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
3
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
神经精神疾病自动分类与预测研究进展
被引量：
9
1
作者
陈小怡
周静
+3 位作者
柯鹏飞
孔令茵
吴逢春
吴凯
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021年第6期752-763,共12页
神经精神疾病的神经病理机制仍有许多未知,客观临床诊断标准也十分欠缺,其诊断与预后面临巨大挑战。随着神经影像技术的快速发展,神经影像数据被广泛应用于神经精神疾病神经病理机制的探索和潜在生物标志物的发掘。相比于实现群体水平...
神经精神疾病的神经病理机制仍有许多未知,客观临床诊断标准也十分欠缺,其诊断与预后面临巨大挑战。随着神经影像技术的快速发展,神经影像数据被广泛应用于神经精神疾病神经病理机制的探索和潜在生物标志物的发掘。相比于实现群体水平分析的传统单变量分析方法,机器学习模型基于神经影像数据,实现神经精神疾病的个体化、智能化预测。综述近年来基于机器学习的神经精神疾病自动分类与预测研究进展,从机器学习基本原理和精神分裂症、抑郁症、阿尔兹海默症与帕金森病等4种典型神经精神疾病的最新研究成果等方面进行了总结和分析。目前,疾病自动分类与预测研究还存在着样本量小、可重复性低等局限性,未来可以通过多站点数据协同分析来提高研究的样本量。此外,深度学习和跨疾病诊断与预测也是未来研究的重要方向。
展开更多
关键词
机器学习
神经精神疾病
神经影像
分类与预测
在线阅读
下载PDF
职称材料
基于脑电的精神疾病自动分类研究进展
被引量：
4
2
作者
李懿
吴凯
+5 位作者
李文豪
彭润霖
陈超敏
邓泽亚
周静
林岚(审校)
《生物医学工程与临床》
CAS
2023年第2期238-246,共9页
临床上精神疾病的诊断大多依赖于精神科医生的主观评价,缺少客观有效的生物学指标。脑电信号分析与机器学习方法相结合,在精神疾病辅助诊断领域的应用发展迅速,采用传统机器学习算法和深度学习算法,对脑电信号特征进行学习,从而实现精...
临床上精神疾病的诊断大多依赖于精神科医生的主观评价,缺少客观有效的生物学指标。脑电信号分析与机器学习方法相结合,在精神疾病辅助诊断领域的应用发展迅速,采用传统机器学习算法和深度学习算法,对脑电信号特征进行学习,从而实现精神疾病的分类研究。文章介绍了脑电信号的基本概念、处理流程及其常用特征,笔者总结了脑电信号在抑郁症、双相情感障碍、精神分裂症等精神疾病自动分类的研究进展,最后展望了机器学习方法在该领域的发展趋势。采用传统的机器学习方法仍然是用于自动分类主流的工具。但深度学习内部复杂的体系结构及训练过程阻碍了对其内部的理解,难以解释其在医学领域的作用,因此深度学习也是脑电研究发展方向之一。此外,单独对脑电图进行分析难以囊括患者所有的特征,需与其他模态的生理参数结合进行多生理参数融合分析,使得疾病诊断更加智能化。
展开更多
关键词
脑电信号
精神疾病
自动分类
机器学习
深度学习
在线阅读
下载PDF
职称材料
定量脑电图在神经和精神疾病辅助诊疗方面的应用进展
3
作者
李嘉欣
熊冬生
+4 位作者
吴凯
李懿
李文豪
周静
林岚(审校)
《生物医学工程与临床》
CAS
2024年第5期725-734,共10页
大脑控制着人体内各项高级神经活动,大脑的结构异常或功能紊乱会诱发多种神经和精神疾病。目前,神经系统疾病及精神疾病的发病机制仍未完全明确,临床诊断及预后评估尚缺乏客观、精准的定量指标。脑电图是神经和精神疾病常用的检测技术之...
大脑控制着人体内各项高级神经活动,大脑的结构异常或功能紊乱会诱发多种神经和精神疾病。目前,神经系统疾病及精神疾病的发病机制仍未完全明确,临床诊断及预后评估尚缺乏客观、精准的定量指标。脑电图是神经和精神疾病常用的检测技术之一,而定量脑电图可以深入分析脑电信号的神经生理特征,为进一步阐明神经和精神疾病的病理机制和探索发现潜在的生物学标志物提供了手段。笔者综述了近年来定量脑电图在神经系统疾病和精神疾病辅助诊疗中的研究进展,介绍了定量脑电图分析的基本原理,总结了常见神经系统疾病(阿尔兹海默病、帕金森病)和精神疾病(精神分裂症)的定量脑电图研究成果。此外,神经及精神疾病的定量脑电图研究普遍存在样本量少、结果普适性差等局限性,采用数据增强技术提高样本量、结合神经影像数据进行多模态分析是未来研究的主要趋势。
展开更多
关键词
定量脑电图
神经精神疾病
生物学标志物
机器学习
在线阅读
下载PDF
职称材料
题名
神经精神疾病自动分类与预测研究进展
被引量：
9
1
作者
陈小怡
周静
柯鹏飞
孔令茵
吴逢春
吴凯
机构
华南理工大学材料科学与
工程
学院
广州医科大学附属脑科医院(广州市惠爱医院)
广东省
精神疾病转化医学
工程技术
研究
中心
广东省老年痴呆诊断与康复工程技术研究中心
华南理工大学国家人体组织功能重建
工程技术
研究
中心
华南理工大学
广东省
生物医学
工程
重点实验室
国家医疗保健器具
工程技术
研究
中心
日本东北大学加龄医学
研究
所机能画像医学
研究
室
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021年第6期752-763,共12页
基金
国家重点研发计划(2020YFC2004301)
国家自然科学基金(31771074)
广州市产学研协同创新重大专项(201903010032)。
文摘
神经精神疾病的神经病理机制仍有许多未知,客观临床诊断标准也十分欠缺,其诊断与预后面临巨大挑战。随着神经影像技术的快速发展,神经影像数据被广泛应用于神经精神疾病神经病理机制的探索和潜在生物标志物的发掘。相比于实现群体水平分析的传统单变量分析方法,机器学习模型基于神经影像数据,实现神经精神疾病的个体化、智能化预测。综述近年来基于机器学习的神经精神疾病自动分类与预测研究进展,从机器学习基本原理和精神分裂症、抑郁症、阿尔兹海默症与帕金森病等4种典型神经精神疾病的最新研究成果等方面进行了总结和分析。目前,疾病自动分类与预测研究还存在着样本量小、可重复性低等局限性,未来可以通过多站点数据协同分析来提高研究的样本量。此外,深度学习和跨疾病诊断与预测也是未来研究的重要方向。
关键词
机器学习
神经精神疾病
神经影像
分类与预测
Keywords
machine learning
neuropsychiatric diseases
neuroimaging
classification and prediction
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
基于脑电的精神疾病自动分类研究进展
被引量：
4
2
作者
李懿
吴凯
李文豪
彭润霖
陈超敏
邓泽亚
周静
林岚(审校)
机构
华南理工大学自动化科学与
工程
学院
华南理工大学生物医学科学与
工程
学院
华南理工大学材料科学与
工程
学院
华南理工大学国家人体组织功能重建
工程技术
研究
中心
广东省
精神疾病转化医学
工程技术
研究
中心
广东省老年痴呆诊断与康复工程技术研究中心
广东省
第二人民医院人工智能医疗应用
研究
所
南方医科大学生物医学
工程
学院
广州双悠生物科技有限责任公司
北京工业大学
出处
《生物医学工程与临床》
CAS
2023年第2期238-246,共9页
基金
国家重点研发计划(2019YFC0118800,2019YFC0118804,2019YFC0118805,2019YFC0118802,2020YFC2004300,2020YFC2004301,2021YFC2009400,2021YFC2009404)
国家自然科学基金资助项目(72174082)
+3 种基金
广东省基础与应用基础研究基金自然科学基金杰出青年项目(2021B1515020064)
广东省科技重点领域研发计划项目(2018B030335001,2020B0101130020,2020B0404010002)
广州市科技计划项目(201903010032,202103000032,202206010077,202206060005,202206080005,202206010034)
广东省普通高校重点实验室项目(2020KSYS001)。
文摘
临床上精神疾病的诊断大多依赖于精神科医生的主观评价,缺少客观有效的生物学指标。脑电信号分析与机器学习方法相结合,在精神疾病辅助诊断领域的应用发展迅速,采用传统机器学习算法和深度学习算法,对脑电信号特征进行学习,从而实现精神疾病的分类研究。文章介绍了脑电信号的基本概念、处理流程及其常用特征,笔者总结了脑电信号在抑郁症、双相情感障碍、精神分裂症等精神疾病自动分类的研究进展,最后展望了机器学习方法在该领域的发展趋势。采用传统的机器学习方法仍然是用于自动分类主流的工具。但深度学习内部复杂的体系结构及训练过程阻碍了对其内部的理解,难以解释其在医学领域的作用,因此深度学习也是脑电研究发展方向之一。此外,单独对脑电图进行分析难以囊括患者所有的特征,需与其他模态的生理参数结合进行多生理参数融合分析,使得疾病诊断更加智能化。
关键词
脑电信号
精神疾病
自动分类
机器学习
深度学习
分类号
R749 [医药卫生—神经病学与精神病学]
TN911.7 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
定量脑电图在神经和精神疾病辅助诊疗方面的应用进展
3
作者
李嘉欣
熊冬生
吴凯
李懿
李文豪
周静
林岚(审校)
机构
华南理工大学材料科学与
工程
学院
华南理工大学国家人体组织功能重建
工程技术
研究
中心
·
广东省
生物医学
工程
重点实验室
华南理工大学生物医学科学与
工程
学院
广东省
精神疾病转化医学
工程技术
研究
中心
广东省老年痴呆诊断与康复工程技术研究中心
华南理工大学自动化科学与
工程
学院
北京工业大学生命科学与生物
工程
学院
出处
《生物医学工程与临床》
CAS
2024年第5期725-734,共10页
基金
广东省重点领域研发计划项目(2020B0404010002)
国家自然科学基金资助项目(72174082)
+3 种基金
广东省基础与应用基础研究基金杰出青年项目(2021B1515020064)
广东省基础与应用基础研究基金资助项目(2022A1515140142)
广东省普通高校重点实验室项目(2020KSYS001)
广州市科技计划资助项目(202103000032,202206060005,202206080005,202206010077,202206010034)。
文摘
大脑控制着人体内各项高级神经活动,大脑的结构异常或功能紊乱会诱发多种神经和精神疾病。目前,神经系统疾病及精神疾病的发病机制仍未完全明确,临床诊断及预后评估尚缺乏客观、精准的定量指标。脑电图是神经和精神疾病常用的检测技术之一,而定量脑电图可以深入分析脑电信号的神经生理特征,为进一步阐明神经和精神疾病的病理机制和探索发现潜在的生物学标志物提供了手段。笔者综述了近年来定量脑电图在神经系统疾病和精神疾病辅助诊疗中的研究进展,介绍了定量脑电图分析的基本原理,总结了常见神经系统疾病(阿尔兹海默病、帕金森病)和精神疾病(精神分裂症)的定量脑电图研究成果。此外,神经及精神疾病的定量脑电图研究普遍存在样本量少、结果普适性差等局限性,采用数据增强技术提高样本量、结合神经影像数据进行多模态分析是未来研究的主要趋势。
关键词
定量脑电图
神经精神疾病
生物学标志物
机器学习
分类号
R741.044 [医药卫生—神经病学与精神病学]
TN911.7 [电子电信—通信与信息系统]
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
神经精神疾病自动分类与预测研究进展
陈小怡
周静
柯鹏飞
孔令茵
吴逢春
吴凯
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021
9
在线阅读
下载PDF
职称材料
2
基于脑电的精神疾病自动分类研究进展
李懿
吴凯
李文豪
彭润霖
陈超敏
邓泽亚
周静
林岚(审校)
《生物医学工程与临床》
CAS
2023
4
在线阅读
下载PDF
职称材料
3
定量脑电图在神经和精神疾病辅助诊疗方面的应用进展
李嘉欣
熊冬生
吴凯
李懿
李文豪
周静
林岚(审校)
《生物医学工程与临床》
CAS
2024
0
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
