新葡京娱乐场-大陆娱乐场开户注册

近日，上海交通大學電子系義理林教授課題組基于智能鎖模算法、時間拉伸技術和實時高速電路建立的實時光譜分析控制平臺，實現(xiàn)了鎖模激光器輸出飛秒脈沖的實時光譜調(diào)控，對飛秒激光器的設計具有重要的應用價值。相關成果以“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)表于國際光學頂尖期刊《Light: Science & Applications》（中科院長春光機所與Nature出版集團合辦期刊），并入選為封面文章，在“News & Views”欄目被專門評述。博士生蒲國慶為第一作者，義理林教授為通信作者。 圖說：期刊封面文章 飛秒尺度（1E-15秒）脈沖對應著原子分子、材料、生物蛋白、化學反應等豐富物質(zhì)體系的眾多超快過程，有著廣泛而重要的應用。鎖模激光器作為產(chǎn)生飛秒脈沖的重要基礎研究工具，在物理、化學、生物、材料、信息科學等領域都有廣泛的應用。飛秒鎖模激光器自上世紀六十年代發(fā)明以來，與其相關的研究分別于1999，2005，2018年獲得過諾貝爾獎。 隨著超快光學的快速發(fā)展，越來越多的前沿應用需要對飛秒脈沖的時域和光譜進行精細控制。由于飛秒脈沖的產(chǎn)生涉及非常復雜的非線性和色散傳輸效應，達到特定脈沖狀態(tài)的穩(wěn)態(tài)輸出需要對激光器多個參數(shù)在高維空間進行優(yōu)化，傳統(tǒng)基于激光器光學設計和優(yōu)化的方法已被證明難以精確實現(xiàn)。 通過對飛秒脈沖狀態(tài)進行智能識別，結(jié)合智能算法對激光器多參數(shù)進行全局優(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時精確識別。低速時域采樣無法識別飛秒脈沖寬度和形狀，光譜儀雖可識別飛秒脈沖積分光譜但無法識別其瞬時光譜，因此傳統(tǒng)方法都無法做到實時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)引入時間拉伸-色散傅里葉變換（TS-DFT）技術，通過時域到光譜的轉(zhuǎn)換，采用低速時域采樣即可識別飛秒脈沖對應的瞬時光譜寬度和形狀。結(jié)合智能控制算法，實現(xiàn)了以1.4nm為精度對飛秒脈沖光譜寬帶從10nm到40nm進行可編程控制，光譜形狀可編程為高斯型或三角形等。這是本領域首次實現(xiàn)飛秒鎖模脈沖光譜寬度和形狀高精度實時編程控制，解決了飛秒鎖模脈沖鎖模狀態(tài)無法精確調(diào)控的難題。 基于實時的光譜控制，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)的演變過程，發(fā)現(xiàn)兩者動力學過程具有相似性，提出了目標鎖模狀態(tài)可能決定中間動力學過程的猜想，為人們進一步探索鎖模激光器內(nèi)部機理提供新視角。 圖說：基于快速光譜分析的飛秒鎖模脈沖智能控制 非線性光學著名專家John Dudley教授（歐洲物理學會主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”欄目撰文介紹此項工作，認為本工作極具創(chuàng)新性，開拓了研究鎖模動力學新的可能性，很可能應用于多種鎖模光纖激光器中。 義理林教授課題組過去六年來一直致力于解決飛秒鎖模激光器的智能控制問題，2019年發(fā)表在光學領域頂級期刊《Optica》的“智能鎖模激光器”成果入選美國光學學會旗下新聞雜志《Optics & Photonics News》2019年光學年度進展“Optics in 2019”。該方向工作部分得到國家自然科學基金（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金霉素具有很高的特異性，可對動物源食品中金霉素的殘留量進行專一檢測和判定。樣品處理不需要過柱凈化，處理步驟簡單、實用，特別適合基層檢驗檢疫單位使用。樣品處理較現(xiàn)有儀器簡單、靈敏、省時。本成果經(jīng)過靈敏度、精密度、特異性等質(zhì)控項目測定各項指標達到國家相關技術要求。技術水平：專利技術（國家發(fā)明專利授權(quán)號：ZL2005100863473）應用前景：本成果用于對金霉素殘留的檢測具有良好的應用前景，可以在較短時間內(nèi)檢測大量樣品，排除大量陰性樣品，同時樣品處理既簡單、省時、省

可以量產(chǎn)/n該成果屬于基因表達分析技術領域，公開了CmEF1α基因和CmRAN基因在分析甜瓜果實的基因表達時作為內(nèi)參基因的應用，本發(fā)明還公開了一種采用實時熒光定量PCR分析甜瓜果實基因表達的方法，它是將CmEF1α基因和CmRAN基因組合的幾何平均數(shù)作為甜瓜果實基因表達分析中的內(nèi)參基因。CmEF1α基因和CmRAN基因在不同坐果方式的甜瓜果實的不同發(fā)育階段均能穩(wěn)定表達，是甜瓜果實發(fā)育過程中利用實時熒光定量PCR技術檢測基因表達分析的可靠內(nèi)參基因組合。該成果具有可靠性和實用性，能夠顯著提

產(chǎn)品詳細介紹

東南大學分析測試中心電子順磁共振波譜儀采購招標項目的潛在投標人應在南京市建鄴區(qū)嘉陵江東街8號綜合體B3棟一單元16層獲取招標文件，并于2022年07月13日14點30分（北京時間）前遞交投標文件。

該項技術針對汽車底盤關鍵零部件，結(jié)合ADAMS、HyperWorks、FE-Fatigue等軟件進行多平臺聯(lián)合動態(tài)仿真，獲取其在多種工況下的載荷譜，通過靈敏度分析方法甄選出可優(yōu)化對象，在保證整車性能的前提下，結(jié)合動載荷對其進行合理的拓撲優(yōu)化，達到輕量化與可靠性兼顧的工程目標。  技術優(yōu)勢：（1）以理論分析和仿真代替經(jīng)驗設計，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)費少。  （3）同時兼顧車輛操縱穩(wěn)定性，平順性要求。  （4）節(jié)能減材。

該項技術針對汽車底盤關鍵零部件，結(jié)合了ADAMS、HyperWorks、FE-Fatigue等軟件進行多平臺聯(lián)合動態(tài)仿真，獲取其在多種工況下的載荷譜，通過靈敏度分析方法甄選出可優(yōu)化對象，在保證其整車性能的前提下，結(jié)合載荷對其進行合理的拓撲優(yōu)化，達到輕量化與可靠性兼顧的工程目標。1、技術優(yōu)勢：（1）以理論分析和仿真代替經(jīng)驗設計，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；（3）同時兼顧車輛操

本發(fā)明公開了一種基于二維正交各向異性復合材料板的熱模態(tài)對結(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合材料板線性剛度矩陣Ｋ０；（２）求解熱結(jié)構(gòu)的初應力剛度矩陣Ｋσ；（３）求解考慮熱應力影響的結(jié)構(gòu)有限元動力學方程的目標函數(shù)，即為轉(zhuǎn)化為考慮結(jié)構(gòu)熱應力影響的廣義特征值問題；（４）基于步驟（３）中的目標函數(shù)ｆ，采用復變函數(shù)法求解二維正交各向異性復合材料板的熱模態(tài)對結(jié)構(gòu)參數(shù)的靈敏度。本發(fā)明考慮了熱應力對結(jié)構(gòu)剛度以及結(jié)構(gòu)響應（熱模態(tài)）分析的影響，能夠利用復變函數(shù)法分析得到精度較高的熱模態(tài)對結(jié)構(gòu)參數(shù)的靈敏度矩陣。

腫瘤細胞異質(zhì)性是腫瘤異質(zhì)性的重要成因之一，可導致腫瘤在增殖能力、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，腫瘤細胞異質(zhì)性研究對于腫瘤的診斷和個體化治療具有重要意義。而進行腫瘤細胞亞群分離分析是研究腫瘤細胞異質(zhì)性的重要基礎。現(xiàn)有的基于電泳、場流或熒光激活式分離原理的進行腫瘤細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菌、腫瘤標志物、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），該研究以細胞表面標志物Her2表達量差異化的三種乳腺癌細胞(BT474、MDA-MB-453和MDA-MB-231)為研究模型，通過熒光-磁性靶向仿生探針與其識別后形成不同磁性梯度，在恒定外磁場作用下，可分別在90 s、120 s和180 s時間內(nèi)快速逐一梯度分離出三種不同乳腺癌細胞亞型，并基于探針的熒光信號對腫瘤細胞亞群進行了初步鑒定。該研究報道的基于磁性梯度響應的腫瘤細胞亞群分離分析策略具有簡單、快速、準確等特點，為血液樣本中異質(zhì)性腫瘤細胞亞群的近同時分離與分析提供新思路，在腫瘤早期診斷、評估和預后方面具有重要的潛在應用前景。

在醫(yī)學領域首次應用商務智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉庫OLAP分析的軟件基礎。開發(fā)實現(xiàn)了基于細節(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)驗傳承、重大疾病的病證及臨床表現(xiàn)要素關系等的主題分析集。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名老中醫(yī)和重大疾病臨床數(shù)據(jù)進行多種關系知識的探索性分析。同時，對分析結(jié)果可進行實時查詢、導出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應用證候分布情況）。    本實驗室與中國中醫(yī)科學院合作進行中醫(yī)臨床數(shù)據(jù)倉庫與挖掘分析平臺，以及中醫(yī)臨床數(shù)據(jù)挖掘方法的研究，實現(xiàn)了對中醫(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)倉庫及挖掘分析平臺，該平臺旨在支持從真實世界中醫(yī)臨床診療中產(chǎn)生海量科研分析用數(shù)據(jù)，并以真實、高質(zhì)量的數(shù)據(jù)為基礎進行中醫(yī)臨床與理論研究，為中醫(yī)臨床療效評價、臨床中藥新藥創(chuàng)制提供客觀的醫(yī)學證據(jù)和適宜的數(shù)據(jù)分析方法。該成果于2009年12月獲得國家科技進步二等獎。   名老中醫(yī)OLAP展示例子 1.2多維分析與復雜網(wǎng)絡分析系統(tǒng)   以中醫(yī)臨床數(shù)據(jù)中癥-證-治的復雜關系和復雜網(wǎng)絡分析方法研究為出發(fā)點，開發(fā)實現(xiàn)了中醫(yī)臨床復雜網(wǎng)絡分析系統(tǒng)。該系統(tǒng)包括如聯(lián)機數(shù)據(jù)篩選、復雜網(wǎng)絡建模、統(tǒng)計特性分析、可視化網(wǎng)絡數(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、藥物等實體內(nèi)部元素以及實體之間元素的網(wǎng)絡模型構(gòu)建和多種復雜網(wǎng)絡分析方法如節(jié)點中心性分析、社團分析、節(jié)點相似度分析等。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語言開發(fā)（下圖是該系統(tǒng)的主界面）。  在醫(yī)學領域首次應用商務智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉庫OLAP分析的軟件基礎。開發(fā)實現(xiàn)了基于細節(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)驗傳承、重大疾病的病證及臨床表現(xiàn)要素關系等的主題分析集。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名老中醫(yī)和重大疾病臨床數(shù)據(jù)進行多種關系知識的探索性分析。同時，對分析結(jié)果可進行實時查詢、導出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應用證候分布情況）。  獲獎證書   1.中醫(yī)臨床數(shù)據(jù)倉庫與挖掘分析平臺 通過分析中醫(yī)臨床數(shù)據(jù)元素及其多維、多層次的關系特點，研究設計了中醫(yī)臨床參考信息模型，以及為基礎構(gòu)建中醫(yī)臨床數(shù)據(jù)倉庫細節(jié)數(shù)據(jù)模型和多維數(shù)據(jù)模型，建立以數(shù)據(jù)倉庫為核心的數(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)計分析的智能信息處理平臺。該平臺以中醫(yī)臨床數(shù)據(jù)倉庫及其運行環(huán)境工具的構(gòu)建為基礎，基于實際的臨床診療數(shù)據(jù)，實現(xiàn)對中醫(yī)診療數(shù)據(jù)進行多主題、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主題應用，為名老中醫(yī)經(jīng)驗繼承研究、中醫(yī)臨床評價研究和臨床科研提供實際的診療數(shù)據(jù)證據(jù)和知識來源，以支持臨床科研決策分析，滿足中醫(yī)臨床評價研究的探索性分析需求。針對中醫(yī)臨床數(shù)據(jù)的特點，研究體現(xiàn)中醫(yī)臨床數(shù)據(jù)模型特點的數(shù)據(jù)挖掘新方法，為面向中醫(yī)臨床研究的數(shù)據(jù)挖掘和機器學習方法研究提供新的思路和研究方向。該平臺的構(gòu)建初期以重大慢性疾病：中風、冠心病和糖尿病診治規(guī)律，以及名老中醫(yī)經(jīng)驗傳承研究為支持目標。   中醫(yī)臨床數(shù)據(jù)倉庫平臺   1.1中醫(yī)臨床數(shù)據(jù)預處理技術臨床數(shù)據(jù)的預處理包括數(shù)據(jù)整合、數(shù)據(jù)整理和數(shù)據(jù)轉(zhuǎn)換等技術，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)換導出功能的數(shù)據(jù)前處理軟件。該軟件針對醫(yī)學數(shù)據(jù)利用中的分布式（多采集點）采集、患者隱私保護和大規(guī)模數(shù)據(jù)處理的特點，采用靈活的數(shù)據(jù)映射配置和臨床術語庫銜接等方式把各采集點數(shù)據(jù)導入到臨床數(shù)據(jù)倉庫中，并支持批量數(shù)據(jù)核查和數(shù)據(jù)規(guī)范整理（對臨床數(shù)據(jù)中的術語性數(shù)據(jù)如癥狀體征、診斷和藥物等進行概念化語義規(guī)范）功能。   在醫(yī)學領域首次應用商務智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉庫OLAP分析的軟件基礎。開發(fā)實現(xiàn)了基于細節(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)驗傳承、重大疾病的病證及臨床表現(xiàn)要素關系等的主題分析集。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名老中醫(yī)和重大疾病臨床數(shù)據(jù)進行多種關系知識的探索性分析。同時，對分析結(jié)果可進行實時查詢、導出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應用證候分布情況）。   名老中醫(yī)OLAP展示例子    以中醫(yī)臨床數(shù)據(jù)中癥-證-治的復雜關系和復雜網(wǎng)絡分析方法研究為出發(fā)點，開發(fā)實現(xiàn)了中醫(yī)臨床復雜網(wǎng)絡分析系統(tǒng)。該系統(tǒng)包括如聯(lián)機數(shù)據(jù)篩選、復雜網(wǎng)絡建模、統(tǒng)計特性分析、可視化網(wǎng)絡數(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、藥物等實體內(nèi)部元素以及實體之間元素的網(wǎng)絡模型構(gòu)建和多種復雜網(wǎng)絡分析方法如節(jié)點中心性分析、社團分析、節(jié)點相似度分析等。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語言開發(fā)（下圖是該系統(tǒng)的主界面）。     中醫(yī)臨床復雜網(wǎng)絡分析系統(tǒng)  1.3 真實世界中醫(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)和機遇的領域，當前化學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方藥物的研發(fā)成為國內(nèi)外關注的焦點。而從多成份調(diào)控和多靶點機理的研究為主要視角的網(wǎng)絡藥理學更成為新的趨勢和方法。針對中醫(yī)臨床診療過程中具有證-治-效信息，且個體性的真實世界診療實踐特點，我們研究基于大規(guī)模臨床診療數(shù)據(jù)進行有效處方分析和發(fā)現(xiàn)的問題，通過對以中藥復方為重點的治療手段藥物組成原理的分析，基于復雜網(wǎng)絡模型和方法研制形成了有效核心處方及適應癥分析方法、有效臨床中藥篩選與發(fā)現(xiàn)系統(tǒng)，對基于真實世界臨床診療數(shù)據(jù)分析獲得有效處方知識的方法、技術平臺和示范應用進行了探索和初步實踐，初步表明從真實世界臨床診療數(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)制提供可以驗證的新處方、新藥物等臨床有效目標藥物。     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，具有復雜、多維和多關系的特點。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或診療知識如有效處方、人群劃分、藥癥關系以及多階段優(yōu)化治療方案等，是實現(xiàn)從復雜、系統(tǒng)的中醫(yī)辨證論治過程中發(fā)現(xiàn)并確認有效優(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、證候分布、藥癥關系、方證關系和藥物組成等是數(shù)據(jù)挖掘和分析的主要目標，而所有這些知識的有效性的評價依據(jù)是臨床療效，即確認和發(fā)現(xiàn)臨床有效的中醫(yī)診療知識是中醫(yī)臨床數(shù)據(jù)挖掘分析方法的主要有價值研究目標。    中醫(yī)臨床數(shù)據(jù)挖掘問題：在療效信息的約束下，驗證和發(fā)現(xiàn)有價值的臨床診斷/治療關系知識。  2.1基于復雜網(wǎng)絡的中藥配伍分析方法 人們通過對中醫(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)的臨床復方的組織特性體現(xiàn)在兩個層次。第一層次為臨床醫(yī)生一般以經(jīng)典復方（包括經(jīng)方、時方和驗方等）為基礎進行臨床處方；第二層次為在藥對或藥癥關系基礎上的藥物隨癥加減處理。這兩個層次的臨床處方配伍過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，通過對名老中醫(yī)處方集的共性網(wǎng)絡結(jié)構(gòu)分析，能夠發(fā)現(xiàn)體現(xiàn)其處方思維和學術特點的核心處方配伍結(jié)構(gòu)，從而輔助進行名老中醫(yī)經(jīng)驗的傳承和整理研究。通過應用基于無尺度網(wǎng)絡現(xiàn)象的網(wǎng)絡分析方法進行研究。無尺度網(wǎng)絡作為復雜系統(tǒng)研究的一種實證現(xiàn)象和方法，對基于網(wǎng)絡研究復雜現(xiàn)象和復雜系統(tǒng)的方法具有很大的推動作用。具有宏觀無尺度現(xiàn)象的網(wǎng)絡在拓撲上存在冪律現(xiàn)象，即節(jié)點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)生對藥物的使用具有比較集中的趨勢，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)絡中權(quán)值的冪律分布規(guī)律，實現(xiàn)了多層核心子網(wǎng)分析方法，能夠從復雜的中藥配伍網(wǎng)絡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)驗的分析中得到廣泛應用。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。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應樣本的核心病機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個肝脾不調(diào)證(GPBT)處方和752個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)絡和主要加減網(wǎng)絡，其中的網(wǎng)絡中的節(jié)點是藥物，邊的權(quán)重表示兩相關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主題模型在多關系應用中的擴展。該模型的核心思想是假設一類樣本里面包含有多個主題，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（以癥狀來表達）具有相對完整性和獨立性。SHDT把每個主題看作是癥狀上的多項式分布，并通過癥狀來表達主題的內(nèi)容；同時，把每種中藥看作是主題上的多項式分布，因為一類中藥可以治愈多種癥狀/疾病；又因為一種診斷包含多種癥狀/疾病，于是把診斷看作是對主題的描述，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行人群特征分析。實驗結(jié)果說明了該模型具有較好的適宜性和科學性，分析結(jié)果能夠較為完整的反映特定疾病中相關的主要人群特征類別。   癥狀-中藥-診斷主題模型，圖中三個黑色圓圈，代表顯變量（觀察變量），其中s 表示一個采樣癥狀，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對應的主題，x表示s對應的藥，u表示s對應的診斷。矩形框表示重復采樣。外部矩形框表示在集合中有P個患者。內(nèi)部矩形框表示對患者p的個癥狀、主題、藥物以及診斷重復采樣。 2.3基于內(nèi)隱對照和部分可觀察馬爾可夫決策過程模型的動態(tài)序貫處方治療方案優(yōu)化方法 中醫(yī)辨證論治是癥-治-效緊密相關的個體、動態(tài)的復雜干預過程，動態(tài)序貫干預是中醫(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)生的個體性特點，使得中醫(yī)動態(tài)序貫干預過程中包含多樣化的治療方案。在臨床診療經(jīng)驗知識的形成階段，醫(yī)生往往通過對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識，進而逐步形成固化的有效經(jīng)驗性治療方案。因此，在無外部對照的情況下，如何從大規(guī)模的復雜多維臨床關系數(shù)據(jù)中發(fā)現(xiàn)并確認在臨床實際中較優(yōu)的動態(tài)序貫診療方案是有效臨床方案形成的重要課題。 考慮到實際可行性和研究代價的問題，在未有明確的有效干預方案形成的臨床研究初期，無外部對照的傳統(tǒng)中醫(yī)經(jīng)驗整理和歸納普遍存在，且長期的中醫(yī)學實踐表明是有效的。但由于臨床診療信息關系的復雜性，基于傳統(tǒng)經(jīng)驗整理方式形成有效治療方案是一個較為漫長的過程。 因此，如何借助源自真實世界（無外部對照）的大規(guī)模臨床觀察數(shù)據(jù)，進行挖掘分析，以輔助發(fā)現(xiàn)和確認較優(yōu)的臨床治療方案成為辨證論治臨床評價研究的關鍵問題之一。我們采用部分可觀察馬爾可夫決策過程模型(POMDP)對此問題進行研究，實現(xiàn)了基于POMDP的中醫(yī)臨床處方優(yōu)化分析方法，以探尋從來自臨床實際的大規(guī)模觀察性臨床數(shù)據(jù)中發(fā)現(xiàn)較優(yōu)或最優(yōu)的動態(tài)序貫治療方案，為中醫(yī)辨證論治有效動態(tài)干預方案的形成和臨床驗證提供參考知識。   中醫(yī)臨床診療過程對應的POMDP模型 1.  成果的推廣應用 本成果已經(jīng)在國家科技重大專項：重大傳染病防治、重大新藥創(chuàng)制等兩個項目；國家科技支撐計劃項目-名老中醫(yī)經(jīng)驗傳承研究；北京市科技攻關項目和國家中醫(yī)臨床研究基地等項目中進行推廣應用。分別對艾滋病、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)臨床中分析確認有效處方與藥物，名老中醫(yī)的辨證論治個體診療經(jīng)驗，中風、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10余家重點中醫(yī)院診療優(yōu)勢病種（如上海龍華醫(yī)院的中醫(yī)胃癌治療、骨關節(jié)病治療；河南中醫(yī)學院一附院的中醫(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)化方案等進行應用研究。逐步探索和完善中醫(yī)臨床科研一體化技術體系，支持基于臨床診療實踐及其真實世界診療數(shù)據(jù)，進行中醫(yī)臨床研究和中藥新藥創(chuàng)制研究的醫(yī)學模式。   北京地區(qū)22家單位應用分布圖