龟板的提取工艺研究

目的 :研究龟板的水提工艺。方法 :采用正交设计法 ,以煎出率及含氮量为考察指标 ,对影响龟板提取工艺的因素进行了优选。结果 :实验设计四因素中粉碎度、提取次数、提取时间对提取效果有显著影响。结论 :龟板提取的最佳工艺为A2 B3C2 D2 ,即粉碎度为 2 0～ 4 0目 ,加 8倍量水 ,提取 3次 ,每次 2h。

幼儿园体验式亲自然课程的实践

亲自然课程强调了自然在幼儿教育中的作用,要求教师调整教育思路,为幼儿设计自然探索、植物种植、动物观察等实践活动,以拉近幼儿与自然的距离。通过探讨幼儿园体验式亲自然课程的实施,简要分析亲自然课程的教育意义,立足幼儿的年龄特点、思维特征,整合多项教育资源,围绕学习环境、领域课程、社会实践三个方面,对教学活动提出几点可行之策。旨在以自然课程增强幼儿对自然环境的认知,以自然培养幼儿的综合素质。

基于卷积自编码的fNIRS信号运动校正算法研究

功能性近红外光谱技术(functional near-infrared spectroscopy,fNIRS)作为一种高时间分辨率、成本低廉、便携性高的脑成像系统,近年来深受脑神经科学等研究领域的关注。但fNIRS信号中的运动伪迹会干扰后期数据分析的结果,且现有的一些算法去噪效果较为单一。因此,本文提出了一种基于多层卷积自编码的fNIRS信号运动伪迹校正算法——MCAN算法,并使用该算法对fNIRS信号中的3种运动伪迹进行校正;然后用仿真数据和实验数据对所提算法的性能进行验证,将其与现有的几种常用算法进行对比,结果表明:MCAN算法在剩余运动伪迹数量、均方误差、信噪比、皮尔逊相关系数的平方、峰峰误差几种指标上表现良好,说明所提算法可作为一种全新的fNIRS信号预处理算法。

精神分裂症患者诱发态脑电信号特征提取研究

精神分裂症患者诱发态脑电信号量化特征可为疾病诊断提供依据。为此,从42例精神分裂症患者和29例健康人的学习任务中获取事件相关电位进行研究。首先,提取人体脑电信号的电位时域、频域特征。然后,基于相干性和相位滞后指数构建脑网络,分析脑功能连接差异性。实验结果表明,精神分裂症患者在学习任务过程中,P300波幅相较于健康人明显降低,在刺激开始后0.1~0.6s内,健康人theta频段功率更强,两者脑功能连接性差异主要体现在左半球的颞叶和枕叶之间,可为精神分裂症患者的早期诊断提供参考与借鉴。

瘢痕子宫再次妊娠孕妇发生并发症风险的列线图模型建立和评估

近年来,剖宫产率呈上升趋势,我国剖宫产率达42.35%^([1])。剖宫产率升高的同时也使瘢痕子宫再次妊娠率升高,瘢痕子宫再次妊娠孕妇极易出现孕囊或胚胎组织在瘢痕处着床,引发子宫破裂、宫外孕、前置胎盘、产后出血、盆腔粘连等并发症,对孕妇及胎儿生命安全构成威胁^([2])。

基于fNIRS的游戏成瘾识别方法研究

网络游戏成瘾已在世界范围内发展成为一种新型精神疾病。随着脑功能成像技术的不断发展,功能性近红外光谱技术(functional Near-Infrared Spectroscopy,fNIRS)已经被广泛应用于各个领域中。本文根据网络游戏成瘾量表筛选出22名受试者,利用fNIRS采集受试者在停止信号任务期间前额叶脑血氧饱和度数据。使用3种传统机器学习方法和长短期记忆(Long Short-Term Memory,LSTM)神经网络对fNIRS信号进行分类,来区分游戏成瘾患者和健康人,得到的最高准确率为85.7%。本文利用fNIRS在游戏成瘾识别方面做了有益的尝试。

基于DenseNet网络的焊缝缺陷检测识别

针对X射线焊缝的缺陷分类识别难度较高且传统算法复杂、低效的问题,引入了基于深度学习的密集连接卷积网络(DenseNet)算法,并对数据进行了动态增强。DenseNet网络算法脱离了机器学习算法中需要加深网络层数和加宽网络结构来提升性能的定式思维。通过特征重用和旁路设置,从而实现对焊缝缺陷的检测识别。在相同数据集和训练步数下,同最小二乘支持向量机(LS-SVM)与卷积神经网络LeNet算法对比,DenseNet网络提高了模型泛化能力和识别准确率,对焊缝缺陷识别准确率可达98.969%。

基于功能性近红外光谱的游戏成瘾者分类判别

目的网络游戏成瘾已被列为一种精神疾病,而目前暂无客观的方式判断是否存在游戏成瘾问题。本文采用支持向量机(support vector machines,SVM)、线性判别分析(linear discriminant analysis,LDA)和k最近邻(k-nearest neighbor,KNN)分类器实现对健康人和游戏成瘾者的分类判别。方法首先采集17名被试者(经临床医生诊断,6名为游戏成瘾者,11名为健康者)的功能性近红外光谱(functional near-infrared spectroscopy,fNIRS)数据,提取数据中的氧血红蛋白(oxygenated hemoglobin,HbO_(2))浓度数据,对HbO_(2)数据进行带通滤波和基线漂移校正并利用时间导数分布修复法去除运动伪影。然后,提取HbO_(2)的峰值、均值、斜率及其组合特征,采用SVM、LDA和KNN分类器对其进行分类判别。结果在3种特征组合情况下,SVM、LDA和KNN算法的分类准确率分别为76.47%、70.58%和64.70%。结论三种分类器可实现游戏成瘾疾病的分类判别,推进基于fNIRS信号在临床上辅助诊断游戏成瘾。

基于近红外光谱技术的游戏成瘾疾病对大脑认知控制功能的影响

目的基于近红外光谱技术探讨游戏成瘾疾病对大脑认知控制功能的影响。方法根据网络游戏成瘾(OGA)量表筛选出13名受试者,实验范式采用停止信号任务,利用近红外光谱技术采集受试者在认知活动过程中大脑前额叶区域氧合血红蛋白(HbO_(2))和脱氧血红蛋白(Hb)的相对浓度水平,对受试者的认知控制功能进行评定。结果游戏成瘾患者在停止信号任务中的按键准确率低于健康受试者,其差异具有统计学意义(P<0.05)。相比于健康受试者,成瘾患者的前额叶区激活程度不高,表现出不受控的行为和大脑活动。结论游戏成瘾疾病会使大脑认知控制功能受损,进而引发认知控制能力的削弱,为预防和治疗游戏成瘾提供了参考依据。