导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

本发明涉及一种磁性离子液体，特指基于胍基官能团的离子液体的制备方法及在萃取脱除非极性溶液中含硫有机物的用途。其结构如通式（I）所示，该类离子液体是典型的室温离子液体，具有很低的熔点及很高的沸点，室温呈液态，蒸汽压低，稳定性好，与非极性溶剂互溶度极低；具有极高的脱硫效率，可在3~6min达到脱硫的萃取平衡；选择性高，不会对原来的非极性溶液产生污染及着色。该发明的磁性离子液体之中，当n=1.5~2时，具有很高的顺磁性，其比磁化系数大于59.1×10-6emu/g,优于已有的报道。因此，萃取脱硫结束后可以通过外加磁场的方法方便地实现离子液体和非极性溶剂的分离。该类磁性离子液体通过加水稀释并用四氯化碳反萃取的方法能恢复其性能，并且可以循环多次使用而不会引起脱硫效率的明显降低。脱除的含硫芳环化合物也能通过减压蒸馏富集并实现回收利用。

开发了一个高效的捕获RNA结合蛋白双链RNA底物的建库测序技术（irCLASH）以及后续的一整套生物信息学分析方法；首次在转录组水平上系统地绘制了人类ADAR蛋白的内源双链RNA底物图谱；揭示了决定ADAR结合效率和编辑效率的底物特征和ADAR结合长双链RNA的体内模型。       该研究利用irCLASH技术系统构建和分析了人类ADAR1、ADAR2及ADAR3的双链RNA底物图谱，发现与之前根据计算推导的研究设想不同，ADAR具有大量的、长距离的双链RNA底物。该研究发现不完全互补配对的底物与ADAR蛋白也有很好的亲和度，特别是ADAR2家族成员。研究还进一步揭示了决定ADAR结合效率和编辑效率的底物特征。irCLASH测序技术及后续的整套生物信息学分析方法的开发为研究双链RNA结合蛋白的内源底物提供了新的工具。同时，该研究揭示的ADAR与底物相互作用及催化特性为研究人员开发高效的RNA编辑工具提供了资源宝库及改进方向。

1. 痛点问题 针对重大疾病与复杂性疾病（如肿瘤、代谢性疾病、心血管疾病、免疫性疾病等），目前西药的单靶点疗法治疗效果不佳，且易产生耐药性的行业痛点，开展天然植物、中药的功能研究和中药方剂开发。中药和中药方剂针对复杂性疾病的治疗具有独特优势，具有“多成分、多靶点、多途径”的特点，但是中医是实践医学，中医药虽然临床疗效显著，却无法用世界通行的“语言”，让国外同行也能理解和验证中医原理，所以中医药很难进入国际市场。 因此，根据国家“十四五”规划、2035年远景目标和健康中国发展战略的要求，“坚持中西医并重和优势互补，大力发展中医药事业”，本团队在中医药核心思维和理论指导下的，基于现代生命科学的方法，系统解析天然植物和中药的物质基础与作用机制，阐释中药配伍理论的科学内涵，以“守正-创新”模式实现高效、快速、精准的智善方（理论指导的、药效完善的方剂简称智善方）开发。 2. 解决方案 本团队开发的高通量靶向转录组筛选技术（high-throughput targeted transcriptome screening, HT3S），可对与特定疾病表型相关的基因进行定量分析，可并行筛选多种天然植物或中药。目前已绘制了7000余种方剂、中药、天然植物和单体的分子功能图谱，形成了分子版“本草纲目”。在此基础上，针对重大疾病与复杂性疾病（如肿瘤、代谢性疾病、心血管疾病、免疫性疾病等），通过数据挖掘和计算分析，评价中药方剂对不同信号通路的调控作用，计算可显著改善疾病失调信号通路的候选中药方剂，并开展体内外验证，开发了一系列药效明确、作用机制清晰的中药智善方。

本实用新型提出一种钓具，提高钓鱼成功率和钓鱼效率。所述一种钓具包括钓竿、钓线、漂浮器和钓钩组件，钓钩组件包括环形钩架、主轴、可转动套管；环形钩架固连于套管底端，环形钩架上设有多个钓钩；主轴顶端连接钓线且主轴上设有限位结构；钓具还包括钓竿支撑架，钓竿支撑架包括支撑管和可折叠支撑架。本实用新型钓鱼成功率和效率得到提高，且增大鱼脱钩的难度，且操作省力。

本实用新型提供一种砧板，包括砧板主体、手柄、滑板所述砧板主体从中位线处一分为二为两个砧 板单体;所述两个砧板单体合页式连接，使两个砧板单体的夹角在 0~180°范围内活动;所述手柄为两个， 以中位线为中心分别对称的设置在两个砧板单体一端;所述滑板为两个，以中位线为中心分别对称的设 置在两个砧板单体的底部，并可沿中位线方向滑动;所述滑板为直角三角形，两个滑板的一个直角边相 互接触。本实用新

本实用新型公开一种尿盆，包括盆体和盆盖，盆体的侧壁上连接有腔体，腔体通过位于其一端的连通口与盆体内部连通，腔体的外侧壁透明并设置有刻度，刻度值从远离连通口端向连通口端递增。本实用新型无需将尿转移即可计量尿量，减少工作量，避免计量不准和污染环境。

本项目已建立目前国际领先 的生物养殖、环境污染治理的专 用优势菌群产品生产线，已开发 出拥有自主知识产权的 M D菌群 系列产品及其配套处理工艺与设 备。同时，进 一步DNA分子进化技术对适应性菌群功能优化，激活生物链的顶层输送，进行原生态平衡的自驱动治理和 重建良性的生态系统，促进生物量生产力的提高和水域活力的恢复。 该系列新型MD菌群生态活性剂产品普遍应用于经济动物养殖和水域环境治理等领域，包括水产养殖 的水质调控；高营养饲料添加剂；农业生产中的高效活性菌肥；土壤中毒性有机物及镉、铅重金属离子 污染物高浓度工农业有机废水的处理及资源清洁等。

细胞因子是特异性细胞产生的，一类能够在细胞间传递信息、具 有免疫调节和效应功能的蛋白质。其中细胞因子介导的自身免疫是引 起自身免疫性疾病的一种重要的机制。白介素-17(IL-17)是目前新 发现的细胞因子，是由 Thl7 细胞分泌的致炎细胞因子，在机体炎症 反应以及自身免疫性疾病中发挥着重要作用。参与包括风湿性关节 炎、系统性红斑狼疮、银屑病等多种自身免疫性疾病的发病与发展。 白介素-17 与其受体结合后通过信号转导而发挥作用。白介素-17 受 体融合蛋白能与

DPP类颜料（吡咯并吡咯二酮系有机颜料）具有很高的耐晒牢度、耐气候牢度和耐热稳定性，可单独或与其它颜料拼混使用以调制汽车漆。在DPP系有机颜料的专利有效期内（1986~2003），瑞士Ciba公司是此类有机颜料的唯一生产商。2003年后，国内开始研发生产DPP类有机颜料，但是截止到?00?年，能够被国外的汽车漆厂商接受用于调制汽车原装漆的只有我们生产的品种。生产DPP类颜料的技术关键主要在于中间体（各种芳香腈和丁二酸酯）的低成本生产，按照Ciba公司的专利，合成DPP类化合物所用的丁二酸酯一般为丁二酸的低级脂肪酯，其缺点是反应收率不高，有相当部分的原料没有转化或是生成了对人体有害的副产物。 为此，我们发明了一种环境友好的生产芳香腈的工艺，低成本地制造出所需要的芳香腈，还设计并合成了一种丁二酸的高级脂肪酯，用它与芳香腈反应可高产率地获得DPP类化合物，再对后者采用我们在以往的工作中累积的颜料化加工的技术对其进行颜料化加工，从而高品质地生产出DPP类有机颜料，部分品种已经被国外的汽车漆厂商用于制造汽车漆，成果获国家发明专利（ZL200510030080.6）授权，并在胶州市精细化工有限公司实现了工业化生产。