Por:
Hindawi
|
Fecha:
2021
Este trabajo investiga el cómputo cognitivo del metabolismo cerebral en pacientes en hemodiálisis de mantenimiento mediante la evaluación multimodal de la terapia por resonancia magnética. Este trabajo construye un método de reconocimiento de emociones entre individuos utilizando el aprendizaje dinámico de patrones de entropía muestral. El reconocimiento de emociones entre individuos se llevó a cabo en sujetos utilizando el conjunto de datos de emoción EEG SEED. Los resultados experimentales muestran que el aprendizaje de patrones dinámico basado en la entropía muestral propuesto tiene un mejor rendimiento en el reconocimiento de emociones entre individuos y muestra una mejor generalización y capacidad de generalización en comparación con los resultados de los estudios relacionados existentes. El método de computación cognitiva construido para el reconocimiento de estados de emoción interindividuales logra la optimización y la innovación del reconocimiento de patrones de emoción EEG, que puede predecir eficazmente el estado de emoción mental de las personas a partir de señales EEG. También exploramos el valor de las imágenes de resonancia magnética ponderadas por difusión y las mediciones volumétricas basadas en imágenes de resonancia magnética dinámica mejorada para evaluar la eficacia de la terapia neoadyuvante en pacientes en hemodiálisis de mantenimiento. Analizamos y comparamos los resultados de diferentes estudios para encontrar la mejor resonancia magnética multimodal para evaluar la eficacia de la terapia neoadyuvante en pacientes en hemodiálisis de mantenimiento. El uso de las tasas de crecimiento del valor ADC para evaluar la eficacia neoadyuvante proporciona la mejor eficacia diagnóstica y permite el cribado de pacientes que responden bien a la terapia neoadyuvante, evitando al mismo tiempo el impacto de dos combinaciones diferentes de valores b utilizadas habitualmente para evaluar la eficacia neoadyuvante.
