线粒体转移在缺血性卒中中的研究进展

缺血性卒中的流行病学表现为发病率高、致死致残率高及复发率高,但目前的临床治疗方法仍存在局限性。缺血性卒中的发生与线粒体转移密切相关。线粒体在细胞能量供应、信号传递等方面至关重要。近年来,将线粒体转移应用在缺血性卒中治疗的相关研究已经取得了进展。作者综述了目前缺血性卒中发生后线粒体转移的相关研究,以期通过分析当下研究的不足并进行展望,为缺血性卒中临床治疗新方法的研究提供指引性帮助。

环状RNA在病原感染中的作用机制研究进展

环状RNA(circRNA)是一类缺乏5′和3′游离末端的共价闭合非编码RNA,在真核细胞中高度保守且普遍存在。与线性RNA相比,环状RNA对RNase R不敏感,在细胞中更稳定存在。同时,环状RNA可作为连接非编码RNA和mRNA的重要桥梁,通过多种机制调控各种生理、病理过程。近年来许多研究表明了环状RNA在病毒、细菌等病原微生物感染中的作用机制,环状RNA可作为感染性疾病诊断及预后的分子生物标志,在感染性疾病的治疗与防控中发挥重要作用。论文就环状RNA的生物学功能及其在病原感染中的作用进行综述,以期为深入研究感染性疾病的致病机制,制定有效的防控措施提供参考。

基于特征模型的互联电力系统数据驱动负荷频率控制

在互联电力系统中存在未建模动态和非线性特性,这些因素都会对频率控制器的设计带来困难。针对上述问题,基于特征模型理论提出了一种数据驱动的负荷频率控制方案。首先,使用二阶特征模型来描述互联电力系统,将系统的非线性动态压缩到时变特征参数中,既不丢失模型信息,又可以降低模型复杂程度。其次,设计投影算法对特征参数进行在线估计,并且通过定义滑模面和滑模趋近率来设计控制算法,使用李雅普诺夫理论证明了闭环电力系统的稳定性。最后分别在三区域和四区域互联电力系统中进行仿真分析,仿真数据验证了特征建模的有效性,表明提出的方案能够较好完成频率控制任务。

基于虚拟时间反转镜的水声OFDM信道均衡

针对水声信道对正交频分复用(OFDM)系统带来的符号间干扰(ISI)问题,提出了虚拟时间反转镜(VTRM)信道均衡算法,该算法具有时间压缩特性和频域相位共轭特性,可以有效缩短信道长度,减小多途信道带来的相位畸变,采用匹配追踪(MP)算法估计信道冲激响应,可以精确地估计出水声信道的幅度、时延和相位信息,为虚拟时反信道均衡提供准确的信道信息,改进了传统匹配相关信道估计方法估计精度低、无法估计信道相位信息的缺点。仿真、水池和湖上实验结果表明,OFDM水声通信系统中,VTRM信道均衡技术性能优于被动时反镜(PTRM)信道均衡和最小平方(LS)信道均衡。

IGF-1对海马神经元抑制性突触传递的影响

目的：观察胰岛素样生长因子1（IGF-1）对原代培养海马神经元抑制性突触传递的影响并探讨其可能机制。方法：采用无血清培养基培养海马神经元,在10～14d时用于实验。电生理实验分为正常对照组和IGF-1处理组（实验前24h加入IGF-1,终浓度为10μmol/L）。细胞免疫化学实验分为正常对照组、IGF-1处理组和MAPKS转导通路抑制剂（PD98059）预处理组（IGF-1处理前1h加入PD98059,终浓度为10μmol/L）。采用全细胞膜片钳记录方法观察IGF-1对抑制性突触后电流（IPSC）的影响,用细胞免疫化学方法观察其对γ-氨基丁酸能细胞数目影响。结果：IGF-1能够显著降低IPSC的频率,但与对照组比较其幅度差异无统计学意义;IGF-1能够明显减少GABA阳性细胞数目,应用PD98059后可阻断这种作用。结论：IGF-1的上述作用可能参与海马对学习记忆功能的调节过程。

提高医学第二课堂教学趣味性的方法浅析

第二课堂教学是第一课堂教学不可缺少的有益补充,对提高医学本科生素质和实践能力意义重大。神经生物系就如何通过增加第二课堂教学的趣味性提高神经生物学教学效果进行了实践性研究。实践表明,增加第二课堂教学的趣味性可以提高教学效果。

医学神经生物学分层次教学的探索与实践

教育要尊重学生的个体差异,以便于学生的全面均衡发展。文章针对本科医学神经生物学课程是一门交叉学科、学生较难掌握这一特点,分析了在其教学过程中开展分层次教学模式的可行性和现实意义,并且提出医学神经生物学课程教学实践较短,尚需要摸索实施这一教学模式的经验等问题。

基于自适应神经网络的物流需求预测研究

物流需求预测是物流系统规划和物流资源合理配置过程中的重要环节,利用神经网络算法进行物流需求预测时,当样本数据过大,存在着收敛速度慢、搜索结果仅为局部最优等缺点.基于误差梯度信息的神经网络自适应学习算法可用于物流需求预测,并证明了算法的收敛性.该算法比常规神经网络算法收敛速度快、预测精度高.

医学本科生参与科研训练的现状与展望

医学本科生的创新科研训练项目有利于强化学生的医学基础知识,培养医学本科生的科研创新能力,提高学生的综合素质,有利于落实高等教育素质教育的核心思想。本文针对本校和作者本人的本科生科研训练实践进行了总结,对其中的问题进行了剖析,并提出相关的教学改革尝试有利于提高学生的创新意识,拓展学生的专业视野,强化学生的科研实践能力,从而促进医学本科生的素质全面提高。

医学神经生物学课程设置及教学方法的改革

医学神经生物学是一门交叉学科，为提高教学质量，需要不断对课程配置和教学方法进行改进，目前的教学现状是：存在教学内容较多而课时相对较少、缺乏系统性、实验课比重较低等欠缺，针对这一现状应从教学内容和方法等多方面着手进行改革。实践证明，一系列教改措施，提高了课程的趣味性，教学效果得到进一步改善。

神经生物学中“语言与注意”章节的教学体会

"语言与注意"是神经生物学课程体系中的重要章节,其内容涉及生理学、心理学、解剖学和生物学等多个领域。为提高教学效果,教授此章节时需注意一定的教学技巧,包括合理安排教学内容、突出重点突破难点、采用互动的方法、合理配置辅助手段等,使学生对要讲述的内容更易理解和掌握。

基于人工神经网络的企业顾客满意度研究

企业顾客满意度是企业与顾客关系的集中体现,直接决定了企业竞争力的高低。以顾客满意度理论为基础,提出一般企业的顾客满意度指标体系,建立顾客满意度的人工神经网络评判模型并进行实证运算,可以实现对顾客满意度的科学评价与判断。

缺血缺氧对神经细胞突触后电流的影响及其作用机制

神经细胞缺血缺氧后突触后电流的频率或幅度出现变化 ,提示氨基酸类神经递质释放的变化。急性缺血缺氧时 ,自发性兴奋性突触后电流和抑制性突触后电流均受到抑制 ,诱发性兴奋性突触后电流幅度增高。长期慢性缺氧情况下 ,NMDA受体介导的兴奋性突触后电流受到抑制。缺氧预适应后 ,γ 氨基丁酸释放增加 ,谷氨酸释放减少。多次重复急性缺氧抑制诱发性兴奋性突触后电流的幅度 ,说明长期慢性缺氧及缺氧预适应启动神经细胞的保护机制。腺苷通过调节氨基酸递质的释放 ,对神经细胞具有明显的保护作用 ,但对于缺血缺氧所造成的损伤却未见修复作用。

基于2D模型的网络系统迭代学习控制设计方法

迭代学习控制(iterative learning control,ILC)方法应用于网络控制系统时,由于数据需要在控制器和远程对象间传输经常产生数据丢失现象。给出了一种存在数据丢失时网络系统的随机迭代学习控制设计方法,首先将数据丢失现象描述为随机伯努利序列,在此基础上将迭代学习的控制器设计转化为随机2D-Roesser系统的稳定问题。定义了随机意义下2D系统的均方渐进稳定,基于线性矩阵不等式(linear matrix inequality,LMI)给出一个判别稳定性的条件,该条件同时可实现迭代学习控制器的设计。仿真示例验证了设计方法的有效性。

地方工科院校创业教育探讨

分析我国高校当前创业教育发展的现状及存在的问题,并阐述了地方院校在实施创业教育时的特殊性问题,并提出一些改进建议以促进地方院校创业教育的进一步发展。

高职院校制造类专业劳动教育融入实训教学的路径研究——以“电机控制实训”课程为例

劳动教育具有立德、增智、强体、育美的综合育人价值,有着明确的课程思政属性。职业教育课程思政建设要围绕“德”的树立、“育”的方式,而实施劳动教育是实现课程思政融入当代职业教育的有效途径之一。通过将劳动教育与高职院校实践教学相结合,可以有效地培养出具备高素质技能的人才。本文针对高职院校工科类专业的实践教学,以实训课程“电机控制实训”为载体,通过组建“三师”协同劳动教育育人团队、重构实践教学内容、创新实践教学实施过程、改善实训教学环境、实施多维多元实践教学评价五个方面,探索实践类课程的劳动教育融入实训教学的具体实施路径,培养学生成为德技并修的社会主义建设事业接班人。

WPBL教学法应用于神经生物教学的可行性分析

医学神经生物学涉及多个领域及学科,包括医学生理学、心理学、医学免疫学、生物学、生物化学等,因课程内容的交叉性、前沿性、复杂性,对授课的教学效果造成极大困难。网络平台上基于问题为导向的教学模式(Web Problem-Based Learning,WPBL)具有以网络为平台、以问题为导向、以学生合作学习为中心、以教师为主导的四大特点。现就神经生物学课程特点、学生实际情况进行了深入剖析,此方法的采用对提高神经生物学教学效果具有极大的推动作用,使学生对课程产生兴趣、主动学习、自觉检测学习效果,有利于神经生物学课程理解与掌握。

基于改进YOLOX的群养生猪轻量化目标检测方法

针对目前群养生猪智能化养殖中复杂环境下猪只目标检测精度低的问题,提出了一种基于改进YOLOX的群养生猪轻量化目标检测模型Ghost-YOLOX-BiFPN。该模型采用Ghost卷积替换普通卷积,在减少主干网络参数的情况下,提高了模型的特征提取能力。使用加入CBAM注意力机制的BiFPN作为模型的Neck部分,使得模型充分融合不同体型猪只的特征图,并使用Focal Loss损失函数解决猪圈环境下猪只与背景难以区分的问题,增强模型对正样本的学习。实验结果表明,改进后模型对群养生猪检测精度为95.80%,相比于原始YOLOX算法,检测精度提升2.84个百分点,参数量降低63%。最后将本文轻量化模型部署到Nvidia Jetson Nano移动端开发板,通过在开发板上实际运行表明,本文所提模型实现了对不同大小、不同品种猪只的准确识别,为后续智能化生猪养殖提供支持。