检索结果-南通市图书馆

中国睡眠研究会第十四届全国学术年会

作者： Di Zhang Jinbo Sun yichong she Wei Qin Xidian University

Background and Objective: Based on big data and artificial intelligence development, deep learning models for automatic sleep stage scoring that exceeds human scores’ agreement have been proposed in past research. Nevertheless, algorithms still suffer from the performance of stage N1. We aim to propose a new deep learning model to make its training process more suitable for the particular task of sleep staging, to achieve more robust performance in terms of stage N1 and overall scoring. Method: An end-to-end network model was implemented for sleep staging. This network consisted of two parts: a CNN composed of 1 d attention residual block for feature extraction, a classifier that could not only consider single epoch features but also look back and forward through consecutive epochs. Stage N1 accounts for a small proportion of all-night sleep and has confusing features, often relying on context to recognize. We proposed a novel transitive training strategy to minimize the impact from rebalancing N1 on overall performance. According to the training process, a decreasing factor α is automatically generated in the training phase, and the classification loss is calculated by adding two branche loss separately after alpha modulation. It means that the model can first train universal patterns with less influence by weak characteristics, and then exhaustively improve the performance of minority class(like N1) under these universal patterns and sequential information from context. Model with proposed transitive training strategy can effectively balance the intra-epoch and inter-epoch features in the sleep stage division, thus minimizing the performance cost when rebalancing the N1 stage. This model inputs five PSG channels of EEG(C3, C4), EOG(L, R), EMG and uses a five-to-one way to predict an epoch’s sleep stage. Result: A large-scale publicly available dataset with 5793 subjects, SHHS, was used for model training and test. The fitted model achieved accuracy of 88.16%, Cohen’s kappa of 0.836, and MF1 score of 0.818, and

关键词： sleep staging deep learning convolutional neural network N1 sleep rebalancing

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于氧化应激探讨中医药治疗早发性卵巢功能不全的作用机制

引用

中医药信息 2024年第6期41卷 28-34页

作者：黄思丹张怡张丹妮李欣悦梁策佘延芬师旭亮河北省中医针灸优势病症国际联合研究中心河北石家庄050091 河北中医药大学实验中心河北石家庄050020 河北中医药大学窦汉卿学术思想研究院河北石家庄050020

近年来由于女性工作压力及生活压力与日俱增,早发性卵巢功能不全(POI)发病率在不断增加,且有年轻化趋势。氧化应激是导致POI的重要机制之一,机体内活性氧的失调将诱导卵巢颗粒细胞凋亡,严重影响卵母细胞的生长发育。对近年来相关文献进... 详细信息

近年来由于女性工作压力及生活压力与日俱增,早发性卵巢功能不全(POI)发病率在不断增加,且有年轻化趋势。氧化应激是导致POI的重要机制之一,机体内活性氧的失调将诱导卵巢颗粒细胞凋亡,严重影响卵母细胞的生长发育。对近年来相关文献进行梳理,发现中医药可以有效提高POI的抗氧化能力,抵抗卵巢氧化应激损伤,其机制可能与线粒体活性、铁死亡以及PI3K、Nrf2、SIRT1、MAPK多条信号通路相关,治疗方式以中药单体、单味中药、中药复方、中成药、针灸及针药结合为主。

关键词：早发性卵巢功能不全氧化应激中医药机制信号通路

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进的Relief F多生理信号情绪识别算法

引用

西安工程大学学报 2022年第2期36卷 40-48页

作者：张晓丹杜金祥李涛佘翼翀赵瑞柯熙政康俊玮王舒仪西安工程大学电子信息学院陕西西安710048 西安电子科技大学生命科学技术学院陕西西安710071 西安理工大学自动化与信息工程学院陕西西安710054

针对单一生理信号特征信息不足以及个体特异性与全局阈值不匹配导致的情绪识别正确率低的问题,提出了一种改进的Relief F匹配多生理信号特征选择算法。通过小波包分解多生理信号并重构与情绪相关的6个波段,以及经验模态分解提取基于小... 详细信息

针对单一生理信号特征信息不足以及个体特异性与全局阈值不匹配导致的情绪识别正确率低的问题,提出了一种改进的Relief F匹配多生理信号特征选择算法。通过小波包分解多生理信号并重构与情绪相关的6个波段,以及经验模态分解提取基于小波系数和重构信号本征模函数分量的8类特征;使用Relief F算法先获得优选特征组,再构建优化特征组权重获得全局最优匹配特征组,以及与其对应的匹配通道;并采用概率神经网络结合全局最优匹配特征组训练情绪分类模型。结果表明:该方法能够较好地对愉悦、愤怒、放松、悲伤4类情绪进行分类,其平均识别正确率分别为90.89%、85.39%、82.81%、87.56%,对比单一生理信号平均提升了1.76%,验证了此方法的有效性。

关键词：多生理信号情绪识别小波包分解经验模态分解概率神经网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

旅行时快速步进(FMM)波前追踪算法研究

引用

国外电子测量技术 2018年第5期37卷 19-22页

作者：张晓丹佘翼翀张志禹朱磊郭华潘杨西安工程大学电子信息学院陕西省西安市710048 西安理工大学自动化与信息工程学院陕西省西安710048

地震波旅行时的求取是波场分析和偏移成像的核心问题之一,针对传统的旅行时计算方法计算慢、射线覆盖密度不足的问题,提出了采用快速步进（FMM）波前追踪算法进行旅行时的求取,该算法从静态Hamilton方程求解出发,能够适应复杂的地质构造... 详细信息

地震波旅行时的求取是波场分析和偏移成像的核心问题之一,针对传统的旅行时计算方法计算慢、射线覆盖密度不足的问题,提出了采用快速步进（FMM）波前追踪算法进行旅行时的求取,该算法从静态Hamilton方程求解出发,能够适应复杂的地质构造,无条件稳定。将该模型划分成3个子集：公认值格点集、近点格点集、远点集合,之后依次计算点集的旅行时,直到所有格点集成为公认值格点集。实验结果表明该方法能够较好的适应不同模型,旅行时的求取准确。

关键词：旅行时快速步进算法公认值格点集近点格点集远点格点集

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：