简介:摘要目的基于功能磁共振成像(functional magnetic resonance imaging,fMRI)数据构建深度学习分类模型,以辅助诊断双相障碍患者,并分析双相障碍关键影像学特征,提高双相障碍识别率。方法收集符合 DSM-Ⅳ诊断标准的双相障碍患者146例(患者组)以及健康对照者234名(对照组),进行fMRI扫描。采用局部一致性(regional homogeneity,ReHo)和低频振幅2种方法分析fMRI数据。基于ReHo和低频振幅指标分别采用深度神经网络(deep neural networks,DNN)和双通道卷积神经网络(dual-channel convolution neural networks,DCNN)构建分类模型,并通过比较分类准确率、受试者工作特征曲线曲线下面积获得最佳分类模型;采用准确率较高的影像指标对基于自动解剖标记图谱(anatomical automatic labeling,AAL)的90个大脑区域使用支持向量机(support vector machine,SVM)算法构建基于单个脑区的分类模型,并通过比较准确率指标,识别双相障碍的关键影像学特征。结果基于ReHo和低频振幅指标构建的DCNN分类模型的准确率分别为75.3%和72.6%,优于同指标下准确率分别为67.1%和65.1%的DNN分类模型,且使用ReHo指标构建的分类模型准确率相对优于低频振幅指标;同时基于SVM分类模型使用ReHo指标显示枕叶(枕中回、枕上回、舌回)、海马、丘脑等为识别双相障碍的关键脑区,且准确率均高于65.0%。结论基于ReHo指标的DCNN分类模型可用于双相障碍的辅助诊断;同时枕叶、海马、丘脑可能是辅助识别双相障碍的关键影像学特征脑区。
简介:摘要:目的:了解护士对卫生法律知识的认知程度,分析影响护士卫生法律知识认知水平的因素,为护理管理人员后续开展相关培训提供依据。方法:对我市数家医院进行卫生法律法规知识问卷调查,利用统计学软件对调查结果进行分析处理。结果:研究结果显示,达到及格线护士人数为367人,及格率为90.84%;在《护士条例》、《医院感染管理办法》以及《侵权责任法》三项法律法规的认知水平上,护龄超过6年的护士要明显优于护龄低于6年的护士,受教育水平为本科及以上的护士要明显优于高中及以下学历的护士(P<0.05)。结论:目前我市护士的卫生法律知识水平虽然及格率较高,但一些年资较低、学历水平较低的护士其认知水平还有待提高,因此还需要对学历水平不高、护龄较低的护士进行法律知识强化训练。
简介:摘要语法是一种语言的骨架,可见语法的重要性。但是,在汉语中,由于汉语的特殊形式,语法在汉语学习中只能够起到辅助作用。因此,近几年来,新课程标准中对中学语文的语法出现淡化现象。现阶段,语文新课程标准教学中尤其是语法教学中,存在着很多不足,对语法没有引起足够的重视。认识到语法在中学教学中的重要地位和重视加强语文语法教学,是语文教师在以后教学中需要改进和加强的。本文对语文语法教学方法进行了探讨。