Scidown文献预览系统!
卒中后失语症分类和基于病变的预测的数据驱动方法( A data-driven approach to post-stroke aphasia classification and lesion-based prediction )
L Jon-Frederick F Zhang M Daniel aphasia lesion-based diagnosis language processing machine learning
失语症是一种后天产生或理解语言的障碍,通常由左半球中风引起。当今临床失语症学中使用的分型框架是基于19世纪末制定的Wernicke-Lichtheim失语症模型,该模型强调语言产生和理解之间的区别。目前的研究使用了一种数据驱动的方法,结合现代统计学、机器学习和神经成像工具,在一个大的卒中后失语症患者队列中检查行为缺陷概况及其病变相关性和预测因子。首先,使用社区检测分析(CDA)对失语症患者的行为缺陷进行聚类,并将这些聚类与传统的失语症亚型进行比较。建立随机森林分类器,以评估单个病变剖面预测聚类成员的能力。CDA分析的结果在行为或神经解剖学模式上与传统失语症模型不一致。相反,结果表明失语症的主要区别(在严重程度之后)是语音和语义处理之间的区别,而不是生产和理解之间的区别。此外,基于病灶的分类在基于CDA的分类中达到了75%的准确率,而在基于传统的流利/非流利失语症区分的分类中只有60%的准确率。本研究结果为脑卒中后失语亚型的分类提供了数据驱动的基础。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】