消化系统挂图（25张）   第二版《人体解剖挂图》在第一版的基础上，重新设计、增绘、修改近80幅图。新增绘的内容：主要是肌肉部分，从而将骨、骨连结和肌肉编绘成一个完整的运动系统；另外，在消化、呼吸、泌尿生殖和局部解剖等系统中也增绘了若干幅新图。全套挂图仍按运动系统、消化系统、呼吸系统、泌尿生殖系统、循环系统、神经系统、内分泌系统、感觉器和局部解剖等9个部分，进行编排包装，共计260幅。 为了节省篇幅，本版挂图仍对某些内容采用一图多用的方法予以展示，例如部分血管和周围神经部分，即未作独立的完整系统进行编绘，而是放在“局部解剖”中予以综合展示。因此，使用内分泌系统挂图时，请按读者上述编排，依教学需要进行选图。   主要内容： 1、消化系统模式图 2、口腔及咽峡 3、口腔底及舌下面 4、恒牙（1） 5、恒牙（2）及乳牙 6、牙的构造模式图（纵切） 7、舌 8、鼻腔、口腔、咽和喉的正中矢状断 9、唾液腺 10、咽肌和舌肌（侧面观） 11、咽腔（后面观） 12、咽肌（后面观） 13、食管（前面观） 14、胃 15、腹部脏器（前面观）（1） 16、腹部脏器（前面观）（2） 17、直肠（内面观） 18、空肠及回肠内面观、结肠外面观 19、肝 20、肝叶、肝段和血管、胆管的肝内分布 21、胆道、十二指肠和胰腺（前面观） 22、网膜 23、腹腔正中矢状图 24、腹后壁腹膜的配布 25、腹腔横断（平面膜孔）、腹前壁内面观

循环系统挂图（26张）   第二版《人体解剖挂图》在第一版的基础上，重新设计、增绘、修改近80幅图。新增绘的内容：主要是肌肉部分，从而将骨、骨连结和肌肉编绘成一个完整的运动系统；另外，在消化、呼吸、泌尿生殖和局部解剖等系统中也增绘了若干幅新图。全套挂图仍按运动系统、消化系统、呼吸系统、泌尿生殖系统、循环系统、神经系统、内分泌系统、感觉器和局部解剖等9个部分，进行编排包装，共计260幅。 为了节省篇幅，本版挂图仍对某些内容采用一图多用的方法予以展示，例如部分血管和周围神经部分，即未作独立的完整系统进行编绘，而是放在“局部解剖”中予以综合展示。因此，使用内分泌系统挂图时，请按读者上述编排，依教学需要进行选图。   主要内容： 1、血管分布模式图 2、大、小循环示意图 3、心脏的外形和血管（前面） 4、心脏的外形和血管（后面） 5、心脏的位置 6、心包及心脏体表投影 7、右心房和右心室内腔 8、左心房和左心室内腔 9、心肌的走行 10、心室底及心脏传导系 11、头颈部的静脉 12、奇静脉及腔静脉 13、椎静脉丛 14、胸膜壁的浅静脉 15、肝门静脉及其属支 16、门腔静脉吻合模式图 17、胎儿血液循环模式图 18、体腔后壁的静脉和胸导管 19、淋巴系统模式图 20、头颈的淋巴管和淋巴结 21、气管、支气管、肺及胸前壁的淋巴管和淋巴结 22、胃的淋巴管和淋巴结 23、大肠的淋巴管和淋巴结 24、女生殖器的淋巴管和淋巴结 26、脾

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

在传统贵金属（金、银等）之外发掘出具有高性能等离激元效应的非金属新材料，是当前等离激元学基础研究及应用研发的一个热点与难点。金属氧化物半导体材料具有丰富可调的光、电、热、磁等性质，对其采取氢化处理可有效修饰其电子结构，从而获得丰富可调的等离激元效应；此处的一个关键性挑战在于如何显著提高金属氧化物半导体材料内禀的低自由载流子浓度。基于该研究团队新近发展的、理论模拟计算指导下的电子-质子协同掺氢策略，在本工作中研究人员采用简便易行的金属-酸溶液原位联合处理方法实现了金属氧化物MoO3半导体材料在温和条件下的可控加氢（即实现了“本征半导体→准金属”的可控相变），从而突破性地大幅提升了该材料中的自由载流子浓度。研究表明，氢化后的MoO3材料中自由电子浓度与贵金属相当（譬如H1.68MoO3：~1021cm-3；Au/Ag：~1022cm-3），这使得该材料的等离激元共振响应从近红外区移至可见光区，且兼具强增益及可调性。结合第一性原理模拟计算和以超快光谱为主的多种物性表征，研究人员进一步揭示出该协同掺氢所导致的准金属能带结构及相应的等离激元动力学性质。作为效果验证，研究人员在一系列表面增强拉曼光谱（SERS）实验中证实该材料表面等离激元局域强场可使吸附的罗丹明6G染料分子的SERS增强因子高达1.1×107（相较于一般半导体的104⁓5和贵金属的107⁓8），检测灵敏限低至纳摩量级（1×10-9mol L-1）。 这项工作创新性地发展出一种调控非金属半导体材料系统中自由载流子浓度的一般性策略，不仅低成本地实现了具有强且可调的等离激元效应的准金属相材料，而且显著地拓宽了半导体材料物化性质的可变范围，为新型金属氧化物功能材料的设计提供了崭新的思路和指导。

项目成果/简介:在传统贵金属（金、银等）之外发掘出具有高性能等离激元效应的非金属新材料，是当前等离激元学基础研究及应用研发的一个热点与难点。金属氧化物半导体材料具有丰富可调的光、电、热、磁等性质，对其采取氢化处理可有效修饰其电子结构，从而获得丰富可调的等离激元效应；此处的一个关键性挑战在于如何显著提高金属氧化物半导体材料内禀的低自由载流子浓度。基于该研究团队新近发展的、理论模拟计算指导下的电子-质子协同掺氢策略，在本工作中研究人员采用简便易行的金属-酸溶液原位联合处理方法实现了金属氧化物MoO3半导体材料在温和条件下的可控加氢（即实现了“本征半导体→准金属”的可控相变），从而突破性地大幅提升了该材料中的自由载流子浓度。研究表明，氢化后的MoO3材料中自由电子浓度与贵金属相当（譬如H1.68MoO3：~1021cm-3；Au/Ag：~1022cm-3），这使得该材料的等离激元共振响应从近红外区移至可见光区，且兼具强增益及可调性。结合第一性原理模拟计算和以超快光谱为主的多种物性表征，研究人员进一步揭示出该协同掺氢所导致的准金属能带结构及相应的等离激元动力学性质。作为效果验证，研究人员在一系列表面增强拉曼光谱（SERS）实验中证实该材料表面等离激元局域强场可使吸附的罗丹明6G染料分子的SERS增强因子高达1.1×107（相较于一般半导体的104⁓5和贵金属的107⁓8），检测灵敏限低至纳摩量级（1×10-9mol L-1）。 这项工作创新性地发展出一种调控非金属半导体材料系统中自由载流子浓度的一般性策略，不仅低成本地实现了具有强且可调的等离激元效应的准金属相材料，而且显著地拓宽了半导体材料物化性质的可变范围，为新型金属氧化物功能材料的设计提供了崭新的思路和指导。

糖尿病性血管病变是导致患者致残和死亡的主要原因，目前糖尿病性外周血管病变 的形态病理学资料尚不完善，且发病机制尚未完全阐明，治疗方法也有待提高。 该课题利用动脉造影方法，直接观察糖尿病外周血管病变的形态学特征，为认识该 病变提供形态学基础。同时为部分患者实施介入治疗，以改善患者外周肢体的血供，从 而尽可能地保留肢体。该研究还采用了简单而易行的方法（静脉闭塞试验了解内皮 t PA 和 NO 储备释放功能以及超声法检测血管舒张功能）以判断血管的的内皮功能，有助于 了解血管病变的程度和预后。此外，采用基因芯片和免疫组化技术进行糖尿病性血管病 变的分子生物学研究，为临床上阐明糖尿病性血管病变的发病机制提供了理论根据。同 时利用此技术观察了糖尿病鼠外周血管在使用他汀药物时的基因谱差异性表达，及其相 关蛋白的表达，旨在循环医学证据的基础上阐明糖尿病使用他汀治疗外周血管病变的分 子学改变，从而说明糖尿病患者使用他汀的合理性和不同类别他汀的有效性，为糖尿病 患者的血管病变预防治疗提供依据。 该研究从不同层次探讨了糖尿病性外周血管病变的状况，有助于认识糖尿病外周血 管病变的发病规律，为诊断和治疗提供了合理方法和理论依据。经专家讨论认为该研究 达到国内先进水平。

小分子代谢物和蛋白的相互作用在各种生物学过程中都发挥着至关重要的作用，发展 化学蛋白质组学技术 系统分析蛋白-代谢物相互作用网络可以促进对其生物学意义的理解。衣康酸是近年来在巨噬细胞中发现的一类具有显著抗炎活性的代谢小分子 ,   但其抗炎机制尚不明确 。由于衣康酸具有一个α,β不饱和羧酸的结构，理论上它可以通过迈克尔加成反应共价修饰到蛋白质的半胱氨酸残基上。 此前，两个课题组 合作发现，用于非天然糖代谢标记的全乙酰 化叠氮糖 探针，在细胞中可以通过 无酶催化形式标记蛋白质组中大量的半胱氨酸位点 (Qin W., et al. Angew. Chem. Int. Ed. 2018.) 。 基于该反应，两个课题组在本工作中合作 开发了 新一代 特异性 半胱氨酸标记 糖 探针1-OH-Az ，并结合定量化学蛋白质组学技 术， 成功 地在 巨噬细胞蛋白质组中 鉴定到 260个衣康酸修饰的半胱氨酸位点 。作者进一步分析 发现糖酵解中的三个关键酶ALODA，GAPDH和LDHA 都 可以被衣康 酸修饰，其中 最 上游的ALDOA 蛋白中两个半胱氨酸（ Cys73和Cys339 ） 上 在被脂多糖刺激的巨噬细胞中发生了 内源的衣康酸修饰。 生化 和细胞 实验表明 衣康酸可以 通过修饰这两个半胱氨酸残基 显著地抑制ALDOA的催化活性， 进而 抑制巨噬细胞 内 的糖酵解通路， 从而 发挥抗炎活性。

研发阶段/n本成果针对兽用抗菌药物残留和动物源产品安全等问题，建立了三种能同时快速检测动物可食性组织或尿中五类抗菌药物(青霉素类、大环内酯类、四环素类、氨基苷类、氟喹诺酮类〉残留的微生物学方法一抗菌药物残留快速拭子检测法(FAST)、现场拭子检测法(STOP)和活体拭子检测法(LAST)，各项技术指标符合国家有关规定。以上述方法为基础研制出相应的三种试剂性能指标与国际上同类试剂盒相当，与仪器分析法(HPLC)具有良好的相关性。经多家单位的复核和应用证明，三种试剂盒的准确度、精密度和灵敏度能满足兽药残

胚胎植入前遗传学诊断，是在人类辅助生殖技术基础上对早期的种植前胚胎进行遗传学诊断，选择健康胚胎移入母体，避免异常胚胎的移植和着床，使遗传病基因携带者夫妇在怀孕前淘汰患病胚胎，避免遗传病患儿的出生，降低自然流产发生率，避免选择性流产和多次流产对妇女及其家庭带来的危害及伦理道德观念的冲突，为更有效地防止遗传病提供了方法。 PGD技术将辅助生殖技术与体外受精、显微操作、胚胎活检和mFISH、PCR等DNA检测技术完美地揉和在一起，将产前诊断的时间提早到了胚胎种植前，避免了妊娠后再进行选择