临床识别（精选九篇）
临床识别 篇1
1 及早识别病羊, 有效控制疾病的发生
1.1 看皮毛
健康羊被毛整洁、富有弹性。如果羊毛粗乱、蓬乱易断, 皮肤松弛不洁则是慢性病羊常有的表现, 特别是内外寄生虫病感染的时候, 情况更为严重。
1.2 看体态
健康羊膘满肉肥, 体格强壮, 病羊则体弱。一些羊显得比较瘦弱, 疑为慢性病和寄生虫病, 后期往往呈皮包骨状态。急性病的初期不会出现消瘦。
1.3 看行动
健康的羊通常聚集在一起, 休息时多呈半侧卧姿势, 当人接近时便即行起立;病羊食欲、反刍减少, 常常离群卧地, 出现一些异常姿势。健康羊眼睛明亮有神, 洁净湿润, 听觉灵敏;发病羊则精神萎靡, 眼睛无神, 头低耳垂, 反应迟钝。健康羊叫声宏亮而有节奏;病羊叫声高低常有变化, 甚至不用听诊器就可听见呼吸声及咳嗽声、肠音;病羊表现不愿抬头, 听力、视力减弱, 行走缓慢。中毒时常常是低头呆立, 感染寄生虫的病羊则显得懒散而疲倦。
1.4 看饮食
健康羊采草时争先恐后, 抢着吃头排草。吃草减少常为发病初期, 完全废食多见于重病, 尤其是胃肠方面的疾病, 大量饮水常出现在热性病、重型腹泻的前期。
1.5 看鼻液
健康羊鼻镜湿润而光滑, 带有微细的水珠。若发现稀薄、黏性或脓性鼻液, 鼻镜干燥, 不光滑, 表面粗糙, 则是羊患病的征兆。
1.6 看反刍
羊正常的反刍时间和次数是有规律的, 一般羊在采食30～50分钟后, 经过休息便可进行第1次反刍, 每次反刍要持续30～60分钟, 24小时内要反刍4～8次。一旦反刍次数减少, 缓慢甚至停止, 可见发生肠胃病或传染病。
1.7 看黏膜
健康羊黏膜呈淡红色。若黏膜呈苍白色, 可能是患贫血、营养不良或感染了寄生虫;而结膜潮红是发炎和患某些急性传染病的前兆;结膜发绀呈暗紫色多为病情严重。健康羊口腔黏膜为淡红色, 用手感知暖手, 无恶臭味。病羊口腔时冷时热, 黏膜淡白或潮红干涩、流涎, 有恶臭味。健康羊的舌头呈粉红色而有光泽、转动灵活、舌苔正常。病羊舌头则活动不灵、软绵无力、舌苔薄白或苔厚而粗糙无色。
1.8 看粪便
健康羊的粪呈椭圆形粒状, 成堆或链条状排出, 粪球表面光滑、较硬;下痢时常为黑绿色;病羊如患寄生虫病多出现软便, 颜色异常, 呈褐色或浅褐色, 异臭。肾脏和膀胱等器官发病时, 常有排尿困难、尿液浑浊或带血, 有时带有刺鼻的异味。健康羊小便清亮无色或微带黄色;病羊大小便不正常, 大便或稀或硬, 甚至停止, 小便色黄或带血。
1.9 测体温
体温是羊健康与否的又一标志, 正常体温是39.5℃～40.5℃。如发现羊精神失常, 可用手触摸角的基部或皮肤, 无病的羊两角尖凉, 角根温和。贫血时体温降到正常以下;急性热性病时, 羊体温升高, 而体温突然下降常是临死的征兆。
1.1 0 测呼吸
待羊只安静后, 将听诊器贴在羊胸部肺区, 可清晰地听到肺脏的呼吸音, 也可以将手放置鼻前感知呼出气息。健康羊每分钟呼吸12～20次, 间隔匀称, 带“嘶嘶”声的肺呼吸音。病羊则出现“呼噜、呼噜”节奏不齐的拉风箱似的肺泡音, 呼吸次数在急性发热时增加, 中毒时常减少。
2 养殖场应以防为主, 防控结合
2.1 加强日常饲养管理
在日常管理中要保证营养平衡, 对于妊娠后期母羊和羔羊更应该注意, 要严格按照饲养管理标准进行。防止采食霉变饲草, 以减少病原微生物和寄生虫的侵袭, 羊舍要保持清洁、干燥、通风。要经常保持运动。
2.2 搞好羊舍消毒
对羊舍、用具和运动场要进行彻底消毒。消毒前要把消毒对象清洗干净, 再喷洒消毒水。如果发生传染病, 对病羊污染的场地器具要进行彻底消毒。羊粪便、羊舍杂物要集中堆积, 发酵处理, 杀死粪中的病原微生物和寄生虫卵。
2.3 定期预防接种
根据本地区历年发生传染病情况和目前疫病流行情况, 制定切实可行的免疫程序, 按计划进行预防接种。
2.4 定期驱虫
文字识别：在线OCR识别更轻松！ 篇2
一、注册会员
要使用该网站提供的服务，我们需要先注册。点击首页上十分显眼的“注册”按钮，进入注册页面，填入各项相关内容即可。此处要注意的是，在“邮箱”一栏中，请务必填入正确的电子信箱地址，以便网站将识别结果发送到你的信箱。注册完成后，输入用户名、密码，登录至用户文件管理页面（图1），在这里进行图像的在线OCR操作。
图1
二、上传图像
在本地硬盘上准备好需要OCR的图片文件，单击管理页面中的“识别”按钮，进入如（图2）所示的“上传识别”页面，在此点击“浏览”按钮，选择硬盘中欲识别的图像文件，而后依次选择好需要识别的文件语言、输出文字的格式、识别要求等基本选项。如果勾选“显示其他选项”，还可进行识别方式、设置内码类型、导出格式、发送识别文件至用户信箱等更多方面的设置，可按各人实际需求选取。最后单击“上传识别”按钮，即开始OCR识别工作，
图2
提示：为了取得较为理想的识别效果，用户上传的图像最好为TIF格式，分辨率越高识别效果越好，不过图像文件变大会导致上传速度变慢。注册用户可以免费在线识别999幅图像，但一天之内不超过99幅图像，且提交的识别图像总空间也不能超过50MB。
点击阅读更多学院相关文章>>
分享到 三、输出结果
从图像中识别出文本字符，由于图片大小、网络速度等客观因素的存在，因此识别需要一段时间，当识别工作完成后，识别出来的文字会显示在“识别结果”文本框中（图3）。
此时文本框中的文字已经变成了纯文本文字，你可以将文本复制、粘贴到Word或WPS等文字处理软件中进行编辑。如果你先前选中了“显示其他选项”，此时还可选择将文字以RTF、HTML、PDF三种文件格式导出，或者将识别结果发送至自己的邮箱。
提示；现在不少网站都加强了网页的保护，不允许保存网页或者在文字中夹杂了无关内容，通过在线OCR，我们可以将这些网页抓图再识别，这样再高明的网页保护也不攻自破了。
上一页 1 2
点击阅读更多学院相关文章>>
识别更安全？眼部识别技术解密 篇3
随着大家对手机安全性的要求越来越高，手机厂商们逐渐将传统的字符密码、手势密码过渡到了生物识别。生物识别利用每个人独特的生理特征来进行手机解锁，指纹识别和眼球识别则是目前两种主流的生物识别技术。2013年iPhone 5S搭载指纹识别技术Touch ID横空出世，之后Android阵营紧随其后，从高至低逐渐将指纹识别变成了智能手机的标准配置，让人们有了安全快捷的解锁体验（图1）。
配备指纹识别的华为Mate 7
苹果、Android阵营指纹识别技术的普及并没有让微软心动，微软在近日发布的Windows 10旗舰手机Lumia 950、Lumia 950 XL则选择了眼球识别技术（图2）。微软宣布会在之后发布的全系列Windows 10手机上启用该技术，并且涵盖所有中、高、低端机型，而不像Android阵营只在中、高端机型上使用（当然iPhone就直接算高端机型了）。
那么眼球识别技术和指纹识别有什么不同？大家知道指纹识别主要特征是每个人的指纹数据，我们首先在手机上采集使用者的指纹，接着将其存入手机数据库中，这样在我们需要使用指纹解锁时，手机会读取当前指纹数据并将读取的数据和数据库中的指纹数据进行比对，如果数据一致就进行解锁。
配备眼球识别技术的Lumia 950 XL
眼球识别技术与其类似，不过它使用的是每个人眼球中独特的数据（如虹膜、视网膜），手机通过摄像头采集这些数据后同样预先保存在数据库中，然后在识别时通过手机摄像头进行采集并比对，如果数据一致就进行解锁。它和指纹数据识别不同的是，指纹识别需要为手机配备专门的指纹识别设备，而眼球识别使用的是现在手机标配的摄像头，这样相对来说硬件成本较低。难怪微软宣称，只要当前Lumia机型通过升级，即使是低端机型如Lumia 520也可以使用眼球识别技术了（图3）。
据说Lumia 520通过升级也可以使用眼球识别技术
眨眨眼就能解锁？
那么眼球识别技术是怎样进行识别并解锁手机的？目前眼球识别技术主要有视网膜识别和虹膜识别两种，前者代表是Vivo的X5Pro，它识别的是人眼眼白中的静脉血管图案，这项技术可用于加密绝大多数手机APP，通过识别独一无二的眼球静脉图案，来辨别不同生物活体，从而实现高度的安全性与不可复制性。但是由于静脉血管图案需要专业设备扫描眼睛后部的血管图案进行识别，具有精度高、可靠性强的特点，但同时设备要求也非常高，因此这类手机售价普遍较高，并不利于眼球识别技术的推广（图4）。
配备视网膜识别的Vivo X5Pro手机
微软的虹膜识别则是通过识别用户眼球中的虹膜数据实现。据生物学家的介绍，人的眼睛结构由巩膜、虹膜、瞳孔晶状体、视网膜等部分组成。虹膜则是位于黑色瞳孔和白色巩膜之间的圆环状部分，其包含有很多相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征。而且虹膜在胎儿发育阶段形成后，在整个生命历程中将是保持不变的。这些特征决定了虹膜特征的唯一性，同时也决定了身份识别的唯一性。因此，可以将眼睛的虹膜特征作为每个人的身份识别对象（图5）。
人眼的虹膜
那么在Lumia手机上怎么进行虹膜识别？因为虹膜数据是通过手机摄像头进行采集，在配备该项技术的手机启动虹膜识别时，首先摄像头会对用户整个眼部进行拍摄，并将拍摄到的圖像传输到手机中进行存储。接着手机会对扫描到的图像进行处理，如进行图像平滑、边缘检测、图像分离等操作。然后通过一定的算法从分离出的虹膜图像中提取出独特的特征点，并对其进行编码，使之成为手机可以识别的数字化数据。这样在进行红膜识别的时候，手机会根据在此采集到的虹膜数据进行特征匹配，如果数据和之前保存在数据库中的一致则完成验证，用户基本上只要对着手机摄像头瞄一眼即可解锁（图6）。
虹膜扫描原理解析
虹膜解锁 方便你我他
头位难产早期识别及临床干预分析 篇4
1 资料与方法
1.1 一般资料
选取2014年1月～2015年6月在我院产科进行分娩的头位难产产妇100例,年龄22～38岁,平均28.6±4.3岁,孕程36～41周,平均38.8±4.3周;初产妇76例,经产妇24例。
1.2 方法
对100例头位难产孕产妇的临床资料进行回顾性分析,在生产时实行剖宫产和阴道助产,并分析发生头位难产的原因、临床表现及其处理方法。
2 结果
100例头位难产产妇主要表现为胎膜早破,继而出现宫缩无力、产程异常或胎头未衔接等;其中72例胎头位置异常,也是引起头位难产的重要原因,具体体现在持续性枕横位25例和枕后位47例、产力异常15例、产道异常13例;经有效处理,阴道分娩产妇81例,剖宫产产妇19例,大大降低了剖宫产率。
3 讨论
3.1 头位难产的早期识别
头位难产有一定的变化性和隐匿性,使其在产前不易被识别和诊断,大多经历一段产程后才能逐渐表现,因此应注意难产征象。在诊断时出现以下表现应考虑头位难产:①胎膜早破。因胎儿头位异常不能适应盆骨入口使得胎头入盆受阻,羊水进入胎头以下的羊膜囊内,在压力过大的情况下可能出现胎膜早破。②产程延长。产程图是产程监护和识别头位难产的重要手段,潜伏期延长、活跃期延长或阻滞、第二产程延长、滞产、胎头下降延缓或阻滞均为头位难产的重要表现[2]。③宫缩乏力。产程过长时,产妇精神紧张加上体力消耗,可导致原发性或继发性宫缩乏力。④产妇过度紧张、过早屏气用力等。
3.2 头位难产的原因
头位难产的原因错综复杂,非单一因素引起,主要表现如下:①胎儿因素是导致头位难产的最主要因素,包括胎头位置异常和胎儿巨大,胎头位置异常多伴有头盆不称,常见有持续性枕横位和枕后位。②产力异常。分娩时通过子宫收缩的强度和频率预测难产的信息,如子宫收缩乏力或收缩过强均为产力异常。③产道异常。孕妇的骨盆测量值偏小,骨盆狭窄或盆骨畸形等均为骨产道异常;对于患有子宫颈肌瘤、阴道瘢痕等患者均属于软产道异常。④心理因素。产妇在生产时常表现出紧张、焦虑等情绪,可导致体内一系列的神经内分泌变化,如去甲肾上腺素分泌减少,使宫缩减弱,可引发难产。
3.3 头位难产的处理方法
3.3.1 一般处理
产妇在生产前容易情绪化,护理人员应及时给予必要的心理安慰,并保证产妇充分休息及充足营养,鼓励产妇以增强分娩信心,提倡其多进食高能量的食物,以保证身体营养及足够的体力。
3.3.2 徒手旋转胎头
在宫缩间隙时,将右手食指和中指伸入阴道内,与矢状缝平行,食指与中指分开约30°轻轻钳住胎头,宫缩时缓慢旋转至枕前位[3]。持续性枕右横和持续性枕右后应按顺时针方向旋转;持续性枕左横和持续性枕左后应按逆时针方向旋转。如旋转过程中感觉不易转动胎头,可上推胎头,待其松动后再作旋转,旋转成功后取出右手;旋转胎头时,左手可在孕妇腹部轻推胎背,按压胎肩以协助胎头旋转和固定胎头以保证旋转成功;操作时切忌粗暴,动作要轻柔。
3.3.3 选择生产方式
对于无明显头盆不称者,可先让产妇试产;出现宫缩乏力时,潜伏期注射哌替啶,休息4小时,以排除假宫缩、纠正不协调宫缩;若休息后无进展则应作阴道检查,破水后宫缩仍不强可点滴催产素以加强产力。若经上述处理后产程仍不顺利,不可再试产,应急行剖宫手术。100例产妇中阴道分娩81例、剖宫产19例,无一例妇儿出现危险。
3.4 小结
胎位异常是引发头位难产的主要因素,因此孕妇应在待产期间定期进行检测,在临产前进行B超检查,以明确胎儿体位,也要保持较好的产力,以保证试产过程顺利;同时,早期识别头位难产的信号并及时进行干预和处理,能减少对产妇和胎儿的伤害,降低剖宫产率,提高产科质量。
参考文献
[1]黄金花.对头位难产产妇进行适时产科干预的临床分析[J].哈尔滨医药,2014,34(1):82-83.
[2]张莲.头位难产75例临床分析[J].临床医药实践,2011,20(4)314-315.
临床识别 篇5
如何识别地沟油?在饭店里吃饭怎样识别地沟油
据国家统计，中国每年有300万吨返回到餐桌。按照比例每年吃万吨左右，也就是说，你每吃10餐就有可能有一餐的油就地沟油!
如何鉴别地沟油成为了我们现在迫切需要知道的，下面大学网就教大家如何鉴别地沟油：
一看
看透明度，纯净的植物油呈透明状，在生产过程中由于混入了碱脂、蜡质、杂质等物，透明度会下降;看色泽，纯净的油为无色，在生产过程中由于油料中的色素溶于油中，油才会带色;看沉淀物，其主要成分是杂质。
二闻
每种油都有各自独特的气味。可以在手掌上滴一两滴油，双手合拢摩擦，发热时仔细闻其气味。有异味的油，说明质量有问题，有臭味的很可能就是地沟油;若有矿物油的气味更不能买。
三尝
用筷子取一滴油，仔细品尝其味道。口感带酸味的油是不合格产品，有焦苦味的油已发生酸败，有异味的油可能是地沟油。
四听
取油层底部的油一两滴，涂在易燃的纸片上，点燃并听其响声。燃烧正常无响声的是合格产品;燃烧不正常且发出“吱吱”声音的，水分超标，是不合格产品;燃烧时发出“噼叭”爆炸声，表明油的含水量严重超标，而且有可能是掺假产品，绝对不能购买。
五问
临床识别 篇6
1 资料与方法
1.1 一般资料
选取本院2013年7月至2015年7月收治的原发性痛经患者61例作为对照组,再选取同期收治的继发性痛经患者61例作为观察组。对照组年龄为19—57岁,平均年龄为(32.4±4.1)岁;痛经时间为2—40年,平均时间为(10.3±4.9)年。观察组年龄为20—58岁,平均年龄为(32.9±3.8)岁;痛经时间为2—41年,平均时间为(10.8±3.1)年。两组一般资料无明显差异(P>0.05)。
1.2 方法所有患者均填写《通经及慢性盆腔痛调查表》[3],从
而详细记录痛经的发生、发展和变化情况,并且记录并发症状、诊断和治疗史情况。所有患者均进行盆腔检查、超声检查。61例患者诊断为继发性痛经,诊断标准为:出现痛经、性交痛、慢性盆腔痛的疼痛现象;发生附件区包块、骶韧带结节以及后穹窿结节的盆腔体征;经超声诊断出现卵巢囊肿。61例原发性痛经诊断标准为临床检查未发现有任何异常症状。两组疼痛程度采用视觉模拟评分法(VAS)进行评价,评分越高痛经程度越严重[4]。
1.3 统计学分析
采用SPSS18.0进行统计分析,计量资料(X±S)表示,t检验,计数资料n(%)表示,X2检验,P<0.05为差异有统计学意义。
2 结果
观察组初潮出现痛经比例与对照组相比,差异无统计学意义(P>0.05);观察组痛经评分为(7.9±1.7)分,高于对照组的(7.1±1.4)分,差异有统计学意义(P<0.05);观察组痛经加重比例、合并消化系统、泌尿系统症状比例高于对照组,非甾体类抗炎药疼痛缓解率低于对照组,差异有统计学意义(P<0.05)。详见表1。
注:与对照组相比,*P<0.05
3 讨论
痛经可分为原发性和继发性痛经两种,继发性痛经的主要致病因素为子宫腺肌症和子宫内膜异位症器质性疾病。目前对于痛经的诊断需要借助腹腔镜技术,而对于无手术指征或不愿进行手术者需要通过临床症状情况、辅助检查以及实验室检查来帮助诊断痛经类型。
在本研究中,观察组初潮出现痛经比例与对照组相比,差异无统计学意义(P>0.05)。说明月经初潮发生痛经与痛经类别无显著关系,因此无法帮助判断痛经类型。而观察组痛经评分和经期必须休息比率高于对照组,差异有统计学意义(P<0.05)。说明可将严重痛经作为判断鉴别诊断的重要指标。但是对于疼痛的具体程度也无法量化,没有明确的界定值,所以此方法有缺陷。观察组痛经加重比例明显高于对照组,差异有统计学意义(P<0.05)。说明继发性痛经会增加疼痛程度。而观察组合并消化、泌尿系统症状比例高于对照组,有统计学意义(P<0.05)。说明继发性痛经患者的病灶会累及消化和泌尿系统,从而导致性交痛、盆腔痛等症状出现。而观察组非甾体类抗炎药疼痛缓解率低于对照组,差异有统计学意义(P<0.05)。其与金莹[5]等研究结果相类似。说明对于痛经的治疗效果可有效判断痛经类别,继发性痛经患者使用非甾体类抗炎药物的效果不佳,因此需要考虑可能为子宫内膜异位症。
综上所述,原发性痛经和继发性痛经均会在初潮出现疼痛加重、痛经加重,有伴随症状以及非甾体类药物治疗效果欠佳的患者应高度重视继发性痛经的识别。
参考文献
[1]侯广云,刘亚平,郭宪清,等.温经复阳汤配合针刺治疗寒凝血瘀型原发性痛经32例[J].中国中医药科技,2015,22(06):722-723.
[2]王景龙.中药周期疗法结合保留灌肠治疗继发性痛经35例临床研究[J].亚太传统医药,2015,11(20):72-73.
[3]王素芳.美洛昔康配合米非司酮治疗子宫内膜异位症痛经的疗效观察[J].中国优生优育,2014,20(03):180-181.
[4]常宗敏,陈建宾,国秀峰.自拟痛经饮加中药穴位贴敷治疗原发性痛经60例临床观察[J].中国民间疗法,2014,22(12):48-49.
临床识别 篇7
资料与方法
2013年1月-2015年12月收治疑似脑卒中患者114例,均为院前急诊,临床症状与脑卒中相似,伴随有面部麻木、口角歪斜、单侧或双侧肢体麻木、语言功能障碍、视物障碍、恶心呕吐、头痛、意识障碍等。114例患者中,男76例,女38例,年龄35~77岁,平均(46.25±19.83)岁。最终有65例患者被确诊为脑卒中,包括46例脑梗死,19例脑出血,男44例,女21例。49例患者确诊为非脑卒中,男32例,女17例,包括11例缺钾型麻痹,7例高血压,6例阵发性眩晕,6例感染性发热,4例肿瘤,3例药物不良反应,2例头颈部血管病变,2例低血糖,2例癔症,2例癫痫发作,2例晕厥以及传导性耳聋和神经脱髓鞘病变各1例。
排除标准:排除颅脑外伤患者、中途转院或离院患者、病历档案欠缺者。
方法:筛查方法:将急诊医师、放射科医师、神经内科医师及护理人员分为诊疗组、筛查组。诊疗组:急诊医师主要是对患者进行院前急救和初步诊断;由放射科医师对患者进行相关的影像学检查,并给出诊断意见;由神经内科医师综合患者的病史、急诊初步诊断、影像学检查诊断意见做出最终诊断。筛查组:采用CPSS量表、ROSIER量表对患者进行评测,评测结果与诊疗组分开保密,并对数据进行统计。辛辛那提院前脑卒中识别评分量表(CPSS量表)包括面部、上肢、语言等3个方面,如患者面部双侧运动呈对称状,上肢轻瘫试验结果为阴性,可正确复述一句话,则为正常;如面部双侧运动不对称,口角歪斜,上肢轻瘫试验结果为阳性,无法正确复述一句话,则为异常[1]。急诊脑卒中识别量表(ROSIER量表)主要包括3个方面:①是否存在昏厥或意识障碍病史;②是否存在惊厥病史;③是否存在以下急性发作史:面部不对称;单侧上肢乏力;单侧下肢乏力;语言障碍;视物障碍。①、②项答“是”则分别减1分,答“否”则分数不变,③项中各子条目答“是”则分别加1分,答“否”则分数不变,计算各个项目的总分,总分范围(-2)~(+5),总分为正数,则为阳性,表示脑卒中风险达到90%,总分为0或负数,则为阴性,表示脑卒中风险极低,但不排除存在脑卒中的可能[2]。
统计学方法:将所有研究数据均录入SPSS 17.0软件中进行处理,采用Mc Nemar检验,即配对的χ2检验,进行四格表设计;筛查结果与确诊结果之间采用Kappa一致性检验,Kappa<0.4表示一致性较差,Kappa为0.4~0.7表示一致性中等,Kappa>0.7表示一致性良好。敏感性=真阳性/(真阳性+假阴性),特异性=真阴性/(真阴性+假阳性),准确性=(真阳性+真阴性)/总例数,阳性预测值=真阳性/(真阳性+假阳性),阴性预测值=真阴性/(真阴性+假阴性)。
结果
CPSS量表的敏感性、特异性、准确性、阳性预测值、阴性预测值分别为76.92%(50/65)、67.35%(33/49)、72.81%(83/114)、75.76%(50/66)、68.75%(33/48),漏诊15例,误诊16例,筛查效能(一致性Kappa)=0.542;ROSIER量表的敏感性、特异性、准确性、阳性预测值、阴性预测值分别为84.62%(55/65)、83.67%(41/49)、84.21%(96/114)、87.30%(55/63)、80.39%(41/51),漏诊10例,误诊8例,筛查效能(一致性Kappa)=0.719。两种量表的准确性比较,χ2=4.393,P=0.036,差异具有统计学意义,见表1。
讨论
脑卒中是临床较为常见的急诊危重症,具有较高的发病率、致残率、致死率,与冠心病、肿瘤并列为威胁人类生命安全的三大疾病[3]。脑卒中的发病骤急,病情发展迅速,死亡率较高,快速的院前急救治疗是降低脑卒中患者死亡率的关键[4],因此,在脑卒中患者送院后应尽快安排急诊抢救。脑卒中的急诊抢救以溶栓治疗为主,但由于脑卒中的发生较为突然,溶栓时间窗较短,大部分患者都无法在溶栓时间窗内完成急诊救治,往往在接受院前急救后需转入后续治疗。
脑卒中的早期识别是给予脑卒中患者及时救治的关键和重要前提,临床上多采取各种脑卒中筛查量表对脑卒中进行识别,常用的量表主要包括CPSS量表、ROSIER量表,其中CPSS量表是在美国脑卒中学会指定的NIHSS脑卒中评分量表基础上制定的筛查量表,ROSIER量表是一种脑卒中院前及院内急救、分诊的快速识别工具,但临床上关于这两种脑卒中筛查量表对脑卒中的筛查效能尚存在争议。
综上所述,在脑卒中的院前急救中,急诊脑卒中识别评分量表可有效识别脑卒中。
摘要：目的:探讨急诊脑卒中识别评分量表在院前急救中的筛选价值。方法:收治疑似脑卒中患者114例,采用辛辛那提院前脑卒中识别评分量表(CPSS)、急诊脑卒中识别评分量表(ROSIER)进行筛查,比较筛查结果。结果:两种量表的准确性比较,差异有统计学意义(P<0.05)。结论:在脑卒中的院前急救中,采用急诊脑卒中识别评分量表进行筛查,可有效识别脑卒中。
关键词：院前急救,脑卒中,急诊脑卒中识别量表
参考文献
[1]何明丰,吴智鑫,黎练达,等.急诊脑卒中识别评分量表在社区院前急救中筛选价值的探讨[J].中国全科医学,2011,14(10):1088-1091.
[2]孙丽华.探讨在社区院前急救中应用急诊脑卒中识别评分量表的价值[J].医药前沿,2012,2(4):372-373.
[3]杨武,李晓萍,邓朝霞,等.急诊脑卒中识别评分量表在院前急救中筛选价值的探讨[J].现代生物医学进展,2015,15(19):3657-3659.
临床识别 篇8
信息融合技术作为一种新兴数据处理技术广泛应用于自动目标识别、紧急使命系统、军事应用系统、计算机视觉、医学诊断与监视系统等等。图像信息融合级别分为三级[1]: 像素级融合、特征级融合和决策级融合。像素级融合是最低层次的融合, 又称数据级融合, 虽然它充分利用了原始信息, 但是处理的信息量大, 实时性较差, 处理代价高; 特征级融合是先对原始信息进行特征提取, 属于中间级别的融合, 实时处理性能好, 而且为决策分析提供直接的特征信息; 决策级融合是最高层次的融合, 充分利用特征级融合给出的各类特征信息, 虽然实时性好, 具有很强的容错性, 但是预处理代价高。
研究最多[2 - 5]的是像素级融合技术, 其理论体系和评价体系已相对成熟。决策级融合技术[6]在模式识别方面已取得了较为成功的应用[7 - 10]。相比而言, 特征级图像融合技术研究较少, 主要包括特征选取、融合规则的选取以及实际应用领域, 其理论体系与评价体系还不够完善[11]。对同一模式所抽取的不同特征矢量总是反映模式的不同特性, 对它们的优化组合, 在目标跟踪、分类、医学诊断等方面都有重要的意义, 越来越受到研究者的重视。
特征级融合主要包括串行融合方法[12]和并行融合方法[13]。前者是将特征首尾相连生成一个新的特征矢量[14], 在更高维的矢量空间进行特征抽取; 后者是利用复向量将同一样本的两组特征矢量合并在一起, 在复向量空间进行特征抽取。
1 算法实现
本文使用串行融合方法, 图像特征级融合流程如图1 所示。
1. 1 图像预处理
图像预处理[15]是对图像进行一定的提前处理, 以增强图像中的特定信息, 消除不需要的信息, 处理后的图像对后期应用具有改善作用。本文主要对医学图像的预处理方法有: 提取ROI ( 感兴趣区域) 、均匀量化进行尺度归一化、灰度化处理、使用直方图均衡化进行灰度修正以增强图像细节、中值平滑滤波以去除图像噪声和高斯锐化处理以增强图像边缘。
1. 2 特征提取
所谓特征提取是对研究对象固有的、本质的及重要的特征或属性进行量测并将结果数值化, 或将对象分解并符号化, 形成特征矢量或符号串、关系图的过程[16]。图像特征主要包括颜色特征、纹理特征和形状特征。本文总共提取了44 维医学图像特征如表1 所示。
1. 3 特征粗选择
通过实验数据的观察发现提取的特征在有些维上存在明显的相关性, 数据冗余比较大。进行特征粗选择可以剔除明显的冗余数据, 也极大地减少了特征融合的计算量。利用模糊[20]方法进行特征粗选择。
1. 3. 1 模糊矩阵
笛卡尔乘积是两集合U、V元素间的无约束搭配, 如定义1所示。
定义1
若对这种搭配加以一定的限制, 便表现了U、V之间的某种特殊关系, 称为U、V的模糊关系R。模糊关系R的隶属函数uR ( U, V) 叫做 ( U, V) 具有关系R的程度, uR: U × V →[0, 1], 表示U、V具有关系R的程度。
特征i与特征j之间的相似程度 ( i = 1, …, m, j = 1, …, m, i与j任意搭配) 表示他们之间的贴近程度, 构成模糊关系R, 此时模糊关系R可以用矩阵形式表示:
R = ( rij) , 其中rij= uR ( Xi, Xj) 。
显然有0 ≤ rij≤ 1, ( 1 ≤ i, j ≤ m) , 满足以上条件的矩阵称为模糊矩阵。特别地, 当rij= { 0, 1} ( 1 ≤ i, j ≤ m) 时, 矩阵R退化为布尔矩阵。布尔矩阵可以表达一种普通关系。
1. 3. 2 模糊关系的建立
模糊关系用于特征选择, 步骤如下:
第一步特征数据标准化 ( 也称归一化) , 以消除量纲的影响, 便于分析和比较。本文采用高斯归一化方法[21], 使得少量超大或超小的元素值对整个归一化后的元素值的分布影响较小:
其中:, n为样本数。
第二步计算进行选择的特征的此种关系的程度rij ( 最通常是i与j的相似度) , 其中i, j = 1, 2, …, m, m为特征维数。从而确定论域U上的模糊关系R。
1. 3. 3 计算模糊系数rij
计算rij常用的方法有欧氏距离法、数量积、相关系数、指数相似系数、非参数法、最大最小法、算术平均法、几何平均最小法、绝对值指数法、绝对值减数法、主观评定法等等。而本文中采用相关系数法[22]。若有一批样品共有n个, 每个样品有m个特征, 则模糊系数为:
其中:。
1. 3. 4 特征选择
模糊系数rij越大, 相应特征间的相关性就越大。模糊矩阵R的每一行都代表一个类别的特征与整体特征向量的相关性, 相关性越大, 该特征的区分能力就越弱。为了得到特征向量本身的区分能力衡量指标, 按行求取模糊矩阵R的均值, 得到平均区分能力向量Rmv为:
经过求取均值处理后, Rmv作为一种平均水平的指标, 反应出一种特征向量所固有的区分能力, 可以作为特征选择的依据。
依据所得的Rmv各个维度的值, 制定阈值RT, 将Rmv中小于RT的值置为1, 大于RT的值置为0, 得到一个逻辑遮罩向量T, 将T的值保存下来作为特征选择之用。在数据融合与识别时, 得到特征向量后都按列与T进行相与运算, 去除值为0 的维度, 得到特征选择后的向量。
1. 3. 5 模糊特征粗选择核心编程实现
1. 4 PCA特征级数据融合
1. 4. 1 PCA融合算法原理
PCA方法[23]是构造原变量的一系列线性组合, 使各线性组合在彼此不相关的前提下尽可能多地反映原变量的信息, 即使其方差最大。
若有n幅医学图像, 每幅图像提取p个特征, 那么这个原始数据特征矩阵如式 ( 5) 所示:
不同特征变量往往有不同的量纲, 由于不同的量纲会引起各变量取值的分散程度差异较大, 在应用PCA方法融合之前, 一般要对原始数据进行标准化处理。本文采用高斯归一化[21]进行特征数据标准化。新的综合变量可以由原来的变量X1, X2, X3, …, Xp线性表示:
满足约束条件: UiTUi= 1, i = 1, 2, …, p。Yi的方差记为:Var (Yi) =Var (UiTX) 。
求U1使Var ( Y1) 达到最大, 由此U1所确定的随机变量Y1称为X1, X2, …, Xp的第一主成分。如果第一主成分Y1还不足以反映原变量的信息, 进一步求Y2。为了使Y1和Y2反映的信息不重叠, Y1与Y2不相关。求U2使Var ( Y2) 达到最大, 由此U2所确定的随机变量Y2称为X1, X2, …, Xp的第二主成分。依次求取的Yi与Yj均相互无关, 直到求得Yp。
由此得到的Y1, Y2, …, Yp分别称为原始变量的第1 个, 第2个, …, 第p个主成分。特征向量U1, U2, …, Up, 所对应的非0 特征根记为 λ1, λ2, …, λp, 则可以定义前m个主成分Y1, Y2, …, Ym的累积贡献率为。当m个主成分的累积贡献率达到一定的比例 ( 80% 到90% ) [24], 前m个主成分就可以代替原始变量。
1. 4. 2 PCA融合算法核心编程实现
利用VC ++ 和Open CV实现PCA融合算法。
2 实验结果及分析
用采集到的420 幅包括肝癌、肝囊肿、肝血管瘤、肝淤血、脂肪肝和正常肝的B超图像进行实验, 图像类型均为JPEG格式, 大小64. 0 KB, 尺寸768 × 576 像素, 采集于同一台B超机。其中训练样本220 幅, 其它用于测试。使用欧式距离进行医学图像的分类识别。在Windows XP下, 使用VC 6. 0 和Open CV 1. 0开发环境, 实现了医学图像识别的原型系统, 其主界面如图2 所示。其中Open CV在VC 6. 0 下的安装与配置详见参考文献[25]。
2. 1 模糊特征粗选择结果及分析
通过对不同类别, 不同样本数的肝脏B超图像提取的特征, 用模糊方法进行特征粗选择。根据采集的图像共设计11 组不同的样本。对各组样本结果数据分析, 选择的特征与图像样本数和类别的关系如表2 和图3 所示。
样本与组号对应: 典型脂肪肝 ( 1 号) 、肝淤血 ( 2 号) 、轻度脂肪肝 ( 3 号) 、肝癌 ( 4 号) 、42 张整体肝 ( 5 号) 、肝血管瘤 ( 6号) 、脂肪肝 ( 7 号) 、肝囊肿 ( 8 号) 、110 张整体肝 ( 9 号) 、正常肝 ( 10 号) 和220 张整体肝 ( 11 号) 。
其中: 总体相关度 ( 各维特征向量平均相关度Rmv的均值) 反映阈值RT大小;
重合率 ( 剔除的特征维数与220 张整体图像剔除的特征维数重合数/220 张整体图像剔除的特征数) 反映特征选择的稳定性。
通过图3 和表2 分析得出以下结论:
( 1) 随着样本数的增加, 总体相关度降低, 剔除的特征维数减少;
( 2) 总体相关度只与样本数有关, 而与样本类别关系不大;
( 3) 类别不同, 剔除的特征有所不同, 但是随着样本数的增加特征选择的维数趋于稳定状态, 此时类别的影响很小。样本特别少时, 重合率高, 是由于特征总体相关度高, 剔除的特征维数多;
( 4) 当样本数大于100 个时, 剔除的特征基本达到稳定状态。
通常rij大于0. 8 时, 认为两个变量有很强的线性相关性, 通过实验数据分析, 选择阈值Rmv= 0. 782 时比较合适, 既可以剔除一部分相关性很强的特征变量, 又可以保留大部分数据信息。提取220 张整体图像的44 维特征, 利用模糊方法进行特征的粗选择, 选择后特征维数减少了7 维, 极大减少了数据融合的计算量。
2. 2 特征融合结果及分析
图4 和图5 分别是正常肝脏和淤血肝图像, 各自的特征如表3 所示。
特征融合后原来的44 维特征降为10 维。PCA累积贡献率达0. 913350; 模糊特征粗选择结合PCA累积贡献率达0. 906422。特征融合后极大地减少了特征维数。
2. 3 识别结果及分析
使用单一的、PCA融合方法以及模糊方法结合PCA融合后的识别结果如表4 所示。
由结果分析, PCA融合后识别效果比单一的颜色、纹理、形状特征识别效果大大提高, 而利用模糊方法进行特征粗选择减少了PCA融合的计算量, 而识别效果并没有降低。
3 结语
临床识别 篇9
1资料与方法
1.1一般资料为本院ICU、脑病科2013年11月-2015年2月期间住院SIRS重症患者, 共60例, 按照2001年华盛顿脓毒症定义会议标准[4]分为脓毒症组和非脓毒症组。脓毒症组40例, 男22例, 女18例, 年龄32~79岁, 平均年龄 (59.5±16.2) 岁, 入组标准为符合SIRS诊断并有确定感染证据, 如血、痰、尿培养有阳性发现, 感染部位包括肺部感染、尿路感染、胆道感染等;非脓毒症组20例, 男12例, 女8例, 年龄39~83岁, 平均年龄 (62.6±19.7) 岁, 入组标准为符合SIRS诊断, 没有或临床排除感染证据, 包括创伤、冠心病、脑梗死。根据患者28d后的生存结局, 将脓毒症组分为存活组27例[男15例, 女12例, 平均年龄 (56.3±18.4) 岁]和死亡组13例[男7例, 女6例, 平均年龄 (63.7±17.1) 岁], 所有观察对象均排除免疫缺陷性疾病、自身免疫性疾病、免疫抑制治疗者及入选后5d内死亡或出院患者。另选择本院健康体检者20例为正常对照 (健康对照组) , 男10例, 女10例, 年龄31~65岁, 无临床症状和体征, 无用药。
1.2方法所有观察对象SIRS发生24h内采集外周静脉血, 常规方法检测PCT、CRP, 同时采集一管EDTA-NA2 抗凝血3ml, 经3000 转/min离心10min, 吸取0.5ml血浆置冷冻管, -70℃ 冰箱保存, 6个月内用三菱PATHFAT免疫分析仪及三菱sCD14-ST (Presepsin) 试剂盒测定sCD14-ST, 同法收集对照组EDTA-NA2 抗凝血浆0.5ml测定sCD14-ST;WBC计数用希施美康XN3000 血细胞分析仪、PCT测定用万孚飞测及万孚血清PCT测定试剂盒、CRP测定用艾瑞德CRP分析仪及试剂卡。同时根据患者脓毒症发生24h内最差临床指标计算患者APACHEⅡ 评分。建立病例收集表, 记录患者临床体征、感染部位及结果、各观测指标结果、28d生存结局。
1.3统计学处理借助SPSS19.0统计软件, 所有计量资料进行正态性检验, 服从正态分布资料以 (±s) 表示, 组间比较用t检验, 非正态分布资料用M (P25, P75) 表示, 组间比较用Mann-WhitneyU检验。借助MedCalc分析软件, 用ROC曲线方法评价sCD14-ST、PCT、APACHEⅡ评分鉴别脓毒症能力。以P<0.05判定差异有统计学意义。
2结果
2.1脓毒症组与非脓毒症组sCD14-ST结果比较脓毒症组、非脓毒症组、对照组sCD14-ST水平分别为1 216 (795, 2 257) 、402 (239, 513) 、224 (151, 301) pg/ml, 脓毒症组明显高于非脓毒症组和健康对照组, 差异有统计学意义 (U值分别为77、112, P均<0.05) 。
2.2脓毒症组sCD14-ST、PCT、APACHEⅡ评分ROC曲线分析脓毒症组针对sCD14-ST、PCT、APACHEⅡ评分绘制ROC曲线, 计算相关曲线下面积AUCROC、截断值、敏感性、特异性, 比较发现sCD14-ST的AUCROC最大, 敏感性和特异性均高于其他指标, 见表1。
2.3脓毒症患者存活组和死亡组sCD14-ST、PCT、APACHEⅡ评分结果两组患者三项指标统计差异均有统计学意义, 见表2。
3讨论
对于脓毒症, 临床的关注点主要是早期鉴别诊断、评估疗效和预后等方面, 生物标志物在这些领域得到较多关注和应用, 如临床已广泛使用的PCT、CRP、白细胞介素等, 在脓毒症早期诊断及疗效评估方面均有一定价值[5,6], 但各指标诊断脓毒症的效能仍达不到临床的期望值[7]。
近年研究的可溶性白细胞抗原14 型 (sCD14-ST) 是体内CD14 分子的主要存在形式, 是调控LPS作用于外髓样细胞的重要介质, 动物实验与临床研究均证明在脓毒症动物和患者均显著升高[8~10]。sCD14-ST在脓毒症发生6h内即可升高, 相比其他指标升高更早、更快[11]。 本研究结果显示, 脓毒症患者血浆sCD14-ST水平明显高于非脓毒症SIRS患者及健康对照者 (P<0.05) , 该结果与国内外文献报道基本一致[9,12]。用ROC曲线分析比较sCD14-ST、PCT、APACHEⅡ评分对脓毒症的诊识别能力, 结果显示sCD14-ST用于脓毒症诊断截断值596pg/ml时AUCROC为0.862, 高于PCT、CRP、APACHEⅡ评分的AUCROC, 并有较高的敏感性和特异性, 提示sCD14-ST较PCT、CRP、A-PACHEⅡ评分在脓毒症早期识别上更具优势。其在脓毒症早期升高可能与细菌感染后, 单核巨噬细胞在噬菌过程中, 经溶酶体作用, 细胞膜上CD14大量脱落入血有关[10]。
目前研究表明, sCD14-ST还可评估脓毒症的严重程度和预后, CaironiP等研究发现脓毒症患者入院第1天死亡组sCD14-ST中位数明显高于存活组, 且在治疗7d后仍居高不下[13]。本研究显示脓毒症死亡组血浆sCD14-ST水平明显高于存活组, 差异有统计学意义 (P<0.05) , 提示sCD14-ST对脓毒症患者预后判断有一定价值。
