Пономарева марина: Марина Пономарева

alexxlab

Пономарева Марина Николаевна — отзывы | Нижний Новгород

0 отзывов

Педиатр

Стаж 29 лет

Пономарева М. Н., Нижний Новгород: педиатр, отзывы пациентов, места работы, стаж 29 лет.

Обновлено 05.04.2018

Сообщить об ошибке

Образование

2

Рейтинг

Отзывы

Образование

  • 1994

    Приволжский исследовательский медицинский университет (педиатрия)

    Базовое образование

  • 2012

    Приволжский исследовательский медицинский университет (педиатрия)

    Повышение квалификации

Рейтинг

Отзывы

Народный рейтинг Нет оценок

Обследование Нет оценок

Эффективность лечения Нет оценок

Отношение к пациенту Нет оценок

Информирование Нет оценок

Посоветуете ли врача? Нет оценок

Рейтинг снижен: врач не подтвердил стаж, категорию и учёную степень

Стаж29 лет

КатегорияНеизвестна

Учёная степеньНеизвестна

Еще нет отзывов о докторе Пономарева Марина Николаевна. Ваш отзыв будет первым.

Популярные педиатры

(831) 266-01-12

Кадина Е. В.

25 отзывов

Педиатр

ул. Родионова, д. 190д

от 1900 ₽

(831) 262-17-52

Застело Е. С.

33 отзыва

Педиатр

ул. Окский Съезд, д. 4

от 1500 ₽

(831) 266-01-12

Бурд Е. Я.

13 отзывов

Педиатр

ул. Ванеева, д. 4

от 1900 ₽

(831) 280-98-56

Горник С. М.

19 отзывов

Педиатр

бульвар Мира, д. 5

от 1600 ₽

Ширшова Т. Г.

10 отзывов

Педиатр

ул. Родионова, д. 199

от 1600 ₽

(831) 280-95-72

Базанова Н. А.

21 отзыв

Педиатр

ул. Ошарская, д. 65/1

от 1500 ₽

(831) 280-95-72

Застело Е. С.

33 отзыва

Педиатр

ул. Ошарская, д. 65/1

от 600 ₽

(831) 266-01-12

Фомина С. В.

23 отзыва

Педиатр

ул. Ванеева, д. 4

от 1900 ₽

Богатырев Л. И.

13 отзывов

Педиатр

ул. Дворовая, д. 30

от 1000 ₽

(831) 266-01-12

Мокеева Е. С.

33 отзыва

Педиатр

ул. Родионова, д. 190д

от 2700 ₽

Пешехонова Е. Н.

20 отзывов

Педиатр

ш. Казанское, д. 7, корп. 1

от 1500 ₽

Пономарева Марина Сергеевна

Размер шрифта

Межбуквенный интервал

Межстрочный интервал

  • Родителям и ученикам
    • Полезная информация
      • Информационная безопасность
      • Вакантные места для приема (перевода) обучающихся
      • Помощь в трудной ситуации
      • Будущим первоклассникам
      • Правила приема, перевода, отчисления
      • Организация охраны здоровья учеников
      • Детям с ограниченными возможностями здоровья
      • Безопасность учеников
      • Отдых и оздоровление учащихся
      • Иные формы обучения
      • Школьный спортивный клуб «Аврора»
      • «Культура для школьников». «Пушкинская карта»
    • Мероприятия
    • Платные образовательные услуги
    • Новости
    • Каникулы
    • Промежуточная и итоговая аттестация
    • Платные дополнительные программы
    • Олимпиады и конференции
    • Стипендии и меры поддержки обучающихся
    • Услуги и сервисы
    • Противодействие незаконному сбору денежных средств
  • Наша школа
    • О школе
    • Администрация
    • Педагогический состав
    • Наши классы
    • Достижения и победы
      • Доска почета
  • Официально
    • Противодействие коррупции
    • Дистанционные технологии
    • Профориентационная работа
    • Информационная безопасность
  • Педагогам и сотрудникам
    • Электронный журнал
    • Образовательные ресурсы
    • Профессиональные стандарты
    • Аттестация педагогических работников
    • Повышение квалификации
    • Профсоюзная организация
    • Вакансии
    • Полезная информация
    • Методическая деятельность
    • Эффективный контракт. Оплата труда
    • Кодекс профессиональной этики
    • Функциональная грамотность
    • Финансовая грамотность
    • Наставничество
  • Сведения об образовательной организации
    • Организация питания в образовательной организации
    • Руководство. Педагогический (научно-педагогический) состав
    • Структура и органы управления образовательной организацией
      • Методический совет
      • Педагогический совет
      • Управляющий совет
    • Материально-техническое обеспечение и оснащенность образовательного процесса
    • Основные сведения
    • Документы
    • Образование
    • Образовательные стандарты и требования
    • Стипендии и меры поддержки обучающихся
    • Платные образовательные услуги
    • Финансово-хозяйственная деятельность
    • Вакантные места для приема (перевода) обучающихся
    • Доступная среда
    • Международное сотрудничество
  • Независимая оценка качества образования
    • Независимая оценка качества условий образовательной деятельности
    • Независимая оценка качества подготовки обучающихся
  • Правила посещения
  • Расписание
  • Вопросы и ответы
  • Контакты

Применение машинного обучения для диагностики пациентов с шизофренией на основе связанных с событиями потенциалов

. 2023 30 января; 13 (3): 509.

doi: 10.3390/diagnostics13030509.

Надежда Шанарова 1 , Марина Пронина 2 , Михаил Липкович 1 3 , Валерий Пономарев 2 , Андреас Мюллер 4 , Юрий Кропотов 2

Принадлежности

  • 1 Кафедра теоретической кибернетики, Санкт-Петербургский государственный университет, 198504 Санкт-Петербург, Россия.
  • 2 Н.П. Бехтерева Институт мозга человека РАН, 197376 Санкт-Петербург, Россия.
  • 3 Институт проблем машиностроения, 199178, Санкт-Петербург, Россия.
  • 4 Фонд мозговых и травматологических заболеваний, CH-7000 Chur, Швейцария.
  • PMID: 36766614
  • PMCID: ПМС9913945
  • DOI: 10.3390/диагностика13030509

Бесплатная статья ЧВК

Надежда Шанарова и др. Диагностика (Базель). .

Бесплатная статья ЧВК

. 2023 30 января; 13 (3): 509.

дои: 10.3390/диагностика13030509.

Авторы

Надежда Шанарова 1 , Марина Пронина 2 , Михаил Липкович 1 3 , Валерий Пономарев 2 , Андреас Мюллер 4 , Юрия Кропотова 2

Принадлежности

  • 1 Кафедра теоретической кибернетики, Санкт-Петербургский государственный университет, 198504 Санкт-Петербург, Россия.
  • 2 Н.П. Бехтеревой Институт мозга человека РАН, 197376, Санкт-Петербург, Россия.
  • 3 Институт проблем машиностроения, 199178 Санкт-Петербург, Россия.
  • 4 Фонд мозговых и травматологических заболеваний, CH-7000 Chur, Швейцария.
  • PMID: 36766614
  • PMCID: PMC9913945
  • DOI: 10.3390/диагностика13030509

Абстрактный

Шизофрения — серьезное психическое расстройство, значительно снижающее качество жизни. Раннее лечение чрезвычайно важно для смягчения долгосрочных негативных последствий. В этой статье была разработана диагностика шизофрении на основе машинного обучения. Модели классификации были применены к потенциалам, связанным с событиями (ERP) пациентов и здоровых субъектов, выполняющих визуальное задание Go/NoGo. Выборку составили 200 взрослых людей в возрасте от 18 до 50 лет. Для применения моделей машинного обучения из ERP были извлечены различные функции. Процесс выделения признаков был параметризован с помощью специальной процедуры, и параметры этой процедуры были выбраны с помощью метода поиска по сетке вместе с гиперпараметрами модели. Извлечение признаков сопровождалось последовательным преобразованием выбора признаков, чтобы предотвратить переоснащение и снизить вычислительную сложность. На полученном наборе признаков были обучены различные модели. Лучшей моделью оказались машины опорных векторов с чувствительностью и специфичностью 91% и 90,8% соответственно.

Ключевые слова: электроэнцефалограмма; событийный потенциал; модели машинного обучения; шизофрения; Машина опорных векторов.

Заявление о конфликте интересов

Авторы заявляют об отсутствии конфликта интересов. Спонсоры не участвовали в разработке исследования; при сборе, анализе или интерпретации данных; при написании рукописи; или в решении опубликовать результаты.

Цифры

Рисунок 1

Большой средний 19-канальный ERP для…

Рисунок 1

Общее среднее 19-канальное ERP для двух групп для условия сигнала, когда…

Рисунок 1

Общее среднее значение 19-канальной ССП для двух групп для сигнального состояния, когда первым стимулом в испытании было изображение животного, и испытуемые должны были подготовиться к следующему стимулу. Зеленые линии — больные шизофренией (ШЗ). Красные линии — здоровые контроли (HC). Синие линии — волны разности SZ-HC. Оценки ниже ERP на каждом канале — статистически значимые ( p < 0,05) различия между кластерами (обозначены разными цветами).

Рисунок 2

Большой средний 19-канальный ERP для…

Рисунок 2

Общее среднее значение ERP по 19 каналам для двух групп в состоянии NoGo. Сокращения…

фигура 2

Общее среднее значение ERP по 19 каналам для двух групп при состоянии NoGo. Сокращения те же, что и на рисунке 1.

Рисунок 3

Большой средний 19-канальный ERP для…

Рисунок 3

Общие средние 19-канальные ERP для двух групп в состоянии GO. Сокращения…

Рисунок 3

Общие средние 19-канальные ERP для двух групп в состоянии GO. Сокращения те же, что и на рисунке 1.

Рисунок 4

Блок-схема, показывающая этапы…

Рисунок 4

Блок-схема, показывающая этапы обработки данных для конкретного состояния «P–H».

Рисунок 4

Блок-схема, показывающая этапы обработки данных для конкретного состояния «P–H».

Рисунок 5

Матрица путаницы в классификации для…

Рисунок 5

Матрица путаницы классификации для модели SVM (behavior, SFSB).

Рисунок 5

Матрица путаницы классификации для модели SVM (поведение, SFSB).

Рисунок 6

Элементы, отсортированные по их…

Рисунок 6

Элементы, отсортированные по их значению формы.

Рисунок 6

Элементы, отсортированные по их значению формы.

Рисунок 7

Влияние значений характеристик…

Рисунок 7

Влияние значений признаков на выходные данные модели.

Рисунок 7

Влияние значений признаков на выходные данные модели.

См. это изображение и информацию об авторских правах в PMC

Похожие статьи

  • Классификация сигналов ЭЭГ с использованием машинного обучения для идентификации и диагностики шизофрении.

    Чжан Л. Чжан Л. Annu Int Conf IEEE Eng Med Biol Soc. 2019 июль; 2019: 4521-4524. doi: 10.1109/EMBC.2019.8857946. Annu Int Conf IEEE Eng Med Biol Soc. 2019. PMID: 31946870

  • Определение того, как субъективно воспринимается время, на основе связанных с событиями потенциалов (ERP): подход машинного обучения.

    Джалалкамали Х., Таджик А., Хатами Р., Незамабадипур Х. Джалалкамали Х. и др. Int J Neurosci. 2022 июль 25:1-9. дои: 10.1080/00207454.2022.2103413. Онлайн перед печатью. Int J Neurosci. 2022. PMID: 35848165

  • Классификация пациентов с СДВГ на основе независимых компонентов ERP с использованием системы машинного обучения.

    Мюллер А., Кандриан Г., Кропотов Ю.Д., Пономарев В.А., Башера Г.М. Мюллер А. и др. Нелинейная биомедицинская физ. 3 июня 2010 г .; 4 Приложение 1 (Приложение 1): S1. doi: 10.1186/1753-4631-4-S1-S1. Нелинейная биомедицинская физ. 2010. PMID: 20522259 Бесплатная статья ЧВК.

  • Классификация шизофрении на основе машины опорных векторов с использованием морфологической информации из субрегионов миндалевидного тела и гиппокампа.

    Го И, Цю Дж, Лу В. Гуо Ю и др. наук о мозге. 2020 15 августа; 10 (8): 562. doi: 10.3390/brainsci10080562. наук о мозге. 2020. PMID: 32824267 Бесплатная статья ЧВК.

  • Обзор методов машинного обучения для выбора и классификации признаков расстройства аутистического спектра.

    Рахман М.М., Усман О.Л., Муниянди Р.С., Сахран С., Мохамед С., Разак Р.А. Рахман М.М. и др. наук о мозге. 2020 7 декабря; 10 (12): 949. doi: 10.3390/brainsci10120949. наук о мозге. 2020. PMID: 33297436 Бесплатная статья ЧВК. Обзор.

Посмотреть все похожие статьи

Рекомендации

    1. Оуэн М., Сава А., Мортенсен П. Шизофрения. Ланцет. 2016; 388:86–97. doi: 10.1016/S0140-6736(15)01121-6. — DOI — ЧВК — пабмед
    1. McEvoy J. P. Важность раннего лечения шизофрении. Поведение Здоровье. 2007; 27:40–43. — пабмед
    1. Боуи Ч.Р., Харви П.Д. Когнитивный дефицит и функциональный исход при шизофрении. нейропсихиатр. Дис. Обращаться. 2006; 2: 531–536. doi: 10.2147/nedt.2006.2.4.531. — DOI — ЧВК — пабмед
    1. Орельяна Г. , Слачевский А., Пенья М. Нарушение исполнительного внимания при первом эпизоде ​​шизофрении. БМС Психиатрия. 2012;12:154. дои: 10.1186/1471-244X-12-154. — DOI — ЧВК — пабмед
    1. Ринальди Р., Лефевр Л. Целенаправленное поведение у пациентов с шизофренией: актуальность концепции и обновленная модель. Психиатрия клин. Неврологи. 2016;70:394–404. doi: 10.1111/pcn.12401. — DOI — пабмед

Грантовая поддержка

  • 84912397/Санкт-Петербургский университет
  • 075-15-2021-573/Министерство науки и высшего образования Российской Федерации

Методы исследования структурной неоднородности нейронов: проточная цитометрия и лазерная интерферометрия

. 2018;1745:155-166.

дои: 10.1007/978-1-4939-7680-5_9.

Екатерина Копейкина 1 , Марина Духинова 1 , Евгений Д Пономарев 2

Принадлежности

  • 1 Школа биомедицинских наук, медицинский факультет Китайского университета Гонконга, Гонконг, САР, Китай.
  • 2 Школа биомедицинских наук, медицинский факультет Китайского университета Гонконга, Гонконг, САР, Китай. [email protected].
  • PMID: 29476468
  • DOI: 10. 1007/978-1-4939-7680-5_9

Екатерина Копейкина и др. Методы Мол Биол. 2018.

. 2018;1745:155-166.

дои: 10.1007/978-1-4939-7680-5_9.

Авторы

Екатерина Копейкина 1 , Марина Духинова 1 , Евгений Д Пономарев 2

Принадлежности

  • 1 Школа биомедицинских наук, медицинский факультет Китайского университета Гонконга, Гонконг, САР, Китай.
  • 2 Школа биомедицинских наук, медицинский факультет Китайского университета Гонконга, Гонконг, САР, Китай. [email protected].
  • PMID: 29476468
  • DOI: 10.1007/978-1-4939-7680-5_9

Абстрактный

Нейрональные клетки, вероятно, являются наименее изученными клетками в отношении их гетерогенности на уровне отдельных клеток или популяции. Одной из основных проблем изучения отдельных нейронов является наличие длинных отростков (аксонов) на дифференцированных взрослых нейронах, затрудняющих их обособление без существенного повреждения клеток. Поэтому наиболее распространенным методом изучения нейрональных клеток является иммунофлуоресцентная микроскопия срезов головного мозга, которая остается малоколичественной и позволяет анализировать небольшое количество фиксированных клеток. Также иммунофлуоресцентная микроскопия имеет ряд артефактов окрашивания, так как гистологический срез имеет высокий уровень аутофлуоресценции и неспецифического связывания флуоресцентных зондов. Альтернативные методы, которые могут преодолеть недостатки иммунофлуоресцентной гистологии, включают проточную цитометрию, сканирующую цитометрию и лазерную интерферометрию. Проточная цитометрия и, в некоторой степени, сканирующая цитометрия позволяют проводить анализ множественных маркеров с низким уровнем неспецифического фона и очень надежной статистикой. Лазерная интерферометрия позволяет исследовать целые, живые нейроны без окрашивания. Ограничения и преимущества этих методов обсуждаются в этой главе.

Ключевые слова: Проточной цитометрии; Лазерная интерферометрия; Нейроны.

Похожие статьи

  • Пятицветное иммунофенотипирование плюс анализ содержания ДНК методом лазерной сканирующей цитометрии.

    Сцепление RJ, Форман JR. Клатч Р.Дж. и др. Цитометрия. 1998 г. , 15 февраля; 34(1):36-8. Цитометрия. 1998. PMID: 9511939 Обзор.

  • Суперконтинуальные лазеры белого света для проточной цитометрии.

    Телфорд В.Г., Субач Ф.В., Верхуша В.В. Телфорд В.Г. и соавт. Цитометрия А. 2009 г., май; 75 (5): 450-9. doi: 10.1002/cyto.a.20687. Цитометрия А. 2009. PMID: 19072836 Бесплатная статья ЧВК.

  • Обогащение и изоляция нейронов из мозга взрослых мышей для анализа ex vivo.

    Берл С., Каррам К., Шеллер А., Юнгблут М., Кирххофф Ф., Вайсман А. Берл С. и др. J Neurosci Методы. 2017 1 мая; 283:15-22. doi: 10.1016/j.jneumeth.2017.03.015. Epub 2017 21 марта. J Neurosci Методы. 2017. PMID: 28336359

  • Многопараметрический анализ клеточных линий эпителиальных опухолей человека методом лазерной сканирующей цитометрии.

    Поллис А.А., Смит К.А., Браун К., Фаркас Д.Л., Сильверман Дж.Ф., Шакни С.Е. Поллис А.А. и др. Цитометрия. 2000 г., 15 декабря; 42(6):347-56. Цитометрия. 2000. PMID: 11135288

  • Многопараметрическая визуализация гетерогенности клеток при анализе апоптоза.

    Воробьев И.А., Бартенева Н.С. Воробьев И.А., и соавт. Методы. 2017 1 января; 112: 105-123. doi: 10.1016/j.ymeth.2016.07.003. Epub 2016 5 июля. Методы. 2017. PMID: 27392934 Обзор.

Посмотреть все похожие статьи

Цитируется

  • Нейрональные внеклеточные микроРНК миР-124 и миР-9 опосредуют межклеточную связь между нейронами и микроглией.

    Веремейко Т., Кузнецова И.С.

    No related posts.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *