背景：焦虑和抑郁症会干扰妊娠的发展。 目的是研究2018年在帕拉库的公共产科病房中紧随其后的准妈妈的焦虑和抑郁的患病率和相关因素。人口与方法：这是一项横断面研究，包括详尽的普查和连续招募835人准妈妈从2018年6月14日至9月14日。通过问卷调查和调查对象的访谈实现了数据收集，问卷中包含爱丁堡产后抑郁量表3（EPDS-3），EPDS和模块化综合家庭生活条件调查（IHLCS-2015）分别评估焦虑，抑郁和准妈妈的社会经济水平。 结果：焦虑症和抑郁症的患病率分别为44.91％和35.33％。 许多因素与焦虑和抑郁有关。 低的社会经济水平使患焦虑症的风险增加了6.7倍（OR = 6.70； IC95％[2.83-13.00]； p = 0.000）和抑郁症发作风险的8.64倍（OR = 8.64； IC95％[3.09- 17.18]； p = 0.000）。 独身者患焦虑症的风险增加了2.67倍（OR = 2.67; IC95％[1.19-5.98]; p = 0.000），是抑郁症之一的2.18倍（OR = 2.18; IC95％[1.07-4.40]; p = 0.000） 。 低经

[ISMS-C-11]病毒防范策略.pdf，这是一份不错的文件

CAD大文件查杀

基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类方法研究 基于深度学习的糖尿病视网膜图像分类

安全技术-网络信息-演化网络上的病毒建模与分析.pdf

安全技术-网络信息-小麦条锈病遥感监测及网络信息平台构建.pdf

葡萄叶片病害分类图像数据集（四类）

糖尿病已经成为影响我国国民健康的主要疾病之一,并且发病率呈上升趋势。 目前，我国糖尿病患者数量及未诊断患者数量仍据世界首位，但医疗资源分配不 均、医生数量不足、年轻医生经验不足等问题严重制约着对糖尿病的诊断。因此， 借助科技手段帮助医生对糖尿病进行辅助诊断是十分必要的。 人工智能技术的发展日新月异，“阿尔法围棋”(AlphaGo)在人机大战中的获 胜以及“沃森”(Watson)机器人强大的认知计算能力更是引发了人们对人工智能的 高度关注和遐想。人工神经网络是目前国际上迅速发展的人工智能的前沿交叉学 科，它拥有强大的学习能力和计算能力，能够更好地适应数据空间的变化，它的 应用为人工智能的研究开辟了新的途径。基于此，本文对人工智能技术在糖尿病 诊断中的应用进行研究 基于BP神经网络建立诊断模型。对收集到的病例数据进行整合和提取，选 择输入特征向量，在MATLAB软件平台建立诊断模型。为提高学习效率，对模型 参数进行了调整。通过实验，验证了BP神经网络用于糖尿病诊断的可行性。 基于概率神经网络(PNN)建立诊断模型。为进一步提高诊断准确率和诊断速 率，选择了网络结构简单、训练简洁的PNN网络

Morto蠕虫病毒杀除方法

安全技术-网络信息-围术期病人信息系统.pdf