排序方式: 共有158条查询结果,搜索用时 15 毫秒
11.
“卵巢保养”无科学依据
在上海中医药大学基础医学院中医诊断学副教授燕海霞医生看来,所谓的“卵巢保养”只是美容院的一种宣传手段,绝非是正规的医疗行为,到目前为止,中西医都没有“卯巢保养”这种医疗方法。燕海霞从中医角度,一一指出“卯巢保养”存在的健康误区: 相似文献
12.
立夏篇 立夏是夏天的开始,此时气温明显升高,炎暑将临,农作物开始进入旺盛的生长季节。夏天属火,火气通于心,往往使人情志过激,心脏血液循环加速,内分泌发生变化,此时尤其要注重对心脏的养护,注重养心、静心。 相似文献
13.
14.
15.
16.
目的:调查临床常见脉象的分布情况,为脉象客观化研究提供参考。方法:调查和分析了全国23个省市、55家单位的156位高级职称中医师在临床诊脉过程中的体会。结果:(1)156位中医师临床体会过的脉象按出现频次由高到低排在前十位的依次为弦脉、数脉、沉脉、滑脉、迟脉、浮脉、细脉、结脉、代脉、虚脉;(2)110位中医师认为临床常见的脉象按出现频次由高到低排在前十位的依次为弦脉、数脉、滑脉、沉脉、浮脉、细脉、迟脉、虚脉、缓脉、结脉;(3)130位中医师描述的涩脉特征涉及不流利、脉形细、脉率慢、脉律不齐、脉力不足、脉位沉、脉形短等8个方面的特征;(4)117位中医师描述的紧脉特征涉及紧张度甚于弦脉、有力、脉率偏快、脉位偏浮等四个方面的特征。结论:为进一步研究脉象客观化问题提供参考依据。 相似文献
17.
目的 基于脉图特征等信息建立冠心病患者冠状动脉不同阻塞程度评估模型,探讨中医脉图特征的临床诊断价值。方法 采用Smart TCM-I型脉象仪采集脉象信息。根据冠状动脉造影检查报告,将531例冠心病及疑似冠心病患者按照冠状动脉不同阻塞程度分为冠状动脉非阻塞组、冠状动脉轻度阻塞组、冠状动脉中/重度阻塞组3组。运用时域分析法和多尺度熵(MSE)分析法提取不同组别脉图的时域特征和多尺度熵特征,并运用非参数检验的方法比较冠状动脉不同阻塞程度患者脉图特征参数的组间差异;基于脉图特征参数,运用随机森林(RF)机器学习算法建立冠状动脉不同阻塞程度评估模型。结果 与冠状动脉非阻塞组相比,冠状动脉轻度阻塞组和冠状动脉中/重度阻塞组脉图时域特征主波峡/主波幅值比(h2/h1)、重博前波/主波幅值比(h3/h1)增大,差异具有统计学意义(P<0.05)。与冠状动脉非阻塞组及冠状动脉轻度阻塞组相比,冠状动脉中/重度阻塞组多尺度熵特征MSE1、MSE2、MSE3、MSE4、MSE5均减小,差异具有统计学意义(P<0.01)。本研究基于531例样本的脉图特征等信息建立了冠状动脉不同阻塞程度评估识别模型,... 相似文献
18.
19.
目的 提出基于最小二乘支持向量机(LSSVM)算法的学习模型,以提高中医临床血压数据预测的准确度和效率。方法 将LSSVM学习模型应用于中医临床血压数据预测。用LSSVM等式约束代替支持向量机不等式约束,将二次规划问题转化为线性方程求解问题,降低计算复杂性,加快算法收敛速度。收集320例患者的临床脉图参数及血压数据,以其中300例样本作为训练样本,训练得到LSSVM学习模型,以其余20例样本作为测试数据,用得到的LSSVM学习模型根据患者的脉图参数预测血压数据。结果 实验证明,LSSVM学习模型对血压数据有较好的预测准确度。其中基于多项式核函数的LSSVM学习模型较基于径向基核函数LSSVM学习模型表现出更好的学习和预测能力,基于多项式核函数的LSSVM学习模型中收缩压、舒张压、平均动脉压预测结果的平均预测误差分别为7.88%、8.40%、6.67%,低于基于径向基核函数的LSSVM学习模型的预测误差(分别为7.95%、9.70%、7.48%)。结论 本实验提出的基于LSSVM的学习模型仅通过患者的临床脉图参数就可预测患者血压数据,对中医学临床诊断有一定的参考价值。 相似文献
20.