本文主要研究以自然聲作為掩蔽信號能否緩解類似單頻信號的耳鳴聲帶來的煩擾。文中將四種自然聲、粉紅噪聲以及窄帶噪聲作為掩蔽信號，單頻信號模擬類單頻耳鳴聲作為被掩蔽信號，比較以上提及的多種掩蔽信號的掩蔽效果。作為研究的基礎，自然聲并不一定要完全掩蔽單頻信號，而是要減輕煩擾度。試驗結果顯示，水流聲和雨聲對于單頻信號都是較為有效的掩蔽信號。對于不同頻率的單頻信號，同一種掩蔽信號在掩蔽效果上略有差異。該研究結果初步證實了利用自然聲進行類單頻耳鳴掩蔽的可行性，對改進耳鳴掩蔽治療中的掩蔽信號具有參考意義。
流式細胞儀中多參數流式數據分群傳統方法主要是利用專業軟件采取人工設門方式，圈出目標細胞進行分析，分析過程較為復雜，專業性較強。基于此，本文提出了一種基于 t 分布鄰域嵌入（t-SNE）算法對多參數流式數據進行分群處理。該算法將樣本數據在高維空間中的歐幾里德距離轉化為條件概率來表征相似性，使數據降到低維空間。本文通過使用流式細胞儀處理染色后的人體外周血細胞，并將處理后的數據導出作為實驗樣本數據，對其利用 t-SNE 算法進行降維，并與核主成分分析（KPCA）降維算法對比，分別使用 K 均值（K-means）算法對降維得到的主成分數據進行分類。結果表明，t-SNE 算法對呈非對稱且有拖尾分布的細胞類群具有很好的分群效果，分群準確率可達 92.55%，或可有助于多色多參數流式數據進行自動分析。
目的系統評價產前超聲篩查發現膽囊未顯示胎兒（NVFGB）各種結局的發生率。方法計算機檢索 PubMed、The Cochrane Library、Elsevier、ClinicalKey、CBM、CNKI 和 WanFang Data 數據庫，搜集關于產前超聲篩查發現 NVFGB 胎兒不同圍產期結局的相關性研究，檢索時限均從 1990 年 1 月到 2019 年 3 月。由 2 名研究者獨立篩選文獻、提取資料并評價納入研究的偏倚風險后，采用 R 3.5.2 軟件進行 Meta 分析。結果共納入 9 個研究。Meta 分析結果顯示：NVFGB 膽道閉鎖的發生率為 1.0%，其中孤立性 NVFGB 膽道閉鎖的發生率為 2.0%，非孤立性 NVFGB 膽道閉鎖的發生率為 3.0%。囊性纖維化的發生率為 6.0%，其中孤立性 NVFGB 囊性纖維化的發生率為 2.0%，非孤立性 NVFGB 囊性纖維化的發生率為 9.0%。染色體異常發生率為 5.0%，其中非孤立性 NVFGB 染色體異常發生率為 31.0%。其他畸形率為 13.0%，其中非孤立性 NVFGB 其他畸形的發生率為 44.0%。膽囊發育不良或缺如的發生率為 22.0%，孤立性 NVFGB 膽囊發育不良或缺如的發生率為 28.0%。膽囊最終顯示且胎兒正常的發生率為 53.0%，其中孤立性 NVFGB 最終膽囊顯示且胎兒正常率為 63.0%。結論當前證據顯示，單次篩查為 NVFGB 大多數于妊娠期后期或新生兒期行超聲復查可發現膽囊的存在。對于超聲明確診斷為孤立性 NVFGB 發生膽囊缺如或膽囊發育不良的可能性較高，而非孤立性 NVFGB 發生膽道閉鎖、囊性纖維化（尤其在胎兒腸管回聲增強的情況下）、染色體異常（尤其是染色體非整倍體）的可能性較高。
目的系統評價產前超聲診斷為孤立性胎兒腎臟實質回聲增強（IHEK）患者的不同妊娠結局。方法計算機檢索PubMed、EMbase、Web of Science、WanFang Data和CNKI數據庫，搜集產前超聲診斷為IHEK患者不同妊娠結局的橫斷面調查，檢索時限均為1990年1月至2021年1月。由2名研究者獨立篩選文獻，提取資料并評價納入研究的偏倚風險后，采用R 3.5.2軟件進行Meta分析。結果共納入9個橫斷面調查，包括348例患者。Meta分析結果顯示：產前超聲診斷為IHEK患者的活產率為79%［95%CI（69%，88%）］、終止妊娠/新生兒死亡（TOP/NND）發生率為30%［95%CI（15%，45%）］、正常腎臟發生率為34%［95%CI（15%，53%）］、常染色體隱性多囊腎（ARPKD）發生率為21%［95%CI（12%，30%）］、常染色體顯性多囊腎（ADPKD）發生率為13%［95%CI（5%，21%）］、多囊性腎發育不良（MCDK）發生率為4%［95%CI（2%，7%）］。亞組分析結果顯示，羊水正常組的預后明顯好于羊水減少組。結論當前有限證據表明，產前超聲診斷為IHEK患者不良妊娠結局發生率較高，而IHEK伴羊水量正常時預后較好，IHEK伴羊水量少時預后較差。受納入研究數量和質量的限制，上述結論尚待更多高質量研究予以驗證。
為了增強基于腦電圖信號的青少年抑郁癥計算機輔助診斷精度，本研究采集了 32 名女性青少年靜息狀態下閉眼 4 min 的腦電圖信號，其中抑郁癥患者 16 名（抑郁組）、健康受試者 16 名（對照組），年均（16.3 ± 1.3）歲。首先，根據信號之間的相位同步性，使用相位鎖定值（PLV）方法，分別在 θ 和 α 頻段下計算腦功能連接。然后基于圖論方法，再分別計算加權網絡的強度、平均特征路徑長度和平均聚類系數（P < 0.05）。接下來，利用多重閾值和網絡參數的關系，提取各個網絡參數的曲線下面積（AUC）作為新特征（P < 0.05）。最后，使用支持向量機（SVM），將兩組受試者的網絡參數和網絡參數的 AUC 作為特征進行分類。研究結果顯示，使用強度、平均特征路徑長度、平均聚類系數作為特征，在 θ 頻段，其分類精度分別由 69% 提高到 71%、66% 提高到 77%、50% 提高到 68%；在 α 頻段，其精度分別由 72% 提高到 79%、69% 提高到 82%、65% 提高到 75%；且整體來看，在 α 頻段使網絡參數的 AUC 作為特征，分類精度比網絡參數特征提升了 10% 左右，而在 θ 頻段，僅平均聚類系數 AUC 的分類精度提升了 18%。本研究結果證明，基于圖論量化腦功能網絡并對網絡參數特征優化，能夠對青少年抑郁癥的計算機輔助診斷提供一定的幫助和理論支撐。