走在汽車革命的路上論文書籍站
國立陽明交通大學 生物資訊及系統生物研究所 柯立偉所指導 張揚的 開發穿戴式生理監測系統於注意力不足過動症輔助診斷 （2021），提出165 80 R13關鍵因素是什麼，來自於腦電圖、乾電極、生理狀態、注意力不足過動症、持續度表現測驗、深度學習、長短期記憶網絡。
而第二篇論文國立中正大學 生命科學系生物醫學研究所 黃憲斌所指導 沈俊傑的 鑑定phostensin 的EHD1(或EHD4)-結合模序 （2020），提出因為有 phostensin、EHD蛋白質、結合模序、液胞分選蛋白35的重點而找出了 165 80 R13的解答。
開發穿戴式生理監測系統於注意力不足過動症輔助診斷
為了解決165 80 R13 的問題，作者張揚 這樣論述：
本篇研究主旨為開發一個整合穿戴式腦電裝置之生理狀態監測平台，並應用於注意力不足過動症之輔助診斷。此研究共分為三階段：新式海綿電極開發、即時生理狀態監測平台建置及應用腦電圖於注意力不足過動症腦動態變化探討。在第一個研究中，闡述了海綿電極在此研究中的重要性及其效能之驗證。實驗結果顯示，海綿電極阻抗約為120 kΩ，表現優於市面上現有之乾式電極；在與傳統濕式電極收錄到之訊號比較也具高度相關性，足以證明海綿電極為一個具實用性之腦波電極。其次，配合腦波海綿電極及可攜式裝置，本研究開發一個能夠即時顯示使用者生理狀態之平台。本平台包含了常見的生理狀態指標，包含注意力、壓力及疲勞，並透過長時間的注意力網絡測
試驗證其確效性。第三個研究應用了不同方法探討執行持續度表現測驗時，與注意力不足過動症症狀相關之腦波特徵。基於評估報告中Omission及Commission等分數，持續度表現測驗能夠評估並量化使用者不專心及過動程度。為了找到相關之腦波特徵，本研究應用深度學習做為工具，找到與持續度表現測驗分數具高度關聯性之腦動態指標。研究中發現，基於深度學習中長短期記憶網絡模型擷取長時間序列中的重要訊息的能力，輸入受測者自靜息態轉換至執行認知作業時的腦波具有更高的區辯力。單一神經指標方面，位於視覺區，與視覺專注力有高度相關之O2通道beta頻段能量為分類準確率最高之腦波特徵指標。結合生理狀態監測與研究中找到與注
意力與過動相關之神經指標，即可做為一個能夠即時輔助檢測並視覺化注意力不足過動症相關症狀之平台。
鑑定phostensin 的EHD1(或EHD4)-結合模序
為了解決165 80 R13 的問題，作者沈俊傑 這樣論述：
KIAA1949經轉錄可轉譯出phostensin-α (PTS-α)與PTS-β，PTS-α與PTS-β分別含有165與613個胺基酸，PTS-α序列與PTS-β的C-端序列完全相同。在本實驗室已證明PTS會與EHD1或EHD4結合。PTS-α的是以第60-80殘基序列與EHD蛋白的類似動力蛋白結構域結合。PTS-α該序列包含一個新的模序64ILV(X)4（L / V）RL74S，該模序也存在於逆向異構體的液胞分選蛋白35（vps35）中，此逆向異構體會與EHD1相結合並調節逆行運輸。我將PTS-α的64IL66V與71LRL74S序列分別突變成AAA與AEAA，經由GST下拉實驗與遠西方
點墨法證明此序列是EHD1（或EHD4）結合模序。