目的探讨动脉自旋标记(ASL)联合格拉斯哥昏迷量表(GCS)评分预测与动脉瘤性蛛网膜下腔出血(aSAH)患者认知功能障碍的价值。方法选取本院aSAH患者105例,根据其出院6个月后的蒙特利尔认知评估量表(MoCA)评分分为障碍组(54例)和正常组(51例...目的探讨动脉自旋标记(ASL)联合格拉斯哥昏迷量表(GCS)评分预测与动脉瘤性蛛网膜下腔出血(aSAH)患者认知功能障碍的价值。方法选取本院aSAH患者105例,根据其出院6个月后的蒙特利尔认知评估量表(MoCA)评分分为障碍组(54例)和正常组(51例)。比较两组的年龄、Hunt-Hess量表评分、改良Fisher量表评分、GCS评分和ASL参数等资料。采用Logistic回归分析aSAH患者认知功能障碍的风险因素。采用受试者工作特征(ROC)曲线、平均绝对误差(MAE)、均方误差(MSE)和决策分析曲线评价各风险因素判断aSAH患者认知功能障碍的价值。结果出院6个月后54例(51.43%)认知功能障碍。障碍组的年龄、Hunt-Hess量表评分和改良Fisher量表评分均高于正常组,GCS评分、同侧局部脑血流量(rCBF)值和rCBF比值均低于正常组,差异有统计学意义(P<0.05)。Logistic回归(Forward LR法)分析结果显示对年龄、Hunt-Hess量表评分、改良Fisher量表评分、同侧rCBF值和对侧rCBF值调整后GCS评分高和rCBF比值高均是aSAH患者认知功能障碍的独立保护因素(P<0.05)。rCBF比值+GCS评分判断aSAH患者认知功能障碍的ROC曲线下面积(area under curve,AUC)高于rCBF比值和GCS评分,MAE值和MSE值低于rCBF比值和GCS评分。rCBF比值+GCS评分判断aSAH患者认知功能障碍的净收益在绝大部分阈值范围内均高于rCBF比值和GCS评分。结论rCBF比值和GCS评分高提示aSAH患者出院6个月后认知功能障碍风险降低。rCBF比值联合GCS评分对于判断aSAH患者认知功能障碍有一定价值。展开更多
针对目前Turbo码分量编码器参数识别算法容错性不好、计算量大的缺点,该文提出一种基于校验方程符合度的新算法。首先,根据码元约束长度较小的特点,构建出编码器生成多项式数据库,然后通过遍历多项式数据库,计算出每种多项式所对应的平...针对目前Turbo码分量编码器参数识别算法容错性不好、计算量大的缺点,该文提出一种基于校验方程符合度的新算法。首先,根据码元约束长度较小的特点,构建出编码器生成多项式数据库,然后通过遍历多项式数据库,计算出每种多项式所对应的平均校验方程符合度值,其最大值所对应的索引号即为多项式库中的正确多项式索引号,从而完成编码多项式的识别。该算法仅仅遍历有限的多项式数据库,其计算量较小,只与截获的数据量有关;算法采用的数据为软判决信息,故其容错性能较好。仿真结果表明:在信噪比为0 d B条件下,仅需要截获10码块,交织长度为100的码元数据量,参数的识别率就能达到90%以上。展开更多
文摘目的探讨动脉自旋标记(ASL)联合格拉斯哥昏迷量表(GCS)评分预测与动脉瘤性蛛网膜下腔出血(aSAH)患者认知功能障碍的价值。方法选取本院aSAH患者105例,根据其出院6个月后的蒙特利尔认知评估量表(MoCA)评分分为障碍组(54例)和正常组(51例)。比较两组的年龄、Hunt-Hess量表评分、改良Fisher量表评分、GCS评分和ASL参数等资料。采用Logistic回归分析aSAH患者认知功能障碍的风险因素。采用受试者工作特征(ROC)曲线、平均绝对误差(MAE)、均方误差(MSE)和决策分析曲线评价各风险因素判断aSAH患者认知功能障碍的价值。结果出院6个月后54例(51.43%)认知功能障碍。障碍组的年龄、Hunt-Hess量表评分和改良Fisher量表评分均高于正常组,GCS评分、同侧局部脑血流量(rCBF)值和rCBF比值均低于正常组,差异有统计学意义(P<0.05)。Logistic回归(Forward LR法)分析结果显示对年龄、Hunt-Hess量表评分、改良Fisher量表评分、同侧rCBF值和对侧rCBF值调整后GCS评分高和rCBF比值高均是aSAH患者认知功能障碍的独立保护因素(P<0.05)。rCBF比值+GCS评分判断aSAH患者认知功能障碍的ROC曲线下面积(area under curve,AUC)高于rCBF比值和GCS评分,MAE值和MSE值低于rCBF比值和GCS评分。rCBF比值+GCS评分判断aSAH患者认知功能障碍的净收益在绝大部分阈值范围内均高于rCBF比值和GCS评分。结论rCBF比值和GCS评分高提示aSAH患者出院6个月后认知功能障碍风险降低。rCBF比值联合GCS评分对于判断aSAH患者认知功能障碍有一定价值。
文摘针对目前Turbo码分量编码器参数识别算法容错性不好、计算量大的缺点,该文提出一种基于校验方程符合度的新算法。首先,根据码元约束长度较小的特点,构建出编码器生成多项式数据库,然后通过遍历多项式数据库,计算出每种多项式所对应的平均校验方程符合度值,其最大值所对应的索引号即为多项式库中的正确多项式索引号,从而完成编码多项式的识别。该算法仅仅遍历有限的多项式数据库,其计算量较小,只与截获的数据量有关;算法采用的数据为软判决信息,故其容错性能较好。仿真结果表明:在信噪比为0 d B条件下,仅需要截获10码块,交织长度为100的码元数据量,参数的识别率就能达到90%以上。
