检索结果-维普期刊中文期刊服务平台

陆军空中突击部队索降训练伤现状及影响因素分析被引量：1: 1; 作者苟文隆李殿威 +5 位作者路星辰刘星邱金龙王钟王子明刘鹏《陆军军医大学学报》 CAS CSCD 北大核心 2024年第1期53-57,共5页; 目的调查分析陆军空中突击部队索降训练伤的发生情况及危险因素,为训练伤的防控提供依据。方法本研究采用病例-对照研究设计方案,于2022年9月对某部官兵进行训练伤问卷调查。统计索降训练伤的发生情况及特点,根据是否存在训练伤将被试... 展开更多; 关键词空中突击部队索降军事训练伤危险因素; 在线阅读下载PDF 职称材料

创伤性脑出血体积定量的深度学习方法研究: 2; 作者陈地友时心怡 +5 位作者吴鹏飞詹力赵文兵谢静茹张良赵辉《陆军军医大学学报》 CAS CSCD 北大核心 2024年第19期2225-2235,共11页; 目的基于Trans-UNet模型构建创伤性脑出血(traumatic intracerebral hemorrhage,TICH)体积定量的深度学习方法,并与公式法进行比较。方法收集我院放射科于2018年5月至2023年5月收治的141例创伤性脑出血患者的CT资料,建立基于Trans-UNet... 展开更多; 关键词创伤性脑出血计算机体层摄影深度学习体积定量创伤性脑损伤; 在线阅读下载PDF 职称材料

有限理性决策理论下驾驶信息过载研究及应用: 3; 作者孙丽璐张袁籽妍 +4 位作者赵娟谢静茹邱金龙周帆赵辉《西南大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第3期168-177,共10页; 随着汽车网联化和智能化的发展,汽车驾驶过程面临着车内外多源信息过载的影响,这可能会产生交通安全问题.驾驶信息过载包含感知、认知和决策等复杂神经机制.在知识、时间和精力有限的情况下,当驾驶员处于庞大、繁杂、多变环境中排查信... 展开更多; 关键词信息过载有限理性决策理论智能驾驶辅助设备驾驶安全; 在线阅读下载PDF 职称材料

基于心率变异性和呼吸频率的驾驶疲劳识别模型研究被引量：6: 4; 作者向洪义张琼敏 +5 位作者王俊杰王思平廖志康孙丽璐李奎赵辉《陆军军医大学学报》 CAS CSCD 北大核心 2022年第13期1299-1306,共8页; 目的建立结合心率变异性(heart rate variability,HRV)和呼吸频率(respiratory rate,RESP)的驾驶疲劳识别机器学习模型并明确最优特征子集。方法2021年6-12月,从陆军军医大学招募20名年龄在20~30岁之间的健康男性志愿者参加疲劳驾驶试... 展开更多; 关键词军用车辆驾驶疲劳心率变异性呼吸频率机器学习; 在线阅读下载PDF 职称材料

题名陆军空中突击部队索降训练伤现状及影响因素分析被引量：1: 1; 作者苟文隆李殿威路星辰刘星邱金龙王钟王子明刘鹏; 机构陆军特色医学中心骨科陆军军医大学(第三军医大学)第一附属医院运动医学中心陆军特色医学中心军事交通伤防治研究室陆军特色医学中心陆军军事训练伤防治指导中心; 出处《陆军军医大学学报》 CAS CSCD 北大核心 2024年第1期53-57,共5页; 基金陆军军医大学高新技术培育项目(CX2019JS111)。; 文摘目的调查分析陆军空中突击部队索降训练伤的发生情况及危险因素,为训练伤的防控提供依据。方法本研究采用病例-对照研究设计方案,于2022年9月对某部官兵进行训练伤问卷调查。统计索降训练伤的发生情况及特点,根据是否存在训练伤将被试者分为训练伤组与对照组。从两组被试者一般情况、身体素质、训练前受伤及训练后受伤情况等方面分析索降训练伤的危险因素。结果本研究纳入数据分析303例,其中索降训练伤发生115例(训练伤组,37.95%),对照组188例。训练伤高发部位依次为踝关节(19.72%)、膝关节(15.49%)和腕关节(13.15%)。Logistic回归分析显示军龄(95%CI:1.011~1.209,P=0.028)、独生子(95%CI:1.541~4.578,P=0.000)、仰卧起坐成绩(95%CI:0.922~0.970,P=0.000)和3000 m跑成绩(95%CI:1.001~1.010,P=0.029)是索降训练伤发生的独立危险因素。结论独生子、核心肌力和有氧耐力不足以及较年长的空中突击部队官兵更易发生索降训练伤。; 关键词空中突击部队索降军事训练伤危险因素; Keywords air assault force rappelling military training injuries risk factors; 分类号 R821.21 [医药卫生—临床医学] R821.33 [医药卫生—临床医学] R873 [医药卫生—运动医学]; 在线阅读下载PDF 职称材料

题名创伤性脑出血体积定量的深度学习方法研究: 2; 作者陈地友时心怡吴鹏飞詹力赵文兵谢静茹张良赵辉; 机构陆军特色医学中心放射科陆军特色医学中心军事交通伤防治研究室重庆理工大学两江人工智能学院; 出处《陆军军医大学学报》 CAS CSCD 北大核心 2024年第19期2225-2235,共11页; 基金重庆市自然科学基金创新发展联合基金(CSTB2023NSCQ-LZX0155)。; 文摘目的基于Trans-UNet模型构建创伤性脑出血(traumatic intracerebral hemorrhage,TICH)体积定量的深度学习方法,并与公式法进行比较。方法收集我院放射科于2018年5月至2023年5月收治的141例创伤性脑出血患者的CT资料,建立基于Trans-UNet模型的深度学习方法,以影像归档与通讯系统(picture archiving and communication system,PACS)人工勾画为金标准,对比其与公式法(共10种)在创伤性脑出血体积定量的准确性、一致性和测量耗时差异。结果PACS人工勾画的创伤性脑出血中位体积为1.167 mL,单个患者的测量中位时间为135 s。深度学习方法与PACS人工勾画的体积百分误差中位数为3.59%,Spearman相关系数为0.999(P<0.001),单个患者测量的中位时间仅为4.38 s;而公式法中,最低体积百分误差中位数为16.451%,最高Spearman相关系数为0.986(P<0.001),单个患者测量的最低中位时间为20 s。两类方法在体积百分误差和测量时间上的差异均具有统计学意义(P均<0.001)。结论本研究所构建的深度学习方法相较于公式法,在测量准确性和时效上均表现更优。; 关键词创伤性脑出血计算机体层摄影深度学习体积定量创伤性脑损伤; Keywords traumatic intracerebral hemorrhage computed tomography deep learning volumetric quantification traumatic brain injury; 分类号 R319 [医药卫生—基础医学] R445.2 [医药卫生—影像医学与核医学] R743.34 [医药卫生—神经病学与精神病学]; 在线阅读下载PDF 职称材料

题名有限理性决策理论下驾驶信息过载研究及应用: 3; 作者孙丽璐张袁籽妍赵娟谢静茹邱金龙周帆赵辉; 机构重庆理工大学管理学院重庆理工大学经济金融学院陆军特色医学中心军事交通伤防治研究室; 出处《西南大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第3期168-177,共10页; 基金重庆市在渝院士牵头科技创新引导专项(cstc2019yszx-jscxX0002)。; 文摘随着汽车网联化和智能化的发展,汽车驾驶过程面临着车内外多源信息过载的影响,这可能会产生交通安全问题.驾驶信息过载包含感知、认知和决策等复杂神经机制.在知识、时间和精力有限的情况下,当驾驶员处于庞大、繁杂、多变环境中排查信息对象并进行决策时,决策都是在有限度的理性条件下进行,且常带有主观因素,这是有限理性决策理论的基本原理.汽车工业界基于有限理性决策理论,根据人的特性研究了AR-HUD控制驾驶信息过载的汽车驾驶辅助技术以及OLED车载显示的应用,驾驶员在面临信息过载时可快速筛选关键信息,做出正确驾驶决策,以此来提升驾驶的安全性.本文通过综述国内外学者在驾驶信息过载原因、生理心理机制以及控制驾驶信息过载的技术和装备等方面的研究成果,为安全驾驶、汽车智能化发展的产学研结合提供参考.; 关键词信息过载有限理性决策理论智能驾驶辅助设备驾驶安全; Keywords information overload bounded rational decision theory intelligent driving aid device driving safety; 分类号 TP212.6 [自动化与计算机技术—检测技术与自动化装置] U491.61 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名基于心率变异性和呼吸频率的驾驶疲劳识别模型研究被引量：6: 4; 作者向洪义张琼敏王俊杰王思平廖志康孙丽璐李奎赵辉; 机构陆军特色医学中心军事交通伤防治研究室重庆理工大学计算机科学与工程学院重庆理工大学管理学院; 出处《陆军军医大学学报》 CAS CSCD 北大核心 2022年第13期1299-1306,共8页; 基金军队医学科技青年培育计划拔尖项目(20QNPY031) 重庆市在渝院士牵头科技创新引导专项(cstc2019yszx-jscxX0002)。; 文摘目的建立结合心率变异性(heart rate variability,HRV)和呼吸频率(respiratory rate,RESP)的驾驶疲劳识别机器学习模型并明确最优特征子集。方法2021年6-12月,从陆军军医大学招募20名年龄在20~30岁之间的健康男性志愿者参加疲劳驾驶试验。记录正常睡眠和睡眠剥夺后驾驶员在驾驶任务中的心电信号,提取18维疲劳相关HRV特征值,选择清醒与疲劳状态下存在差异的HRV特征结合RESP作为特征集。比较支持向量机(support vector machines,SVM)、K最邻近(k-nearest neighbor,KNN)、朴素贝叶斯(naive Bayes,NB)、决策树(decision tree,DT)和逻辑回归(logistic regression,LR)这五种经典机器学习方法,筛选最优特征子集,并建立疲劳识别模型。结果低频功率(low frequency,LF)与高频功率(high frequency,HF)的比值LF/HF、RESP、平均RR间隔(mean RR interval,Mean RR)、样本熵(sample entropy,SampEn)、去趋势波动分析(detrended fluctuation analysis,DFA)短期斜率DFAα1五个特征是疲劳识别的有效特征子集,在SVM中分类效果最好,疲劳识别的准确性、敏感性、特异性分别为87.03%、87.07%、87.13%。其中LF/HF和RESP是最为重要的驾驶疲劳识别指标,两个维度下各个模型的准确性均能达到80%以上,SVM与LR整体表现更好,准确性、敏感性、特异性分别为84.99%、85.13%、82.65%和84.43%、86.49%、82.02%。结论LF/HF、RESP是驾驶疲劳识别的有效特征,在基于HRV特征和RESP的驾驶疲劳识别中SVM与LR的整体表现优于其他模型。; 关键词军用车辆驾驶疲劳心率变异性呼吸频率机器学习; Keywords military vehicles driving fatigue heart rate variability respiratory rate machine learning; 分类号 R331.18 [医药卫生—人体生理学] R332.2 [医药卫生—人体生理学] R338.63 [医药卫生—人体生理学]; 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	陆军空中突击部队索降训练伤现状及影响因素分析	苟文隆李殿威路星辰刘星邱金龙王钟王子明刘鹏	《陆军军医大学学报》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	创伤性脑出血体积定量的深度学习方法研究	陈地友时心怡吴鹏飞詹力赵文兵谢静茹张良赵辉	《陆军军医大学学报》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	有限理性决策理论下驾驶信息过载研究及应用	孙丽璐张袁籽妍赵娟谢静茹邱金龙周帆赵辉	《西南大学学报（自然科学版）》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于心率变异性和呼吸频率的驾驶疲劳识别模型研究	向洪义张琼敏王俊杰王思平廖志康孙丽璐李奎赵辉	《陆军军医大学学报》 CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料