干细胞与心肌再生

由于成年心肌细胞通常不能再生,严重的心肌损伤会导致心肌不可逆的重构坏死, 从而发生心功能失调. 干细胞再生治疗为心肌再生提供了很好的策略. 为了寻找合适的干细胞类型, 促进心肌再生, 有效改善心功能, 需要更好地了解心肌修复和再生的分子基础. 已有研究发现多种干细胞可促进心肌再生. 描述了骨髓干细胞的促血管新生及心肌分化的能力在心梗治疗中的作用, 还讨论了心脏侧群干细胞以及诱导型多能干细胞在心肌再生中的作用和分子机制. 所阐述的最新数据有利于拓展干细胞治疗的有效潜能及临床影响.     

基于模型嵌入循环神经网络的损伤识别方法

目前,绝大多数基于深度学习的结构损伤识别方法依靠深度神经网络自动提取结构的损伤敏感特征,并通过损伤状态之间特征的差异实现模式分类识别.然而,这些方法面临着损伤量化难度大的挑战,并且需要大量的模型训练数据.本文提出基于模型嵌入循环神经网络（Model-Embedding Recurrent Neural Network,MERNN）的损伤识别方法.首先,通过数据驱动的卷积神经网络（Convolutional Neural Network,CNN）建立荷载-响应之间的映射关系,然后,利用龙格库塔法改进传统的循环神经网络,建立基于循环神经网络架构的数值计算单元.最后,基于结构响应计算值与实测响应残差构成的损失函数与神经网络的自动微分机制来实现结构刚度参数的更新,进而实现结构损伤识别.数值模拟框架与实验室的3层剪切型框架的损伤识别结果表明,本文提出的方法能基于少量响应数据准确量化结构损伤.     

基于卷积神经网络的荷载大小与位置同步识别

结构健康监测和状态评估中现有大多数研究均需要精确的荷载作用位置或详细的荷载时程,为了同时获得荷载大小和位置,构建并训练了同时具备分类和回归能力的两分支卷积神经网络,建立了融合分类问题和回归问题的损失函数,提取结构响应与荷载大小、结构响应与荷载位置间的映射关系.通过数值简支梁算例和三层试验框架验证了该方法识别结构荷载大小和位置的精度.结果表明：噪声条件下数值模型的荷载识别误差在8%以内,荷载位置识别准确率在95%以上;实际结构的荷载识别误差在18%以内,荷载位置识别准确率为100%.两分支卷积神经网络可以很好地同时识别荷载大小和位置.