【摘 要】
：
目的研究自拟健脾益肾方治疗慢性肾衰竭（CRF）脾肾亏虚证48例临床价值。方法将48例慢性肾衰患脾肾亏虚证者随机分为观察组25例，对照组23例，观察组和对照组均给予西医基础治疗，观察组加用自拟健脾益肾方治疗，观察比较两组患者的临床疗效。结果治疗后，两组临床有效率分别为88.00%和60.87%，差异存在统计学意义（P＜0.05）；治疗后，两组中医证候积分均明显较治疗前降低（P<0.05），且观察组低
论文部分内容阅读
目的研究自拟健脾益肾方治疗慢性肾衰竭（CRF）脾肾亏虚证48例临床价值。方法将48例慢性肾衰患脾肾亏虚证者随机分为观察组25例，对照组23例，观察组和对照组均给予西医基础治疗，观察组加用自拟健脾益肾方治疗，观察比较两组患者的临床疗效。结果治疗后，两组临床有效率分别为88.00%和60.87%，差异存在统计学意义（P＜0.05）；治疗后，两组中医证候积分均明显较治疗前降低（P<0.05），且观察组低于对照组（P＜0.05）；治疗后，两组患者的血尿素氮（BUN）、血肌酐（SCr）水平较治疗前均明显降低，估算肾小球滤过率（eGFR）水平均明显升高（P＜0.05），且观察组优于对照组（P＜0.05）。结论自拟健脾益肾方在治疗CRF方面有较为确切的临床效果，可减缓临床症状，改善机体肾功能，加速患者恢复进程。
其他文献
在航空燃气涡轮发动机中,涡轮部件承受了最大的机械负荷、空气动力负荷和热负荷,因此在发动机运行过程中最容易产生各种故障,甚至引起安全事故。本文为了解决航空发动机故障知识获取难、推理慢的问题,降低排除故障的代价,提高航空发动机的健康检测和故障诊断水平,设计了航空发动机涡轮部件故障诊断专家系统并进行了实现。首先,研究了故障知识获取。采用知识约简算法进行知识获取,利用分辨矩阵对离散化的专家知识数据进行属性
现如今,多智能体系统已经成为人工智能中的一个研究热点。单个智能体的计算及决策能力有限,导致其不能处理复杂的任务,因此越来越多的学者开始研究能够应用于多智能体系统的技术。随着深度强化学习在单智能体系统中取得成功的应用,越来越多的工作开始将单智能体强化学习的思想扩展并应用到多智能体系统中。在单智能体强化学习中,智能体所在的环境相比多智能体所在的环境是稳定的。在多智能体强化学习中,环境是更加复杂的,因此
目标跟踪的主要任务是评估被跟踪对象在视频序列每个场景中的轨迹模型,它在自动驾驶、目标行为分析等多个研究中发挥了积极的作用,是目前计算机视觉领域最重要的任务之一。目标跟踪任务需要跟踪器能够连续、准确地估计目标的位置及形状变化,然而实际场景中由于受到遮挡、背景干扰等多种因素的影响,实现准确、鲁棒的目标跟踪仍然存在很大挑战。本文以基于深度孪生神经网络的跟踪算法为基础,从特征提取和目标预测这两个角度出发,
随着我国交通领域的快速发展,尤其是在铁路运输方面,列车车轴作为最基本也是最重要的部件之一,长期处于高负荷、高强度的工作状态,极易发生磨损裂纹等故障,并且故障发生位置不易发现,如果不能及时排查解决,不仅会给乘客的经济和人身安全带来极大的隐患,还会对国家相关行业的安全公信力带来难以估计的损害和影响。因此对车轴进行及时且精确的检测显得尤为重要。声发射（AE）检测技术,最为一种常见的无损检测方法可以在不对
交通流预测任务是智慧交通系统的重要组成部分。准确高效的交通流预测,对交通规划与调度具有重要意义。然而由于交通流数据存在复杂非线性的时空关联,使得交通流预测任务具有很大挑战性。现有交通流预测方法对时空特征利用不充分,无法挖掘交通流中的深层次时空关联。此外,数据缺失问题在实际交通场景中十分常见。缺少充足的数据样本对预测模型进行优化,同样增加了交通流预测任务的挑战性。现有小样本交通流预测方法,仅针对网格
互联网基础设施的完善加速了信息数字化进程,现实生活中的可用信息不再被简单堆叠,而是被表征为图状信息网络,如交通网络、多媒体网络和社交网络等。网络数据的异质性、非线性和动态性等特点给数据挖掘任务带来了诸多挑战。网络表示学习是应对这些挑战的有效方法,它将高维稀疏的网络信息转换为低维密集的实值表示,从而提高网络分析任务的执行效率。现实系统中网络节点往往具有丰富的属性,这些属性可以为节点建立语义上的联系。
近些年来,深度强化学习在人工智能领域扮演着越来越重要的角色。但当面对高像素图像游戏的时候,深度强化学习的训练稳定性不佳。深度强化学习在Q学习训练过程中通常需要巨大的存储内存以及计算消耗,这阻碍了其在相对低端智能设备上正常运行。这仍是深度强化学习面临的一个严峻考验。针对深度强化学习算法应用在复杂图像游戏上所出现的问题,本文分析了该算法存在的不足之处,包括该算法在Q学习过程中出现过高估计Q值所带来的稳
深层卷积神经网络因其优秀的学习能力受到广泛关注。但深层卷积神经网络模型中通常具有大量冗余参数,这些冗余参数不仅会消耗大量内存和运算资源,阻碍模型向移动端的移植,还会带来过拟合问题。近年来,网络模型剪枝算法已经被证明可以有效减少模型参数,压缩网络规模。现有剪枝算法大多通过人工设计的评价标准来判断一个网络结构是否应该被剪枝。这种判定方法具有较强主观性,因此获得的评价结果可能存在较大误差。为解决此问题,
计算机断层扫描（CT）利用射线进行成像,并广泛应用于生物学、药学及安检等方面。在辅助治疗方面,CT凭借扫描速度快且成像清晰的优点帮助医生准确筛查病灶,大幅降低了癌症和恶性肿瘤的死亡率,但常规剂量CT的高辐射对患者伤害很大甚至致癌,而在此基础上降低辐射剂量的低剂量CT信噪比低,器官病灶纹理模糊,易造成医生的误诊和漏诊,因此低剂量CT图像需要经过算法进一步处理达到临床要求。本文从两个方面针对现有算法的
移动机器人以其灵活、形式多样的特点受到社会各界的关注,并在各领域内都得到了广泛的应用。对于智能移动机器人而言导航功能必不可少,而路径规划在导航系统中占据重要地位,它影响机器人整体导航的效果,很大程度上决定了导航过程的效率。在导航过程中,机器人除了需要面对静止的障碍环境还要处理动态的不确定障碍物,而现有的规划方法在该方面还有不足之处。为此,本文以移动机器人为研究对象,针对现有方法对静态及动态环境下机