低频指标LF、HF;2)35位健康人静息基态实验确认了 LAS的HRV指标的优异性,并在音乐听觉刺激实验应用中LAS的HRV指标优异性能得到检验;3)通过148例MI与52例正常人心电HRV随机对照试验研究,首次发现MI患者的HRV参数全部低于正常组,证明MI患者心脏自主神经活动全面下降;4)开展了 30例MI与48例健康人的随机对照实验,ECG和PPG两种HRV检测分析方式都发现了MI患者的指标LF、HF显着低于正常对照组,该结果与200例的心电HRV随机对照试验研究结果一致,同时验证了 ECG和PPG同步采集的心动周期时间间隔有极强的线性相关,证明光电检测获取分析HRV方式在一定条件下可以取代心电;5)用Monte-Carlo数学方法对光子在心脏组织中传输过程进行仿真,首次在理论上量化以及可视化了光子在人体心脏组织中的分布,确认了光子能够达到心肌并在体表能够被检测到。综上,本文围绕无创光电检测技术,通过新的HRV分析方法以及ECG、PPG检测反映MI心脏自主神经活动的HRV指标开展了创新性和应用型研究工作,提出了 MI无创、快捷、可靠的检查方法和指标,为MI临床检查提供辅助和补充。另外光子在心脏组织传输仿真验证了直接检测心脏血液动力学变化可行性,为MI无创、直接、在体的实时监测评估心肌的血液供应提供新的研究思路。
曹菲[6](2019)在《维甲酸诱导心肌致密化不全的基础研究》文中认为心肌致密化不全(non-compaction of ventricular myocardium,NVM)又称之为心室肌小梁过多、海绵状心肌,是一种特殊类型的心肌病,由薄而致密的心外膜下心肌层和增厚的非致密的心内膜下心肌层的双层心肌构成,且非致密化心内膜下心肌层表面可见多个显着突起的肌小梁和小梁间深凹的隐窝与心室腔相通并有血流进出。本文第一章对NVM的命名、流行病学、分类、病因和发病机制、病理解剖学、病理生理学和临床表现、临床诊断与鉴别诊断、治疗及其预后等国内外研究进展进行系统性综述。因NVM具有发病率高、病因不明、无有效治疗方法,死亡率高及预后差等特点,故通过建立NVM动物模型揭示其发病机制具有重要科学价值和临床价值。本课题主要针对维甲酸(retinoic acid,RA)诱导NVM小鼠模型并进行相关基础研究。研究内容分为三部分:1.探讨如何运用RA诱导孕鼠子代建立NVM小鼠模型;2.在成功建立NVM小鼠模型后,运用等重同位素多标签相对定量蛋白质组学(tandem mass tag,TMT)检测NVM心脏组织差异蛋白;3.运用平行反应监测(parallel reaction monitoring,PRM)技术对NVM差异蛋白进行验证和定量分析,进而发现潜在的与NVM发生相关蛋白,为后续蛋白功能验证、探索NVM相关发病机制以及潜在治疗靶点的可能性提供研究基础。第一部分:根据前期关于精确浓度RA与正常胚胎心肌致密化发育过程密切相关的研究报告,提出了采用过量RA干扰孕鼠胚胎心肌致密化过程而诱导孕鼠子代建立NVM模型的假设。本研究在孕鼠怀孕第8.5天给予全反式维甲酸(all-trans retinoic acid,ATRA)70mg/kg诱导孕鼠胎儿NVM。组织病理学证实RA干预组孕鼠子代表现出典型的NVM病理学特征。研究中进一步发现与对照组相比,RA干预组孕鼠子代平均体重明显减低,显示统计学显着差异(P<0.0001)。给予ATRA10天后母鼠平均体重较给药前明显下降,表现出显着的统计学差异(P<0.0001)。结论:过量的ATRA可诱导孕鼠子代建立NVM幼鼠模型,并提示过量的ATRA可能参与母鼠及其子代能量代谢过程。该动物模型为下一步TMT相对定量蛋白质组学检测NVM心脏组织建立基础。第二部分:在RA诱导孕鼠子代建立NVM幼鼠模型后,运用TMT相对定量蛋白质组学技术开展RA诱导NVM的基础研究。在RA干预组(RA)与空白对照组(Control)进行差异表达蛋白筛选,发现差异蛋白68个;在RA干预组(RA)与DMSO对照组(DMSO)进行差异表达蛋白筛选,发现差异蛋白48个。经过基因本体(Gene Ontology,GO)功能注释和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)通路富集分析发现,RA与两个对照组的共同差异表达蛋白及其通路主要表现在能量代谢和凝血功能方面。结论:根据已有大量此类蛋白功能相关研究,初步推测RA诱导孕鼠子代NVM与能量代谢异常相关的可能性较大,而NVM心室内血栓形成与凝血功能异常相关的可能性较大,其具体致病机制尚待进一步研究。第三部分:在TMT相对定量蛋白质组学检测NVM心脏组织进行差异表达蛋白筛选和分析之后,运用PRM技术对差异蛋白进行验证和定量分析。分别对Control、DMSO以及RA三组中9例幼鼠心脏样品中6种差异蛋白激肽原1(kininogen-1,KNG1)、α1抗胰蛋白酶(alpha-1-antitrypsin,A1AT)、载脂蛋白 A1(apolipoproteinA-I,ApoAI)、β2 糖蛋白 1(beta-2-glycoprotein1,β2GP1)、微管蛋白β4a 链(tubulinbeta-4Achain,TUBB4A)、水通道蛋白4(aquaporin-4,AQP4)的 12条肽段进行PRM定量分析,结果表明:这6种蛋白的表达与TMT检测的相对定量结果一致,存在显着差异。对这6种蛋白的结构、功能及所在相关通路以及与NVM可能的相关性进行分析总结,将为后续NVM相关蛋白功能验证,了解NVM相关发病机制及靶向治疗提供进一步的研究方向。
崔佳楠[7](2020)在《基于无监督深度学习的PET静态图像及参数图像去噪研究》文中研究表明正电子发射断层扫描(Positron Emission Tomography,PET)是一种功能强大的核医学成像方法。PET图像可以检测出活体组织中与放射性核素相结合的分子的代谢活动,在肿瘤学、心脏病学和神经学等领域有着广泛的应用。目前,由于探测器物理因素的限制,以及在医学应用中示踪剂注射剂量的约束,PET图像普遍存在低信噪比的问题。如何提高PET图像质量从而提高诊断的准确率是本文主要研究的问题。本文主要着力于利用无监督深度学习技术解决PET静态图像和参数图像的去噪问题。近年来,深度学习由于其优越的性能被广泛应用于医学成像领域。常见的深度学习去噪方法都需要利用低质量/高质量图像对训练网络。但在实际的医学应用中,考虑到安全剂量的限制,高质量PET图像较难获得。因此,本文提出了不需要高质量PET图像引导的无监督深度学习去噪框架——条件深度图像先验(Conditional Deep Image Prior,CDIP)。首先,我们将条件深度图像先验框架应用在单个病人的静态PET图像去噪上。我们以病人的噪声PET图像本身作为神经网络的训练标签,同时加入病人和PET图像相配准的计算机断层扫描(Computed Tomography,CT)图像或核磁共振(Magnetic Resonance,MR)图像作为解剖结构先验信息输入到深度神经网络中进一步提高图像质量。该方法将去噪过程转化为了训练神经网络的过程,网络的输出即为去噪后的图像。该方法仅需单个病人的含有噪声的静态PET图像以及与其配准的CT/MR图像,无需预训练,也无需高质量PET图像作为训练标签。在此基础上,我们将条件深度图像先验框架嵌入了 PET参数图像估计的方法中。PET参数图像是根据动力学模型在PET动态数据中计算出的可以代表示踪剂结合速率的参数组成的图像。相较于静态PET图像,它具有更高的对比度和特异性。我们将CDIP和Logan参考组织模型相结合,利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)算法分三步解优化问题,从而得到去噪后的参数图像。该方法首次实现了基于无监督深度学习的Logan参数图像估计。另外,考虑到单个病人的特异性,我们将条件深度图像先验框架进一步推广到PET人群数据的去噪中。该方法采用群体训练和个体精调相结合的方法。在群体训练步骤中,由一组患者的PET/解剖图像对预先训练网络。在个体精调步骤中,用预先训练好的网络参数作为新网络初始参数,并固定部分初始参数以便能更好的利用群体信息,之后使用单个病人的PET/解剖图像对对新网络进行精调。两种网络结构相同,以解剖图像作为输入,噪声图像作为预训练和精调的标签。该方法不需要高分辨率/低分辨率的网络训练对,可以在最常用的PET/CT或PET/MR数据集上实现。论文的创新在于首次将无监督深度学习的方法引入到了 PET图像处理领域。应用该方法,解决了现有深度学习技术需要大量数据预训练且需要高质量图像(在医学操作上难以得到)引导的问题。同时,我们的方法可以在去噪的过程中引入解剖结构先验(CT或MR),进一步提高了 PET图像质量。以上三种去噪方法全方面的涵盖了 PET技术中常见的去噪问题。
王乾[8](2019)在《基于确定学习理论的渐变故障辨识、检测与预测研究》文中提出随着工业自动化水平的日益提高,系统中的关键设备都在朝着精密化和复杂化方向发展。这些设备的安全可靠运行是人们非常关心的重要问题,对其进行安全监测具有重要的社会意义和经济意义。在实际工业生产中,即使系统设计的很完善,在不同的工况下长时间运行,都会出现不同程度的故障。特别地,在系统发生渐变故障后,对系统运行状态进行准确及时的监测(从系统提取有效的、稳定的特征来准确反映系统退化状态)、故障诊断和健康管理显得尤为重要。本文主要研究如下三个方面的内容:基于确定学习理论,针对一类发生渐变故障的非线性不确定系统,沿着系统的轨迹,首先对系统动态进行准确辨识得到系统的动力学轨迹,在动力学轨迹基础上提取出更加敏感的系统动态特征;然后,使用动态模式识别方法对系统渐变故障进行快速检测;最后,结合系统残差的变化对系统失效时间进行准确预测,以实现对系统健康状态的实时评估。具体如下:1.非线性系统的动态建模及特征提取。对一类非线性动力学系统,通过确定学习理论对系统未知的系统动态进行局部准确辨识,并将系统状态轨迹代入动力学建模结果中得到系统的动力学轨迹。首先,在Lempel-Ziv复杂度(LZ复杂度)算法的基础上,提出了时空LZ复杂度,其包含了时间复杂度(Temporal-LZ compelxity,TLZC)和空间复杂度(Saptio-LZ compelxity,SLZC)两个指标,用于表征系统动力学轨迹的复杂度;其次,对系统的时空LZ复杂度特征指标进行敏感程度分析;然后,使用经典的非线性动力学系统(Rossler系统和Duffing系统)进行数值仿真。结果表明,相比于状态轨迹,从动力学轨迹中提取的特征可以更加敏感地反映出非线性动力学系统的周期、倍周期及混沌状态。最后,将所提出的方法应用到实际的心电信号动态特征表达上,结果表明,提取出的心电信号动态复杂度指标能更加明显反映出心肌缺血的情况,可以显着提高其对心肌缺血检测准确度、特异度和敏感度。2.基于确定学习理论的渐变故障快速检测。针对一类包含不确定项和外部扰动的非线性系统,定义系统的健康模式、亚健康模式和故障模式。运用确定学习理论对系统三种模式的动态进行准确的辨识,将学到的三种模式下的知识以常值径向基神经网络的形式进行存储。基于确定学习的泛化能力和故障的渐变特性选取具有代表性的模式,构建系统动态模式库。利用该模式库构造一系列动态估计器,与待检测系统进行比较,从而得到三类不同模式的残差。采用最小残差原则,实现对系统亚健康和渐变故障的快速检测。针对在有/无外部扰动干扰情况下,对渐变故障的可检测性进行了充分的分析。与现有的基于在线逼近器的渐变故障检测方法相比,所提出的方法不要求渐变故障幅值在一定时间内大于系统的建模不确定项,对微小渐变故障更加敏感,同时可实现对渐变故障的不同阶段(健康、亚健康和故障模式)进行检测,而且还可消除检测阈值需要设定的影响,提供一个更加准确和快速的检测故障方法。3.基于确定学习理论的系统失效时间准确预测。针对由渐变故障引起系统动力学变化的非线性不确定系统,基于确定学习理论的系统失效时间预测机制,可实现对系统失效时间的准确预测:利用确定学习对系统渐变故障不同阶段的动态进行准确辨识,随着系统渐变故障的变化,使用失效模式设计的估计器和待监测系统比较得到的残差将逐渐减小。当系统达到失效状态时,对应的残差将小于失效阈值;基于此,分别对无外部干扰和有外部干扰情况下,建立了系统失效时间预测模型,并将当前时刻系统动态代入到预测模型中,可得到准确的系统失效时间预测值,以便及时制定合理的系统维护策略,保障系统安全运行。进一步结合第四章,建立了一个非线性系统渐变故障检测和系统失效时间预测综合算法(Incipient faults detection and Time-to-failure Prediction,IFDTP)。与已有的其他系统失效时间预测方法相比,本文从系统动态变化的角度给出更加准确的失效时间预测值(满足持续激励条件),在检测和预测过程中都不需要对系统的动态进行重新学习,并且是并行执行的,所提出IFDTP算法更容易实施。
陈善[9](2020)在《基于心电动力学图的多平台心肌缺血临床检测系统的设计与实现》文中提出心血管疾病,是人类健康的头号杀手。心肌缺血是常见的心血管疾病,做好心肌缺血检测工作具有重要意义。心电图检查是临床上应用最广泛的心肌缺血检测手段,传统检查方式的准确率不高,容易出现“漏”诊。随着计算机技术的飞速发展,心电图的自动化分析成为了研究趋势。一种基于心电动力学图(Cardiodynamicsgram,CDG)的心肌缺血检测技术,在临床中取得了较好的应用成效。它通过确定学习理论,对从常规的心电图截取的ST-T环进行局部精确动力学辨识,并以三维可视化的形式展示建模的结果,即心电动力学图。大量的实验表明,正常个体与心肌缺血患者的CDG差异明显,通过CDG检查心肌缺血具有较高的准确率。随着基于心电动力学图的心肌缺血检测临床应用的深入,医院医护人员和实验室研究人员,分别从临床上的电子病历存储、电子病历查阅、CDG检测和数据统计分析等方面提出了不同的需求。因此,本文设计并实现了基于心电动力学图的多平台心肌缺血临床检测系统,该系统整体分为三个部分:心肌缺血临床电子病历数据库、心肌缺血检测MATLAB研究平台和心肌缺血Web远程检测平台。心肌缺血临床电子病历数据库,基于关系型数据库My SQL进行实现,可满足对心肌缺血临床患者大数据的高效存储和访问需求,它对心肌缺血的进一步研究具有重要意义;心肌缺血检测MATLAB研究平台,为研究人员管理病历大数据、进行CDG检测以及对临床病历大数据进行分析统计提供了有力的工具;基于Spring Boot框架及其相关组件实现的心肌缺血Web远程检测平台,使得医院医务人员通过浏览器即可访问到心肌缺血CDG检测服务,并同时具备多个功能界面,方便了医务人员进行临床电子病历的远程管理。
何毅[10](2011)在《中药质量一致性评价模式的建立与应用 ——国际化探索研究》文中研究说明研究目的:在中药国际化的进程中,最大的挑战和难点之一就是如何证明产品的质量一致性和治疗一致性,质量标准如何获得国际药政管理部门的认可。当前全球在中药有效性质量一致性评价上仍处于百家争鸣的现状。为此,本研究提出了新的中药质量一致性评价模式。研究方法:以正在进行的中药国际化项目作为实例进行探索,建立并优化了中药质量一致性评价模式。并通过实证研究和计算机仿真验证对优化后的中药质量一致性评价模式进行了验证。主要内容及主要成果:1.对中国、美国、欧盟中药质量标准要求进行了深入的对比研究和差距分析,并结合对中药特性的理解和当前各国中药质量一致性评价的现状提出了本研究中药质量一致性评价模式建立的基本思路。2.构建了中药质量一致性评价模式并进行了相应的优化。使用实证研究和计算机仿真实验对提出的质量一致性评价模式进行了检验。在构建和验证过程中,利用计算机软件对评价模式进行了编程并且建立了指纹图谱数据仿真模型,以便其它产品可以方便的评价产品的质量。3.在此中药质量一致性评价模式的基础上,尝试建立了符合欧、美植物药、草药法规要求的质量标准体系以及中药批准后变更及中药非专利药与品牌药物质量一致性的评价管理体系。该模式可扩展应用到其它国际化产品中,从而建立能够得到国际公认的通用质量标准体系。研究结论:新构建的中药质量一致性评价模式的优势在于对中药活性物质整体从不同角度不同层面进行质量一致性评价。化学标记物的选择除单纯考虑化学分析的可行性外,更考虑到组分的药理药效作用等,从而将中医药的基本思想以现代技术进行有效的科学表征。本研究提出的中药质量一致性评价模式相对于当前评价方式而言可以更加严格的控制产品的质量,而且能够较为灵敏地反映中药质量波动的变化,为中药质量一致性乃至疗效一致性的评价提供了一种方式。
二、心肌动力学研究的现状分析与发展展望(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、心肌动力学研究的现状分析与发展展望(论文提纲范文)
(2)《中国循环杂志》2015年第30卷关键词索引(论文提纲范文)
A |
阿霉素 |
阿司匹林 |
阿托伐他汀 |
Angio Light系统 |
Apelin-APJ系统 |
B |
白蛋白 |
白藜三醇 |
白细胞介素8 |
半乳糖凝集素3 |
比伐芦定 |
吡哆胺 |
臂踝脉搏波传导速度 |
标志和徽章 |
并发症 |
病理学,临床 |
病例报告 |
病例对照研究 |
C |
C反应蛋白质 |
侧支循环 |
超声检查,介入性 |
超声心动描记术 |
超声心动描记术,多普勒 |
超声心动描记术,压力 |
晨峰血压 |
成纤维细胞 |
程序性细胞死亡因子4 |
抽吸 |
除颤器,植入型 |
触发,活动 |
磁共振成像 |
雌激素 |
刺激 |
促红细胞生成素 |
促甲状腺素 |
催乳素 |
存活率 |
D |
大动脉炎 |
代谢综合征 |
丹参酮 |
胆红素 |
蛋白激酶类 |
蛋白质二硫键异构酶 |
导管插入术 |
导管消融术 |
导管心室隔离成形术 |
登革热 |
低钠血症 |
低温 |
抵抗素 |
碘 |
电刺激 |
电极,植入 |
电生理学 |
动脉导管未闭 |
动脉僵硬度 |
动脉炎 |
动脉粥样硬化 |
动作电位 |
对比剂肾病 |
对比研究 |
多导睡眠监测仪,便携式 |
多柔比星 |
多态性,单核苷酸 |
多中心研究 |
E |
二级预防 |
二甲双胍 |
二尖瓣狭窄 |
F |
泛素蛋白连接酶类 |
方法 |
芳香烃受体核转位子 |
放射性核素显像 |
非对称性二甲基精氨酸 |
非离子型含碘对比剂 |
肺栓塞 |
肺炎 |
缝隙连接蛋白类 |
氟伐他汀 |
妇女 |
腹膜透析 |
G |
钙化 |
肝素 |
感染 |
干扰素诱导剂 |
干细胞 |
高甘油三酯血症 |
高血压 |
高血压,肺性 |
高血压,妊娠性 |
高血压,足细胞 |
高血压性视网膜病变 |
Gensini积分 |
骨桥蛋白 |
GRACE评分 |
冠状动脉 |
冠状动脉斑块 |
冠状动脉闭塞 |
冠状动脉疾病 |
冠状动脉旁路移植术 |
冠状动脉旁路移植术,非体外循环 |
冠状动脉旁路移植术,体外循环 |
冠状血管 |
冠状血管痉挛 |
冠状血管造影术 |
灌注成像 |
光密度测定法 |
过敏反应 |
H |
核纤层蛋白A型 |
Hep G2细胞 |
红细胞 |
红细胞生成素 |
呼吸障碍 |
华法林 |
环匹阿尼酸 |
患病率 |
磺达肝癸钠 |
J |
肌,平滑,血管 |
肌钙蛋白 |
肌联蛋白 |
肌细胞,心脏 |
基因 |
基因表达调控 |
基质金属蛋白酶3 |
激光 |
急性冠状动脉综合征 |
急诊 |
疾病特征 |
脊髓损伤 |
甲状旁腺功能亢进,原发性 |
甲状腺 |
甲状腺激素类 |
间隔封堵器 |
减阻剂 |
健康行为 |
降钙素 |
降血脂药 |
交感神经 |
交感神经切除术,化学 |
结缔组织生长因子 |
结果评价(卫生保健) |
颈动脉损伤 |
颈动脉狭窄 |
静脉血栓形成 |
局部血流 |
巨噬细胞 |
K |
抗凝药 |
抗心律失常肽10 |
抗原,肿瘤相关,碳水化合物 |
可降解 |
L |
老年人 |
雷米普利 |
雷帕霉素 |
类风湿性 |
冷 |
离子通道 |
利伐沙班 |
利拉鲁肽 |
利钠肽,脑 |
利钠肽,重组 |
利肽素 |
连接蛋白43 |
连接蛋白类 |
流行病学 |
硫化氢 |
螺杆菌,幽门 |
氯吡格雷 |
氯化钙 |
M |
门控血池显像 |
免疫学 |
N |
那屈肝素 |
脑啡肽酶 |
脑血管意外 |
内皮,血管 |
内皮缩血管肽1 |
内皮细胞 |
内向整流钾通道 |
NF-k B |
尼古丁 |
尼加拉瀑布样T波 |
年度报告 |
年龄因素 |
尿微量白蛋白/肌酐 |
脓毒症 |
P |
培哚普利 |
评论 |
p38丝裂原活化蛋白激酶类 |
葡萄糖代谢障碍 |
葡萄糖耐量试验 |
普罗帕酮 |
Q |
气候 |
气囊扩张术 |
憩室 |
前列地尔 |
前列腺素E2 |
前瞻性研究 |
青少年 |
QT延长综合征 |
曲美他嗪 |
缺血 |
缺氧 |
缺氧诱导因子1 |
R |
桡动脉 |
人参皂甙类 |
RNA干扰 |
S |
3D打印 |
肾动脉狭窄 |
肾疾病 |
肾素 |
肾素—血管紧张素系统 |
肾小球滤过率 |
肾脏 |
肾脏功能衰竭,慢性 |
生活质量 |
生物多样性 |
生长分化因子15 |
室间隔缺损 |
嗜铬细胞瘤 |
受体,血管紧张素 |
输血,预后 |
栓塞和血栓形成 |
睡眠呼吸暂停,阻塞性 |
睡眠呼吸暂停综合征 |
顺应性 |
死亡率 |
随访研究 |
T |
糖尿病 |
糖尿病,2型 |
糖尿病血管病变 |
体层摄影术,X线计算机 |
体层摄影术,螺旋计算机 |
体外循环 |
体重 |
替米沙坦 |
天冬氨酸氨基转移酶类 |
T淋巴细胞 |
同型半胱氨酸 |
Turner综合征 |
T细胞 |
W |
外科手术,微创性 |
危险管理 |
危险性评估 |
危险因素 |
微RNAs |
微循环 |
围手术期并发症 |
维生素E |
维生素K |
尾加压素 |
胃肠出血 |
5-羟葵酸 |
X |
西洛他唑 |
吸烟戒断 |
细胞保护 |
细胞凋亡 |
细胞结构 |
细胞生理过程 |
细胞外基质蛋白质类 |
细胞增殖 |
纤维蛋白原 |
氙气 |
腺苷三磷酸 |
腺嘌呤核苷酸类 |
相关血管 |
缬沙坦 |
心导管插入术 |
心电描记术 |
心动过速,室上性 |
心动过速,室性 |
心动过速,折返性 |
心房颤动 |
心房颤动,持续性 |
心房重构 |
心肺复苏术 |
心肌 |
心肌病 |
心肌病,肥大性,家族性 |
心肌病,肥厚性 |
心肌病,酒精性 |
心肌病,扩张型 |
心肌病,限制性 |
心肌肥厚 |
心肌梗死 |
心肌疾病 |
心肌缺血 |
心肌细胞 |
心肌纤维化 |
心肌消融术 |
心肌血管重建术 |
心肌炎 |
心肌营养素1 |
心肌再灌注损伤 |
心理学 |
心力衰竭 |
心律失常 |
心律失常,室性 |
心率变异性 |
心内膜炎 |
心肾综合征 |
心室电风暴 |
心室功能障碍,左 |
心室功能障碍、右 |
心室室壁瘤 |
心室重构 |
心血管畸形 |
心血管疾病 |
心血管事件 |
心血管造影术 |
休克,心原性 |
心脏瓣膜成形术 |
心脏瓣膜疾病 |
心脏瓣膜假体植入 |
心脏传导阻滞 |
心脏功能试验 |
心脏破裂,梗死后 |
心脏起搏器,人工 |
心脏缺损,先天性 |
心脏室壁瘤 |
心脏外科手术 |
心脏移植 |
心脏再同步化 |
信号传导 |
性别特性 |
性别因素 |
胸腺肽α1 |
血沉 |
血管 |
血管成形术,经腔,经皮冠状动脉 |
血管活性肽 |
血管疾病 |
血管内膜 |
血管舒张 |
血管再狭窄 |
血流储备分数,心肌 |
血流动力学 |
血栓 |
血栓栓塞 |
血栓形成 |
血小板计数/淋巴细胞比值 |
血小板减少 |
血小板聚集抑制剂 |
血小板增多 |
血压 |
血压变异性 |
血脂异常 |
Y |
压力 |
烟草 |
盐酸小檗碱 |
氧化性应激 |
药物毒性 |
药物疗法 |
药物洗脱球囊 |
夜间 |
伊伐布雷定 |
胰岛素抗药性 |
遗传变异 |
遗传学 |
乙酰半胱氨酸 |
婴儿 |
婴儿,新生 |
应激 |
有机磷化合物 |
右美托咪定 |
右心室 |
预测 |
预后 |
预激综合征 |
鸢尾素 |
晕厥,血管迷走性 |
炎症 |
Z |
载脂蛋白类 |
再灌注损伤 |
再同步化治疗 |
藏红花苦素 |
造血细胞生长因子 |
扎考比利 |
诊断 |
诊断,鉴别 |
震波治疗 |
正电子发射断层显像术 |
正压呼吸 |
支架 |
支架内再狭窄 |
脂蛋白类,HDL |
脂肪酸合成酶复合物 |
脂联素 |
治疗结果 |
肿瘤坏死因子类 |
昼夜节律 |
主动脉 |
主动脉,胸 |
主动脉瓣狭窄 |
主动脉弓 |
主动脉瘤 |
主动脉瘤,胸 |
主动脉内气囊泵 |
主动脉狭窄,瓣膜上 |
转化生长因子α |
转化生长因子β1 |
装置取出 |
子痫 |
自主神经系统 |
综述 |
总结性报告 |
组蛋白酰基转移酶 |
左卡尼汀 |
左室舒张末期压力 |
左西孟旦 |
左心耳封堵术 |
左心室重构 |
(3)基于心电动力学图的动态特征提取及其在运动训练上的应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 心电信号在心肌缺血诊断上的研究现状 |
1.2.2 非线性系统的特征提取方法研究现状 |
1.2.3 运动训练负荷分析研究现状 |
1.3 本文内容及结构 |
第二章 预备知识 |
2.1 引言 |
2.2 心电信号有关知识 |
2.3 确定学习理论 |
2.3.1 径向基神经网络 |
2.3.2 径向基神经网络的PE性质 |
2.3.3 离散系统的确定学习 |
2.4 Lempel-Ziv复杂度算法 |
2.5 本章小结 |
第三章 心电动力学图特征提取及其实现 |
3.1 引言 |
3.2 基于确定学习理论的心电动力学图建模 |
3.3 心电动力学图特征提取 |
3.3.1 时间离散度与空间离散度特征提取 |
3.3.2 时间复杂度与空间复杂度特征提取 |
3.4 特征提取算法C++实现 |
3.4.1 开发工具介绍 |
3.4.2 特征提取算法流程图设计 |
3.4.3 特征提取算法C++实现 |
3.5 本章小结 |
第四章 心电动力学图系统设计与实现 |
4.1 引言 |
4.2 开发工具介绍 |
4.3 系统整体设计与实现 |
4.3.1 系统功能需求分析 |
4.3.2 系统功能整体流程图设计 |
4.3.3 数据采集与预处理设计与实现 |
4.3.4 数据的批量转换接口设计与实现 |
4.3.5 数据分析子系统设计与实现 |
4.4 心电动力学图系统实验分析 |
4.5 本章小结 |
第五章 心电动力学图在运动训练分析上的研究 |
5.1 引言 |
5.2 肌酸激酶与高明肌钙蛋白介绍 |
5.3 心电动力学图特征在运动训练上的研究实验 |
5.3.1 实验目的 |
5.3.2 实验方案设计 |
5.3.3 数据采集 |
5.3.4 特征提取及其实验分析 |
5.4 实验结果分析 |
5.5 本章小结 |
结论与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(4)基于确定学习与深度学习的人体体表心电信号建模与分类(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究的背景与意义 |
1.2 国内外研究现状 |
1.2.1 心肌缺血智能检测方法 |
1.2.2 非线性动力学方法在心电图分析中的应用 |
1.3 本文主要研究内容及结构内容 |
2 系统预备知识 |
2.1 引言 |
2.2 心电相关知识 |
2.2.1 心肌缺血概述 |
2.2.2 心电图 |
2.3 确定学习理论 |
2.3.1 RBF神经网络简介 |
2.3.2 RBF神经网络的PE性质 |
2.3.3 连续系统的确定学习 |
2.3.4 离散系统的确定学习 |
2.4 深度学习 |
2.4.1 卷积神经网络 |
2.4.2 循环神经网络 |
2.4.3 神经网络的训练方法 |
2.5 本章小结 |
3 基于确定学习理论的心电动力学建模与分类 |
3.1 引言 |
3.2 心电动力学的提取和分类 |
3.2.1 ECG信号预处理 |
3.2.2 心电动力学的提取 |
3.2.3 心电动力学的分类 |
3.3 实验及分析 |
3.3.1 实验性能指标 |
3.3.2 实验结果 |
3.4 本章小结 |
4 基于深度学习与确定学习的心肌缺血分类识别 |
4.1 引言 |
4.2 心电动力学特征 |
4.2.1 心电信号预处理 |
4.2.2 心电动力学特征提取 |
4.3 网络结构的设计 |
4.3.1 CRNN网络的结构设计 |
4.3.2 PRCNN网络的结构设计 |
4.4 模型性能评估实验与分析 |
4.4.1 实验数据集 |
4.4.2 实验方法 |
4.4.3 实验结果与分析 |
4.5 本章小结 |
5 基于深度学习与迁移学习的心肌缺血分类研究 |
5.1 引言 |
5.2 迁移学习简介 |
5.2.1 迁移学习基本概念 |
5.2.2 迁移学习方法 |
5.3 基于模型迁移的心肌缺血分类方法 |
5.3.1 网络模型的预训练 |
5.3.2 网络模型的再训练 |
5.3.3 实验结果与分析 |
5.4 本章小结 |
6 总结和展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(5)无创光电检测在心肌梗死中的应用研究(论文提纲范文)
英文缩略词表 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 心肌梗死的研究背景与意义 |
1.1.1 心肌梗死概述 |
1.1.2 心肌梗死的流行统计 |
1.1.3 心肌梗死的研究意义 |
1.2 心肌梗死的临床检查方法与诊断 |
1.2.1 心肌梗死的临床检查方法 |
1.2.2 心肌梗死的临床诊断 |
1.3 无创光电检测在心肌梗死中的应用研究背景 |
1.3.1 心肌梗死的心率变异性HRV研究背景 |
1.3.2 心肌梗死的血液动力学无创光电检测研究背景 |
1.4 本文主要研究目的和意义 |
1.5 本文结构安排和主要内容 |
第二章 HRV与线性幅值谱方法的提出 |
2.1 HRV的研究背景 |
2.1.1 HRV概述 |
2.1.2 HRV的分析方法 |
2.1.3 HRV研究存在的争议 |
2.2 线性幅值谱方法的提出 |
2.2.1 线性幅值谱定义与性质 |
2.2.2 离散傅里叶变换以及逆变换 |
2.2.3 线性幅值谱公式推导与性质证明 |
2.2.4 模拟HRV信号的线性幅值谱性质的验证 |
2.3 线性幅值谱应用在HRV中 |
2.3.1 线性幅值谱在HRV分析中的指标 |
2.3.2 线性幅值谱与功率谱方法在HRV分析中的比较 |
2.3.3 线性幅值谱方法在HRV分析应用中的局限性 |
2.4 本章小结与讨论 |
第三章 线性幅值谱法的HRV采集分析系统设计与实现 |
3.1 引言 |
3.2 心电信号的HRV采集分析系统设计与实现 |
3.2.1 硬件设计与实现 |
3.2.2 软件设计与实现 |
3.3 光电容积脉搏波信号的HRV采集分析系统设计与实现 |
3.3.1 系统硬件、软件设计与实现 |
3.3.2 标准心电与光电容积脉搏波检测的心动周期时间间隔的比较 |
3.3.3 系统可靠性和稳定性测试 |
3.4 本章小结与讨论 |
第四章 线性幅值谱在人体HRV分析应用中指标评价研究 |
4.1 引言 |
4.2 线性幅值谱法在正常人静息基态下的HRV指标评价研究 |
4.2.1 实验方法和实验设计 |
4.2.2 实验数据分析与结果 |
4.2.3 线性幅值谱和功率谱法的HRV指标比较 |
4.3 线性幅值谱方法在音乐刺激实验中HRV变化研究与指标评价 |
4.3.1 音乐听觉刺激实验数据来源与实验设计 |
4.3.2 音乐听觉刺激实验数据分析 |
4.3.3 基于线性幅值谱方法的HRV分析结果 |
4.3.4 基于功率谱方法的HRV分析结果 |
4.3.5 音乐刺激下HRV分析指标LF/HF结果 |
4.3.6 结果讨论 |
4.4 本章小结与讨论 |
第五章 基于心电的心肌梗死HRV研究 |
5.1 引言 |
5.2 线性幅值谱法在PTB心肌梗死数据库中的HRV研究 |
5.2.1 PTB数据库介绍与实验设计 |
5.2.2 PTB数据库临床资料整理 |
5.2.3 健康对照组与MI实验组的HRV对比结果 |
5.2.4 MI爆发时与支架介入后患者HRV对比结果 |
5.2.5 MI爆发时、支架置入术后以及短期内复查HRV对比结果 |
5.2.6 健康对照组与陈旧型心肌梗死实验组的HRV对比结果 |
5.2.7 线性幅值谱和功率谱法的MI患者HRV指标对比结果 |
5.3 年龄、性别、吸烟、心梗程度因素对HRV影响的结果 |
5.3.1 年龄因素 |
5.3.2 性别因素 |
5.3.3 吸烟因素 |
5.3.4 心梗程度因素 |
5.4 本章小结与讨论 |
第六章 基于光电容积脉搏波的心肌梗死HRV研究 |
6.1 引言 |
6.2 线性幅值谱法在MI临床实验的HRV研究 |
6.2.1 实验设计 |
6.2.2 临床资料整理 |
6.2.3 健康对照组与MI患者的心电的HRV分析 |
6.2.4 同步采集的MI患者光电容积脉搏波与心电的HRV差异 |
6.2.5 健康对照组与MI患者的光电检测的HRV分析 |
6.3 本章小结与讨论 |
第七章 心脏血液动力学在体光学监测的可行性探索 |
7.1 引言 |
7.2 心脏血液动力学在体光学监测的研究方法 |
7.2.1 Monte-Carlo方法与MCVM仿真 |
7.2.2 可视化中国人数据集 |
7.2.3 心脏组织体素模型的建立 |
7.2.4 仿真光学参数和条件的设置与仿真流程 |
7.3 光子在人体心脏组织传输的Monte-Carlo仿真结果 |
7.3.1 光通量分布 |
7.3.2 光吸收分布 |
7.3.3 空间灵敏度分布 |
7.3.4 图像腐蚀与心脏搏动的模拟仿真 |
7.3.5 心脏搏动对漫反射光强的影响 |
7.3.6 探头优化设计 |
7.4 本章小结与讨论 |
第八章 总结与展望 |
8.1 论文完成的主要工作与结论 |
8.2 论文研究的创新点 |
8.3 研究工作展望 |
参考文献 |
博士期间相关的论文和专利 |
致谢 |
(6)维甲酸诱导心肌致密化不全的基础研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 心肌致密化不全的研究背景与意义 |
1.1.1 心肌致密化不全的研究背景 |
1.1.2 维甲酸在心肌发育中关键的生理病理机制 |
1.1.3 心肌致密化不全基础研究的意义 |
1.2 心肌致密化不全的国内外研究历史与现状 |
1.2.1 心肌致密化不全的发现和命名 |
1.2.2 心肌致密化不全的流行病学调查 |
1.2.3 心肌致密化不全的分类 |
1.2.4 心肌致密化不全的病因和发病机制 |
1.2.5 心肌致密化不全的病理解剖学 |
1.2.6 心肌致密化不全的病理生理学和临床表现 |
1.2.7 心肌致密化不全的临床诊断与鉴别诊断 |
1.2.7.1 心肌致密化不全的临床诊断 |
1.2.7.2 心肌致密化不全的鉴别诊断 |
1.2.8 心肌致密化不全的治疗 |
1.2.9 心肌致密化不全的疗效与预后 |
1.2.10 心肌致密化不全的动物模型研究现状 |
1.2.11 心肌致密化不全基础和临床研究存在的问题 |
1.2.12 心肌致密化不全的基础和临床研究展望 |
1.3 本文的主要贡献与创新 |
1.4 本论文的主要研究内容 |
第二章 建立心肌致密化不全动物模型 |
2.1 引言 |
2.2 实验材料 |
2.2.1 主要实验试剂和仪器 |
2.2.2 实验小鼠 |
2.3 实验方法 |
2.3.1 心肌致密化不全小鼠模型给药前准备 |
2.3.2 心肌致密化不全小鼠模型药物干预 |
2.3.3 心肌致密化不全小鼠模型组织收集和组织病理学染色 |
2.3.4 幼鼠心脏组织诊断标准与显微镜下观察 |
2.3.5 心肌致密化不全小鼠模型实验数据统计学分析 |
2.4 心肌致密化不全小鼠模型实验结果与分析 |
2.4.1 小鼠合笼后交配情况统计与分析 |
2.4.2 小鼠合笼后交配后怀孕情况统计与分析 |
2.4.3 RA干预组与对照组孕鼠生产情况统计与分析 |
2.4.4 RA干预组与对照组出生幼鼠体重统计与分析 |
2.4.5 RA干预组与对照组母鼠体重统计与分析 |
2.4.6 心肌致密化不全心脏病理学结果与分析 |
2.5 心肌致密化不全小鼠模型建立技术路线 |
2.6 本章讨论和结论 |
2.7 本章小结 |
第三章 TMT相对定量蛋白质组学检测心肌致密化不全相关蛋白 |
3.1 引言 |
3.2 实验材料 |
3.2.1 主要试剂 |
3.2.2 实验小鼠 |
3.2.3 心肌致密化不全小鼠模型药物干预前准备 |
3.2.4 心肌致密化不全小鼠模型药物干预 |
3.2.5 心肌致密化不全小鼠模型心脏组织样品收集 |
3.2.5.1 RA干预组与对照组孕鼠及剖腹后幼鼠情况统计与分析 |
3.2.5.2 RA干预组与对照组幼鼠心脏组织样品收集与保存 |
3.3 实验方法 |
3.3.1 蛋白质提取和肽段酶解 |
3.3.2 小鼠心脏组织样品TMT标记 |
3.3.2.1 样品蛋白组TMT分析预实验 |
3.3.2.2 蛋白组TMT分析正式实验 |
3.3.3 肽段分级 |
3.3.4 液相色谱串联质谱法数据采集 |
3.3.5 蛋白质鉴定和定量分析 |
3.3.6 生物信息学分析 |
3.3.6.1 GO功能注释 |
3.3.6.2 KEGG通路注释 |
3.3.6.3 GO注释和KEGG注释的富集分析 |
3.3.6.4 蛋白质聚类分析 |
3.3.6.5 蛋白质相互作用网络分析 |
3.4 TMT定量蛋白质组学检测心肌致密化不全相关蛋白结果分析 |
3.4.1 主要结果和结论 |
3.4.2 实验和生物信息学分析结果 |
3.4.2.1 蛋白质鉴定结果汇总 |
3.4.2.2 差异表达蛋白质筛选 |
3.4.2.3 差异表达蛋白质聚类分析 |
3.4.2.4 差异表达蛋白质GO功能富集分析 |
3.4.2.5 差异表达蛋白质KEGG通路富集分析 |
3.4.2.6 蛋白质相互作用网络分析 |
3.5 附件 |
3.5.1 质量控制 |
3.5.1.1 肽段离子质量偏差分布 |
3.5.1.2 肽段离子得分分布 |
3.5.1.3 蛋白质丰度比分布 |
3.5.2 鉴定蛋白质和肽段特性 |
3.5.2.1 蛋白质相对分子质量分布 |
3.5.2.2 蛋白质等电点分布 |
3.5.2.3 肽段序列长度分布 |
3.5.2.4 肽段序列覆盖度 |
3.5.2.5 鉴定肽段数量分布 |
3.5.3 数据库介绍 |
3.5.3.1 NR数据库 |
3.5.3.2 UniProt数据库 |
3.5.3.3 GO数据库 |
3.5.3.4 KEGG通路数据库 |
3.5.3.5 STRING数据库 |
3.6 TMT相对定量蛋白质组学检测NVM心脏组织技术路线 |
3.7 实验结果和讨论 |
3.7.1 能量代谢讨论 |
3.7.2 凝血功能讨论 |
3.8 本章小结 |
第四章 PRM技术验证和定量分析心肌致密化不全差异蛋白 |
4.1 引言 |
4.2 实验材料 |
4.2.1 项目样品基本信息 |
4.2.2 实验仪器 |
4.3 实验方法 |
4.3.1 蛋白提取 |
4.3.2 蛋白酶解 |
4.3.3 液相色谱平行反应监测质谱定量分析 |
4.3.3.1 高效液相色谱分析 |
4.3.3.2 高分辨平行反应监测质谱定量分析 |
4.4 实验结果与分析 |
4.4.1 目标肽段PRM检测结果分析 |
4.4.2 差异蛋白表达量分析 |
4.4.3 实验结果与结论 |
4.5 差异蛋白结构及功能的讨论及分析 |
4.5.1 激肽原1结构与功能 |
4.5.2 α1抗胰蛋白酶结构与功能 |
4.5.3 载脂蛋白AI结构与功能 |
4.5.4 β2糖蛋白1结构与功能 |
4.5.5 微管蛋白β4α链结构与功能 |
4.5.6 通道蛋白4结构与功能 |
4.6 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
5.2.1 针对本实验不足的补充研究 |
5.2.2 针对本研究后续的工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(7)基于无监督深度学习的PET静态图像及参数图像去噪研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩写、符号清单、术语表 |
1 绪论 |
1.1 课题背景 |
1.1.1 PET成像原理 |
1.1.2 PET主要应用 |
1.2 科学问题 |
1.3 本文的主要贡献 |
1.4 本文的组织结构 |
2 研究现状 |
2.1 PET图像重建 |
2.2 PET图像去噪 |
2.2.1 传统去噪方法 |
2.2.2 深度学习去噪方法 |
2.3 无监督深度学习 |
2.3.1 常见的无监督深度学习模型 |
2.3.2 深度图像先验方法 |
2.4 本章小结 |
3 基于单个病人结构信息的无监督深度学习静态PET图像去噪 |
3.1 引言 |
3.2 具体方法 |
3.3 数据和比较方法 |
3.3.1 实验数据 |
3.3.2 比较方法 |
3.4 实验结果 |
3.4.1 仿真实验结果 |
3.4.2 真实数据结果 |
3.5 讨论 |
3.6 本章小结 |
4 基于Logan图形分析和无监督深度学习PET参数图像估计 |
4.1 绪论 |
4.2 具体方法 |
4.3 数据和比较方法 |
4.3.1 实验数据 |
4.3.2 比较方法 |
4.4 实验结果 |
4.4.1 仿真实验结果 |
4.4.2 真实数据结果 |
4.5 讨论 |
4.6 本章小结 |
5 结合人群信息和单个病人信息的无监督深度学习静态PET图像去噪 |
5.1 引言 |
5.2 具体方法 |
5.3 实验数据和比较方法 |
5.3.1 实验数据 |
5.3.2 比较方法 |
5.4 实验结果 |
5.4.1 PET/CT |
5.4.2 PET/MR |
5.5 讨论 |
5.6 本章小结 |
6 总结与展望 |
6.1 本文工作的小结与回顾 |
6.1.1 基于单个病人数据的静态PET图像去噪方面 |
6.1.2 基于单个病人数据的PET参数图像去噪方面 |
6.1.3 基于人群数据的静态PET图像去噪方面 |
6.2 本文的后续工作及展望 |
参考文献 |
附录 补充材料 |
作者简历 |
(8)基于确定学习理论的渐变故障辨识、检测与预测研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 振动信号特征提取 |
1.2.2 渐变故障诊断 |
1.2.3 系统失效时间预测 |
1.2.4 确定学习理论简介 |
1.3 本文的研究内容及结构安排 |
第二章 确定学习理论 |
2.1 引言 |
2.2 确定学习机制 |
2.3 动态模式识别 |
2.4 微小故障检测 |
2.5 本章小结 |
第三章 基于确定学习理论的非线性系统动态特征表达 |
3.1 引言 |
3.2 非线性系统动力学轨迹的获取 |
3.3 动态特征表达 |
3.3.1 Lempel-Ziv复杂度算法 |
3.3.2 动态特征表达:时空LZ复杂度表征 |
3.3.3 动态特征提取方法的敏感性分析 |
3.4 仿真验证 |
3.4.1 Duffing振子 |
3.4.2 Rossler系统 |
3.5 应用研究:心电信号动态特征提取 |
3.5.1 心电动力学图(Cardiodynamicsgram,CDG) |
3.5.2 样本的选取 |
3.5.3 心电信号的时空LZ复杂度表征 |
3.6 本章小结 |
3.7 附录A |
第四章 基于确定学习理论的非线性系统渐变故障检测 |
4.1 引言 |
4.2 问题描述 |
4.3 三种不同系统模式的学习和表达 |
4.4 系统模式库的建立 |
4.5 渐变故障的快速检测 |
4.5.1 渐变故障的检测机制 |
4.5.2 不含外部扰动时的渐变故障快速检测 |
4.5.3 有外部扰动情况下的渐变故障快速检测 |
4.6 仿真验证 |
4.6.1 Van Der Pol振荡系统 |
4.6.2 Duffing振荡系统 |
4.7 本章小结 |
第五章 基于确定学习理论的非线性系统失效时间预测 |
5.1 引言 |
5.2 问题描述 |
5.3 系统模式库的建立 |
5.4 渐变故障的快速检测与预测机制 |
5.4.1 渐变故障检测机制 |
5.4.2 失效时间(TTF)预测机制 |
5.5 仿真验证 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
攻读博士学位期间取得的研究成果 |
致谢 |
附件 |
(9)基于心电动力学图的多平台心肌缺血临床检测系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 本文结构 |
第二章 预备知识 |
2.1 心脏电生理 |
2.1.1 心电图 |
2.1.2 心电向量图 |
2.1.3 心肌缺血检测方法 |
2.2 确定学习理论 |
2.2.1 RBF神经网络 |
2.2.2 RBF持续激励条件 |
2.2.3 离散系统的确定学习 |
2.2.4 确定学习在心肌缺血检测上的应用 |
2.3 本章小结 |
第三章 多平台系统需求分析及框架设计 |
3.1 多平台系统需求分析 |
3.1.1 电子病历存储和访问需求 |
3.1.2 心肌缺血检测研究平台需求 |
3.1.3 心肌缺血远程检测平台需求 |
3.2 电子病历数据库方案的选取 |
3.3 心肌缺血检测研究平台方案选取 |
3.4 心肌缺血远程检测平台方案选取 |
3.5 多平台系统整体框架 |
3.6 本章小结 |
第四章 心肌缺血数据库服务实现 |
4.1 电子病历数据库设计 |
4.1.1 数据来源及需求分析 |
4.1.2 数据库结构设计 |
4.1.3 数据库构建 |
4.1.4 数据库优化 |
4.2 数据库集群部署 |
4.2.1 数据库集群搭建 |
4.2.2 电子病例数据库程序部署 |
4.3 数据库信息脱敏 |
4.3.1 脱敏方案选择 |
4.3.2 数据脱敏实现 |
4.4 数据库访问API |
4.4.1 添加电子病历API |
4.4.2 更新电子病历API |
4.4.3 查询电子病历API |
4.5 本章小结 |
第五章 多平台系统的整体实现 |
5.1 心肌缺血检测MATLAB研究平台实现 |
5.1.1 界面设计 |
5.1.2 逻辑层实现 |
5.1.3 计算层实现 |
5.2 心肌缺血检测研究平台功能展示 |
5.2.1 病历查询功能 |
5.2.2 CDG检测 |
5.2.3 全屏显示 |
5.2.4 病历添加 |
5.2.5 病历修改 |
5.2.6 指标分布图 |
5.3 Web远程检测平台的后台实现 |
5.3.1 SpringBoot及其组件 |
5.3.2 后台项目结构 |
5.3.3 CDG检测程序调用 |
5.3.4 数据库连接池 |
5.3.5 用户权限认证与授权 |
5.4 Web远程检测平台前端页面实现 |
5.4.1 平台首页 |
5.4.2 病历查询界面 |
5.4.3 病历添加界面 |
5.4.4 病历修改界面 |
5.4.5 CDG诊断界面 |
5.5 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(10)中药质量一致性评价模式的建立与应用 ——国际化探索研究(论文提纲范文)
中文摘要 |
ABSTRACT |
目录 |
缩略语目录 |
第一章 文献综述 |
1.1 前言 |
1.1.1 全球新药研发方向的转变 |
1.1.2 中药国际化是必然趋势 |
1.1.3 实现中药国际化,中药质量现代化是关键 |
1.2 中国、美国、欧盟对中药的监管 |
1.2.1 中药法规在美国、欧盟出台过程 |
1.2.2 中药在中国、美国和欧盟的定义和分类 |
1.2.2.1. 中药在中国的定义和分类 |
1.2.2.2 中药在美国的定义和分类 |
1.2.2.3 中药在欧盟的定义和分类 |
1.2.3 中药在中国、美国和欧盟的监管部门和上市途径 |
1.2.4 中国、美国、欧盟出台的相关中药质量指南 |
1.3 中国、美国、欧盟中药质量标准要求对比研究 |
1.3.1 中国、美国、欧盟中药质量标准要求对比研究的参考依据 |
1.3.2 中国、美国、欧盟中药质量标准对比研究 |
1.3.3 中国、美国、欧盟中药质量标准差距分析及启示 |
1.3.3.1 鉴别 |
1.3.3.2 保证中药批次间的质量一致性从而确保产品疗效一致性 |
1.4 中药质量一致性评价现状和优缺点 |
1.4.1 中国中药质量一致性评价现状和优缺点分析 |
1.4.2 美国中药质量一致性评价现状和优缺点分析 |
1.4.3 欧盟中药质量一致性评价现状和优缺点分析 |
1.5 课题研究方向与目的 |
第二章 中药质量一致性评价模式的构建 |
2.1 中药质量一致性评价新模式构建基本方案 |
2.2 中药质量一致性评价模式构建的基本思路 |
2.2.1 化学标记物的绝对含量 |
2.2.2 主要代表性组分含量加和 |
2.2.3 指纹图谱间的等同性 |
2.2.4 思路总结 |
2.3 实证研究——中药质量一致性评价模式的建立 |
2.3.1 TC9701 项目色谱指纹图谱 |
2.3.1.1 丹参色谱指纹图谱 |
2.3.1.2 三七色谱指纹图谱 |
2.3.2 TC9701 组分的药理药效研究综述 |
2.3.2.1 丹参指纹图谱中组分的药理作用简介 |
2.3.2.2 三七指纹图谱中组分的药理作用简介 |
2.3.3 TC9701 组分药代动力学研究系统综述 |
2.3.3.1 文献检索目的 |
2.3.3.2 文献检索策略 |
2.3.3.3 纳入标准与剔出标准 |
2.3.3.4 信息的提取 |
2.3.3.5 检索结果 |
2.3.3.6 讨论 |
2.3.4 中药质量一致性评价模式的建立 |
2.3.4.1 化学标记物的选择 |
2.3.4.2 主要代表性组分的选择 |
2.3.4.3 指纹图谱间组分等同性评价方式的选择 |
2.3.4.4 TC9701 项目质量一致性评价模式的建立 |
2.4 中药质量一致性评价模式的优化 |
2.4.1 主要代表性组分的加和 |
2.4.2 修正系数 |
2.4.2.1 增加修正系数的目的 |
2.4.2.2 丹参指纹图谱组分的修正系数 |
2.4.2.3 三七指纹图谱组分的修正系数 |
2.4.2.4 修正后的 f 值公式 |
2.4.3 标准值的建立 |
2.5 优化后的中药质量一致性评价模式 |
2.6 中药质量一致性评价模式特点小结 |
第三章 中药质量一致性评价模式的验证 |
3.1 中药质量一致性评价模式验证方案设计 |
3.2 实证研究 |
3.2.1 研究目的 |
3.2.2 研究方法 |
3.2.2.1 标准值的确立 |
3.2.2.2 产品合格与否的判定 |
3.2.3 S-PLUS 程序的编写 |
3.2.3.1 S-Plus 软件简介 |
3.2.3.2 丹参指纹图谱质量一致性评价模式编程 |
3.2.3.3 三七指纹图谱质量一致性评价模式编程 |
3.2.4 检验结果 |
3.2.4.1 丹参指纹图谱数据 |
3.2.4.2 三七指纹图谱数据 |
3.2.4.3 制剂产品综合评价结果 |
3.2.5 实证检验小结 |
3.3 计算机模拟仿真验证 |
3.3.1 计算机模拟仿真验证的目的 |
3.3.2 计算机仿真数据的模拟 |
3.3.2.1 计算机仿真模型 |
3.3.2.2 计算机仿真数据的模拟 |
3.3.3 仿真数据可靠性检验 |
3.3.3.1 丹参色谱指纹图谱组分色谱峰面积真实值与仿真值的比较 |
3.3.3.2 三七色谱指纹图谱组分色谱峰面积真实值与仿真值的比较 |
3.3.4 中药产品质量合格判定的依据和计算方式 |
3.3.5 仿真验证条件 |
3.3.5.1 不同投料量 |
3.3.5.2 化学标记物峰面积的变化 |
3.3.5.3 峰面积比例变化 |
3.3.6 计算机模拟仿真验证结果 |
3.3.6.1 计算软件和程序 |
3.3.6.2 不同投料量对产品合格率的影响(例 1-5) |
3.3.6.3 在改变投料量的同时,标记物含量的变化对产品合格率的影响(例6-15) |
3.3.6.4 改变峰面积比例对产品合格率的影响(例 16) |
3.3.7 计算机模拟仿真验证结论 |
3.4 中药质量一致性评价模式总结和讨论 |
第四章 中药质量一致性评价模式的应用 |
4.1 中药质量标准体系的建立 |
4.2 中药扩大生产和批准后变更以及中药非专利药物与原研药物质量一致性的评价 |
4.2.1 中药扩大生产和批准后变更的评价 |
4.2.2 中药非专利药与原研药物质量一致性的评价 |
第五章 结论与展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
四、心肌动力学研究的现状分析与发展展望(论文参考文献)
- [1]我国16个重点病种的国家中医临床研究基地论文统计表(2008年~2013年)[J]. 国家中医药管理局国家中医临床研究基地办公室. 世界科学技术-中医药现代化, 2013(05)
- [2]《中国循环杂志》2015年第30卷关键词索引[J]. 宁田海,佟金. 中国循环杂志, 2015(12)
- [3]基于心电动力学图的动态特征提取及其在运动训练上的应用研究[D]. 曾强. 华南理工大学, 2019(02)
- [4]基于确定学习与深度学习的人体体表心电信号建模与分类[D]. 孟婷婷. 杭州电子科技大学, 2020(02)
- [5]无创光电检测在心肌梗死中的应用研究[D]. 刘伟超. 北京协和医学院, 2019(02)
- [6]维甲酸诱导心肌致密化不全的基础研究[D]. 曹菲. 电子科技大学, 2019(04)
- [7]基于无监督深度学习的PET静态图像及参数图像去噪研究[D]. 崔佳楠. 浙江大学, 2020(02)
- [8]基于确定学习理论的渐变故障辨识、检测与预测研究[D]. 王乾. 华南理工大学, 2019
- [9]基于心电动力学图的多平台心肌缺血临床检测系统的设计与实现[D]. 陈善. 华南理工大学, 2020(02)
- [10]中药质量一致性评价模式的建立与应用 ——国际化探索研究[D]. 何毅. 天津大学, 2011(06)