摘要：研究旨在探索基于STEM教育理念的运动生物力学课程的新型教学模式,评估其对学生学习效果提升的独特优势与内在机制。文章在分析课程特征的基础上,构建关键学习节点进阶式的运动生物力学课程教学模式,并通过系统动力学仿真分析,探索影响学习效果的关键因素。研究发现,该教学模式能够提升学生课程学习的关键能力,有效促进学生对课程知识内容的系统掌握。个体情绪状态、课程学习成绩、个体学习能力、课程满意程度共同构成了学习效果提升的系统过程,呈现出稳步上升—停滞不前—显著提升的演进特征。建议教师应深刻理解有效性学习发生的关键节点,有针对性地设计课程教学活动,避免学生出现课程知识学习的疲惫期。同时,注重新旧知识的有机融合与合理衔接,促进课堂知识的有效迁移,以提升教学效果。

摘要：利用聚乳酸-羟基乙酸共聚物(poly (lactic-co-glycolic acid),PLGA)对姜黄素(curcumin,Cur)进行包埋,以改善Cur的水溶性,通过单因素筛选法对包埋Cur的PLGA纳米粒(Cur-PLGA-nanoparticle,Cur-PLGA-NP)的配方工艺进行优化;用人转铁蛋白(Tf)对PLGA-NP进行表面修饰以提高肠细胞对活性物质的吸收效率。结果表明,Cur-PLGA-NP最优制备方法为溶剂挥发法和油相加入水相的两相混合方式,最优油水体积比为1∶2.5,最优负载质量比为1∶15,乳化剂F68最优质量分数为0.3%。结肠癌细胞系HT-29细胞摄取实验结果显示,Tf修饰的PLGA-NP(Tf-NP)的细胞摄取量显著高于对照组,表明以Tf-NP作为Cur递送载体,Cur负载率和肠细胞对Cur的吸收都显著提高。综上所述,Tf修饰PLGA-NP可提高Cur的吸收效率,这为水溶性差的活性物质运载体系设计提供了参考。

摘要：目的本课题通过近红外光谱成像(f NIRS)理解手指协调运动状态中枢神经系统与外周肌肉之间相互作用,为机器人辅助康复领域等提供理论依据和技术手段。方法纳入21名右利手受试者,要求他们在平面上完成单指和双指在同相(IP)和反相(AP)方向上的圆周运动。利用f NIRS的同步血氧浓度数据,覆盖了6个大脑区域,包括前额叶皮层、运动皮层和枕叶。首先对外周运动轨迹误差,速度与角速度误差与中枢脑激活和网络连接进行相关分析。随后本设计了一种新的时间引导自适应图学习网络,命名为TAGL,用于识别协调运动。考虑到大脑网络对不对称结构的偏好,开发了一个自适应边学习模块,结合多头注意力机制,以获得节点之间的定向边连接,增强节点关系的表征。结果f NIRS结果显示,在单指运动时,对侧脑区被激活;在IP运动中,优势运动区被激活;而在AP运动中,两个运动区同时被激活。通过可视化不同运动动作的大脑连接矩阵,证实了采用自适应边学习模块的可解释性。与最先进的方法进行比较实验,揭示了TAGL方法出色的性能,展示了其在有效解读协调运动方面的潜力。结论本研究借助f NIRS参数和TAGL这一创新的网络学习结构,能够准确捕捉不同大脑区域之间复杂的相互作用,为运动解码和机器人辅助控制提供了有力支持。

摘要：为解决智慧中医远程诊断中,脉象信息仿生还原的难题,设计了一种基于STM32的脉象采集和远程还原系统。首先,利用高精度压阻式脉搏传感器和基于WIFI的无线传输技术,设计了可视化、可联网的脉象信息采集系统,使用特殊的数据数据处理方法提取出脉象信息特征值;其次,设计了基于双泵液压驱动的模拟远程切脉系统;最后,通过采集志愿者的人体桡动脉处的脉象数据、并经过专业中医大夫的对比体验认为,该远程切脉系统,能以接近80%的还原度,复现采集到的人体桡动脉的脉搏波,可用于异地中医大夫的远程"切诊",有望实现:用AI技术复活古代中医传说的"悬丝诊脉"。

摘要：目的基于肌电驱动肌肉骨骼模型的肌力预测需要完整的肌电信号(EMGs)作为输入,然而在实践中采集深层肌群的EMGs存在困难。本研究探讨在该模型框架内,协同外推(Syn X)是否能可靠地填补采集缺失的多通道肌群兴奋度,以实现多速步行时下肢肌力的完整及准确估计。方法收集了两名脑卒中患者多速步行时的运动捕捉、地面作用力以及完整的下肢EMGs。首先,构建了基于完整EMGs的肌电驱动肌骨模型,为后续对比提供“金标准”的肌肉兴奋度和肌力。其次,假设单侧16通道中的8路深层或表面肌群的EMGs缺失,计算基于Syn X的预测结果与“金标准”间的均方根误差(RMSE)和相关系数(r),以衡量形状和幅值相似度。最后,与传统的静态优化(SO)预测结果进行定量比较。结果Syn X预测的肌肉兴奋度与“金标准”在形状(r:0.55)和幅值(RMSE:0.08)上具有高度相似性。相较于SO,Syn X在预测肌肉兴奋度(RMSE:0.08 vs.0.15,r:0.55 vs.0.12)和肌力(RMSE:101.3 N vs.174.4 N,r:0.53 vs.0.07)的精度方面显著提高。此外,基于Syn X的肌电驱动肌骨模型能够还原与“金标准”相近的Hill肌力模型参数。结论Syn X使得在只有8通道表面EMGs情况下,建立下肢全关节肌电驱动肌骨模型成为可能,这将有助于设计个性化的康复干预方案。