目的 對近年來國內外有關轉化生長因子-β(TGF-β)超家族對新骨形成作用的研究進行綜述。方法 廣泛查閱相關文獻,對TGF-β、骨形成蛋白（BMPs）及激活素（ACT）在新骨形成，尤其是牽張性新骨形成(DO)作用進行分析綜合。 結果 TGF-β、BMPs及ACT對新骨形成均有促進作用，其作用機制各有特點。BMPs啟動間充質細胞向骨細胞系分化，TGFβ刺激骨形成前體細胞生長分化，ACT增強BMPs成骨，本身也促進成骨細胞增殖和膠原合成。結論 TGF-β超家族對新骨形成的調控，有助于縮短DO的周期。
本文探討了在心理壓力狀態下,人體生理系統的變化反應,為心理壓力評估研究提供了理論支持。針對目前用于心理壓力評估的兩種方法——調查問卷法和生理參數評估法各自的特點,綜述了兩種評估方法的主要研究內容和應用現狀,進而展望了心理壓力評估工作的未來發展趨勢。希望通過此項工作,為心理壓力評估研究提供支持與幫助。
隨著人口老齡化問題的日益凸現,針對老年疾病的研究也愈發顯得意義重大。阿爾茨海默癥(AD)是一種以老年斑和神經元纖維纏結為主要病理特征的老年性癡呆病,已成為危害老年人健康的重大疾病之一。本綜述致力于阿爾茨海默癥早期評估手段的研究,分析了阿爾茨海默癥的發病機制,并分別從基于神經心理量表的診斷方法、基于腦結構的成像診斷方法、基于腦功能的成像診斷方法以及腦電圖診斷方法四個方面對阿爾茨海默癥的早期診斷評估研究現狀進行了綜述。
孤獨癥的早期發現與及時干預至關重要。本文結合小波變換和經驗模態分解（EMD）提取腦電信號（EEG）特征，比較分析孤獨癥兒童和正常兒童腦電信號的特征差異。試驗共采集了 25 例（20 例男孩，5 例女孩）5～10 歲孤獨癥兒童和 25 例 5～10 歲正常兒童的腦電信號，基于小波變換提取 C3、C4、F3、F4、F7、F8、FP1、FP2、O1、O2、P3、P4、T3、T4、T5 和 T6 的 alpha、beta、theta 和 delta 頻段的節律波，再進行 EMD 分解得到固有模態函數（IMF）特征，以支持向量機（SVM）實現孤獨癥和正常兒童腦電的分類評估。試驗結果表明，小波變換和 EMD 結合的方法可以有效地識別孤獨癥兒童和正常兒童的腦電信號特征，分類正確率達到 87%，相比文中小波結合樣本熵方法提取腦電特征分類評估的準確率高出將近 20%。所提取的四種節律波中，delta 節律（1～4 Hz）波的分類正確率最高，特別是在前額 F7 通道、左前額 FP1 通道和顳區 T6 通道其分類準確率均超過 90%，能夠較好地表達孤獨癥兒童腦電信號的特點。
本文采用意念力游戲訓練對輕度認知功能障礙人群進行干預治療，輔助改善其腦認知功能狀態。研究共采集了 40 名受試者訓練前及兩次訓練后的腦電數據，并分析了腦電信號的連續復雜度特征，評估腦認知功能狀態，探討意念力游戲訓練對腦認知功能狀態的改善效果。結果顯示，經過兩次訓練后，受試者腦電信號連續復雜度有所升高（0.012 44 ± 0.000 29，P < 0.05），曲線波動幅度逐漸減小，表明隨訓練次數增加，腦電信號連續復雜度顯著提升，腦認知功能有明顯改善且狀態穩定。本文的研究結果可以表明，意念力游戲訓練可以改善腦認知功能狀態，該結果或可為今后輔助干預腦認知功能障礙提供支持與幫助。
目的 探討胎兒左心發育不良綜合征產前超聲診斷方法，提高診斷準確性。 方法 常規產前超聲檢查方法，應用四腔心切面和三血管氣管平面進行胎兒心臟畸形篩查。 結果 2006年1月-2008年12月發現4例左心發育不良綜合征，3例并發心內畸形（2例右室雙出口及1例室缺），1例并發心外畸形（Dandy-Walker畸形及單臍動脈）。 結論 應用四腔心切面和三血管氣管平面篩查心室發育不良簡單易行，準確性高。
情感數據獲取的有效性與合理性是認知情感計算研究中的關鍵問題,其結果直接影響后續的情感識別及分析。因此,建立性能良好的情感計算數據庫是情感計算研究的重要部分,也是該領域學者研究的熱點。本文針對這一問題,分析與比較了國際上兩個公開、經典的認知情感計算數據庫的性能,即美國麻省理工學院(MIT)的認知情感計算數據庫與德國Augsburg大學情感識別數據庫,分別就數據庫中數據的結構與數據類型進行了比較,并對基于該數據實現情感識別的效果進行了分析研究,結果表明,基于生理參數的分析,能有效地進行情感識別,是一種實現情感評估的可行方法。針對國內基于生理參數壓力情感評估的數據缺乏這一問題,構建了一個面向高校中高壓力人群的壓力情感評估數據庫。該數據庫以應屆碩士研究生作為受試,通過一定的認知任務刺激,采集其生理參數,并基于此數據庫進行了壓力分析,結果表明,該數據庫的建立對于壓力評估具有一定參考價值,希望通過此研究,為壓力情感評估和分析提供一個參考與支持。
本文基于多重分形去趨勢波動分析方法（MFDFA）實現了對受試者心理壓力狀態的評估。研究針對不同心理壓力狀態下，腦電信號多重分形去趨勢波動分析中最優分形階數確定問題，重點分析了多重分形去趨勢波動分析方法中的奇異指數、Hurst 指數等參數與階數的關系，進而確定最優分形階數，實現了基于腦電信號多重分形去趨勢波動分析的心理壓力狀態評估。試驗采集了 14 名在校學生有/無心理壓力狀態下的腦電信號，分別比較了奇異指數、奇異維數、Hurst 指數、質量指數與階數關系，確定了最優分形階數范圍為 [—5, 5]，實現了基于腦電信號 β 波多重分形去趨勢波動分析方法的心理壓力狀態評估。研究結果表明，心理壓力狀態下，腦電信號的 Hurst 指數和質量指數大于無壓力狀態下，腦電信號的相應參數，隨著階數的變大，Hurst 指數減小，趨近于定值，而質量指數增大，奇異值隨階數的變化幅度較明顯。本文還比較了有/無心理壓力狀態下，腦電信號的峰值和奇異譜寬度，結果表明，不同心理壓力狀態下腦電信號多重分形譜特性不同，心理壓力狀態下，腦電信號的奇異譜寬度明顯大于無壓力狀態下腦電信號的奇異譜寬度。本文研究結果說明，該方法可以有效地評估心理壓力狀態，為實現心理壓力狀態干預，提高心理健康等提供支持與幫助。
音樂誘發下的情感狀態評估結果可為輔助音樂治療提供理論支持與幫助。情感狀態評估的關鍵是情感腦電的特征提取，故本文針對情感腦電特征提取算法的性能優化問題開展研究。采用 Koelstra 等提出的分析人類情緒狀態的多模態標準數據庫 DEAP，提取 8 種正負情緒代表各個腦區的 14 個通道腦電數據，基于小波分解重構 δ、θ、α、β 四種節律波；在分析比較小波特征（小波系數能量和小波熵）、近似熵和 Hurst 指數三種腦電特征情感識別效果的基礎上，提出一種基于主成分分析（PCA）融合小波特征、近似熵和 Hurst 指數的腦電特征提取算法。本算法保留累積貢獻率大于 85% 的主成分，并選擇特征根差異較大的特征參數，基于支持向量機實現情感狀態評估。結果表明，使用單一小波特征（小波系數能量和小波熵）、近似熵和 Hurst 指數特征量，情感識別的正確率均值分別是 73.15%、50.00% 和 45.54%，而改進算法識別準確率均值在 85% 左右。基于改進算法情感識別的分類準確率比傳統方法至少能提升 12%，可為情感腦電特征提取以及輔助音樂治療提供幫助。
鎖相位算法是分析腦區同步特性的有效方法。基于傳統鎖相位算法只針對腦電信號的相位分量進行分析，而不能有效地分析腦電信號的其他特征分量的問題，本文提出了一種改進鎖相位算法。該算法首先基于經驗模態分解獲得固有模態函數，以此作為希爾伯特變換的輸入求出所需瞬時幅值，計算鎖幅值。基于此算法，不僅可以度量腦電信號采集位點之間的變化情況，而且可以度量各個位點自身的腦電信號瞬時振幅的變化情況，從而達到提取腦電信號同步特征的效果。本文采集了 14 名受試者在不同難度認知任務下的腦電信號，并基于改進鎖相位算法，分析大腦在完成認知任務過程中各腦區之間的同步性。結果表明，大腦幅值同步程度與認知活動之間呈負相關，且大腦中央區和頂葉最為敏感。基于改進鎖相位算法進行的同步性量化，能夠真實地反映數據之間的生物信息，為大腦同步性研究提供了一種新的方法，為更好地探索腦區的相關性與同步性提供新思路。