您的位置: 专家智库 > >

杨亚超

作品数:5 被引量:17H指数:2
供职机构:山西医科大学更多>>
发文基金:山西省高等学校大学生创新创业训练项目更多>>
相关领域:医药卫生文化科学更多>>

文献类型

  • 4篇期刊文章
  • 1篇学位论文

领域

  • 3篇医药卫生
  • 2篇文化科学

主题

  • 3篇轻度
  • 3篇轻度认知
  • 3篇阿尔茨海默病
  • 2篇大学生
  • 2篇认知功能障碍
  • 2篇体质
  • 2篇体质健康
  • 2篇轻度认知功能...
  • 2篇MRI
  • 2篇磁共振
  • 1篇学生健康状况
  • 1篇医科院
  • 1篇医科院校
  • 1篇医学大学生
  • 1篇医学生
  • 1篇院校
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇数据库
  • 1篇评分

机构

  • 5篇山西医科大学

作者

  • 5篇杨亚超
  • 2篇赵良渊
  • 1篇范炤

传媒

  • 1篇中国高等医学...
  • 1篇中华生物医学...
  • 1篇中国当代医药
  • 1篇新校园(上旬...

年份

  • 3篇2016
  • 2篇2015
5 条 记 录,以下是 1-5
排序方式:
某医科大学学生健康状况的分析评价被引量:2
2016年
为准确了解山西医科大学学生目前体质健康现状,依据《国家学生体质健康标准》对2012级2430名大学生体质健康素质情况进行了测试调查,并对测试结果进行相关分析和研究。研究结果显示,大学生整体体质正常,但在某些体质健康方面存在差距,把握当前学生体质现状,促进该校大学生重视健康教育,激发锻炼热情,提高生命质量。
许凡宇杨亚超赵良渊
关键词:医学大学生体质健康分析评价
基于SVM和结构性MRI数据的AD病程分类研究
目的:  用支持向量机(Support vector machines,SVM)模型方法基于结构性脑核磁共振成像(Magnetic resonance imaging, MRI)影像学数据,对阿尔茨海默病(Alzheim...
杨亚超
关键词:阿尔茨海默病轻度认知功能障碍核磁共振成像
某高校医学生体质健康现状的调查与分析
2015年
本研究针对山西医科大学2012级大学生体质健康素质情况采用问卷调查法和体质健康测试调查的方法进行调查。根据《学生体质健康标准(试行方案)》进行测量与评定,并分析和研究相关测试结果,准确了解该校大学生目前体质健康现状,利用分析结果找出学生在体质健康方面存在的差距,为促进该校大学生养成良好的体育运动习惯提供科学依据。
许凡宇杨亚超赵良渊
关键词:大学生体质医科院校
早晚期轻度认知功能障碍和阿尔茨海默病的MRI分析及MRI与MMSE评分的相关性研究被引量:12
2015年
目的:探讨轻度认知功能障碍(MCI)早晚期和阿尔茨海默病(AD)患者脑结构不同区域磁共振成像(MRI)的差异,及有差异脑区MRI与简易智力状态检查(MMSE)量表评分结果的相关性,为MCI和AD临床早期诊断提供帮助。方法选择2014年8月~2015年7月美国ADNI数据库中543例病例作为研究对象,按ADNI中的诊断标准将研究对象分为4组:认知功能正常的对照组(CN组)139例,轻度认知功能障碍早期(EMCI组)220例,轻度认知功能障碍晚期(LMCI组)108例,AD组76例,选取各组研究对象的MRI数据,获得272项人脑形态学特征,比较各组研究对象的MRI差异,同时采用MMSE量表进行认知评分,分析两者的相关性。结果右侧杏仁核皮层下体积,左下颞叶皮层体积,右侧内嗅区皮层体积,右下颞叶皮层体积,右上颞叶皮层厚度,左上颞叶皮层厚度及9个海马亚区体积等15项特征各组间比较差异有统计学意义(P〈0.05);CN组、EMCI组、LMCI组和AD组呈逐渐下降趋势,且其脑区的变化与MMSE量表评分结果呈正相关(r=0.219~0.435,P〈0.01)。结论右侧杏仁核皮层下体积,左下颞叶皮层体积,右侧内嗅区皮层体积,右下颞叶皮层体积,右上颞叶皮层厚度,左上颞叶皮层厚度及9个海马亚区体积等15项特征与AD疾病进程密切相关,可结合MMSE评分作为临床观察主要指标,综合评价病情进展。
杨亚超许凡宇范癤
关键词:阿尔茨海默病轻度认知功能障碍
一种基于MRI数据库的阿尔茨海默病进程数理模型预测方法被引量:3
2016年
目的:用支持向量机(SVM)模型方法基于脑核磁共振成像(MRI)影像学数据对阿尔茨海默病(AD)的不同进程进行预测分析。方法美国ADNI数据库中543个研究对象的271项MRI数据,以及简易智力状态检查(MMSE)量表得分、年龄、性别和受教育程度作为研究指标,提取出有用的特征量并结合SVM模型方法构建综合预测模型,用有组间差异的特征指标实现疾病的分类预测。结果基于SVM综合模型方法用54项有组间差异的特征指标预测不同进程AD的准确性为97.53%。结论本研究构建的SVM预测模型结合与疾病密切相关的指标特征可以获得精确的预测结果,为临床和基础研究,为疾病的病因探讨和病理改变,以及区域改变的准确定位等提供准确的依据。本模型方法可推广到其他疾病进程的分类预测中。
范炤杨亚超许凡宇齐雪丹
关键词:阿尔茨海默病磁共振波谱学轻度认知障碍支持向量机
共1页<1>
聚类工具0