目的 檢測基質金屬蛋白酶13（MMP-13）和組織金屬蛋白酶抑制因子1（TIMP-1）的血清含量，分析其在婦女絕經后骨質疏松發病中的作用。 方法 2009年3月－2012年9月選取武漢附近地區129例49～63歲絕經后婦女，根據雙能X線吸收法檢測的骨密度數值，分為正常組、低骨量組和骨質疏松組。采取酶聯免疫吸附試驗檢測MMP-13、TIMP-1以及雌二醇（E2）、Ⅰ型原膠原N端前肽（PINP）和Ⅰ型膠原交聯C末端肽（CTX）、骨保護蛋白（OPG）及其配體（OPGL）的含量，統計MMP-13/TIMP-1比值。 結果 ① 骨質疏松組中血清MMP-13水平[（44.25 ± 1.21） μg/L]高于正常組[（27.08 ± 1.41）μg/L]（P＜0.05）；② 骨質疏松組中血清MMP-13與骨密度、血清E2、OPGL水平存在明顯負相關性 （P＜0.05），和OPG、PINP和CTX存在明顯正相關性（P＜0.05）；③ 低骨量組中MMP-13略高于骨質疏松組，且兩者差異無統計學意義（P＞0.05），但是明顯高于正常組（P＜0.05），同時與骨密度和血清E2、OPG、OPGL、PINP和CTX存在明顯相關性（P＜0.05）。 結論 血清MMP-13和MMP-13/TIMP-1比值與絕經后骨質疏松癥婦女和絕經后低骨量組婦女骨代謝指標具有關聯性。兩者升高可能為絕經后婦女早期骨代謝尤其是膠原代謝過程增快的表現。
針對阿爾茨海默病（AD）早期階段分類這一研究難題，傳統的線性特征提取算法很難從其高維特征中挖掘出鑒別能力較強的信息來有效地表示樣本特征。因此，本文采用監督局部線性嵌入（SLLE）特征提取算法，對 412 例受試者的大腦皮質厚度（CTH）和腦感興趣區域體積（VOI）特征進行提取，減少其冗余特征以提高識別精度。受試者來源于阿爾茨海默病神經影像學（ADNI）數據集，包含 93 例穩定型輕度認知障礙（sMCI）、96 例遺忘型輕度認知障礙（aMCI）、86 例 AD 患者和 137 例認知正常對照老年人（CN）樣本。本文采用的 SLLE 算法是通過添加距離修正項來計算每個樣本點的近鄰點，并用近鄰點線性表示樣本，得到局部重建權值矩陣，進而求出高維數據的低維映射。為驗證該算法在分類識別中的有效性，本文將主成分分析（PCA）、近鄰最小最大投影（NMMP）、局部線性映射（LLE）及 SLLE 等特征提取算法分別與支持向量機（SVM）分類器組合，對 CN 與 sMCI、CN 與 aMCI、CN 與 AD、sMCI 與 aMCI、sMCI 與 AD 和 aMCI 與 AD 六組實驗數據進行分類識別。結果顯示，以 VOI 為特征，利用 SLLE 和 SVM 的復合算法對 sMCI 和 aMCI 的分類準確度、靈敏度、特異性分別為 65.16%、63.33%、67.62%，基于 LLE 和 SVM 的復合算法分類結果分別為 64.08%、66.14%、62.77%，而基于傳統 SVM 則分別為 57.25%、56.28%、58.08%。經比較，發現 SLLE 和 SVM 組合算法的識別精度較 LLE 和 SVM 的組合算法提高了 1.08%，較 SVM 提高了 7.91%。因此，利用 SLLE 和 SVM 這一復合算法進行分類識別更有利于 AD 的早期診斷。