针对传统物理信息神经网络（physics-informed neural network，PINN）在处理血流边界条件约束时的局限性，提出一种基于硬边界约束物理信息神经网络（hard boundary-constrained physics-informed neural network，HBC-PINN）的改进方法，实现对狭窄动脉血管内血液流场的精确预测。

首先建立理想化狭窄血管几何模型并进行计算流体动力学模拟以获得验证数据集。根据硬约束方法设计合适的边界相关试函数以将流动边界条件嵌入网络输出中，从而构建采用硬边界约束方法的HBC-PINN模型预测狭窄血流的速度场和压力场。同时还构建了采用软约束方法的原始PINN模型作为对比，通过评估两种模型在验证数据集上的准确性，验证不使用任何标记数据训练下HBC-PINN模型模拟血流动力学的能力。

确定了HBC-PINN方法在狭窄血流动力学参数预测任务中的有效性。两种不同狭窄情况下HBC-PINN预测的流向速度和压力的相对L₂误差均低于0.5%，相比原始PINN模型精度提升了48.8%以上，垂向速度的预测精度同样提升了超过35.4%。

在PINN建模过程中实施边界条件硬约束可以有效提高对血流动力学参数的预测精度和模型求解效率。

利用全连接神经网络（fully convolutional neural network，FCNN）实现无创精准预测平均动脉压（mean arterial pressure，MAP）。

采用符合国际计量标准的高精度血压数据采集系统，结合“金标准”听诊法同步获取患者的血压脉搏波形数据；通过高斯拟合处理脉搏波形数据后得到真实MAP，基于此过程构建可溯源的数据集。采用FCNN对上述数据集进行处理，提出了一种新的MAP预测模型，并比较FCNN、线性回归和经验公式3种方法预测MAP的效果。

FCNN、线性回归和经验公式预测MAP的均方误差分别为19.76、21.40、30.97，决定系数分别为0.90、0.89、0.84。

以收缩压、舒张压、年龄和臂围作为输入参数，通过FCNN预测MAP可有效降低经验公式的系统误差，为血流动力学边界条件的精确获取提供支持，进一步完善现有无创血压测量的计量溯源体系。

为阐明钛表面改性对未成熟树突状细胞（immature dendritic cells，imDCs）免疫功能的调控，在钛表面构建不同晶相纳米形貌，探究imDCs对钛表面不同晶相纳米形貌的力学生物学响应。

通过阳极氧化和煅烧的方法在钛表面构建不同晶相的纳米形貌；将imDCs培养于不同晶相纳米形貌的钛基底上后，通过荧光染色观察不同晶相纳米形貌上imDCs细胞骨架F-actin、黏附及形态的变化；采用实时荧光定量PCR检测黏附分子的表达量；利用活细胞实时成像观察imDCs的迁移行为；通过荧光偏振法检测imDCs的膜流动性。

经阳极氧化和煅烧在钛表面获得了不同晶相纳米形貌，分别为非晶相、锐钛矿和金红石。不同晶相纳米形貌上imDCs的细胞骨架发生重塑，锐钛矿晶相上细胞的铺展面积相对较小，为（353.3±148.5）μm²；黏附的细胞数量最多，为（587±132）个，黏附分子CD11a、integrinβ2、ICAM1、VCAM1的表达量也增加；细胞迁移能力较强，累积迁移距离为（383.6±177.7）μm，欧式迁移距离为（51.82±50.13）μm；膜流动性相对较弱，荧光偏振度为0.348 5±0.041 8。

imDCs能对钛表面不同晶相纳米形貌产生响应，表现出不同的生物力学行为。研究结果为设计具有免疫调控功能的钛生物材料提供理论依据。

探讨视力障碍（vision impairment，VI）对偏瘫患者步态的影响，评估其行走能力和跌倒风险，并为制定有效的康复策略提供依据。

纳入30例偏瘫患者，依据视力受损程度分为视力未受损组、轻度视力障碍组和严重视力障碍组。使用Qualisys动作捕捉系统和Kistler三维测力台收集患者未经屈光矫正条件下的步态数据，同时对患者平衡能力进行评估。而后对步态和评估数据进行统计分析，以比较组间差异。

与视力未受损组相比，轻度视力障碍组、严重视力障碍组偏瘫患者的步长、对称性、步速间均存在显著差异。随着VI加重，患者步态异常更为明显，步态周期中双脚支撑相、患肢摆动相占比更长，患肢单支撑相占比更短。与视力未受损组相比，轻度视力障碍组、严重视力障碍组偏瘫患者足底压力（center of pressure，COP）、COP对称性间存在显著性差异，步态异常加剧；伯格平衡量表（Berg balance scale，BBS）评分显示，视力未受损组与严重视力障碍组间存在显著性差异，提示视力受损组平衡能力更差。

VI对偏瘫患者步态和行走能力产生了显著的负面影响。本研究强调在偏瘫患者康复中应重点关注VI的影响，定期进行视力评估及个性化干预，这对于提升患者步行质量具有重大意义。

分析两种静脉-动脉体外膜肺氧合（veno-arterial extracorporeal membrane oxygenation，VA-ECMO）插管方式及后续进行的左心室减压对心室功能和血流动力学的影响及差异。

在MATLAB/Simulink环境中扩建VA-ECMO与心血管系统结合的集总参数模型，模拟分析心衰患者模型在中心VA-ECMO或外周VA-ECMO支持下的心室功能及血流变化。比较在泵流量为3 L/min的中心VA-ECMO支持下，使用动脉血管扩张药物或在左心房放置减压管对左心室功能的影响。

在中心VA-ECMO或外周VA-ECMO支持下，左心室压力和容积均增大，每搏输出量和心室做功减少。动脉血管扩张药物和左心房减压管均能降低左心室压力和容积，其中动脉血管扩张药物可增加左心室每搏输出量，并将射血分数由11.6%提升至19.5%。

两种VA-ECMO插管方式均能为心衰患者模型提供有效的循环支持，且对心室功能影响相似。中心VA-ECMO支持下，动脉血管扩张药物比左心房减压管更能改善左心室功能。

应用长短时记忆神经网络（long short-term memory，LSTM）模型，以无标记动作捕捉系统所得下肢关节点坐标作为输入变量，估算跑步过程中的地面反作用力（ground reaction forces，GRF）曲线。

采用无标记动作捕捉系统和三维测力台同步采集59名业余跑者跑步动作下的视频图像和动力学数据。建立LSTM模型，以Theia3D无标记动作捕捉系统获取的11个下肢关节点三维坐标作为输入变量估算跑步支撑阶段三维GRF曲线。使用相关系数、均方根误差（root mean square error，RMSE）和标准化均方根误差（normalized root mean square error，nRMSE）评估LSTM模型的估算效果，采用统计参数映射分析LSTM模型估算和测力台实测曲线的差异，采用配对样本t检验分析模型估算与实测GRF特征差异。

LSTM模型估算所得GRF与实测值之间高度相关（r>0.85，P<0.001）且误差较小（RMSE<0.3倍体重，nRMSE<15%）。LSTM模型估算所得GRF曲线与实测曲线之间不存在显著差异区间。基于LSTM估算曲线计算所得GRF特征与实测值不存在显著差异（P>0.05）。

基于LSTM模型，可从无标记动作捕捉系统获取的下肢关节点三维坐标有效估算人体跑步时GRF曲线，并获得准确性较高的GRF特征。本研究建立的LSTM模型可以用于户外环境下监控跑步过程中的损伤风险。

通过实验研究骨骼肌优异性能背后的生物和作用机制，为开发性能比肩骨骼肌的柔性驱动器提供科学依据。

通过对青蛙骨骼肌制成的实验样品施加电刺激作用引起收缩，然后对其施加拉伸载荷进行测试，从骨骼肌尺寸、肌腱和肌外膜3个方面分析骨骼肌收缩长度和输出力等驱动性能与其结构之间的关系。

骨骼肌样品在无负载和承受50%自身最大输出力负载时的收缩长度分别约为28.92%和20%，而且当骨骼肌所受负载不大于其最大输出力的20%时，它还具有快速复位（约1.25 s）的特性；对比无活性的肌腱，有活性肌腱可以提高约19.68%的收缩量；肌外膜的完整性也可以很好保护骨骼肌的力传递效率。

通过模仿骨骼肌的结构和生物力学特性，柔性驱动器可以具有更好的驱动性能，这将极大地促进仿生机器人的发展。

研究自体动静脉内瘘（autologous arteriovenous fistula，AVF）血流动力学特征，为降低其狭窄率提供理论依据。

针对AVF优化模型，进行了基于双向流固耦合的仿真研究。通过分别模拟不同吻合角度模型在逆行（汇流）和顺行（分流）两种血流模式下的情况，分析1个心动周期内不同时刻、不同吻合角度内瘘中血管流场与壁面剪切力（wall shear stress，WSS）的分布。

在汇流模式下，60°吻合角度模型WSS<1 Pa的面积最小，为7.027 mm²，且45°、60°和90°吻合角度模型在涡流尺寸和强度上差异并不显著。在分流模式下，45°吻合角度模型WSS<1 Pa的面积最小，为9.079 mm²。但60°吻合角度模型涡流强度和涡流分布面积最小；此外，60°、45°吻合角度模型WSS<1 Pa的面积仅差2.661 mm²。

无论内瘘的流动模式是汇流还是分流，建立60°吻合角度内瘘更有利于降低动静脉内瘘中血管狭窄的发生风险。