-
题名视听联合手指活动训练对老年痴呆患者认知功能的影响
- 1
-
-
作者
聂越
宋淑华
董杨洋
-
机构
云南师范大学体育学院
-
出处
《体育科技文献通报》
2024年第1期157-159,182,共4页
-
基金
云南省哲学社会基金规划项目(项目编号:YB2020098)。
-
文摘
为了探讨视听联合手指活动训练对老年痴呆患者认知功能的影响,本文选取昆明市某养老院近一年120例老年痴呆患者纳入研究,将其随机分为对照组和实验A,B,C四个组别,每组30名,对照组不做干预,A组行视听训练,B组行手部动作训练,C组行视听联合手指活动训练。干预8周,每周5次,每次2h。比较各组患者的MMSE和MoCA评分,观察其认知功能的变化。结果表明,8周后与对照组相比,三组患者评分均有提高,差异有统计学意义P<0.05,其中C组患者提升最明显。研究认为视听联合手指活动训练对改善老年痴呆患者的认知功能有较为积极的作用。
-
关键词
视听训练
手指活动
老年痴呆
认知功能
-
Keywords
audio-visual training
finger exercise
senile dementia
cognitive function
-
分类号
G804.5
[文化科学—运动人体科学]
-
-
题名传媒视野下播音主持艺术要素思考
被引量:3
- 2
-
-
作者
董杨洋
-
机构
遵义市新蒲新区宣传文化中心
-
出处
《西部广播电视》
2017年第4期108-108,共1页
-
文摘
由于播音主持人综合素质直接关系到电视节目播放效果,因此加强播音主持的艺术要素,可以保证电视节目具有一定收视率。本文在传媒视野下,对播音主持艺术要素进行具体分析,意在增加电视节目整体社会效益,从而助力电视更好实现长远发展。
-
关键词
传媒视野
播音主持
艺术要素
-
分类号
G222.2
[文化科学]
-
-
题名髌骨脱位术后功能锻炼疗效分析
- 3
-
-
作者
董杨洋
宋淑华
-
机构
云南师范大学体育学院
-
出处
《当代体育科技》
2022年第36期14-17,共4页
-
基金
云南省哲学社会基金规划项目(YB2020098)。
-
文摘
目的:探究功能锻炼在髌骨脱位术后的应用效果。方法:选取某市某医院2021年8月至2022年2月收治的60例髌骨脱位术患者作为调查对象,通过分层随机的方式,划分成2组,各30例:一组设定成对照组,实施常规护理方案;另一组设定成是实验组,在常规护理方案的基础上,增加功能锻炼。在术后24h后便可在床上进行轻度活动,后续随着恢复情况,逐渐改变锻炼强度。对比两组患者膝关节功能、疼痛情况与后遗症发生率。结果:与对照组相比,实验组患者HSS评分(83.06±13.22)高于对照组患者HSS评分(72.81±14.73);实验组患者VAS评分(3.43±0.87)低于对照组患者VAS评分(4.26±1.30);实验组患者后遗症发生率(6.67%)低于对照组患者后遗症发生率(30.00%)。结论:对髌骨脱位术后患者护理时,有效制动患者康复锻炼,可更好地改善患者膝关节功能,降低患者疼痛度,并防止各种后遗症的出现,对患者恢复具有重要意义。
-
关键词
髌骨脱位
功能锻炼
后遗症
疗效分析
-
Keywords
Patellar dislocation
Functional exercise
Sequela
Curative effect analysis
-
分类号
G806
[文化科学—运动人体科学]
-
-
题名播音主持人对电视新闻播音技巧的掌控分析
被引量:1
- 4
-
-
作者
董杨洋
-
机构
新蒲新区宣传文化中心
-
出处
《新闻研究导刊》
2017年第7期214-214,共1页
-
文摘
播音主持人不仅应充实自身专业知识,还要熟练运用播音技巧。本文首先对播音主持人掌控电视新闻播音技巧的意义进行了分析,其次阐述了电视新闻播音主持的语言特征,最后探究了播音主持人对电视新闻播音技巧的掌控。
-
关键词
播音主持
电视新闻
播音技巧
-
分类号
G222.2
[文化科学]
-
-
题名局部特征融合的小样本分类
- 5
-
-
作者
董杨洋
宋蓓蓓
孙文方
-
机构
长安大学信息工程学院
西安电子科技大学空间科学与技术学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2023年第7期2093-2104,共12页
-
基金
国家自然科学基金项目(62001059)
陕西省重点研发计划资助(2021GY-019)。
-
文摘
目的小样本学习是一项具有挑战性的任务,旨在利用有限数量的标注样本数据对新的类别数据进行分类。基于度量的元学习方法是当前小样本分类的主流方法,但往往仅使用图像的全局特征,且模型分类效果很大程度上依赖于特征提取网络的性能。为了能够充分利用图像的局部特征以及提高模型的泛化能力,提出一种基于局部特征融合的小样本分类方法。方法首先,将输入图像进行多尺度网格分块处理后送入特征提取网络以获得局部特征;其次,设计了一个基于Transformer架构的局部特征融合模块来得到包含全局信息的局部增强特征,以提高模型的泛化能力;最后,以欧几里得距离为度量,计算查询集样本特征向量与支持集类原型之间的距离,实现分类。结果在小样本分类中常用的3个数据集上与当前先进的方法进行比较,在5-way 1-shot和5-way 5-shot的设置下相对次优结果,所提方法在MiniImageNet数据集上的分类精度分别提高了2.96%和2.9%,在CUB(Caltech-UCSD Birds-200-2011)数据集上的分类精度分别提高了3.22%和1.77%,而在TieredImageNet数据集上的分类精度与最优结果相当,实验结果表明了所提方法的有效性。结论提出的小样本分类方法充分利用了图像的局部特征,同时改善了模型的特征提取能力和泛化能力,使小样本分类结果更为准确。
-
关键词
小样本学习
度量学习
局部特征
TRANSFORMER
特征融合
-
Keywords
few-shot learning
metric learning
local feature
Transformer
feature fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-