期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于大脑结构网络特征的遗忘型轻度认知障碍诊断模型
被引量：
3
1
作者
员锐娟
吴水才
+4 位作者
林仲志
黄楚中
林庆波
王培宁
赵一平
《中国生物医学工程学报》
CAS
CSCD
北大核心
2014年第5期564-573,共10页
选取与认知表现分数相关性高的结构网络拓扑特征,利用这些特征建立分类模型,实现对正常老化者及遗忘型轻度认知障碍(aMCI)患者的分类。本研究包含两组扩散张量影像(DTI)数据,一组为52例正常老化受试者,一组为39例aMCI患者。分别对两组...
选取与认知表现分数相关性高的结构网络拓扑特征,利用这些特征建立分类模型,实现对正常老化者及遗忘型轻度认知障碍(aMCI)患者的分类。本研究包含两组扩散张量影像(DTI)数据,一组为52例正常老化受试者,一组为39例aMCI患者。分别对两组数据进行结构网络构建,采用图论分析法提取结构网络的特征,将所有特征与简单智能状态检查量表(MMSE)分数进行相关性分析,选取与认知表现分数高度相关的特征,基于这些特征建立5种分类模型,并对模型的分类效果进行评估。对于正常老化数据,选出18个与认知能力显著相关的结构网络特征,集中于解剖自动贴标(AAL)图谱中的9个脑区;对于aMCI数据,也选出18个与认知能力显著相关的结构网络特征,集中于AAL图谱中的9个脑区;二者选出的特征及分布的脑区是不同的。通过对分类模型的评估,得出支持向量机序列最小优化算法建立的模型分类效果最佳,特异性达到88.46%,敏感性达到83.05%,准确性达到85.71%。所提取的与认知表现相关性高的结构网络特征,可以作为生物标记指针,来建立分类模型,对正常老化者及aMCI患者进行分类,也可提供相应脑区间连接变化的信息。
展开更多
关键词
扩散张量影像
遗忘型轻度认知障碍
图论分析
认知表现
分类模型
在线阅读
下载PDF
职称材料
基于隐马尔可夫模型的老年人跌倒行为检测方法研究
被引量：
17
2
作者
曹荟强
林仲志
吴水才
《中国生物医学工程学报》
CAS
CSCD
北大核心
2017年第2期165-171,共7页
随着社会老龄化程度的加剧,老年人的安全健康监护需求日益增加。跌倒行为在老年人日常生活中比较常见,它会给老年人带来严重的身体及心理伤害。因此,跌倒检测对于保护老年人的健康及安全具有重要意义。针对跌倒的运动过程,分析人体加速...
随着社会老龄化程度的加剧,老年人的安全健康监护需求日益增加。跌倒行为在老年人日常生活中比较常见,它会给老年人带来严重的身体及心理伤害。因此,跌倒检测对于保护老年人的健康及安全具有重要意义。针对跌倒的运动过程,分析人体加速度变化特征,提出基于隐马尔可夫模型(HMM)的跌倒检测方法。将人体跌倒的加速度信号提取为加速度观测序列,并以此为训练样本训练隐马尔可夫模型,建立跌倒过程的概率模型进行跌倒检测。在验证实验中,采集10名志愿者共300例样本,采用5折交叉检验方法,对模型的有效性进行验证。验证结果表明,该方法检测跌倒的准确率为98.2%,灵敏度为91.3%,特异性为99.6%,具有良好的检测效果,可实现对跌倒行为的准确检测。
展开更多
关键词
跌倒检测
加速度时序
隐马尔可夫模型
在线阅读
下载PDF
职称材料
题名
基于大脑结构网络特征的遗忘型轻度认知障碍诊断模型
被引量：
3
1
作者
员锐娟
吴水才
林仲志
黄楚中
林庆波
王培宁
赵一平
机构
北京工业大学生命科学与生物工程学院
长庚大学资讯工程学系
长庚大学健康老化中心
阳明大学生物医学影像暨放射科学系
阳明大学医学系
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2014年第5期564-573,共10页
基金
长庚大学研究计划(UERPD2B0301
UERPD2C0041)
+1 种基金
长庚大学健康老化中心计划(CMRPD1B0331
EMRPD1D0261)
文摘
选取与认知表现分数相关性高的结构网络拓扑特征,利用这些特征建立分类模型,实现对正常老化者及遗忘型轻度认知障碍(aMCI)患者的分类。本研究包含两组扩散张量影像(DTI)数据,一组为52例正常老化受试者,一组为39例aMCI患者。分别对两组数据进行结构网络构建,采用图论分析法提取结构网络的特征,将所有特征与简单智能状态检查量表(MMSE)分数进行相关性分析,选取与认知表现分数高度相关的特征,基于这些特征建立5种分类模型,并对模型的分类效果进行评估。对于正常老化数据,选出18个与认知能力显著相关的结构网络特征,集中于解剖自动贴标(AAL)图谱中的9个脑区;对于aMCI数据,也选出18个与认知能力显著相关的结构网络特征,集中于AAL图谱中的9个脑区;二者选出的特征及分布的脑区是不同的。通过对分类模型的评估,得出支持向量机序列最小优化算法建立的模型分类效果最佳,特异性达到88.46%,敏感性达到83.05%,准确性达到85.71%。所提取的与认知表现相关性高的结构网络特征,可以作为生物标记指针,来建立分类模型,对正常老化者及aMCI患者进行分类,也可提供相应脑区间连接变化的信息。
关键词
扩散张量影像
遗忘型轻度认知障碍
图论分析
认知表现
分类模型
Keywords
diffusion tensor image （DTI）
amnestic mild cognitive impairment （aMCI）
graph theory
cognitive performance
classification model
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
基于隐马尔可夫模型的老年人跌倒行为检测方法研究
被引量：
17
2
作者
曹荟强
林仲志
吴水才
机构
北京工业大学生命科学与生物工程学院
长庚大学资讯工程系
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2017年第2期165-171,共7页
基金
国家自然科学基金(71661167001)
台湾科技部科技研究项目(MOST 104-2218-E-182-005-MY3)
文摘
随着社会老龄化程度的加剧,老年人的安全健康监护需求日益增加。跌倒行为在老年人日常生活中比较常见,它会给老年人带来严重的身体及心理伤害。因此,跌倒检测对于保护老年人的健康及安全具有重要意义。针对跌倒的运动过程,分析人体加速度变化特征,提出基于隐马尔可夫模型(HMM)的跌倒检测方法。将人体跌倒的加速度信号提取为加速度观测序列,并以此为训练样本训练隐马尔可夫模型,建立跌倒过程的概率模型进行跌倒检测。在验证实验中,采集10名志愿者共300例样本,采用5折交叉检验方法,对模型的有效性进行验证。验证结果表明,该方法检测跌倒的准确率为98.2%,灵敏度为91.3%,特异性为99.6%,具有良好的检测效果,可实现对跌倒行为的准确检测。
关键词
跌倒检测
加速度时序
隐马尔可夫模型
Keywords
fall detection
acceleration time series
hidden Markov model
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于大脑结构网络特征的遗忘型轻度认知障碍诊断模型
员锐娟
吴水才
林仲志
黄楚中
林庆波
王培宁
赵一平
《中国生物医学工程学报》
CAS
CSCD
北大核心
2014
3
在线阅读
下载PDF
职称材料
2
基于隐马尔可夫模型的老年人跌倒行为检测方法研究
曹荟强
林仲志
吴水才
《中国生物医学工程学报》
CAS
CSCD
北大核心
2017
17
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
