XiaoMi-AI文件搜索系统
World File Search SystemRecall
老年人样本中 RBANS 学习比率的人口统计学校正规范数据
老年人的神经心理学评估传统上评估多次试验中信息的学习和保留情况（Lezak 等人，2012；Suhr，2015）。可重复的神经心理学状态评估组合（RBANS；Randolph，2012）是一种认知测量方法，自二十年前创建以来一直被频繁使用，包含相关的学习数据。具体来说，RBANS 的列表学习和故事记忆子测试评估学习和即时记忆，并且可以与它们的延迟回忆对应项（RBANS 子测试列表回忆、列表识别、故事回忆和图形回忆）结合使用，以评估一段时间内的编码和保留情况。此外，学习斜率的陡度（或坡度）可以反映出个人从多次试验中反复接触刺激中获益的潜力。学习和记忆障碍患者的学习斜率通常较浅，包括阿尔茨海默病 (AD；Gifford 等人，2015 年)、额颞叶痴呆 (Lemos 等人，2014 年)、血管性痴呆 (Mast & Allaire，2006 年) 和注意力缺陷多动障碍 (ADHD；Skodzik 等人，2017 年)。尽管许多测试手册提供了有关学习斜率数据的基本信息，但此类学习斜率的计算往往相对简单——传统上仅考虑最后一次和第一次学习试验之间的差异（“最后一次试验减去第一次试验”）。因此，这些数据有可能为某些患者的学习提供更细致的理解。
分割医学图像：从UNET到Res- ...
摘要 - 这项研究提供了深度学习模型的比较分析 - UNET，RES-UNET，RES-RES-UNET和NNUNET，可评估其在脑瘤，息肉和多级心脏分段任务中的表现。分析侧重于精确，准确性，召回，骰子相似性系数（DSC）和联合（IOU）的相交以评估其临床适用性。在脑肿瘤分割，RES-UNET和NNUNET中明显胜过UNET，在DSC和IOU分数中，RES-UNET领先，表明肿瘤描述的准确性均出色。同时，NNUNET在召回和准确性方面表现出色，这对于临床诊断和计划中可靠的肿瘤检测至关重要。在息肉检测中，NNUNET是最有效的，在所有类别中达到了最高的指标，并将其作为内窥镜检查中可靠的诊断工具证明了它。在复杂的心脏细分任务中，RES-UNET和RES-UNET在描述左心室方面非常出色，RES-UNET也导致右心室分割。nnunet在心肌分段中无与伦比，在精确，召回，DSC和IOU中取得了最高分数。结论指出，尽管有时会在特定指标中表现出色，但差异很小。NNUNET始终在整个实验中显示出卓越的整体性能。索引术语 - 深度学习，UNET，RES-UNET，RES-UNET，NNUNET，医学成像细分，临床应用特别是因为其高召回和准确性而引起的，这在临床环境中至关重要，可以最大程度地减少误诊并确保及时治疗，NNUNET在所有测试类别中的关键指标中的稳健表现将其确立为这些变化和复杂的分割任务的最有效模型。
