摘要。珀金森氏病是一种从公认的临床帕金森氏综合症引起的进行性退行性疾病。帕金森氏病的节日包括运动和非运动症状,鉴定为震颤,弯曲运动(运动缓慢),僵化和姿势不稳定。pd被标记为各种研究和调查中最普遍的疾病之一,因为在100人中有90%被观察到。必须设计CAD以准确地确定该疾病的高级模型,因为最新的PD诊断没有准确的临床干预。与常规方法相反。深度学习卷积神经网络工具是指通过MRI对PD进行更快,准确的识别。这项研究的目的是有助于开发准确的PD检测方法。进行研究使用了公共数据集NTU(雅典国家技术大学)。数据样本分为三组(训练,测试和验证)。将与LSTM集成的densenet应用于MRI数据样本。densenet用于增强特征选择能力,因为每一层都根据图像的时间接近度选择特征。然后将输出馈入LSTM层,以发现时间特征中的显着依赖性。将提出的Densenet-LSTM的性能与其他CNN最先进的模型进行了比较。所提出的模型输出的训练精度为93.75%,测试精度为90%,验证精度分别为93.8%。
摘要通过使用十二烷基苯甲酸钠(SDBS)和十二烷基硫酸钠(SDS)作为碳糊电电子(CPES)的表面修饰剂(CPES),开发了一种选择性和敏感的方法,用于同时使用十二烷基苯甲酸盐(SDBS)和十二烷基硫酸钠(SDS)来确定多巴胺和尿酸的选择性和敏感方法。在较低的SDS和SDB浓度下,由于表面活性剂与CPE的石蜡的疏水链相互作用,它们在CPE表面形成负电荷的单层。在磷酸盐缓冲溶液中,SDS的表面活性剂的优化浓度为2 mm,SDB的SDB为1 mM(分别为0.1 m,pH 7和pH 6)。与普通CPE相比,用SD(CPE-SD)和用SDB(CPE-SDB)修饰的CPE显示出在0.230 V和0.230 V和尿酸(UA)的电化学反应改善,并在0.345 V时在0.345 V时,由于静电相互作用,由于静电相互作用,在静电相互作用且表面呈稳定的分析和表面上的静电量和表面均可分配为SD和SDESS和SDED的均匀分析。在最佳实验条件下,设计的电极对DA的线性响应从0.53μm到31.6μm,UA从5.95μm到118.97μm。在CPE-SD中发现DA和UA的检测极限为0.26和1.10 µm,而CPE-SDBS的检测限为0.22和0.22和0.38 µm。CPE-SDB和CPE-SD显示出良好的可重复性,可重复性,稳定性和高选择性,可确定血清血清样品中DA和UA。关键字:多巴胺,尿酸,碳糊电极,十二烷基硫酸钠,十二烷基苯甲酸钠
