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
单相抑郁症患者脑磁共振弥散张量成像FA值变化及意义
被引量：
2
1
作者
李淮周
周海燕
+4 位作者
杨阳
杨孝敬
郭家梁
马小萌
钟宁
《山东医药》
CAS
北大核心
2015年第47期1-3,共3页
目的观察单相抑郁症患者脑磁共振弥散张量成像(DTI)各向异性分数(FA)值变化,并探讨其意义。方法采集21例单相抑郁症患者(单相抑郁症组)及与之匹配健康对照组的DTI图像,对计算得出的全脑FA值使用基于体素的方法进行统计分析,对得到的感...
目的观察单相抑郁症患者脑磁共振弥散张量成像(DTI)各向异性分数(FA)值变化,并探讨其意义。方法采集21例单相抑郁症患者(单相抑郁症组)及与之匹配健康对照组的DTI图像,对计算得出的全脑FA值使用基于体素的方法进行统计分析,对得到的感兴趣区域进行提取,并与心理学量表测试结果做相关性分析。结果单相抑郁症组右侧壳核,右侧楔前叶、边缘叶、扣带回,左侧三角部额下回,左侧枕中回脑区FA值分别为0.205±0.024、0.336±0.053、0.228±0.068、0.308±0.073,健康对照组分别为0.228±0.019、0.391±0.052、0.281±0.045、0.356±0.075,两组比较,P均<0.05。两组右侧壳核FA值与QIDS-SR评分(r=-0.353,P=0.022),右侧楔前叶、边缘叶、扣带回FA值与PHQ-9评分(r=-0.404,P=0.008)及QIDS-SR评分(r=-0.315,P=0.043),左侧枕中回FA值与T-AI评分(r=-0.353,P=0.022)均呈负相关。结论单相抑郁症患者右侧壳核,右侧楔前叶、边缘叶、扣带回,左侧三角部额下回,左侧枕中回脑区的FA值降低,表明单相抑郁症患者存在多个脑区白质微结构的变化,这些变化可能与抑郁或焦虑情绪障碍有关。
展开更多
关键词
单相抑郁症
弥散张量成像
各向异性分数
在线阅读
下载PDF
职称材料
基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究
被引量：
24
2
作者
李幼军
黄佳进
+1 位作者
王海渊
钟宁
《通信学报》
EI
CSCD
北大核心
2017年第12期109-120,共12页
为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法。该方法通过SAE对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的...
为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法。该方法通过SAE对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的融合进行情感分类识别。通过将该方法用到开源数据集中进行验证,得到情感分类准确率达到0.792 6。实验结果表明,SAE对多模态生理特征进行了有效融合,LSTM RNN能够有效地对长时间周期中的关键特征进行识别。
展开更多
关键词
多模态生理信号情感识别
栈式自编码神经网络
长短周期记忆循环神经网络
多模态生理信号融合
在线阅读
下载PDF
职称材料
题名
单相抑郁症患者脑磁共振弥散张量成像FA值变化及意义
被引量：
2
1
作者
李淮周
周海燕
杨阳
杨孝敬
郭家梁
马小萌
钟宁
机构
北京
工业大学
国际
WIC研究院
磁共振成像
脑
信息
学
北京市
重点实验室
脑信息智慧服务北京市国际科技合作基地
前桥工业大学生命科学与
信息
工程系
出处
《山东医药》
CAS
北大核心
2015年第47期1-3,共3页
基金
国家国际科技合作专项(2013DFA32180)
文摘
目的观察单相抑郁症患者脑磁共振弥散张量成像(DTI)各向异性分数(FA)值变化,并探讨其意义。方法采集21例单相抑郁症患者(单相抑郁症组)及与之匹配健康对照组的DTI图像,对计算得出的全脑FA值使用基于体素的方法进行统计分析,对得到的感兴趣区域进行提取,并与心理学量表测试结果做相关性分析。结果单相抑郁症组右侧壳核,右侧楔前叶、边缘叶、扣带回,左侧三角部额下回,左侧枕中回脑区FA值分别为0.205±0.024、0.336±0.053、0.228±0.068、0.308±0.073,健康对照组分别为0.228±0.019、0.391±0.052、0.281±0.045、0.356±0.075,两组比较,P均<0.05。两组右侧壳核FA值与QIDS-SR评分(r=-0.353,P=0.022),右侧楔前叶、边缘叶、扣带回FA值与PHQ-9评分(r=-0.404,P=0.008)及QIDS-SR评分(r=-0.315,P=0.043),左侧枕中回FA值与T-AI评分(r=-0.353,P=0.022)均呈负相关。结论单相抑郁症患者右侧壳核,右侧楔前叶、边缘叶、扣带回,左侧三角部额下回,左侧枕中回脑区的FA值降低,表明单相抑郁症患者存在多个脑区白质微结构的变化,这些变化可能与抑郁或焦虑情绪障碍有关。
关键词
单相抑郁症
弥散张量成像
各向异性分数
Keywords
unipolar depression
diffusion tensor imaging
fractional anisotropy
分类号
R749.4 [医药卫生—神经病学与精神病学]
在线阅读
下载PDF
职称材料
题名
基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究
被引量：
24
2
作者
李幼军
黄佳进
王海渊
钟宁
机构
北京
工业大学
国际
WIC研究院
磁共振成像
脑
信息
学
北京市
重点实验室
脑信息智慧服务北京市国际科技合作基地
北京
未来网络
科技
高精尖创新中心
出处
《通信学报》
EI
CSCD
北大核心
2017年第12期109-120,共12页
基金
国家自然科学基金资助项目(No.61420106005)
国家重点基础研究发展计划基金资助项目(No.2014CB744600)
国家国际科技合作专项基金资助项目(No.2013DFA32180)~~
文摘
为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法。该方法通过SAE对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的融合进行情感分类识别。通过将该方法用到开源数据集中进行验证,得到情感分类准确率达到0.792 6。实验结果表明,SAE对多模态生理特征进行了有效融合,LSTM RNN能够有效地对长时间周期中的关键特征进行识别。
关键词
多模态生理信号情感识别
栈式自编码神经网络
长短周期记忆循环神经网络
多模态生理信号融合
Keywords
multi-modal bid-signal emotion recognition, stacked auto-encoder neural network, LSTM recurrent neural network, multi-modal bid-signals fusion
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
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
单相抑郁症患者脑磁共振弥散张量成像FA值变化及意义
李淮周
周海燕
杨阳
杨孝敬
郭家梁
马小萌
钟宁
《山东医药》
CAS
北大核心
2015
2
在线阅读
下载PDF
职称材料
2
基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究
李幼军
黄佳进
王海渊
钟宁
《通信学报》
EI
CSCD
北大核心
2017
24
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
