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
共找到1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：
基于Transformer算法的振幅整合脑电图在晚期早产儿脑损伤早期预测中的效能分析
1
作者 张爱琴 王春利 +2 位作者 边桂然 李桂芳 孙雪君 《中国优生与遗传杂志》 2025年第9期1980-1984,共5页
目的探讨基于Transformer算法的振幅整合脑电图在晚期早产儿脑损伤早期中的效能。方法选取2022年9月至2024年8月于沧州市人民医院进行治疗的100例早产儿为研究对象,留取脑损伤及无损伤脑电图的类图片各100张,对样本图片进行水平及垂直... 目的探讨基于Transformer算法的振幅整合脑电图在晚期早产儿脑损伤早期中的效能。方法选取2022年9月至2024年8月于沧州市人民医院进行治疗的100例早产儿为研究对象,留取脑损伤及无损伤脑电图的类图片各100张,对样本图片进行水平及垂直平移将样本扩增至各900张,根据7∶3的比例采用随机数字表法将样本随机分为训练样本(n=1260)及测试样本(n=540),建立Vision Transformer(ViT)模型,对测试样本进行全扫描图片进行测试,根据设定阈值的方法分析Transformer系统在筛选脑损伤方面的能力,并选取2024年1月至2024年5月于沧州市人民医院就诊早产儿的80张脑电图片作为验证集对Transformer的诊断价值进行验证。结果随着训练轮次的推进,ViT模型在训练集和验证集上的损失值呈现持续下降趋势,并最终趋于平台期;与此同时,模型的准确率逐步提升并保持稳定。具体而言,训练样本的平均损失为10.035%,测试样本的平均损失为11.349%;训练样本的平均准确率为99.057%,测试样本的平均准确率达到99.639%。ROC曲线显示,Transformer模型(AUC=0.980,95%CI 0.929~0.998)较resNET模型(AUC=0.863,95%CI 0.777~0.927)能够更好地预测晚期早产儿脑损伤(Z=3.583,P<0.001)。结论Transformer模型对于振幅整合脑电图诊断具有较好诊断价值,可以将其运用于临床晚期早产儿脑损伤的诊断中。 展开更多
关键词 Transformer算法 振幅整合脑电图 早产儿 预测模型
原文传递
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
使用帮助 返回顶部