注射用尤瑞克林治疗急性脑梗死系统评价

目的:系统评价注射用尤瑞克林能否改善急性脑梗死患者的神经功能缺损症状,促进其神经功能的恢复。方法:通过计算机检索、手工检索及向药厂索取资料,全面收集全世界范围内注射用尤瑞克林治疗急性脑梗死的随机对照试验(RCT),并按Cochrane协作网推荐的方法进行系统评价。结果:共纳入13个RCT(1437例患者),13个试验在治疗结束时进行了神经功能缺损评价,3个试验观察到严重不良反应。Meta分析结果显示,注射用尤瑞克林治疗组与对照组比较能显著改善神经功能缺损,差异有统计学意义[OR=2.55,95%CI(2.04,3.20)];3个试验的严重不良反应与血压相关。结论:注射用尤瑞克林有改善急性脑梗死患者神经功能缺损,但因研究质量及研究样本的局限性,尚需进行高质量、大样本的随机对照试验予以进一步证实。

稀疏频谱感知BigBand算法阈值选择研究

根据奈奎斯特采样定理,实时感知GHz数量级宽的频率,需要GHz以上的高速AD转换器。由于价格、功耗的限制,实际应用中较难实现。基于稀疏频谱感知的BigBand算法,针对环境中信号稀疏的情况下,通过多个50 MHz的AD转换器可以还原出0.9GHz宽的频谱。本文针对稀疏频谱感知的BigBand算法中的阈值进行研究,通过对噪声的参数的统计特征进行理论分析,提出一种基于最先检测信号强度的概率密度的阈值设定方法,为稀疏频谱感知BigBand算法的实际应用提供了技术支撑。

基于CNN+LSTM和脑电信号的疼痛分类的研究

脑电图是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映,包含大量的生理和病理信息。近年来,与疼痛相关脑电信号的研究是当前脑认知和临床治疗领域的研究热点和难点问题之一。使用卷积神经网络(CNN)和循环神经网络(RNN)结合的CNN+LSTM网络算法对疼痛和不痛的脑电信号进行二分类,准确率达到96%,与此同时Precision、Recall、F1-score分别达到96%、96%、96%,证明两种网络结合对研究疼痛的脑电信号是可行的。

基于CNN+Bi-LSTM和脑电信号的疼痛分类的研究

脑电图(Electroencephalogram, EEG)是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映,包含了大量的生理和病理信息。近年来,与疼痛相关脑电信号的研究是当前脑认知和临床治疗领域的研究热点和难点问题之一。文章使用卷积神经网络(Convolutional Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)结合的CNN+Bi-LSTM网络算法对疼痛和不痛的脑电信号进行二分类,准确率达到了97.1%,与此同时precision、recall、f1-score分别达到了97%、97%、97%。证明了两种网络结合对研究疼痛的脑电信号是可行的。