排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
目的 通过对失眠者进行韦氏记忆检测和睡眠监测,以睡眠结构紊乱的角度,研究失眠对其记忆功能改变的影响,并探讨失眠者记忆改变的影响因素。方法 按照纳入标准和排除标准,对30例失眠症患者和30例健康对照组进行记忆检测和睡眠监测,比较两组睡眠结构及记忆功能的不同,对失眠者记忆改变的影响因素的探讨采用多元线性回归分析。结果 与对照组相比,失眠症患者睡眠结构明显紊乱,表现为潜伏期时间长、3期睡眠、4期睡眠及慢波睡眠(SwS)比例低,差异有统计学意义(P <0.05,P<0.01);失眠者的记忆功能明显下降,表现为记忆商数、长时、短时、瞬时记忆受损,差异有统计学意义(P<0.05,P<0.01);醒觉睡眠、4期睡眠和受教育水平可能与失眠症患者记忆改变有关,差异有统计学意义(P<0.05)。结论 失眠者记忆功能受损,可能与睡眠结构紊乱和教育水平有关。 相似文献
3.
目的:提出一种基于深度学习的方法用于低剂量CT(LDCT)图像的噪声去除。方法:首先进行滤波反投影重建,然后利用多尺度并行残差U-net(MPR U-net)的深度学习模型对重建后的LDCT图像进行去噪。实验数据采用LoDoPaB-CT挑战赛的医学CT数据集,其中训练集35 820张图像,验证集3 522张图像,测试集3 553张图像,并采用峰值信噪比(PSNR)与结构相似性系数(SSIM)来评估模型的去噪效果。结果:LDCT图像处理前后PSNR分别为28.80、38.22 dB,SSIM分别为0.786、0.966,平均处理时间为0.03 s。结论:MPR U-net深度学习模型能较好地去除LDCT图像噪声,提升PSNR,保留更多图像细节。 相似文献
1