智能机器人在基层慢性病管理中的应用与挑战

全球慢性病患病率不断上升,给社会的发展和个人健康带来重大挑战。管理慢性病需要长期治疗和监测,对患者的生活方式提出了一定要求。随着人口老龄化和人们生活方式的改变,慢性病防控正变得越发重要。近年来,随着医疗卫生领域科技创新向纵深发展,借助人工智能的智能机器人在医疗领域的应用也逐渐成为国家重要战略方向之一,传统的慢性病管理方法过于依赖医生和患者之间的线下交流,导致医生无法与患者保持长期且有效的沟通和随访,患者病情出现变化时医生可能无法及时发现和监测。此外,传统的慢性病管理方法通常是一种通用化的方法,无法充分考量到每位患者的个体差异。鉴于传统慢性病管理方法的局限性,本文提倡利用智能机器人提供更便捷高效的基层服务。本文认为,通过个性化健康管理方案、辅助医疗诊断、定时提醒服药等功能,使智能机器人能够致力于改善患者生活质量、减轻医疗资源压力,从而推动全球智能化医疗管理的发展。

基于粒子群优化算法的农业机器人控制策略研究

介绍了粒子群优化算法的概念,并由数学模型、边界约束和环境约束对农业机器人优化约束模型进行了分析,实现了对农业机器人的动态避障和路径规划。仿真实验表明:针对复杂的作业环境,农业机器人可以进行最优避障路径规划,且算法收敛速度较快,能够满足设计要求,证明系统具有一定的可行性。

机器学习预测肱骨近端骨折钢板内固定后继发性螺钉切出的风险

背景:继发性螺钉切出关节面是肱骨近端骨折锁定钢板内固定术后的主要并发症之一,切出的螺钉会磨损关节盂和引起肩峰撞击,影响肩关节功能。因此,准确的风险预测有积极的临床意义。目的:通过机器学习方法筛选肱骨近端骨折钢板内固定后继发性螺钉切出的风险因素,开发并验证风险预测模型,便于临床医生早期甄别并干预高风险患者。方法:收集2013年6月至2022年6月接受锁定钢板内固定治疗的214例肱骨近端骨折患者的临床资料作为训练组建立模型,将同一时间段另一医院收治的同类患者61例纳入外部验证组。按照患者术后是否出现继发性螺钉切出,分为螺钉切出组和螺钉维持组。训练组利用随机森林、支持向量机、逻辑回归3种机器学习算法构建预测模型;采用递归特征消除法、10折交叉验证重抽样作为变量的筛选方法,并将3种模型准确度最高时纳入变量的交集作为与螺钉切出高度相关的可靠风险变量。通过R语言软件构建动态预测模型,以网页计算器形式展示,并对模型进行内、外部验证。模型内部检验采用Bootstrap法重抽样1000次,使用受试者工作特征曲线下面积、校准曲线、临床决策曲线评价模型的区分度、校准能力及临床应用价值。通过Youden指数确定预测模型的最佳风险分界值,据此将外部验证组患者分为高、低风险组,根据模型风险预测能力的准确度来评价其稳定性和外延性。结果与结论:①机器学习算法筛选出继发性螺钉切出高度相关的4个风险变量,分别为肱骨近端内侧柱皮质支撑、三角肌结节指数、骨折类型及术后复位情况;②构建的风险预测模型表现出良好的区分度和准确度[曲线下面积=0.874,95%置信区间(0.827,0.922)],校准曲线显示模型预测风险和实际发生风险有较好的一致性;③临床决策曲线提示风险阈值概率在0.1-0.75范围内时,模型具有较好的临床适用性;④风险概率为26%是模型风险分层的最佳阈值,外部验证组利用模型风险分层预测螺钉切出的总正确率为84%;⑤结果说明该风险预测模型准确度和外延性较好,可为指导临床治疗提供依据。

基于前馈非线性模型预测控制的类车机器人路径跟踪

类车机器人由于零件标准化程度低,侧偏刚度等轮胎力学参数难以准确获得,存在动力学建模十分困难的问题,因此现有研究工作通常以运动学模型作为类车机器人的控制模型,但由于其运动学模型存在模型失配,导致类车机器人与参考路径之间的误差、类车机器人的前轮转角和前轮转角速度出现剧烈振荡现象.针对前述问题,本文基于非线性模型预测控制(Nonlinear model predictive control,NMPC)的滚动优化原理,引入基于逆运动学模型的前馈转角信息,将前轮转向角作为预测模型的第四维,提出了一种基于前馈非线性模型预测控制(Feedforward NMPC,FNMPC)的类车机器人路径跟踪控制算法.并通过Simulink和CarSim进行了联合仿真,结果表明FNMPC有效减小了模型失配导致的振荡现象,同时具有较高的跟踪精度.其中前馈非线性模型预测控制器的位移误差幅值不超过0.1106 m,航向误差幅值不超过0.1253 rad.在相同工况下,线性模型预测控制、前馈线性模型预测控制、纯跟踪控制和Stanley控制误差发散,而本文提出的FNMPC相比已有NMPC跟踪精度更高,且控制增量绝对累计值相比NMPC控制器减小67.53%.通过线控类车机器人底盘作为实验平台完成的测试结果表明,NMPC系统在进入弯道时出现控制失控现象,在相同工况下,FNMPC系统能够有效完成对参考路径的跟踪,同时将位移误差幅值控制在0.1624 m以内,航向误差幅值控制在0.1138 rad以内.

局部麻醉下机器人辅助经皮椎体后凸成形伤椎注入骨水泥的患者体验分析

背景:局部麻醉下传统C臂辅助经皮椎体后凸成形手术需多次透视以调整穿刺方向,工作通道建立时间较长,患者术中疼痛刺激较大;而机器人辅助经皮椎体后凸成形手术可一次性精准穿刺成功,明显改善患者术中体验,同时减少骨水泥渗漏风险。目的:比较局部麻醉下机器人辅助和传统C臂辅助经皮椎体后凸成形手术的患者体验和其他疗效。方法:选择四川省医学科学院·四川省人民医院(电子科技大学附属医院)收治的单节段骨质疏松性椎体压缩骨折患者241例,其中132例在局部麻醉下进行机器人辅助经皮椎体后凸成形手术治疗(机器人辅助组),109例在局部麻醉下进行传统C臂辅助经皮椎体后凸成形手术治疗(传统透视组),记录患者术中体验评价、骨水泥注射量、手术时间、工作通道建立时间、住院费用及并发症,术后1 d通过影像学评估穿刺偏差与骨水泥渗漏。结果与结论:(1)机器人组59例患者术中体验评价为“非常好”,43例为“好”,16例为“一般”,10例为“差”,4例为“非常差”;传统透视组30例患者术中体验评价为“非常好”,44例为“好”,21例为“一般”,9例为“差”,5例为“非常差”,两组间术中体验评价比较差异有显著性意义(Z=-2.546,P=0.011);机器人组患者术中目测类比评分低于传统透视组(t=-9.513,P=0.000);机器人组、传统透视组愿意在必要时再次接受经皮椎体后凸成形手术的患者分别为84例和47例,组间比较差异有显著性意义(Z=-2.730,P=0.006);(2)机器人组患者手术时间、住院费用均多于传统透视组(t=2.860,P=0.003;t=36.522,P=0.000),工作通道建立时间短于传统透视组(t=-27.066,P=0.000),穿刺精度优于传统透视组(Z=-3.656,P=0.000),骨水泥渗漏率低于传统透视组(χ^(2)=7.284,P=0.007);(3)结果表明,局部麻醉后在机器人辅助行经皮椎体后凸成形手术患者的手术体验较好,具有穿刺精确、工作通道建立时间短、骨水泥渗漏率低的优势。

机器学习识别LRRC15和MICB为类风湿关节炎的免疫诊断标志物

背景:类风湿关节炎是一种慢性的自身免疫性疾病,早期诊断对于预防疾病进展和治疗至关重要。因此探究类风湿关节炎的诊断特征和免疫细胞浸润具有重要意义。目的:基于Gene Expression Omnibus(GEO)数据库,通过机器学习算法,筛选类风湿关节炎潜在重要的诊断标记物,并探讨类风湿关节炎的诊断特征与免疫细胞浸润的关系。方法:从GEO数据库获取类风湿关节炎相关的滑膜组织的基因表达数据集,采用批量效应去除法对数据集进行合并,采用R软件进行差异表达基因的鉴定和功能相关性分析,通过生物信息学分析和3种机器学习算法进行疾病特征基因的提取,筛选出类风湿关节炎相关的关键基因。此外,对所有差异表达基因进行免疫细胞浸润分析,分析类风湿关节炎的炎症状态,并对其诊断特征与浸润性免疫细胞的关系进行研究。结果与结论:(1)在类风湿关节炎和正常滑膜组织中,获得了179个差异表达基因,其中124个基因表达上调,55个基因表达下调;(2)富集分析显示类风湿关节炎和免疫反应之间存在良好的相关性;(3)通过3种机器学习算法分析发现,LRRC15和MICB可能是类风湿关节炎潜在的标记物;(4)LRRC15(曲线下面积=0.964,95%CI:0.924-0.992)和MICB(曲线下面积=0.961,95%CI:0.923-0.990)在验证数据集上有着较强的诊断能力;(5)13种免疫细胞浸润发生改变,以巨噬细胞为主;(6)在类风湿关节炎中,免疫细胞功能的多数促炎途径被激活;(7)免疫相关性分析发现LRRC15和MICB与M1型巨噬细胞的相关性最强;(8)结果发现LRRC15和MICB被确定为类风湿关节炎潜在的诊断标记物,具有较强的诊断性能并且与免疫细胞浸润具有显著的相关性;通过机器学习及生物信息学分析加深了对类风湿关节炎免疫浸润的理解,为类风湿关节炎的诊断和治疗提供新的思路。

康复机器人训练脑性瘫痪患者:改善下肢运动功能效果的Meta分析

目的:系统评价康复机器人治疗脑性瘫痪患者下肢运动功能的临床效果,并比较不同机器人的疗效差异。方法:检索PubMed、Web of Science、Embase、Cochrane Library、中国知网、中国生物医学文献数据库、维普和万方数据库,搜集从建库至2024-04-10发表的关于康复机器人治疗脑性瘫痪患者运动功能障碍的随机对照试验。主要结局指标包括肌肉力量,肌张力、平衡功能、步速、步频、步长、步行耐力、下肢运动功能、日常生活活动能力。根据《国际功能、残疾和健康分类》对上述指标进行编码,通过Meta分析评价临床疗效并比较不同机器人的疗效差异。由2名研究人员进行文献检索与筛选,使用Cochrane 5.1.0偏倚风险评估工具对纳入文献进行质量评价。采用RevMan 5.4软件和Stata 16.0软件进行Meta分析。结果:①最终纳入15篇文献,共512例患者,试验组260例、对照组252例。②Meta分析结果显示,与常规康复疗法相比,康复机器人可以提高身体结构和功能(SMD=0.41,95%CI:0.24-0.58,P<0.05)、活动(SMD=0.53,95%CI:0.41-0.65,P<0.05)和参与能力(MD=7.86,95%CI:1.54-14.18,P<0.05)。其中,康复机器人可以改善脑性瘫痪患者下肢肌力、平衡功能、步速、步行耐力、下肢粗大运动功能和日常生活活动能力,但对步频、步长和肌张力的效果不明显。③网状Meta分析结果显示,步速:Innowalkpro>Gait trainer>Lokomat>3DCalt;6MWT评分:Gait trainer>Lokomat>Lokohelp>Innowalkro;GMFM-88D区评分:Lokohelp>Lokomat>KidGo>Innowalkpro>3DCalt;GMFM-88E区评分:Lokomat>Lokohelp>KidGo>3DCalt>Innowalkpro。结论:基于《国际功能、残疾和健康分类》,康复机器人训练可以改善脑性瘫痪患者下肢运动功能和日常生活活动能力。在改善步速方面,Innowalkpro机器人效果更优;在改善6MWT评分方面,Gait trainer机器人效果更优;在改善GMFM-D区评分方面,Lokohelp机器人效果更优;在改善GMFM-E区评分方面,Lokomat机器人效果更优。

花卉大棚喷药机器人远程控制系统设计——基于互联网

针对花卉薄膜大棚传统人工施药效率低、喷洒不均匀且漂浮药物对人体健康造成伤害等问题,设计了一种可实现远程手机控制的悬挂式喷药机器人系统。首先,根据花卉的生长特点和大棚空间结构,在不改变现有大棚结构的前提下,通过增设导轨的方式引入喷药机器人,并依据花卉精准施药的基本要求,在SolidWorks中建模并优化喷药机器人的机械结构;其次,以MCU esp8266模块作为核心控制单元,对继电器、电机、电磁阀和药液泵等硬件进行控制,采用PWM方式调节继电器的导通时间,进而实现喷药机器人根据不同行进速度作业;最后,通过WiFi无线通信模块结合物联网平台设计远程控制APP端,实现喷药机器人启停和环境数据采集等功能。系统测试表明:在无遮挡和有遮挡物环境中,数据传输的成功率分别约为98%和93%,丢包率分别约为1.98%和7%,且喷药机器人在不同的速度下运行稳定。测试结果能够为喷药机器人在大棚内行走稳定性和对花卉自动施药提供技术参考。

场驱动医疗微机器人:材料制备工艺不断优化的应用前景

背景:微机器人具有体积小、灵活、靶向性强等特点,可以在狭窄的环境下通过单体或集群的方式完成复杂的工作。随着材料、制备工艺以及驱动方式的不断优化,其在生物医学领域内显示出越来越重要的应用价值。目的:分析场驱动微机器人在生物医学领域的应用并展望其应用前景。方法:以“微机器人,纳米机器人,驱动,生物医学,医疗”为中文关键词,以“microrobots,micro-robots,nanorobots,micromachine,microswimmer,medical”为英文关键词,分别检索万方以及Pub Med数据库,检索时间范围重点为2010年1月至2024年1月,同时纳入少数远期文献。通过阅读文题、摘要初步筛选,排除重复性研究、低质量期刊以及与内容不相关的文献,阅读全文后最终纳入66篇文献进行综述。结果与结论:场驱动医疗微机器人涵盖了磁、光、热、超声及多种混合因素驱动机器人。场驱动机器人已被应用于肠道诊断、药物靶向治疗及干细胞治疗等多个领域。尽管医用微机器人在临床医学中已有少数应用,但大多数还处于理论和实验阶段。医用微机器人的未来面临诸多挑战,如实现大规模制备、进一步提升精确控制、解决回收或体内降解问题,以及所用材料是否会对人体产生不良反应等,此外微机器人还需与相应的微创医学手术相配合。

骨科机器人在临床应用中的分类及优缺点

背景:步入智能时代以来,人们对应用于医疗方面的人工智能技术的研究热情越发高涨。在骨科领域,机器人辅助技术是最具吸引力的人工智能技术之一。经过近40年的发展,机器人辅助技术逐渐成熟,可参与的骨科手术种类逐渐增多,且起到至关重要的作用。目的:总结到目前为止骨科机器人在临床的应用情况,并分析其优缺点。方法:通过对PubMed数据库和中国知网已收录的相关文献进行检索,英文检索词为“robot-assisted technology,surgical robots,orthopaedic robots,robotic arm,orthopaedic,orthopaedic surgery,joint,spine,trauma,bone tumor”,中文检索词为“机器人辅助技术,手术机器人,骨科机器人,机械臂,骨科,骨科手术,关节,脊柱,创伤,骨肿瘤”。按照入选标准进行筛选共得到82篇相关性高的文献。结果与结论:目前机器人辅助技术在临床中的应用比较成熟,可用于大多数骨科手术中,有着不错的临床表现;骨科机器人主要优点包括缓解临床医生的工作压力、减少术中副损伤、缩短辐射暴露时间等,但同时也可能存在手术操作时间延长和术后并发症增加的情况。未来骨科机器人的发展将沿着高智能、低成本、更快捷等方向发展。

急性缺血性脑卒中预后预测研究的应用进展:以机器学习预测模型为例

急性缺血性脑卒中(AIS)具有高致残率、高病死率及高复发率等特点,给患者及社会造成沉重的负担。随着大数据时代的到来,预测模型在患者的诊治决策、预后管理以及卫生资源配置等方面的应用越来越多,其价值也愈发重要。机器学习方法是预测AIS患者预后的重要方法之一,且已广泛应用。本文以机器学习方法为重点,就AIS预后预测研究的最新进展予以综述,并提出机器学习预测模型目前所面临的问题与挑战,为AIS患者预后结局早期评估与预测在方法上提供新的思路和参考。

基于ROS的蔬菜移栽机器人控制系统设计

为实现温室蔬菜移栽无人智能化作业,设计了基于ROS架构的蔬菜移栽机器人控制系统,实现了蔬菜移栽机器人自主取苗部件、秧苗栽植部件和自主移动平台的自动控制。控制系统主要分为总线单元和导航单元,并基于EtherCAT总线和Realsense深度相机搭建硬件系统,利用分层模块化理念开发基于ROS架构的软件控制系统,搭建并实现了移栽作业中取苗、投苗、栽苗及移动平台协同一体化控制。实验结果表明:在大于2s/株的取栽苗周期运动条件下,可实现较高成功率的移栽作业。所设计控制系统保证了移栽作业成功率,提高了当前蔬菜移栽机的智能化水平。

加权共表达网络分析与机器学习识别类风湿关节炎滑膜中的关键基因

背景:类风湿关节炎是一种全身的免疫相关性疾病,主要病理特点是关节滑膜炎性增生及关节软骨的破坏,其发病机制目前尚不明确,迫切需要发现新的具有高度敏感性和特异性的诊断标志物。目的:联合使用生物信息学技术及计算机学习算法,识别并筛选类风湿关节炎患者滑膜中的关键基因,构建类风湿关节炎预测模型并进行验证。方法:从基因表达综合数据库中下载3个包含类风湿关节炎患者滑膜的数据集(GSE77298、GSE55235、GSE55457),GSE77298和GSE55235作为训练集,GSE55457作为测试集,共纳入66个样本,其中类风湿关节炎患者滑膜样本39个,正常滑膜样本27个。应用R语言筛选训练集中的差异基因,然后使用加权共表达网络将训练集中的基因模块化,选出关键模块中的特征基因,将差异表达基因和特征基因取交集,交集基因进入下一步机器学习。采用3种机器学习方法:最小绝对值收敛和选择算子算法、支持向量机-递归特征消除和随机森林算法对交集基因进一步分析获得枢纽基因,将枢纽基因再次相交即得到类风湿关节炎滑膜中的关键基因。以关键基因为变量构建预测类风湿关节炎的列线图模型,推测患者发生类风湿关节炎的危险程度,使用受试者工作特征曲线确定类风湿关节炎预测模型及其关键基因的诊断价值。结果与结论:①通过差异分析,训练集中共筛选出差异基因730个,加权共表达网络分析得到特征基因185个,两者交集基因159个;②最小绝对值收敛和选择算子发现枢纽基因4个,支持向量机-递归特征消除发现枢纽基因11个,随机森林发现枢纽基因5个,取交集后获得关键基因2个(TNS3、SDC1);③基于2个关键基因,在训练集及测试集种构建列线图,其校准预测曲线与标准曲线贴合较好,且预测类风湿关节炎发生的临床效能良好;④上述结果证实,基于生物信息及机器学习算法获得的TNS3和SDC1有可能成为类风湿关节炎诊断和治疗的关键靶点。

机器学习识别激素性股骨头坏死中线粒体自噬诊断标志物及免疫浸润分析

背景:线粒体自噬和激素性股骨头坏死的发生、发展关系密切,但具体生物标志物及调控机制尚未明确。目的:通过机器学习算法识别激素性股骨头坏死中线粒体自噬的关键标志物及免疫浸润分析。方法:从GEO数据库下载股骨头坏死数据集GSE123568和GSE74089,分别作为训练集和验证集,在激素性股骨头坏死组和对照组之间选择差异表达基因,进行加权共表达分析。从MitoCarta 3.0数据库下载线粒体自噬相关基因,然后与差异基因和模块基因取交集。利用两种机器学习算法鉴定激素性股骨头坏死线粒体自噬关键基因,利用外部验证集进行验证。采用CIBERSORT和免疫浸润分析免疫细胞占比,单样本基因集富集分析线粒体自噬基因与免疫细胞的相关性分析。结果与结论:①差异分析共获得1163个差异基因,其中有663个上调基因和500个下调基因;加权共表达分析鉴定出4个相关模块,共1412个模块基因;②最终与线粒体自噬基因取交集初步筛选出39个交叉基因可能是疾病相关线粒体自噬基因;GO富集分析结果显示,生物过程主要涉及血红素代谢、线粒体运输、核苷酸双磷酸代谢和硫酯代谢过程,细胞组分主要涉及线粒体基质、线粒体外膜、细胞器外膜和线粒体内膜,分子功能主要涉及脂肪酸连接酶活性、铁-硫簇结合和辅酶A连接酶活性;KEGG富集分析结果共映射出6条通路,主要涉及脂肪酸降解、线粒体自噬、丁酸代谢、脂肪酸生物合成和辅因子生物合成;③经LASSO回归和随机森林算法分析最终得到4个核心基因(ALDH5A1、FBXL4、MCL1和STOM),4个核心基因和诊断列线图外部验证集的受试者工作特征曲线均大于0.9;④激素性股骨头坏死发生发展与活化的树突状细胞、骨髓来源的抑制性细胞、调节性T细胞和中心记忆CD8T细胞等免疫细胞有关;⑤结果显示,4个关键的线粒体自噬基因ALDH5A1、FBXL4、MCL1和STOM通过破骨细胞分化和免疫机制在激素性股骨头坏死进展中发挥关键作用,均具有较好的疾病预测效果,可能作为激素性股骨头坏死诊断和治疗的生物标志物。

基于渐进机器学习的中文问句匹配方法

问句匹配旨在判断不同问句的意图是否相近.近年来,随着大型预训练语言模型的发展,利用其挖掘问句对在语义层面隐含的匹配信息,取得了目前为止最好的性能.然而,由于基于独立同分布假设,在真实场景中,这些深度学习模型的性能仍然受制于训练数据的充足程度和目标数据与训练数据之间的分布漂移.本文提出一种基于渐进机器学习的中文问句匹配方法.该方法基于渐进机器学习框架,从不同角度提取问句特征,构建融合各类特征信息的因子图,然后通过迭代的因子推理实现从易到难的渐进学习.在特征建模中,设计并实现了两种类型特征的提取:(1)基于TF-IDF(Term frequency-inverse document frequency)的关键词特征;(2)基于DNN(Deep neural network)的深度语义特征.最后,通过通用的基准中文数据集LCQMC和BQ corpus验证了所提方法的有效性.实验表明,相比于单纯的深度学习模型,基于渐进机器学习的方法可以有效提升问句匹配的准确率,且其性能优势随着标签训练数据的减少而增大.

基于机器学习的农田土壤抗剪强度参数检测方法研究

土壤抗剪强度参数包括粘聚力和内摩擦角,是评价土壤侵蚀敏感性和反映耕层耕作性能的重要指标。为实现农田土壤抗剪切强度参数的快速检测,提出了一种基于机器学习的土壤抗剪切强度参数检测方法。以STM32单片机为核心处理器,采用圆锥杆、滚珠丝杆滑台、三角支架等构建土壤数据采集装置,利用DYMH-103柱式压力传感器和FlexiForce薄膜传感器分别检测圆锥杆贯入土壤的锥尖阻力和锥侧压力,采用CSF11土壤水分传感器获取土壤含水率信息,通过多传感器数据特征向量提取构建建模数据集。数据集相关性分析结果表明:土壤抗剪强度参数与锥尖阻力、锥侧压力和土壤含水率之间具有明显相关性。利用蒙特卡罗交叉验证(Monte Carlo Cross Validation,MCCV)剔除了数据集中的4个异常样本;同时,提出了一种ELM-PLSR组合建模算法,以决定系数R^(2)和RPD为评价指标,对比评估了ELM、PLSR和ELM-PLSR 3种不同机器学习模型,结果表明:ELM-PLSR模型预测性能优于ELM模型和PLSR模型;检测粘聚力时,对应的R^(2)、RPD分别为0.919和3.475;检测内摩擦角时,对应的R 2和RPD分别为0.910和3.304。研究结果可为土壤抗剪强度参数快速测量提供参考。

脊柱手术机器人治疗脊柱疾病的研究发展趋势及热点剖析

背景:近年来在脊柱外科领域,手术机器人的应用已成为研究热点,但目前中国尚缺乏脊柱手术机器人的的文献可视化分析相关研究。目的:对脊柱手术机器人治疗脊柱疾病的研究热点进行文献可视化分析,以期为中国脊柱手术机器人的研究和发展提供有益的参考。方法:在Web of Science核心集数据库中检索脊柱手术机器人治疗脊柱疾病的相关文献,最终纳入900篇文献。采用VOSviewer 1.6.19软件对纳入文献的发文量、期刊、机构、国家、关键词、共被引文献和高被引文献进行可视化分析。结果与结论:(1)脊柱手术机器人治疗脊柱疾病研究领域的文献呈逐年上升趋势,尤其在2023年达到了发文量的高峰。美国、中国和德国是该领域的研究热点国家。中国国家自然科学基金是该领域的主要资助基金。(2)中国北京积水潭医院和美国特殊外科医院在该领域的研究具有较高的发文量。(3)《World Neurosurgery》《Spine》和《Operative Neurosurgery》是该领域的主要发文期刊。(4)关键词分析显示,研究主要集中在机器人辅助脊柱手术的准确性、微创手术、机器人脊柱手术和导航技术等方面。(5)文献共被引分析结果显示了机器人辅助技术在脊柱手术中具有显著优势,与传统手术相比,脊柱手术机器人如ROSA?Spine,ExcelsiusGPS,Mazor X及TiRobot等,具有高精度导航、精确椎弓根螺钉置入及实时反馈等优点,它们通过减少手术中X射线辐射暴露,降低患者并发症风险,提高手术成功率,显示出其在脊柱外科领域的应用前景。(6)尽管如此,相关技术的应用和精确度仍需不断积累经验以提高;机器人手术技术在降低手术辐射暴露和提高手术精度方面显示出成本效益,但还需深入探讨其在椎弓根螺钉置入过程中的精确度、手术时间影响及经济效益。(7)2021-2024年的高被引文献分析结果进一步显示,目前该领域最新研究热点主要集中在虚拟现实和增强现实技术的应用、机器人辅助椎弓根螺钉置入的准确性提升以及导航机器人脊柱手术平台的应用等。例如,通过创新技术如有机电化学神经元为脑机接口、假肢和智能软机器人技术提供了新的集成方案。同时,虚拟现实和增强现实技术在脊柱畸形矫正等领域展示了广泛应用前景。

基于机器学习的运动损伤预警模型

背景:运动医学界广泛呼吁采用机器学习技术高效处理庞大、冗杂的运动数据资源,构建智能化的运动损伤预警模型,以实现运动损伤的精准预警。对此类研究成果进行综合归纳与评述,对把握预警模型改进方向,指导中国损伤预警模型构建工作均具有重要意义。目的:系统梳理基于机器学习技术的运动损伤预警模型相关研究,为中国运动损伤预警模型构建工作提供借鉴。方法:对中国知网、Web of Science和EBSCO数据库进行文献检索,主要检索机器学习技术和运动损伤相关文献,最终纳入61篇运动损伤预警模型相关文献进行分析。结果与结论:①在纳入文献的外部风险特征指标中,缺乏比赛场景类指标,后续需进一步完善相关特征指标的纳入工作,以进一步丰富模型训练的数据集维度;此外,运动损伤预警模型的纳入特征权重方法以过滤法为主,需强化嵌入法及包裹法等权重方法的运用,以增强多风险因素交互效应的分析。②在模型主体训练方面,模型主体训练算法多以监督式学习算法为主,此类算法对样本标注信息的完整度有较高要求,应用场景易受限,后期可增加无监督式与半监督式算法的应用。③在模型性能评估优化方面,现研究主要采用了HoldOut交叉与k-交叉两种验证方式评估模型性能,模型的AUC值范围(0.76±0.12),灵敏度范围(75.92±11.03)%,特异度范围(80.03±4.54)%,F1分数值范围(80.60±10.63)%,准确度范围(69.96±13.10)%,精确度范围(70±14.71)%,数据增强与特征优化为最常见的模型优化操作。当前运动损伤预警模型准确度及精确度均约为70%,预警效果良好,但模型优化操作较单一,多采用数据增强方法提升模型性能,需强化对模型算法、超参数的调整,以进一步提升模型性能。④在模型特征提取方面,纳入的内部风险特征指标多以人体测量学、训练负荷、训练年限和损伤史等指标为主,缺乏运动恢复类指标与身体机能类指标。

基于机器学习的冠心病风险预测模型构建与比较

背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目的探索冠心病的影响因素,通过使用2种平衡数据的方法,基于5种算法建立冠心病风险相关的预测模型,比较这5种模型对冠心病风险的预测价值。方法基于2021年美国国家行为风险因素监测系统(BRFSS)横断面调查数据筛选出112606名研究对象的健康相关风险行为、慢性健康状况等24个变量信息,结局指标为自我报告是否患有冠心病并据此分为冠心病组和非冠心病组。通过进行单因素分析和逐步Logistic回归分析探索冠心病发生的影响因素并筛选出纳入预测模型的变量。随机抽取112606名受访者的10%(共计11261名),以8∶2的比例随机划分为训练与测试的数据集,采用随机过采样和合成少数过采样技术(SMOTE)两种过采样的方法处理不平衡数据,基于k最邻近算法(KNN)、Logistic回归、支持向量机(SVM)、决策树和XGBoost算法分别建立冠心病预测模型。结果两组年龄、性别、BMI、种族、婚姻状态、教育水平、收入水平、家里有几个孩子、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者、过去30 d内是否有体育锻炼、心理健康状况以及自我健康评价比较,差异有统计学意义(P<0.05)。逐步Logistic回归分析结果显示:年龄、性别、BMI、种族、教育水平、收入水平、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者以及自我健康评价为冠心病的影响因素(P<0.05)。风险模型构建的分析结果显示:k最邻近算法、Logistic回归、支持向量机、决策树和XGBoost采用SMOTE处理不平衡数据的总体分类精度分别为59.2%、67.4%、66.2%、69.2%和85.9%,召回率分别为75.2%、71.4%、70.5%、62.9%和34.8%,精确度分别为15.4%、18.2%、17.5%、17.6%和28.7%,F值分别为0.256、0.290、0.280、0.275和0.315,受试者工作特征曲线下面积分别为0.80、0.78、0.72、0.72和0.82;采用随机过采样处理不平衡数据的总体分类精度分别为62.5%、68.5%、69.0%、60.2%和70.1%,召回率分别为70.0%、69.5%、71.9%、69.0%和67.6%;精确度分别为15.8%、18.4%、19.1%、14.8%和19.0%,F值分别为0.258、0.291、0.302、0.244和0.297,受试者工作特征曲线下面积分别为0.80、0.77、0.72、0.72和0.83。结论本研究不仅确认了已知冠心病的影响因素,还发现了自我健康评价水平、收入水平和教育水平对冠心病具有潜在影响。在使用2种数据平衡方法后,5种算法的性能显著提高。其中XGBoost模型表现最佳,可作为未来优化冠心病预测模型的参考。此外,鉴于XGBoost模型的优异性能以及逐步Logistic回归的操作便捷和可解释性,推荐在冠心病风险预测模型中结合使用数据平衡后的XGBoost和逐步Logistic回归分析。

马克思“机器论片段”语境下的数字技术再反思

马克思“机器论片段”重点论述了机器体系的产生及其在社会生产中的应用所引起的劳动资料技术化、一般智力对象化、固定资本扩大化、人机关系异化等一系列深刻变革。数字技术具有物质技术与社会历史双重属性,其一方面作为人造的“物体系”,克服与弥补人类自身劳动力的不足,另一方面作为生产关系与资本权力的物性表达。数字技术的广泛应用导致工业时代的“机器悖论”演化为数字时代的“智能悖论”,集中表现为“劳动悖论”“时间悖论”与“解放悖论”。马克思“机器论片段”的机器技术思想对我们在数字时代审思数字技术,探索扬弃技术的权力与宰制,消解人与技术的异化关系,使技术真正摆脱压迫、剥削人的工具地位,成为提高劳动生产率,缩短必要劳动时间和增加自由支配时间,促进人类劳动解放与自由全面发展的现实路径依然具有理论与实践价值。