简介:目的研究颅内电极脑电图监测技术在病毒性脑炎非惊厥性癫痫持续状态应用价值并予以分析。方法选取2015年4月~2017年10月于我院接受治疗的病毒性脑炎患者110例为研究对象。分别对所有患者进行常规脑电图监测、颅内电极脑电图监测以及脑脊液检查。分别比较两组脑电图异常率情况以及癫痫样放电现象发生率情况。此外,根据患者是否为非惊厥性癫痫持续状态分非惊厥性癫痫持续状态40例,惊厥性癫痫持续状态70例。以脑脊液检查为金标准:分析两种检测方式诊断病毒性脑炎非惊厥性癫痫持续状态的敏感度、特异性以及准确度。结果颅内电极脑电图监测病毒性脑炎的脑电图轻度异常率为0.00%(0/110),明显低于常规脑电图组的10.91%(12/110),而脑电图重度异常率与癫痫样放电现象发生率分别为46.36%(51/110)、56.36%(62/110),均明显高于常规电脑组的25.45%(28/110)、16.36%(18/110),组间对比差异有统计学意义(均P〈0.05)。常规脑电图监测诊断病毒性脑炎非惊厥性癫痫持续状态的真阳性以及真阴性人数占比均明显低于颅内电极脑电图监测,组间对比差异均有统计学意义(均P〈0.05)。以脑脊液检查为金标准,常规脑电图诊断病毒性脑炎非惊厥性癫痫持续状态的灵敏度、特异性以及准确性分别为57.50%、60.00%、59.09%,均明显低于颅内电极脑电图监测的85.00%、84.29%、84.55%,组间对比差异有统计学意义(均P〈0.05)。结论颅内电极脑电图监测技术应用于病毒性脑炎非惊厥性癫痫持续状态诊断中具有较高的价值,有利于为临床治疗方案的制定提供参考依据,同时可作为临床治疗预后的指标,值得临床应用。
简介:针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).
简介:LDA主题模型是文本挖掘领域的重要算法,同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题,是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量,我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分,同时结合正样本学习得到的正面预测评分,从正反两个方面进行综合评测,从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验,表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.