葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

近日，上海交通大學(xué)電子系義理林教授課題組基于智能鎖模算法、時(shí)間拉伸技術(shù)和實(shí)時(shí)高速電路建立的實(shí)時(shí)光譜分析控制平臺(tái)，實(shí)現(xiàn)了鎖模激光器輸出飛秒脈沖的實(shí)時(shí)光譜調(diào)控，對(duì)飛秒激光器的設(shè)計(jì)具有重要的應(yīng)用價(jià)值。相關(guān)成果以“Intelligent control of mode-locked femtosecond pulses by time-stretch-assisted real-time spectral analysis”為題目于2020年1月發(fā)表于國(guó)際光學(xué)頂尖期刊《Light: Science & Applications》（中科院長(zhǎng)春光機(jī)所與Nature出版集團(tuán)合辦期刊），并入選為封面文章，在“News & Views”欄目被專門評(píng)述。博士生蒲國(guó)慶為第一作者，義理林教授為通信作者。 圖說(shuō)：期刊封面文章 飛秒尺度（1E-15秒）脈沖對(duì)應(yīng)著原子分子、材料、生物蛋白、化學(xué)反應(yīng)等豐富物質(zhì)體系的眾多超快過(guò)程，有著廣泛而重要的應(yīng)用。鎖模激光器作為產(chǎn)生飛秒脈沖的重要基礎(chǔ)研究工具，在物理、化學(xué)、生物、材料、信息科學(xué)等領(lǐng)域都有廣泛的應(yīng)用。飛秒鎖模激光器自上世紀(jì)六十年代發(fā)明以來(lái)，與其相關(guān)的研究分別于1999，2005，2018年獲得過(guò)諾貝爾獎(jiǎng)。 隨著超快光學(xué)的快速發(fā)展，越來(lái)越多的前沿應(yīng)用需要對(duì)飛秒脈沖的時(shí)域和光譜進(jìn)行精細(xì)控制。由于飛秒脈沖的產(chǎn)生涉及非常復(fù)雜的非線性和色散傳輸效應(yīng)，達(dá)到特定脈沖狀態(tài)的穩(wěn)態(tài)輸出需要對(duì)激光器多個(gè)參數(shù)在高維空間進(jìn)行優(yōu)化，傳統(tǒng)基于激光器光學(xué)設(shè)計(jì)和優(yōu)化的方法已被證明難以精確實(shí)現(xiàn)。 通過(guò)對(duì)飛秒脈沖狀態(tài)進(jìn)行智能識(shí)別，結(jié)合智能算法對(duì)激光器多參數(shù)進(jìn)行全局優(yōu)化，有望獲得理想的飛秒脈沖輸出，但其主要挑戰(zhàn)在于飛秒脈沖難以實(shí)時(shí)精確識(shí)別。低速時(shí)域采樣無(wú)法識(shí)別飛秒脈沖寬度和形狀，光譜儀雖可識(shí)別飛秒脈沖積分光譜但無(wú)法識(shí)別其瞬時(shí)光譜，因此傳統(tǒng)方法都無(wú)法做到實(shí)時(shí)控制飛秒脈沖精確鎖模狀態(tài)。為了解決這一難題，義理林教授課題組提出在鎖模控制環(huán)內(nèi)引入時(shí)間拉伸-色散傅里葉變換（TS-DFT）技術(shù)，通過(guò)時(shí)域到光譜的轉(zhuǎn)換，采用低速時(shí)域采樣即可識(shí)別飛秒脈沖對(duì)應(yīng)的瞬時(shí)光譜寬度和形狀。結(jié)合智能控制算法，實(shí)現(xiàn)了以1.4nm為精度對(duì)飛秒脈沖光譜寬帶從10nm到40nm進(jìn)行可編程控制，光譜形狀可編程為高斯型或三角形等。這是本領(lǐng)域首次實(shí)現(xiàn)飛秒鎖模脈沖光譜寬度和形狀高精度實(shí)時(shí)編程控制，解決了飛秒鎖模脈沖鎖模狀態(tài)無(wú)法精確調(diào)控的難題。 基于實(shí)時(shí)的光譜控制，該研究還展示了從窄譜鎖模態(tài)至寬譜鎖模態(tài)以及從三角形光譜脈沖態(tài)至寬譜鎖模態(tài)的演變過(guò)程，發(fā)現(xiàn)兩者動(dòng)力學(xué)過(guò)程具有相似性，提出了目標(biāo)鎖模狀態(tài)可能決定中間動(dòng)力學(xué)過(guò)程的猜想，為人們進(jìn)一步探索鎖模激光器內(nèi)部機(jī)理提供新視角。 圖說(shuō)：基于快速光譜分析的飛秒鎖模脈沖智能控制 非線性光學(xué)著名專家John Dudley教授（歐洲物理學(xué)會(huì)主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”欄目撰文介紹此項(xiàng)工作，認(rèn)為本工作極具創(chuàng)新性，開(kāi)拓了研究鎖模動(dòng)力學(xué)新的可能性，很可能應(yīng)用于多種鎖模光纖激光器中。 義理林教授課題組過(guò)去六年來(lái)一直致力于解決飛秒鎖模激光器的智能控制問(wèn)題，2019年發(fā)表在光學(xué)領(lǐng)域頂級(jí)期刊《Optica》的“智能鎖模激光器”成果入選美國(guó)光學(xué)學(xué)會(huì)旗下新聞雜志《Optics & Photonics News》2019年光學(xué)年度進(jìn)展“Optics in 2019”。該方向工作部分得到國(guó)家自然科學(xué)基金（61575122）的支持。《Light: Science & Applications》論文全文https://www.nature.com/articles/s41377-020-0251-x《Light: Science & Applications》“New & Views”評(píng)述論文https://www.nature.com/articles/s41377-020-0270-7

研發(fā)階段/n本成果所制備的金霉素抗體對(duì)金霉素具有很高的特異性，可對(duì)動(dòng)物源食品中金霉素的殘留量進(jìn)行專一檢測(cè)和判定。樣品處理不需要過(guò)柱凈化，處理步驟簡(jiǎn)單、實(shí)用，特別適合基層檢驗(yàn)檢疫單位使用。樣品處理較現(xiàn)有儀器簡(jiǎn)單、靈敏、省時(shí)。本成果經(jīng)過(guò)靈敏度、精密度、特異性等質(zhì)控項(xiàng)目測(cè)定各項(xiàng)指標(biāo)達(dá)到國(guó)家相關(guān)技術(shù)要求。技術(shù)水平：專利技術(shù)（國(guó)家發(fā)明專利授權(quán)號(hào)：ZL2005100863473）應(yīng)用前景：本成果用于對(duì)金霉素殘留的檢測(cè)具有良好的應(yīng)用前景，可以在較短時(shí)間內(nèi)檢測(cè)大量樣品，排除大量陰性樣品，同時(shí)樣品處理既簡(jiǎn)單、省時(shí)、省

可以量產(chǎn)/n該成果屬于基因表達(dá)分析技術(shù)領(lǐng)域，公開(kāi)了CmEF1α基因和CmRAN基因在分析甜瓜果實(shí)的基因表達(dá)時(shí)作為內(nèi)參基因的應(yīng)用，本發(fā)明還公開(kāi)了一種采用實(shí)時(shí)熒光定量PCR分析甜瓜果實(shí)基因表達(dá)的方法，它是將CmEF1α基因和CmRAN基因組合的幾何平均數(shù)作為甜瓜果實(shí)基因表達(dá)分析中的內(nèi)參基因。CmEF1α基因和CmRAN基因在不同坐果方式的甜瓜果實(shí)的不同發(fā)育階段均能穩(wěn)定表達(dá)，是甜瓜果實(shí)發(fā)育過(guò)程中利用實(shí)時(shí)熒光定量PCR技術(shù)檢測(cè)基因表達(dá)分析的可靠?jī)?nèi)參基因組合。該成果具有可靠性和實(shí)用性，能夠顯著提

產(chǎn)品詳細(xì)介紹

東南大學(xué)分析測(cè)試中心電子順磁共振波譜儀采購(gòu)招標(biāo)項(xiàng)目的潛在投標(biāo)人應(yīng)在南京市建鄴區(qū)嘉陵江東街8號(hào)綜合體B3棟一單元16層獲取招標(biāo)文件，并于2022年07月13日14點(diǎn)30分（北京時(shí)間）前遞交投標(biāo)文件。

該項(xiàng)技術(shù)針對(duì)汽車底盤關(guān)鍵零部件，結(jié)合ADAMS、HyperWorks、FE-Fatigue等軟件進(jìn)行多平臺(tái)聯(lián)合動(dòng)態(tài)仿真，獲取其在多種工況下的載荷譜，通過(guò)靈敏度分析方法甄選出可優(yōu)化對(duì)象，在保證整車性能的前提下，結(jié)合動(dòng)載荷對(duì)其進(jìn)行合理的拓?fù)鋬?yōu)化，達(dá)到輕量化與可靠性兼顧的工程目標(biāo)。  技術(shù)優(yōu)勢(shì)：（1）以理論分析和仿真代替經(jīng)驗(yàn)設(shè)計(jì)，結(jié)果更具可靠性，適用范圍更廣。（2）研發(fā)周期短，研發(fā)經(jīng)費(fèi)少。  （3）同時(shí)兼顧車輛操縱穩(wěn)定性，平順性要求。  （4）節(jié)能減材。

該項(xiàng)技術(shù)針對(duì)汽車底盤關(guān)鍵零部件，結(jié)合了ADAMS、HyperWorks、FE-Fatigue等軟件進(jìn)行多平臺(tái)聯(lián)合動(dòng)態(tài)仿真，獲取其在多種工況下的載荷譜，通過(guò)靈敏度分析方法甄選出可優(yōu)化對(duì)象，在保證其整車性能的前提下，結(jié)合載荷對(duì)其進(jìn)行合理的拓?fù)鋬?yōu)化，達(dá)到輕量化與可靠性兼顧的工程目標(biāo)。1、技術(shù)優(yōu)勢(shì)：（1）以理論分析和仿真代替經(jīng)驗(yàn)設(shè)計(jì)，結(jié)果更具可靠性，適用范圍更廣；（2）縮短研發(fā)周期，減少研發(fā)經(jīng)費(fèi)；（3）同時(shí)兼顧車輛操

本發(fā)明公開(kāi)了一種基于二維正交各向異性復(fù)合材料板的熱模態(tài)對(duì)結(jié)構(gòu)參數(shù)的靈敏度分析方法，包括如下步驟：（１）求解考慮拉壓、彎曲、剪切變形的二維正交各向異性復(fù)合材料板線性剛度矩陣Ｋ０；（２）求解熱結(jié)構(gòu)的初應(yīng)力剛度矩陣Ｋσ；（３）求解考慮熱應(yīng)力影響的結(jié)構(gòu)有限元?jiǎng)恿W(xué)方程的目標(biāo)函數(shù)，即為轉(zhuǎn)化為考慮結(jié)構(gòu)熱應(yīng)力影響的廣義特征值問(wèn)題；（４）基于步驟（３）中的目標(biāo)函數(shù)ｆ，采用復(fù)變函數(shù)法求解二維正交各向異性復(fù)合材料板的熱模態(tài)對(duì)結(jié)構(gòu)參數(shù)的靈敏度。本發(fā)明考慮了熱應(yīng)力對(duì)結(jié)構(gòu)剛度以及結(jié)構(gòu)響應(yīng)（熱模態(tài)）分析的影響，能夠利用復(fù)變函數(shù)法分析得到精度較高的熱模態(tài)對(duì)結(jié)構(gòu)參數(shù)的靈敏度矩陣。

腫瘤細(xì)胞異質(zhì)性是腫瘤異質(zhì)性的重要成因之一，可導(dǎo)致腫瘤在增殖能力、侵襲能力和藥物敏感性等方面產(chǎn)生重要差異，影響腫瘤的診斷與治療，最終影響患者身體健康與生命安全。因此，腫瘤細(xì)胞異質(zhì)性研究對(duì)于腫瘤的診斷和個(gè)體化治療具有重要意義。而進(jìn)行腫瘤細(xì)胞亞群分離分析是研究腫瘤細(xì)胞異質(zhì)性的重要基礎(chǔ)。現(xiàn)有的基于電泳、場(chǎng)流或熒光激活式分離原理的進(jìn)行腫瘤細(xì)胞分離分析的策略存在著特異性差、操作繁瑣或需樣本量大等弊端。基于課題組在磁性梯度分離細(xì)菌、腫瘤標(biāo)志物、蛋白分析等方面前期工作（Analytical Chemistry 2018, 90, 9621-9628；Analytical Chemistry 2014, 86, 9434-9442；Chemistry-A European Journal 2014, 20,14642-14649），該研究以細(xì)胞表面標(biāo)志物Her2表達(dá)量差異化的三種乳腺癌細(xì)胞(BT474、MDA-MB-453和MDA-MB-231)為研究模型，通過(guò)熒光-磁性靶向仿生探針與其識(shí)別后形成不同磁性梯度，在恒定外磁場(chǎng)作用下，可分別在90 s、120 s和180 s時(shí)間內(nèi)快速逐一梯度分離出三種不同乳腺癌細(xì)胞亞型，并基于探針的熒光信號(hào)對(duì)腫瘤細(xì)胞亞群進(jìn)行了初步鑒定。該研究報(bào)道的基于磁性梯度響應(yīng)的腫瘤細(xì)胞亞群分離分析策略具有簡(jiǎn)單、快速、準(zhǔn)確等特點(diǎn)，為血液樣本中異質(zhì)性腫瘤細(xì)胞亞群的近同時(shí)分離與分析提供新思路，在腫瘤早期診斷、評(píng)估和預(yù)后方面具有重要的潛在應(yīng)用前景。

在醫(yī)學(xué)領(lǐng)域首次應(yīng)用商務(wù)智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)OLAP分析的軟件基礎(chǔ)。開(kāi)發(fā)實(shí)現(xiàn)了基于細(xì)節(jié)數(shù)據(jù)模型、多維數(shù)據(jù)模型和海量臨床診療數(shù)據(jù)的探索性分析、展示系統(tǒng)，分析展示的內(nèi)容包括名老中醫(yī)經(jīng)驗(yàn)傳承、重大疾病的病證及臨床表現(xiàn)要素關(guān)系等的主題分析集。可從數(shù)據(jù)概況、方劑、藥物、疾病、癥狀、治法和證候等方面分別對(duì)名老中醫(yī)和重大疾病臨床數(shù)據(jù)進(jìn)行多種關(guān)系知識(shí)的探索性分析。同時(shí)，對(duì)分析結(jié)果可進(jìn)行實(shí)時(shí)查詢、導(dǎo)出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應(yīng)用證候分布情況）。    本實(shí)驗(yàn)室與中國(guó)中醫(yī)科學(xué)院合作進(jìn)行中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)與挖掘分析平臺(tái)，以及中醫(yī)臨床數(shù)據(jù)挖掘方法的研究，實(shí)現(xiàn)了對(duì)中醫(yī)臨床采集病歷數(shù)數(shù)據(jù)的集成與整合，數(shù)據(jù)挖掘與分析的中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)及挖掘分析平臺(tái)，該平臺(tái)旨在支持從真實(shí)世界中醫(yī)臨床診療中產(chǎn)生海量科研分析用數(shù)據(jù)，并以真實(shí)、高質(zhì)量的數(shù)據(jù)為基礎(chǔ)進(jìn)行中醫(yī)臨床與理論研究，為中醫(yī)臨床療效評(píng)價(jià)、臨床中藥新藥創(chuàng)制提供客觀的醫(yī)學(xué)證據(jù)和適宜的數(shù)據(jù)分析方法。該成果于2009年12月獲得國(guó)家科技進(jìn)步二等獎(jiǎng)。   名老中醫(yī)OLAP展示例子 1.2多維分析與復(fù)雜網(wǎng)絡(luò)分析系統(tǒng)   以中醫(yī)臨床數(shù)據(jù)中癥-證-治的復(fù)雜關(guān)系和復(fù)雜網(wǎng)絡(luò)分析方法研究為出發(fā)點(diǎn)，開(kāi)發(fā)實(shí)現(xiàn)了中醫(yī)臨床復(fù)雜網(wǎng)絡(luò)分析系統(tǒng)。該系統(tǒng)包括如聯(lián)機(jī)數(shù)據(jù)篩選、復(fù)雜網(wǎng)絡(luò)建模、統(tǒng)計(jì)特性分析、可視化網(wǎng)絡(luò)數(shù)據(jù)篩選等基本功能，能夠支持中醫(yī)臨床診療數(shù)據(jù)中的疾病（中西醫(yī)）、癥狀、證候、藥物等實(shí)體內(nèi)部元素以及實(shí)體之間元素的網(wǎng)絡(luò)模型構(gòu)建和多種復(fù)雜網(wǎng)絡(luò)分析方法如節(jié)點(diǎn)中心性分析、社團(tuán)分析、節(jié)點(diǎn)相似度分析等。從大量的臨床數(shù)據(jù)中分析獲得臨床核心處方及其主要適應(yīng)癥，以及隨癥加減信息。該系統(tǒng)采用Eclipse 富客戶端(Rich Client Platform, RCP)和Java語(yǔ)言開(kāi)發(fā)（下圖是該系統(tǒng)的主界面）。  在醫(yī)學(xué)領(lǐng)域首次應(yīng)用商務(wù)智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)OLAP分析的軟件基礎(chǔ)。開(kāi)發(fā)實(shí)現(xiàn)了基于細(xì)節(jié)數(shù)據(jù)模型、多維數(shù)據(jù)模型和海量臨床診療數(shù)據(jù)的探索性分析、展示系統(tǒng)，分析展示的內(nèi)容包括名老中醫(yī)經(jīng)驗(yàn)傳承、重大疾病的病證及臨床表現(xiàn)要素關(guān)系等的主題分析集。可從數(shù)據(jù)概況、方劑、藥物、疾病、癥狀、治法和證候等方面分別對(duì)名老中醫(yī)和重大疾病臨床數(shù)據(jù)進(jìn)行多種關(guān)系知識(shí)的探索性分析。同時(shí)，對(duì)分析結(jié)果可進(jìn)行實(shí)時(shí)查詢、導(dǎo)出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應(yīng)用證候分布情況）。  獲獎(jiǎng)證書   1.中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)與挖掘分析平臺(tái) 通過(guò)分析中醫(yī)臨床數(shù)據(jù)元素及其多維、多層次的關(guān)系特點(diǎn)，研究設(shè)計(jì)了中醫(yī)臨床參考信息模型，以及為基礎(chǔ)構(gòu)建中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)細(xì)節(jié)數(shù)據(jù)模型和多維數(shù)據(jù)模型，建立以數(shù)據(jù)倉(cāng)庫(kù)為核心的數(shù)據(jù)整合、數(shù)據(jù)抽取/轉(zhuǎn)換/轉(zhuǎn)載和數(shù)據(jù)整理、數(shù)據(jù)挖掘、OLAP和統(tǒng)計(jì)分析的智能信息處理平臺(tái)。該平臺(tái)以中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)及其運(yùn)行環(huán)境工具的構(gòu)建為基礎(chǔ)，基于實(shí)際的臨床診療數(shù)據(jù)，實(shí)現(xiàn)對(duì)中醫(yī)診療數(shù)據(jù)進(jìn)行多主題、多粒度、多需求、高效、快捷的展示、研究和查詢檢索，并支持基于Web的OLAP主題應(yīng)用，為名老中醫(yī)經(jīng)驗(yàn)繼承研究、中醫(yī)臨床評(píng)價(jià)研究和臨床科研提供實(shí)際的診療數(shù)據(jù)證據(jù)和知識(shí)來(lái)源，以支持臨床科研決策分析，滿足中醫(yī)臨床評(píng)價(jià)研究的探索性分析需求。針對(duì)中醫(yī)臨床數(shù)據(jù)的特點(diǎn)，研究體現(xiàn)中醫(yī)臨床數(shù)據(jù)模型特點(diǎn)的數(shù)據(jù)挖掘新方法，為面向中醫(yī)臨床研究的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法研究提供新的思路和研究方向。該平臺(tái)的構(gòu)建初期以重大慢性疾病：中風(fēng)、冠心病和糖尿病診治規(guī)律，以及名老中醫(yī)經(jīng)驗(yàn)傳承研究為支持目標(biāo)。   中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)   1.1中醫(yī)臨床數(shù)據(jù)預(yù)處理技術(shù)臨床數(shù)據(jù)的預(yù)處理包括數(shù)據(jù)整合、數(shù)據(jù)整理和數(shù)據(jù)轉(zhuǎn)換等技術(shù)，我們面向中醫(yī)臨床數(shù)據(jù)結(jié)構(gòu)內(nèi)容以及中醫(yī)臨床研究的分析需求，實(shí)現(xiàn)具有完善的數(shù)據(jù)抽取-轉(zhuǎn)換-裝載（Extraction-transforming-loading，ETL）、數(shù)據(jù)整理和數(shù)據(jù)轉(zhuǎn)換導(dǎo)出功能的數(shù)據(jù)前處理軟件。該軟件針對(duì)醫(yī)學(xué)數(shù)據(jù)利用中的分布式（多采集點(diǎn)）采集、患者隱私保護(hù)和大規(guī)模數(shù)據(jù)處理的特點(diǎn)，采用靈活的數(shù)據(jù)映射配置和臨床術(shù)語(yǔ)庫(kù)銜接等方式把各采集點(diǎn)數(shù)據(jù)導(dǎo)入到臨床數(shù)據(jù)倉(cāng)庫(kù)中，并支持批量數(shù)據(jù)核查和數(shù)據(jù)規(guī)范整理（對(duì)臨床數(shù)據(jù)中的術(shù)語(yǔ)性數(shù)據(jù)如癥狀體征、診斷和藥物等進(jìn)行概念化語(yǔ)義規(guī)范）功能。   在醫(yī)學(xué)領(lǐng)域首次應(yīng)用商務(wù)智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)OLAP分析的軟件基礎(chǔ)。開(kāi)發(fā)實(shí)現(xiàn)了基于細(xì)節(jié)數(shù)據(jù)模型、多維數(shù)據(jù)模型和海量臨床診療數(shù)據(jù)的探索性分析、展示系統(tǒng)，分析展示的內(nèi)容包括名老中醫(yī)經(jīng)驗(yàn)傳承、重大疾病的病證及臨床表現(xiàn)要素關(guān)系等的主題分析集。可從數(shù)據(jù)概況、方劑、藥物、疾病、癥狀、治法和證候等方面分別對(duì)名老中醫(yī)和重大疾病臨床數(shù)據(jù)進(jìn)行多種關(guān)系知識(shí)的探索性分析。同時(shí)，對(duì)分析結(jié)果可進(jìn)行實(shí)時(shí)查詢、導(dǎo)出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應(yīng)用證候分布情況）。   名老中醫(yī)OLAP展示例子    以中醫(yī)臨床數(shù)據(jù)中癥-證-治的復(fù)雜關(guān)系和復(fù)雜網(wǎng)絡(luò)分析方法研究為出發(fā)點(diǎn)，開(kāi)發(fā)實(shí)現(xiàn)了中醫(yī)臨床復(fù)雜網(wǎng)絡(luò)分析系統(tǒng)。該系統(tǒng)包括如聯(lián)機(jī)數(shù)據(jù)篩選、復(fù)雜網(wǎng)絡(luò)建模、統(tǒng)計(jì)特性分析、可視化網(wǎng)絡(luò)數(shù)據(jù)篩選等基本功能，能夠支持中醫(yī)臨床診療數(shù)據(jù)中的疾病（中西醫(yī)）、癥狀、證候、藥物等實(shí)體內(nèi)部元素以及實(shí)體之間元素的網(wǎng)絡(luò)模型構(gòu)建和多種復(fù)雜網(wǎng)絡(luò)分析方法如節(jié)點(diǎn)中心性分析、社團(tuán)分析、節(jié)點(diǎn)相似度分析等。從大量的臨床數(shù)據(jù)中分析獲得臨床核心處方及其主要適應(yīng)癥，以及隨癥加減信息。該系統(tǒng)采用Eclipse 富客戶端(Rich Client Platform, RCP)和Java語(yǔ)言開(kāi)發(fā)（下圖是該系統(tǒng)的主界面）。     中醫(yī)臨床復(fù)雜網(wǎng)絡(luò)分析系統(tǒng)  1.3 真實(shí)世界中醫(yī)臨床有效處方發(fā)現(xiàn)系統(tǒng) 中藥新藥創(chuàng)制與研發(fā)是極具挑戰(zhàn)和機(jī)遇的領(lǐng)域，當(dāng)前化學(xué)制藥和單成份藥物研發(fā)已經(jīng)出現(xiàn)明顯的瓶頸，傳統(tǒng)植物/天然藥以及多成份復(fù)方藥物的研發(fā)成為國(guó)內(nèi)外關(guān)注的焦點(diǎn)。而從多成份調(diào)控和多靶點(diǎn)機(jī)理的研究為主要視角的網(wǎng)絡(luò)藥理學(xué)更成為新的趨勢(shì)和方法。針對(duì)中醫(yī)臨床診療過(guò)程中具有證-治-效信息，且個(gè)體性的真實(shí)世界診療實(shí)踐特點(diǎn)，我們研究基于大規(guī)模臨床診療數(shù)據(jù)進(jìn)行有效處方分析和發(fā)現(xiàn)的問(wèn)題，通過(guò)對(duì)以中藥復(fù)方為重點(diǎn)的治療手段藥物組成原理的分析，基于復(fù)雜網(wǎng)絡(luò)模型和方法研制形成了有效核心處方及適應(yīng)癥分析方法、有效臨床中藥篩選與發(fā)現(xiàn)系統(tǒng)，對(duì)基于真實(shí)世界臨床診療數(shù)據(jù)分析獲得有效處方知識(shí)的方法、技術(shù)平臺(tái)和示范應(yīng)用進(jìn)行了探索和初步實(shí)踐，初步表明從真實(shí)世界臨床診療數(shù)據(jù)中發(fā)現(xiàn)和挖掘有效方藥是一種可行的途徑，有望為中醫(yī)新藥創(chuàng)制提供可以驗(yàn)證的新處方、新藥物等臨床有效目標(biāo)藥物。     1.  中醫(yī)臨床數(shù)據(jù)挖掘分析方法 海量觀察型臨床數(shù)據(jù)是中醫(yī)辨證論治數(shù)據(jù)的主體內(nèi)容，具有復(fù)雜、多維和多關(guān)系的特點(diǎn)。從大規(guī)模中醫(yī)臨床觀察數(shù)據(jù)中分析提煉形成有意義的臨床假設(shè)或診療知識(shí)如有效處方、人群劃分、藥癥關(guān)系以及多階段優(yōu)化治療方案等，是實(shí)現(xiàn)從復(fù)雜、系統(tǒng)的中醫(yī)辨證論治過(guò)程中發(fā)現(xiàn)并確認(rèn)有效優(yōu)化的臨床診療處方及其藥物組成的基本方法。中醫(yī)臨床數(shù)據(jù)包括門診數(shù)據(jù)和住院數(shù)據(jù)兩大主要部分，其數(shù)據(jù)內(nèi)容由臨床表現(xiàn)、診斷和治療（臨床療法）三部分核心內(nèi)容（如下圖），其中辨證知識(shí)、證候分布、藥癥關(guān)系、方證關(guān)系和藥物組成等是數(shù)據(jù)挖掘和分析的主要目標(biāo)，而所有這些知識(shí)的有效性的評(píng)價(jià)依據(jù)是臨床療效，即確認(rèn)和發(fā)現(xiàn)臨床有效的中醫(yī)診療知識(shí)是中醫(yī)臨床數(shù)據(jù)挖掘分析方法的主要有價(jià)值研究目標(biāo)。    中醫(yī)臨床數(shù)據(jù)挖掘問(wèn)題：在療效信息的約束下，驗(yàn)證和發(fā)現(xiàn)有價(jià)值的臨床診斷/治療關(guān)系知識(shí)。  2.1基于復(fù)雜網(wǎng)絡(luò)的中藥配伍分析方法 人們通過(guò)對(duì)中醫(yī)臨床處方數(shù)據(jù)的初期分析，并與臨床專家的交流中發(fā)現(xiàn)，名老中醫(yī)的臨床復(fù)方的組織特性體現(xiàn)在兩個(gè)層次。第一層次為臨床醫(yī)生一般以經(jīng)典復(fù)方（包括經(jīng)方、時(shí)方和驗(yàn)方等）為基礎(chǔ)進(jìn)行臨床處方；第二層次為在藥對(duì)或藥癥關(guān)系基礎(chǔ)上的藥物隨癥加減處理。這兩個(gè)層次的臨床處方配伍過(guò)程形成了具有核心處方結(jié)構(gòu)，而又具有較大靈活性的處方集合。因此，通過(guò)對(duì)名老中醫(yī)處方集的共性網(wǎng)絡(luò)結(jié)構(gòu)分析，能夠發(fā)現(xiàn)體現(xiàn)其處方思維和學(xué)術(shù)特點(diǎn)的核心處方配伍結(jié)構(gòu)，從而輔助進(jìn)行名老中醫(yī)經(jīng)驗(yàn)的傳承和整理研究。通過(guò)應(yīng)用基于無(wú)尺度網(wǎng)絡(luò)現(xiàn)象的網(wǎng)絡(luò)分析方法進(jìn)行研究。無(wú)尺度網(wǎng)絡(luò)作為復(fù)雜系統(tǒng)研究的一種實(shí)證現(xiàn)象和方法，對(duì)基于網(wǎng)絡(luò)研究復(fù)雜現(xiàn)象和復(fù)雜系統(tǒng)的方法具有很大的推動(dòng)作用。具有宏觀無(wú)尺度現(xiàn)象的網(wǎng)絡(luò)在拓?fù)渖洗嬖趦缏涩F(xiàn)象，即節(jié)點(diǎn)的度分布服從冪函數(shù)分布。這在醫(yī)生處方中的具體體現(xiàn)就是某醫(yī)生對(duì)藥物的使用具有比較集中的趨勢(shì)，某些名老中醫(yī)偏好使用某些藥物，使得這些藥物的已有或潛在功效得到更大的發(fā)揮或挖掘。 我們基于網(wǎng)絡(luò)中權(quán)值的冪律分布規(guī)律，實(shí)現(xiàn)了多層核心子網(wǎng)分析方法，能夠從復(fù)雜的中藥配伍網(wǎng)絡(luò)中抽取多層核心子網(wǎng)。該算法已經(jīng)在名老中醫(yī)處方配伍經(jīng)驗(yàn)的分析中得到廣泛應(yīng)用。其得到的結(jié)果具有直接而明確的臨床含義，且可靠性較強(qiáng)。第一層核心子藥物子網(wǎng)一般解釋為共性的核心處方；第二層解釋為主要藥物配伍；第三層解釋為次要藥物配伍。這些藥物配伍分別對(duì)應(yīng)樣本的核心病機(jī)如主要疾病和主要證候等、兼證和加減癥狀等。以下是兩類特定中藥處方：1287個(gè)肝脾不調(diào)證(GPBT)處方和752個(gè)2型糖尿病合并代謝綜合征處方的分析結(jié)果。   特定中藥處方的核心藥物配伍網(wǎng)絡(luò)和主要加減網(wǎng)絡(luò)，其中的網(wǎng)絡(luò)中的節(jié)點(diǎn)是藥物，邊的權(quán)重表示兩相關(guān)藥物配伍使用的次數(shù)。 2.2基于隱主題模型的疾病人群臨床特征類別分析方法 癥狀-中藥-診斷主題模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用來(lái)提取中醫(yī)臨床數(shù)據(jù)中的癥狀、中藥和診斷間的隱主題結(jié)構(gòu)。SHDT模型是LDA主題模型在多關(guān)系應(yīng)用中的擴(kuò)展。該模型的核心思想是假設(shè)一類樣本里面包含有多個(gè)主題，例如，一類糖尿病人群有不同的并發(fā)癥，且這些主題所包含的信息特征（以癥狀來(lái)表達(dá)）具有相對(duì)完整性和獨(dú)立性。SHDT把每個(gè)主題看作是癥狀上的多項(xiàng)式分布，并通過(guò)癥狀來(lái)表達(dá)主題的內(nèi)容；同時(shí)，把每種中藥看作是主題上的多項(xiàng)式分布，因?yàn)橐活愔兴幙梢灾斡喾N癥狀/疾病；又因?yàn)橐环N診斷包含多種癥狀/疾病，于是把診斷看作是對(duì)主題的描述，構(gòu)建一種“癥狀-中藥-診斷”主題模型。SHDT模型這種分析原理和思路與中醫(yī)辨證論治過(guò)程基本吻合，它可以客觀地按照癥狀找到自然分類人群，給出診斷描述特征和中藥治療特征。SHDT模型分別在2型糖尿病、冠心病和肝炎等慢性疾病中進(jìn)行人群特征分析。實(shí)驗(yàn)結(jié)果說(shuō)明了該模型具有較好的適宜性和科學(xué)性，分析結(jié)果能夠較為完整的反映特定疾病中相關(guān)的主要人群特征類別。   癥狀-中藥-診斷主題模型，圖中三個(gè)黑色圓圈，代表顯變量（觀察變量），其中s 表示一個(gè)采樣癥狀，表示患者p的所有藥，表示患者p的所有診斷。白色圓圈代表隱變量，其中z 采樣癥狀s對(duì)應(yīng)的主題，x表示s對(duì)應(yīng)的藥，u表示s對(duì)應(yīng)的診斷。矩形框表示重復(fù)采樣。外部矩形框表示在集合中有P個(gè)患者。內(nèi)部矩形框表示對(duì)患者p的個(gè)癥狀、主題、藥物以及診斷重復(fù)采樣。 2.3基于內(nèi)隱對(duì)照和部分可觀察馬爾可夫決策過(guò)程模型的動(dòng)態(tài)序貫處方治療方案優(yōu)化方法 中醫(yī)辨證論治是癥-治-效緊密相關(guān)的個(gè)體、動(dòng)態(tài)的復(fù)雜干預(yù)過(guò)程，動(dòng)態(tài)序貫干預(yù)是中醫(yī)臨床治療慢性疾病的基本方法。以患者為軸心的治療原則和醫(yī)生的個(gè)體性特點(diǎn)，使得中醫(yī)動(dòng)態(tài)序貫干預(yù)過(guò)程中包含多樣化的治療方案。在臨床診療經(jīng)驗(yàn)知識(shí)的形成階段，醫(yī)生往往通過(guò)對(duì)治療前后患者健康狀態(tài)的判斷，試圖獲得較好的治療方案的認(rèn)識(shí)，進(jìn)而逐步形成固化的有效經(jīng)驗(yàn)性治療方案。因此，在無(wú)外部對(duì)照的情況下，如何從大規(guī)模的復(fù)雜多維臨床關(guān)系數(shù)據(jù)中發(fā)現(xiàn)并確認(rèn)在臨床實(shí)際中較優(yōu)的動(dòng)態(tài)序貫診療方案是有效臨床方案形成的重要課題。 考慮到實(shí)際可行性和研究代價(jià)的問(wèn)題，在未有明確的有效干預(yù)方案形成的臨床研究初期，無(wú)外部對(duì)照的傳統(tǒng)中醫(yī)經(jīng)驗(yàn)整理和歸納普遍存在，且長(zhǎng)期的中醫(yī)學(xué)實(shí)踐表明是有效的。但由于臨床診療信息關(guān)系的復(fù)雜性，基于傳統(tǒng)經(jīng)驗(yàn)整理方式形成有效治療方案是一個(gè)較為漫長(zhǎng)的過(guò)程。 因此，如何借助源自真實(shí)世界（無(wú)外部對(duì)照）的大規(guī)模臨床觀察數(shù)據(jù)，進(jìn)行挖掘分析，以輔助發(fā)現(xiàn)和確認(rèn)較優(yōu)的臨床治療方案成為辨證論治臨床評(píng)價(jià)研究的關(guān)鍵問(wèn)題之一。我們采用部分可觀察馬爾可夫決策過(guò)程模型(POMDP)對(duì)此問(wèn)題進(jìn)行研究，實(shí)現(xiàn)了基于POMDP的中醫(yī)臨床處方優(yōu)化分析方法，以探尋從來(lái)自臨床實(shí)際的大規(guī)模觀察性臨床數(shù)據(jù)中發(fā)現(xiàn)較優(yōu)或最優(yōu)的動(dòng)態(tài)序貫治療方案，為中醫(yī)辨證論治有效動(dòng)態(tài)干預(yù)方案的形成和臨床驗(yàn)證提供參考知識(shí)。   中醫(yī)臨床診療過(guò)程對(duì)應(yīng)的POMDP模型 1.  成果的推廣應(yīng)用 本成果已經(jīng)在國(guó)家科技重大專項(xiàng)：重大傳染病防治、重大新藥創(chuàng)制等兩個(gè)項(xiàng)目；國(guó)家科技支撐計(jì)劃項(xiàng)目-名老中醫(yī)經(jīng)驗(yàn)傳承研究；北京市科技攻關(guān)項(xiàng)目和國(guó)家中醫(yī)臨床研究基地等項(xiàng)目中進(jìn)行推廣應(yīng)用。分別對(duì)艾滋病、肝炎和肺結(jié)核等傳染病的中醫(yī)藥防治規(guī)律，從中醫(yī)臨床中分析確認(rèn)有效處方與藥物，名老中醫(yī)的辨證論治個(gè)體診療經(jīng)驗(yàn)，中風(fēng)、冠心病和糖尿病等重大慢性疾病的臨床診治規(guī)律，以及全國(guó)10余家重點(diǎn)中醫(yī)院診療優(yōu)勢(shì)病種（如上海龍華醫(yī)院的中醫(yī)胃癌治療、骨關(guān)節(jié)病治療；河南中醫(yī)學(xué)院一附院的中醫(yī)艾滋病治療、中醫(yī)慢性阻塞性肺炎治療等）的臨床診療優(yōu)化方案等進(jìn)行應(yīng)用研究。逐步探索和完善中醫(yī)臨床科研一體化技術(shù)體系，支持基于臨床診療實(shí)踐及其真實(shí)世界診療數(shù)據(jù)，進(jìn)行中醫(yī)臨床研究和中藥新藥創(chuàng)制研究的醫(yī)學(xué)模式。   北京地區(qū)22家單位應(yīng)用分布圖