臺灣

亨丁頓舞蹈症為與認知功能障礙密切相關的神經退行性疾病。本研究首次應用動態葡萄糖強化磁振造影（DGE MRI）以了解葡萄糖代謝作為亨丁頓舞蹈症神經影像生物標記的可行性，以分析大腦中不同區域之間的代謝關係。 本研究對腦區間葡萄糖代謝關聯性進行分析，並針對訊號進行自動化分群，觀察特定訊號樣態之特徵。於zQ175 KI和R6/2 KI小鼠中不同的連接性變化模式中，發現紋狀體和齒狀回之間葡萄糖代謝連接性具顯著變化，與已知病理一致，顯示DGE MRI作為臨床生物標記之潛力，以利及時診斷和監測該疾病。 這項開創性的研究探索了使用DGE MRI作為亨丁頓舞蹈症影像標記可行性，並詳細分析腦區間葡萄糖代謝相關性，不僅進一步對該疾病之病理更加深入了解，同時提高早期診斷、疾病監測和精準醫療應用發展，說明可能有針對代謝紊亂的潛在治療策略。

本研究使用1973-2023年地震數據，以DBSCAN進行臺灣東部、東北部及選定區域的群震分群，自相關分析及傅立葉變換探討其週期性，核密度估計推測群震後發生大地震的機率，並以群震及大地震數據擬和方程式。結果顯示選定區域群震空白期為9.28年，群震週期為6.18年；東北部群震空白期為13.35年，週期無法確定；東部群震週期為7.27年，空白期無法確定。選定區域、東北部及東部群震後200天內發生大地震的機率分別為9.86%、12.06%及6.41%。方程式顯示選定區域及東部內群震總能量與群震和大地震時間差呈負相關，東北部為正相關。將三區域2024年的群震及地震數據代入方程式，最佳標準化殘差值分別為0.15、-0.01及-0.93，方程式具預測價值，但仍需更多數據支持。

阿茲海默症(AD)是導致失智症的主因，影響全球數千萬人。然而，AD目前的藥物大多昂貴且療效有限。目前已知腦內β類澱粉蛋白(Aβ)斑塊為AD的病理特徵，且大腦清除系統被認為對AD的治療具有重要性。先前研究發現非侵入性迷走神經刺激術(nVNS)增加腦脊髓液循環，但在神經退化疾病中的機制和應用尚不明確。本研究旨在探討nVNS增強大腦清除系統來作為AD新療法之成效，使用Aβ誘導之AD小鼠模型，利用巨視顯微鏡和免疫組織化學染色評估其膠淋巴系統功能，並以新奇事物測試評估認知功能。本研究發現於AD小鼠中，給予nVNS使大腦清除系統之水通道蛋白-4顯著增加、促進膠淋巴系統，進而改善認知功能。本研究首次發現nVNS可通過增強大腦清除系統功能，進而改善AD病理引起的失智症狀，支持nVNS作為AD新療法的可行性。

本研究以人類肺癌A549細胞株和纖維母細胞模擬體內腫瘤微環境，挖掘纖維母細胞如何促進癌細胞的生長。從病人的正常和癌組織提取癌相關纖維母細胞（cancer-associated fibroblasts, CAFs） 和 正常纖維母細胞（Normal Fibroblasts, NFs），經過基因序列一對對作分析，開發新的治療策略和潛在的靶點。利用核糖核酸定序（RNA-Seq）分析發現CAFs會比NFs分泌更多SNARE 蛋白 YKT6，而更深入地探究獲悉YKT6會透過活化YKT6+CAFs途徑促進肺癌A549細胞惡化，此惡化過程包括誘導及提升癌細胞的生殖（proliferation），轉移(migration)和入侵(invasion)能力。 此外，在 CAFs 中敲除 YKT6基因，減弱CAFs 的外泌體（exosome）釋放，從而調節了其對肺癌細胞A549的腫瘤促進作用。本研究發現靶向YKT6並抑制外泌體分泌，從而降低CAFs對肺腺癌細胞的腫瘤支援功能可以為肺癌治療提供一種新的策略。

本研究目標在建構可以識譜及吹奏中國笛的吹笛機器人。中國笛演奏必須協調吹法及指法；藉由控制吹氣流速、吹嘴角度及六指按壓音孔的變化來控制音高以完美地吹奏樂曲，是一項複雜的演奏技術。機器人以模擬吹笛口型的吹嘴，搭配兩個風箱往復送氣到一個壓力調節風箱送氣，以微控制板控制六個機械手指來蓋放完成演奏，為在音尾可確實止氣，設計一個風門，利用風門開闔也可模仿吐音技巧讓笛聲明確發音。辨識樂譜方面收集樂譜樣本，樣本分成譜線、音符、節奏三套，透過多任務學習MTL的深度學習架構進行訓練，建構可以辨識五線四間上下三線及全音符到16分音符及休止符的樂譜辨識模型。經測試若樂譜在符合音域範圍內，可以完整的辨識，轉換成音符資料傳送給吹笛機器人吹奏。

離岸流是海灘安全的重大隱患，台灣有30處海岸經衛星拍攝到離岸流。其發生時間和地點不定，且會迅速將人帶離岸邊，最遠約100公尺。民眾常因掙扎而體力不支，導致溺斃。為減少此類事故，本研究開發了一套離岸流偵測預警系統，構建出準確度超過95%的辨識模型。 因台灣無離岸流圖庫，本研究除國外圖庫，也加入台灣GoOcean等平台的即時影像，以貼合台灣實際狀況。經影像前處理後，共約四萬張圖片和五十部影片用於訓練YOLO v8模型。當偵測到離岸流，即時透過Discord發送警報至救難中心。我們也加入人形辨識功能，若系統同時偵測到人與離岸流，則加強警戒等級，從而提升救援效率。 完成離岸流辨識系統後，我們著手開發預警功能。將辨識模型應用於各地監視器，蒐集更多離岸流資料，再先後使用YOLO v8和Transformer提取生成特徵，預測其發生，以達成預警的功能。

本研究探討臺灣常見的鋼筋華廈、鋼筋及鋼骨大樓，透過於地下室外牆與連續壁間填入非牛頓流體、牛頓流體及輕黏土，比較建物受震時加速度，發現地下結構中設置非牛頓流體減震裝置較牛頓流體、輕黏土更減震。而模擬器搖晃20-50秒時，非牛頓流體能顯著的減震，超過50秒後，非牛頓流體可能因沉澱而減震效果下降；在100秒後，無減震裝置的建築加速度上升，非牛頓流體再次出現明顯的減震效果；不同重心的建築質量分布導致不同的擴溶現象，使減震效果發生變化；較高的建物因力臂較長，重心高時產生較大的加速度。接著觀察光穿透吉利丁凍的偏折情形，發現受力面與地震方向垂直時，牆面受力明顯；若受力面和搖晃方向不垂直，柱的部分受力大，且觀察到力量有轉移的現象。最後，為建築設計超聲波測距模組，即時監測建築下陷或傾斜情形，以利即時修繕及重建。

在這篇作品中，主要研究Repunit數列=在模n之下的餘數數列循環性質。我們探討了Repunit餘數數列在什麼條件下 為純循環週期數列、混循環週期數列和完全純循環週期數列，同時給出了循環週期的公式及上界。接著我們發現一階非齊次線性遞迴數列在模n之下的循環週期與c進制Repunit數列在模 n/gcd(n,c)之下的循環週期相同，並且進一步探討餘數數列在什麼條件下為純循環數列、混循環循環數列和完全純循環數列。

本實驗之研究目的，是利用紅麴發酵製作馬祖老酒後產出的酒糟，探討對於酵母菌微生物在不同濃度和不同溫度的酒糟水溶液的反應與影響。本次實驗中使用3%、4%、5%三種濃度酒糟水溶液，發現 4% 濃度酒糟水溶液和酵母菌反應較快並產生大量氣泡，其次為 3 %，最後是 5 %，表示 4 %時酵母菌微生物較活躍。此外溫控平台以30℃(實際水溫約27℃左右)、40℃(實際水溫約36℃左右)、50℃(實際水溫約46℃左右)三種溫度酒糟水溶液進行實驗時，發現溫控平台 40 ℃(實際水溫約36℃左右)酒糟水溶液和酵母菌反應較快並產生大量氣泡。其次為 50 ℃(實際水溫約46℃左右)，最後是 30 ℃(實際水溫約27℃左右)，表示實際水溫 36 ℃左右時酵母菌微生物較活躍。

背景：預測分子性質如溶解度、毒性及熔沸點對於基礎科學至關重要。然而，實驗測量這些性質耗時且昂貴，因此本研究使用多種機器學習模型藉由調整變相來準確預測熔、沸點。 方法：本研究使用超過一萬筆數據及兩種類型的機器學習方法：淺度與深度學習。淺度學習由 PyCaret實現，並以Mordred作為分子描述器；深度學習使用圖神經網路，包括（CMPNN和GCN），並調整隱藏層參數。 結果：CMPNN在目前嘗試的模型中表現最佳。發現影響沸點預測的關鍵特徵是piPC1，與鍵級相關；熔點則是AATS0d，與σ電子的 Moreau-Broto自相關有關。 結論：CMPNN模型在沸點與熔點預測中均表現最佳。沸點中深度學習模型優於淺度學習模型（p<0.05）。此外，使用SHAP成功找出piPC1和AATS0d對最關鍵。本研究不僅得出了高準確性的模型，還發現了影響分子性質的關鍵特徵，且可擴展至其他預測。