生物医学工程类别精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的生物医学工程类别主题范文，仅供参考，欢迎阅读并收藏。

第1篇：生物医学工程类别范文

2011考研复试国家线：广东中山大学考研复试分数线查询

2011考研复试国家线于3月底公布。2011中山大学考研复试分数线正式公布：

类别 报考学科门类（专业） 总分 单科（满分=100分） 单科（满分>100分） 学术 型 哲学[01] 320 45 90 经济学[02] 360 55 90 法学[03] 320 50 90 教育学[04] （不含体育学[0403]） 315 50 180 体育学[0403] 270 40 110 文学[05] （不含外国语言文学[0502]、艺术学[0504]） 350 55 90 外国语言文学[0502] 350 60 90 艺术学[0504] 320 40 90 历史学[06] 310 50 180 理学[07]A线 （含数学[0701]、物理学[0702]、化学[0703]、地理学[0705]、生物学[0710]、教育技术学[077001]、环境科学与工程[0775]、分子医学[077721]） 300 45 80 理学[07]B线 （含大气科学[0706]、海洋科学[0707]、地质学[0709]、力学[0772]、生物医学工程[0776]） 280 45 70 心理学[0771] 350 60 90 工学[08] 270 45 60 农学[09] 300 45 80 医学[10] （不含基础医学[1001]） 310 50 180 基础医学[1001] 280 45 170 管理学[12] 340 60 90 专业学 位 金融硕士[0251] 350 60 90 应用统计硕士[0252] 300 45 80 资产评估硕士[0256] 350 60 90 法律硕士（非法学）[035101] 320 50 90 法律硕士（法学）[035102] 320 50 90 社会工作硕士[0352] 350 55 90 教育硕士[0451] 300 50 90 汉语国际教育硕士[0453] 350 55 90 翻译硕士[0552] 350 60 90 文物与博物馆硕士[0651] 310 50 180 工程硕士[0852] 270 45 60 临床医学硕士[1051] 口腔医学硕士[1052] 公共卫生硕士[1053] 护理硕士[1054] 药学硕士[1055] 310 50 180 工商管理硕士[1251] 180 50 110 公共管理硕士[1252] 180 55 110 会计硕士[1253] 320 50 120 旅游管理硕士[1254] 160 50 100 图书情报硕士[1255] 300 50 100 工程管理硕士[1256] 160 50 110 单独考试 法医学[100105] 320 50 180 卫生检验与检疫[100420] 320 50 180 管理科学与工程[120100] 320 55 90

第2篇：生物医学工程类别范文

作者简介:阳维（1979-），男，湖北天门人，讲师，博士，主要研究方向：图像处理、模式识别； 张树恒（1988-），男，河北邯郸人，硕士研究生，主要研究方向：生物医学图像处理； 王莲芸（1957-），女，山西阳泉人，教授，主要研究方向：环境因素对免疫功能的影响； 张素（1968-），女，江苏无锡人，副教授，主要研究方向：图像处理。

文章编号:1001-9081（2011）08-02249-04doi:10.3724/SP.J.1087.2011.02249

（1.南方医科大学 生物医学工程学院，广州510515; 2.上海交通大学 生物医学工程学院，上海200240;

3.上海交通大学 生命科学技术学院，上海200240）

（）

摘 要:针对花粉显微图像处理提出了一种自动分割方法，将有助于花粉识别系统的开发。使用归一化颜色分量训练图像块分类器，并且结合条件随机场和图割进行建模和优化，利用最大化后验概率（MAP）的方法实现花粉显微图像中花粉区域的分割。对于实验中的133幅图像，自动分割同人工分割的结果相比较，统计得到距离误差均值为7.3像素，准确率的平均值为87%。实验结果表明，使用图像块分类器和条件随机场模型可以用于花粉图像的分割。

关键词:花粉显微图像；图像分割；图像块分类器；条件随机场；图割

中图分类号: TP391.413文献标志码:A

Segmentation of microscopic images based on

image patch classifier and conditional random field

YANG Wei1,2, ZHANG Shu-heng2, WANG Lian-yun3, ZHANG Su2

（1. School of Biomedical Engineering, Southern Medical University, Guangzhou Guangdong 510515, China;

2. School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China;

3. School of Life Science and Biotechnology, Shanghai Jiao Tong University, Shanghai 200240, China）

Abstract: An automatic segmentation for pollen microscopic images was proposed in this paper, which was useful to develop a recognition system of airborne pollen. First, the image patch classifier was trained with normalized color component. Then, conditional random field was employed to model pollen images and Maximum A Posterior （MAP） was used to segment the pollen areas in microscopic images, with graph cut algorithm for optimization. In the experiments, the respective average values of mean distance error was 7.3 pixels and the true positive rate was 87% on 133 images. The experimental results show that image patch classifier and conditional random field model can be used to accomplish segmentation of the pollen microscopic images.

Key words: pollen microscopic image; image segmentation; image patch classifier; Conditional Random Field （CRF）; graph cut

0 引言

空气中致敏花粉的监测和预报，对于花粉症的预防具有重要意义［1］。目前致敏花粉种类和浓度的统计，主要由重力法收集飘散在空气中的花粉，然后人工在光学显微镜下观察和计数，此过程耗时耗力。对花粉显微图像进行自动检测、分类和计数是花粉自动监测系统的重要组成部分，其中花粉的形态特征是实现花粉分类的重要特征。所以，准确地检测和分割显微图像中的花粉区域，对于后续的特征提取、花粉的自动分类和计数具有重要作用。

国内外已有研究人员对花粉显微图像的分割和检测方法进行了研究。如文献［2］在人工确定的花粉感兴趣区域（Region of Interest, ROI）中估计最优灰度阈值的方法实现分割，但是半自动的分割方式效率低，且ROI的位置和大小均会影响分割结果，不能保证分割结果的一致性；文献［3］中利用颜色相似性和霍夫变换对共聚焦显微图像中的花粉进行检测，可以得到61%的查准率。

在本文中，将图像分割问题看作是二值分类问题，即将图像中每一个像素分类为前景或背景的问题，使用图像块分类器和条件随机场（Conditional Random Field, CRF）实现花粉的分割。图像块分类器用于估计像素属于花粉区域和背景的条件类别概率，然后使用条件随机场对图像进行建模，从而有效地实现分割。

1 图像块分类器

图像块分类器被广泛地应用于图像分类和物体检测等方面［4］。本文中，图像块分类器应用于花粉分割问题，具体步骤如下。

首先，选取若干花粉图像作为训练集，对训练集中的图像进行人工标注，确定图像中花粉区域和背景，设花粉和背景的像素的标号y分别为＋1和-1。然后，以像素Ic为中心取窗口大小h×h的图像块，将图像块中像素的灰度值或颜色值排列为特征向量x，x作为分类器的输入，图像块的类别标号为像素Ic的标号y。使用逻辑回归（Logistic Regression， LR）方法训练分类器:

p（y|x）1/［1+exp（y（wTx+b））］（1）

分类器参数为w和b。对于一幅新的图像来讲，计算像素Ic类别为y的后验概率，图像块分类器的输出即为使得其后验概率较大的标号y：

Y*arg maxY p（Y|X）（2）

式（2）中的内积wTx，对于整幅图像可转化为卷积的形式。将w按照与x对应的次序，重排为h×h或h×h×c大小的矩阵（这里c为颜色分量的数量），作为滤波器与灰度图像或颜色分量图像进行卷积，然后利用式（1）估计图像每个像素的后验概率。使用非线性方法构造分类器，虽然可能使分类性能更好，但不能转换为卷积操作，计算效率低。

在实验中，为减小光照强度的影响，颜色信息选取的是归一化后的RGB值，对RGB分量进行归一化处理：C′，这里C为一颜色分量。依据实验结果以及文献［5］的结果，使用这种归一化方法，比使用颜色分量HSV或RGB得到的块分类器性能要好。

2 条件随机场―最大化后验概率模型

对于图像分割问题，很多方法，例如LR或者支持向量机等方法，都是把像素的颜色分布看作是独立同分布的。而实际中，像素与其邻近像素存在相互依赖关系，使得图像是平滑、连续的［6］。马尔可夫随机场（Markov Random Field, MRF）可以很好地描述这种局部像素的相互依赖关系，有效地实现建模。MRF通过借助条件概率的方法来描述邻域像素或特征之间的关系［7］。CRF［8］实际上是MRF的一种变形。本文中，为进一步改善分割效果，采用CRF模型融入更多的显微图像的先验信息，实现对花粉显微图像进行建模和分割。

设随机变量X为整幅图像的观测向量，Y为图像所有像素对应的类别标号，Y{y1,…,yi,…}，CRF有如下形式：

P（Y|X）exp（∑i∈ΩAi（yi,X）+∑i∈Ω∑j∈NiIij（yi,yj,X））（3）

其中：Z为分配函数，使得P（Y|X）为一概率分布；Ω为图像像素点的集合；Ni为像素i的邻域；Vi（yi,X）为局部势函数，与条件概率分布相关；Iij（yi,yj,X）为配对势函数，描述像素相邻点之间的关联和对类别标号的平滑性进行约束。

直接使用CRF模型进行学习和参数估计，需要计算分配函数Z，计算量非常大。简化文献［7］中的伪条件随机场方法，假设势能函数Vi和Vij仅由局部的观测决定：

Ai（yi,X）Ai（yi,xi）ln（p（yi|xi））（4）

Iij（yi,yj,X）Ii（yi,yj,xi,xj）（5）

并且取Ai（yi,xi）ln（p（yi|xi））ln （1/（1+exp（yi（wTxi+b）））），不考虑图像块之间的关联，直接利用在图像块分类器中训练得到的分类函数。

由最大化后验概率（Maximum A Posterior, MAP）准则得：

Y*arg maxY P（Y|X）arg maxY ln P（Y|X）arg maxY（∑i∈ΩAi（yi,X）+∑i∈Ω∑j∈NiIij（yi,yj,X））arg minY（-∑i∈Ωln（p（yi|xi））－∑i∈Ω∑j∈NiIij（yi,yj,xi,xj））（6）

MAP估计等价于最小化能量：

E（Y）-∑i∈Ωln（p（yi |xi ））-∑i∈Ω∑j∈Ni Iij （yi ,yj ,xi ,xj ）（7）

式（7）中能量函数的最小化可用图割（Graph Cut）［9］算法高效解决，但需能量函数E（Y）中配对势能函数为准距离度量。改写式（7）得:

E（Y）∑i∈Ω-ln（p（yi |xi ）） + λ∑i∈Ω∑j∈Ni Vij （yi ,yj ,xi ,xj ）（8）

其中：

Vi （yi ,yj ,xi ,xj ）α sim（xi ,xj ）, yi yj

（1-α）sim（xi ,xj ）, yi ≠yj

α（0≤α≤1）为权重系数；sim（xi ,xj ）exp（-xi -xj 2/（2δ2））为相邻像素之间的相似性度量，δ为在整幅图像上估计的xi－xj的标准偏差，与图像块分类器中使用的特征不同，xj、xj用像素i、j的LUV颜色分量值表达，λ为设定的参数。

3 显微图像分割流程

在进行花粉显微图像分割时，首先，以图像中每个像素及其邻域的颜色信息作为图像块分类器的输入，使用逻辑回归来估计像素属于花粉或背景的条件类别概率，这一步可以通过卷积的方法快速实现；然后，采用条件随机场利用先验约束对图像进行建模，并且直接利用训练图像块分类器估计的条件类别概率作为似然度描述，结合最大化后验概率的方法实现花粉区域分割，并且使用图割来优化随机场的能量函数；最后，对初步分割结果进行处理，包括去掉细小颗粒（大小明显小于花粉的颗粒），对边界进行开闭操作达到平滑效果，填补空洞等。本文分割方法流程如图1所示。

图1 CRF模型分割的流程

4 实验

4.1 花粉显微图像采集

本文中用到的显微图像［2,10］采集于2009年春季，均为实验人员利用Durham重力法采集的空气中的花粉颗粒，然后在光学显微镜下进行观察并拍照得到的。图像分辨率为1280×1024，花粉种类包括桑科、禾本科和松科，共计133幅图像。花粉采集的具体过程为：首先将涂好粘附剂的载玻片放于花粉取样器内，收集在重力作用下落在载玻片上的花粉；然后用琼脂―甘油染色剂对载玻片进行染色；最后在光学显微镜×400倍（目镜×10，物镜×40）下对观察到的花粉拍照，图2（a）为一幅典型的花粉显微图像，其中图像中央偏右的圆形区域为花粉区域。

经过染色后的花粉颗粒在图像中呈暗红色或粉红色，由于染色过程、照明、载玻片底色和污染等的影响，背景在不同显微图像上差别较大，大多呈浅蓝色或浅红色。从图2（b）中可以看出，花粉区域与背景颜色分量的分布存在差异，主要表现在绿色和蓝色分量上，红色分量的分布差异不大。最简单的花粉分割方法，是将彩色显微图像转化为灰度图像，然后通过灰度阈值方法进行分割。但污染和非花粉颗粒在灰度图像上与花粉颗粒具有大致相同的灰度值，在整幅图像上估计全局阈值难以得到满意的分割，而且难以区分花粉与污染，如图3（b）所示。

4.2 图像块分类器分割结果

在实验中，图像块窗口大小取5×5，使用的颜色分量为归一化后的RGB分量，向量x长度为5×5×375。图3（c）显示了图3（a）对应的条件类别概率映射，高亮区域为检测到的花粉。图3（d）显示了对概率映射使用阈值0.5得到的二值图像。

图2 采集到的花粉图像及颜色直方图

图3 花粉显微图像分割示意图

为了评估图像块分类器的分割性能，实验中分别随机选取50000的图像块作为训练样本集和测试样本集，两个样本集中标号为+1（花粉）和-1（背景）的样本各约占50%。图4显示了在测试样本集上，图像块分类器的接受者操作特性（Receiver Operating Characteristic， ROC）曲线，ROC曲线下面积（Area under ROC curve， AUC）为0.998，分类准确率为98.6%。

图4 图像块分类器的ROC曲线

4.3 CRF分割

使用CRF-MAP模型对花粉图像进行分割，多次尝试后权重参数α取0.2，λ取10。图3（e）显示了使用CRF模型分割得到的花粉区域二值图像，可以看出分割区域的连通性和平滑性得到了改善，但仍有部分污染和杂质被误分为花粉。

对CRF-MAP分割结果进行后处理的具体步骤如下：首先去掉二值图中面积小于500个像素的区域；接着用5×5的圆盘结构元素对二值图进行形态学开和闭运算；最后填补花粉区域的空洞。图3（f）显示了由本文方法最终得到的花粉轮廓，结果令人满意。在部分图像中，仍会有污染区域和非花粉颗粒经后处理不能剔除，可将这些区域归为非花粉区域在花粉识别的后续步骤进行识别。

图5中显示了不同种类花粉图像经过CRF分割后的最终结果，其中白色边界为CRF分割结果，黑色边界为灰度阈值分割结果。可以看出，CRF方法对于不同光照情况均可以达到较为满意的结果，这说明CRF方法具有一定的鲁棒性。但是背景中经过染色,颜色同花粉相似的一些杂质仍难以去除。对于部分图像，本文方法分割得到的区域略大于符合人眼视觉中的花粉区域，可能的原因是染色液在花粉边界处形成了聚集。

为了量化评价分割结果的质量［11］，实验中对133幅花粉图像进行人工分割和自动分割，并且在表1中给出了CRF分割后的距离误差均值（Mean Distance Error，MDE）和准确率（True Positive Fraction，TPF）统计值。MDE和TPF的定义如下，设人工分割的边界坐标为M{m1,…,mp}，CRF分割的边界坐标为A{a1,…,aq}，定义边界A上的点到边界M的距离Dist为：

Dist（aj,M）minmk∈Maj－mk（9）

则MDE可以计算为：

MDE∑qj1Dist（aj,M）（10）

TPF的定义为：

TPF（11）

其中RA、RM分别为自动提取和人工分割的花粉区域。

使用文献［2］中的灰度阈值分割方法对整幅花粉显微图像进行分割，结果并不理想，总计6幅图像中花粉区域未被分割出来，并且17幅图像的TPF小于50%。而使用本文的方法进行分割，图像中花粉区域全部被分割出来，并且只有3幅图像的TPF统计值小于50%。由此统计及图5中（白色边界为CRF分割边界，黑色为灰度阈值分割边界）的结果可见，本文中的算法相较于灰度阈值分割算法，存在明显的优越性。但是，少量花粉显微图像中存在一些与花粉粘连,或颜色相近杂质，本文方法仍难以对其进行有效区分，使得MDE偏高且标准差相对较大。

表1 分割结果评价

图5 分割结果比较

5 结语

在本文中，提出的基于图像块分类器和CRF模型的分割方法，对于大部分花粉显微图像，可以得到较为满意的分割结果。该分割方法建立的局部颜色信息CRF模型，相较于以往很多常用的方法（基于灰度阈值或边缘检测的分割方法等），将像素与像素之间的关联性考虑在图像模型中，从而使得分割更加符合人眼的视觉特性。并且图像块分类器只需要较少的训练样本就可以达到较好的分割结果，大大减少了训练成本。在实际分割过程中，运算速度也可以满足实时性需要。

在进一步工作中，将尝试针对不同尺度图像块的分类器，提高分类性能；通过旋转、对折训练用的图像块，得到旋转不变的滤波器，但计算量会有一定增加，一个可行的方法是对滤波器进行约束，使得滤波器是旋转不变和对称的。在花粉边界附近，往往存在颜色值变化较大的梯度，可以结合上边界信息提炼CRF分割结果，进一步提高分割的准确性。

参考文献:

[1] 徐景先,李耀宁,张德山.空气花粉变化规律和预测预报研究进展［J］.生态学报,2009,29（7）:3854-3863.

［2］ 张树恒,阳维,廖广姗,等.基于形状和纹理特征的显微图像识别［J］.计算机工程与设计,2011,32（4）:1379-1382.

［3］ LANDSMEER S H, HENDRIKS E A, de WEGER L A, et al. Detection of pollen grains in multifocal optical microscopy images of air samples ［J］. Microscopy Research and Technique, 2009, 72（6）: 424-430.

［4］ ZHANG S, YANG W, WU Y L, et al. Abnormal region detection in gastroscopic images by combining classifiers on neighboring patches ［C］// Proceedings of the 8th International Conference on Machine Learning and Cybernetics. Piscataway, NJ: IEEE, 2009: 2374-2379.

［5］ van de SANDE, GEVERS T, SNOEK C G M. Evaluating color descriptors for object and scene recognition ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010, 32（9）: 1582-1596.

［6］ LEE C H, SCHMIDT M, MURTHA A, et al. Segmenting brain tumor with conditional random fields and support vector machines ［C］// Proceedings of workshop on Computer Vision for Biomedical Image Applications. Berlin: Springer, 2005: 469-478.

［7］ 胡阳涟.基于马尔可夫随机场的图像分割研究［D］.西安：西安理工大学,2008.

［8］ LAFFERTY J, MCCALLUM A, PEREIRA F. Conditional random fields: Probabilistic models for segmenting and labeling sequence data ［C］// Proceedings of the 8th International Conference on Machine Learning. San Francisco: Morgan Kaufmann Publishers, 2001: 282-289.

［9］ BOYKOV Y, VEKSLER O, ZABIH R. Fast approximate energy minimization via graph cuts ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001, 23（11）: 1222-1239.

第3篇：生物医学工程类别范文

关键词:集成学习;特征提取;Adaboost M1;医学图像分类

中图分类号:TP311文献标识码:A 文章编号:1009-3044(2009)33-9515-03

The Design of Medical Image Classification Based on Ensemble Leaning

LIN Xiao-jia

(Faculty of Logistic and Information Management, Fujian Ineternational Business and Economics College,Fujzhou 350006,China)

Abstract: The paper proposes a medical image classification based on ensemble leaning.The system we proposing consists of a pre-processing phase, a feature extraction phase and a building the classifier phase. On the basis research of single feature, one new method is proposed one kind of medicine image classification new method that synthesized the multi-characteristic merge and the data mining technology. This method is through the introduction of data mining in the concept of Ensemble Learning,utilizing the Ensemble learning method to classify to the single characteristic the weak sorter to carry on the iterative training.

Key words: ensemble learning;the characteristic extraction;adaboost M1;medical image classification

随着计算机医学成像技术的发展,医学影像越来越多样化,医学影像的应用也越来越广泛,与此同时大量的医学设备的应用使得医学影像的数量也越来越多,大量的影像资料使医院迷失在信息的海洋。利用数据挖掘技术可以有效的对医学图像进行组织和管理,合理有效的对其进行分类,从而使其更好的辅助日常的医学诊断和医学研究。

该文提出的方法是使用SVM分类器将整个特征空间分成诸多子空间;采用集成学习方法Adaboost方法对样本进行多次抽样,将Adaboost算法中的分类精度作为特征选择的依据,选取出少量有利于分类的特征,同时将单特征训练得到的弱分类器通过集成学习增强为强分类器。

1 系统的构成

整个系统的构成如图1所示。

该系统主要包括训练和分类两个阶段。在医学图像训练阶段,通过数据库建立训练集,对医学图像进行预处理,提取图像颜色和纹理特征,创建训练的弱分类器。对图像特征进行选择。分类阶段进行的是待分类图像的选择特征的提取,利用训练得到的强分类器进行分类,输出分类结果。

2 图像预处理

由于实际的医学图像数据因为操作的原因,存在不完整性、噪声和不一致性性,不能直接在原始数据上进行数据提取,因此必须对医学图像进行预处理。数据清洗和数据的变换[1-2]都是经常用于图像数据预处理技术上的。

图像预处理的第一步就是图像去噪。大部分的医学图像一般包含了大量有噪声的背景:有的医学图像太暗,有的医学图案太亮,还有来自影像设备中电子元器件的随即扰动。通过去噪处理后,可以去掉图像中的大多数的背景信息和噪声,增强图像的特征,提高图像的信噪比。针对医学图像来说,图像本身有边缘模糊的特性,通过去噪对医学图像进行复原,使之与原图像逼近是存在比较大的困难的。因此本系统主要采取的去噪方法为滤波技术,该技术可以在最大限度保持信号不受损失的基础上,尽可能过滤噪声,提高图像的可读性,将医学图像中感兴趣的特征(图像的轮廓和边缘等重要信息)有选择的突出。

图像预处理的第二步是图像归一化,基于图像特征分类主要是对图像特征进行匹配和区分的过程,但是通常情况下待检图像的图库中,图像的大小尺寸并不完全相同,用户所提供的分类例图大小也不完全一样的。在提取图像特征(特别是空间分布特征)时,就有可能存在本身同类的图像所计算出来的特征差别却很大,而不属于同一类的图像由于尺度不同却计算出了相似的特征,进而影响到分类的结果。为了防止这类情况的发生,本分类系统必须首先对图像的尺度进行归一化,即通过对图像的缩放使得图像具有同一尺度256×256,在同一尺度上提取图像特征,从而消除尺度影响,又能够保证图像的整体灰度不变性。通过对大尺度的图像进行尺度归一化之后,按比例进行了缩小,降低了图像特征提取时的计算量,提高了分类速度。

3 基于集成学习方法的特征选择和分类

3.1 集成学习方法

集成学习(Ensemble Learning)是一种新的用来组合的学习器的方法。其主要思想[3]是:通过某种组合方法把一些学习器组合起来,使得集成后的学习器能够表现出比单个学习器更好的性能。狭义的说,集成学习是指利用多个同质的学习器对同一个问题进行学习,这里的“同质”是指所使用的学习器属于同一种类型,例如所有的学习器都是决策树、都是神经网络等等。广义的来说,只要是使用多个学习器来解决问题,就是集成学习[4]。

集成学习从萌芽阶段发展到现在,很多研究者提出了不同的算法。其中研究最深入,最具影响力,应用最广泛的就要算Boosting算法了。在众多Boosting算法中,AdaBoost是Boosting家族中的基础算法,也是Boosting家族最具代表性的算法,之后出现的Boosting家族中的扩展算法都是在AdaBoost算法的基础上发展而来的,对AdaBoost的分析也适用于其它的Boosting方法。因此下面我们以AdaBoost M1算法为例,进行描述。

AdaBoost M1算法用于解决多类单标签问题。每个待分类样本只能属于多个类别中的单个类。AdaBoost M1的基本思想是:首先给定任意一个弱学习算法和训练集(x1,y1),(x2,y2),…,(xm,ym),yi在分类问题中是一个带类别标志的集合,yi∈Y={1,…,K}。初始化的时候,对每个训练例赋予的权重都相同为1/m。接着,调用弱学习算法对训练集进行T次的迭代训练,每次训练后,按照训练结果更新训练集上的分布,对于训练失败的训练示例赋予教大的权重,也就是在下一次迭代训练的时候,更加关注集中对这些失败的训练例进行训练。通过这样的T次迭代训练,得到一个预测函数序列h1,h2,…,ht,其中ht也有一个权重,预测效果好的预测函数的权重较大,预测效果差的预测函数的权重较小。经过T次迭带后的最终预测函数H采用有权重的投票方式产生。

3.2 特征选择和分类

本系统利用训练样本的分类属性,采用Adaboost M1算法同时,对算法进行改进,使算法同时具有进行特征分类性能的评价(特征选择)和SVM分类器的增强的功能:对样本进行多次抽样,将分类精度作为特征对分类性能的判定依据,进行有效特征选择,选取出少量对分类作用较大的特征,同时将单特征训练得到的弱分类器增强为强分类器,使分类器具有较好的分类精度和泛化能力。具体算法思想如下:

1) 在Adaboost M1算法每次迭带训练时候,赋予每个训练例的分配权重 Dt(i)(t表示迭代次数,i表示训练例标号),同时也表明它被分类器选入新训练子集的概率。如果某个样本已经被准确的分类,那么在构造下一个训练集中,它所占的比重概率就会被降低;反之,如果某个样本没有被正确分类,那么它所占的比重就会得到提高。通过这样的方式,Adaboost M1算法就能更加重视那些较困难、更富信息的样本上。

2) 针对Adaboost M1这个特点,我们在选入的训练集上,选择SVM作为弱学习机,针对每个特征维向量进行训练,产生弱分类器,并且计算分类精度,用来衡量该弱分类器对分类的作用程度,精度大的弱分类器表明该特征维向量的分类性能较好,有利于作为有效的分类特征,被选入作为分类特征,经过多次迭代可以得到大部分对分类作用较高的特征,最终增强得到一个强分类器。

改进的Adaboost M1进行特征选择以及SVM分类器增强的算法步骤如下:

输入:训练集 (x1,y1),(x2,y2), …,(xm,ym) ,其中标签yi ∈Y={1, …,k}

特征维向量集{S}

弱学习算法SVM

迭带训练的次数T

初始化:对于i=1,2,…,D1(i)=1/m, Do For t=1,2,…,T //其中T为迭代训练的次数,m为训练样本数。

步骤1 弱分类器学习

根据选择权重Dt(i)进行采样,获得第t次迭代样本集,选取特征子集,学习重采样后的样本集得到弱分类器集合Hrt ,其中Srt是特征子集集合,表示第t次迭代的每个特征维度;Srt是弱分类器集合,是根据Hrt单特征训练出的弱分类规则,r表示特征维度标签号,t表示迭代次数。

步骤2 计算分类精度,选择特征

计算弱分类器在样本集上的误差 在此作为特征子集Srt 有效性的判据,误差越小则此特征子集作用越大,选取误差最小(εt=min{εrt})的对应的分类器为Ht与有效特征向量Srt计算本次迭代得到的分类器贡献权值βt=εt/(1-εt)。

步骤3 更新权重

其中,βt为每次迭代的分类器贡献权值,值由βt=εt/(1-εt)来确定;Dt(i)为每个训练例的分配权重,Zt为标准化常量。

输出:有效特征子集Sr

增强分类器

通过改进的Adaboost M1算法可以得到所选择的特征子集Sr以及增强的分类器Hx。

分类时,只要将待分类医学图像根据有效特征子集Sr进行特征提取,输入增强的分类器集 Hx中,就可得到分类的结果。

4 实验结果及结论

本实验所采用的是医学图像中的CT、MRI和DDR图像,根据医学图像的功能和用途,我们将这些医学图像分为头部(包括中枢神经和头颈五官)、胸部(包括呼吸系统、循环系统)、腹部(包括消化系统)、骨盆(包括泌尿系统)和其他等五大类标签,每类标签60幅(由于CT应用比较广泛,所以选用CT图像40幅,MRI和DDR各20幅),共计300幅图像构成图像库。在测试集和训练集的选择上,采用10折交叉验证的方法。通过训练集最终选取了36维特征向量中的分类性能较高的12维(详细如表1所示)。

分类性能采用敏感度(sensitivity)、特异度(specificity)以及分类精度(precision)三个指标率来衡量:敏感度也称真正识别率,即正确识别该类元组的百分比;特异度是真负率,即正确拒绝不属于该类元组的百分比;而精度就来标记实际属于该类的元组在已分配到该类的元组总数的百分比,表2是本实验的分类结果。

从表2中可以看出,本实验医学图像分类器算法的敏感度、特异性和分类精度都较高,分类识别率和精度平均在83%左右。

分类系统的速度主要取决于特征的提取以及进行分类的运算量。如果将所有特征都运用于分类的话,由于有些特征向量维度对分类贡献不高,对分类效率没有明显的提高,并且也大大增加了特征提取阶段的时间负担。在本系统中仅仅选择了不到1/3的特征,去除了部分对分类效率贡献不高的特征,因此在特征提取阶段速度大大提高了,而且在分类阶段也因为只在有效特征中进行提取分类,速度也有较大提高,表3列出了在 Inter Core Duo processor T2450 2.0GHz、1G DDR内存、VC++6.0环境下本分类系统与其他分类平均分类精度的比较。

本方法比最常见的综合特征分类法在特征提取分类阶段速度上有所提高,但是比起单个特征提取,速度还是比较慢的。但是从表3正确率相比,准确率还是蛮高的,相对的牺牲时间还是值得的。

参考文献:

[1] Maria-Luiza Antonie,Osmar R.Z aiane and Alexandru Coman,Application of Data Mining Techniques for Medical Image[C],Proceedings of the second international workshop on Multimedia Data Mining(MDM/KDD’2001),in conjunction with ACM SIGKDD conference.

[2] Osmar R.Z aiane,Maria-Luiza Antonie and Alexandru Coman,Mammography Classification by Association Rule-based Clasifier[C], MDM/KDD2002:International Workshop on Multimedia Data Mining(with ACM SIGKDD 2002).

[3] Zhou Z-H,Wu J-X,Tang W,Chen bining regression estimators:GA-based selective neural network ensemble.International Joural of Computational Intelligence and Applications,2001,1(4):341-356.

[4] Zhou Z-H,Wu J-X,Tang W.Ensembling neural networks:many could be better than all.Artificial Intelligence,2002,137(1-2):239-263

[5] 夏顺仁,莫伟荣,王小英,严勇. 基于特征融合和相关反馈的医学图像检索技术[J].航天医学与医学工程,2004,17(231):429-433.

第4篇：生物医学工程类别范文

关键词：医学信息管理 知识融合 前趋图 教学计划

中图分类号：G64 文献标识码：A 文章编号：1673-9795（2013）08（a）-0150-02

医学信息学专业是医学领域与管理学、计算机或电子通信等应用领域的交叉学科，培养具备医药学基础知识、信息管理知识、计算机科学技术知识及应用能力、掌握卫生信息管理、医学信息学处理与医疗决策支持系统设计思想和方法，具有团队协作能力的高级复合型人才[1]。

随着我国医改的不断加深，医疗信息化也变的越来越重要。据《2013年中国医疗行业信息化建设与IT应用趋势研究报告》[2]显示，2012年中国医卫行业IT投入达185.6亿元，较2011年同比增长22.6%；2013年医卫行业信息化建设投入将继续保持平稳增长趋势，投资规模预计将达到225.5亿元人民币。由此看出国家对医疗信息化建设的重视程度。加强医疗信息化的建设不仅需要国家提供财政、政策的支持，也需要一大批具备专业知识的医疗IT人才来提供支撑。因此，加快培养同时具备医学知识、信息技术与管理学知识的人才至关重要。

本文通过对全国开设医学信息管理及相关专业的28所院校的课程设置进行了详细的调查研究与分析，并根据我校多年的教学经验，对医学信息管理专业在教学过程中的计算机知识与医学知识的融合问题进行了深入的探讨，并提出了一些切实可行的建议，为后续医学信息学专业的教学及课程设置提供理论参考依据。

1 课程设置方面存在的问题

在对国内开设医学信息管理专业的28所医学院校的课程设置进行调查与分析后，我们发现本专业在课程设置上还存在以下几方面问题。

1.1 课程开设顺序混乱

一些课程的开设必须建立在与其相关的另一课程的基础上，例如，数据挖掘技术开设在数据库之前，这样不仅增加了老师的教学压力，也提高了同学学习的难度。

1.2 跨学科知识融合困难

医学信息学作为一门新兴交叉学科，处理好多学科之间知识融合问题的确困难重重。国内院校在进行课程设置时，往往只是将各学科简单堆叠，课程间缺乏紧密配合，远没有达到融合的程度[3]。计算机专业的老师往往不了解医学知识，医学教师不了解信息技术。在教学过程中不知道该如何将自己所授知识与其他学科知识进行有机融合。因此，往往在教学过程中，只是做到了知识的简单叠加，并没有进行深层次的融会贯通，造成学生偏科思想严重，逻辑转换困难等一系列问题的产生，大大影响了教学的质量。

2 医学信息管理专业主干课程及前驱图分析

通过归纳与分析28所院校医学信息管理专业详细课程设置，我们主要将本专业的主干课程分为医学基础类、数学基础类、信息技术类以及管理类四个类别。为解决好本专业学科开设顺序混乱问题，我们总结了专业主干课程的先后依赖关系，并画出了它们的前趋图（见图1所示），用此图指导课程设置。

3 跨学科知识融合

为更有效的解决好医学信息管理专业多学科交叉融合的问题，我们可以从以下几个方面进行调整。

（1）开设医学和计算机交叉学科的相关课程并且引进复合型人才授课。通过开设医学和计算机交叉学科的相关课程来促进医学知识和计算机知识的有机融合，如医学图像处理、医学数据挖掘等。医学图像处理是指用数字图像处理手段来处理医学图像，以辅助医生诊断；医学数据挖掘是指从大量的医疗数据中提取或“挖掘”出有用的知识，并将这些知识按照某一特定模型进行组织，用于医疗决策支持或统计分析。这些课程将医学和计算机很好的融合到一起，方便同学进行学习和理解。

（2）开展课间实习，注重综合能力培养 在教育与教学过程中，要定期组织同学们进行课间实习，使其深入到医院各科室，详细了解整个医院的业务流程及医院各系统的操作流程和整体网络部署及架构。使同学们能够更好的熟悉现场的工作环境，对遇到的问题能够及时自主的解决，在开放式的教学环境中更加利于培养学生的综合素质及能力。

（3）跨学科学术研究。在教学过程中，学校应该多为同学提供课题研究的平台与机会，鼓励同学们积极参与到不同学科的课题研究过程中，利用自己的专业特长与思维方式来解决其他学科的学术问题。这样跨专业、跨学科的学业竞赛可以让同学们以“主角”的身份参与其中，以更加主动的方式去获取知识，在科学研究的过程中不断实现知识的融会与贯通。

（4）以毕业设计为驱动，学以致用。在完成所有理论教学内容后，学校通过安排同学到医疗机构、医疗软件公司或制药企业等地方进行实训与学习，并结合自己实习期间的所见所感及自身的知识积累，来开发一个与本专业相关的信息系统作为毕业设计。以此为驱动，帮助同学们将所学知识进行系统的归纳与整合，为参加工作做好充足准备。

4 结语

解决好多学科知识交叉与融合问题还需要一个漫长的过程，这需要社会、学校、老师及学生等多方面的共同努力。不断加强对学生的职业生涯规划，明晰本专业的人才培养目标，改进教学方法（PBL教学法[4]、任务驱动教学法[5]），有意识的进行实训与锻炼。紧跟当下知识融合、技术集成的时代要求，着力培养适合时展需要，既有宽阔知识面，又有强烈变革思维的“一专多能”复合型人才。

参考文献

[1] 罗铁清，周燃犀.医学信息学专业医学知识培养方法的探索[J].医学信息，2011，24（3）：1138-1140.

[2] 中商情报网.2013年中国医疗行业信息化建设与IT应用趋势研究报告[M]. ASKCI Consulting Co.，Ltd，2013.

[3] 候跃芳，张浩.国内信息管理与信息系统专业课程设置调查研究[J].医学信息学杂志，2012，33（1）：12-15.

第5篇：生物医学工程类别范文

（广东外语外贸大学 金融学院，广东 广州 510006）

摘 要：作为一个具有巨大应用前景研究方向，深度学习无论是在算法研究，还是在实际应用（如语音识别，自然语言处理、计算机视觉）中都表现出其强大的潜力和功能.本文主要介绍这种深度学习算法，并介绍其在金融领域的领用.

关键词 ：深度学习；受限波兹曼机；堆栈自编码神经网络；稀疏编码；特征学习

中图分类号：TP181 文献标识码：A 文章编号：1673-260X（2015）01-0037-03

1 深度学习的研究意义

深度学习是一类新兴的多层神经网络学习算法，因其缓解了传统训练算法的局部最小性，引起机器学习领域的广泛关注.深度学习的特点是，通过一系列逻辑回归的堆栈作为运算单元，对低层数据特征进行无监督的再表示（该过程称为预学习），形成更加抽象的高层表示(属性类别或特征)，以发现数据的分布式特征表示.深度学习的这种特性由于与脑神经科学理论相一致，因此被广泛应用于语音识别、自然语言处理和计算机视觉等领域.

生物学研究表明[1]：在生物神经元突触的输出变化与输入脉冲的持续时间有关，即依赖于持续一定时间的输入过程，输出信号既依赖于输入信号的空间效应和阈值作用，也依赖于时间总和效应.

传统的深度学习方法虽然较好地模拟了生物神经元的一个重要特性——空间总和效应上的深度，却忽视了生物神经元的另一个重要特性——时间总和效应上的宽度[2].因此，对于连续的时间变量问题（如语音识别），传统深度学习方法只能将连续的时间函数关系转化为空间关系，即离散化为时间序列进行处理.这样做有几个弊端：

（1）可能造成深度学习算法对时间采样频率的十分敏感，鲁棒性较差.这使得，不同时间尺度下，需要使用不同的数据和算法.这无疑是十分不方便的；

（2）导致深度网络规模过大，使得计算开销增大、学习效果变差、泛化性能降低；

（3）难以满足实际应用对算法的实时性的要求，更难以体现连续输入信息的累积效应，大大降低深度学习算法的实用性.

因此，对传统的深度学习算法进行改进，使其不但具有“深度”，亦能具有“宽度”，能够对连续时变数据进行更好的特征提取、提高算法效率和实用性，显得势在必行.基于这个切入点，本项目借鉴时频分析与小波分析中的方法，结合数学分析领域中的泛函分析技术，与堆栈自编码神经网络相结合，提出一种新的深度学习算法——深度泛函网络.为了验证算法的有效性及优越性，本项目将把新算法应用于金融时间序列的领域.

在目前国内外对于深度学习的研究中，几乎没有任何将深度学习技术运用于金融数据的研究.通过提出并运用得当的深度序列学习方法，我们期望从金融数据中抽取更高级的、具有经济学意义或预测性意义的高级特征（与人工设计的“技术指标”相对应），并开发相应的量化交易策略，并与其它传统算法进行对比，以说明所提算法的可行性和优越性.

2 国内外研究现状

人类感知系统具有的层次结构，能够提取高级感官特征来识别物体（声音），因而大大降低了视觉系统处理的数据量，并保留了物体有用的结构信息.对于要提取具有潜在复杂结构规则的自然图像、视频、语音和音乐等结构丰富数据，人脑独有的结构能够获取其本质特征[3].受大脑结构分层次启发，神经网络研究人员一直致力于多层神经网络的研究.训练多层网络的算法以BP算法为代表，其由于局部极值、权重衰减等问题，对于多于2个隐含层的网络的训练就已较为困难[4]，这使得实际应用中多以使用单隐含层神经网络居多.

该问题由Hinton[5]所引入的逐层无监督训练方法所解决.具体地，该法对深度神经网络中的每一层贪婪地分别进行训练：当前一层被训练完毕后，下一层网络的权值通过对该层的输入（即前一层的输出）进行编码（Encoding，详见下文）而得到.当所有隐含层都训练完毕后，最后将使用有监督的方法对整个神经网络的权值再进行精确微调.在Hinton的原始论文中，逐层贪婪训练是通过受限波兹曼机（Restricted Boltzmann Machine,RBM）以及相对应的对比散度方法（Contrastive Divergence）完成的.与通常的神经元不同，RBM是一种概率生成模型，通常被设计为具有二元输入-输出（称为Bernoulli-Bernoulli RBM）.通过对每一层的受限波兹曼机进行自底向上的堆栈（如图1），可以得到深度信念网（Deep Belief Network,DBN）.

除了生成式的RBM，还有其他的深度学习结构被广泛使用和研究.如堆栈自编码神经网络（Stacked Auto-Encoder Network,SAEN）[6],以及深度卷积神经网络（Deep Convolutional Network）[7]等.前者的优势在于可以简单地采用通常的BP算法进行逐层预训练，并且引入随机化过程的抗噪声自编码网络（Denoising SAEN）泛化性能甚至超过DBN[8]；而后者则通过权值共享结构减少了权值的数量，使图像可以直接作为输入，对平移、伸缩、倾斜等的变形具有高度不变性，因此在图像识别领域有着广泛应用.

近年来，稀疏编码（Sparse Encoding）和特征学习（Feature Learning）成为了深度学习领域较为热门的研究方向.B.A.Olshausen[9]等针对人脑的视觉感知特性，提出稀疏编码的概念.稀疏编码算法是一种无监督学习方法，它用来寻找一组“过完备”的基向量来更高效地表示输入数据的特征，更有效地挖掘隐含在输入数据内部的特征与模式.针对稀疏编码的求解问题，H.Lee等在2007年提出了一种高效的求解算法[10]，该算法通过迭代地求解两个不同的凸规划问题以提高效率.同年，H.Lee等发现，当训练样本为图像时，对DBN的训练进行稀疏性的约束有利于算法学习到更高级的特征[11].例如，对手写识别数据集进行训练时，稀疏性约束下的DBN算法自主学习到了“笔画”的概念.

基于[10,11]的研究成果，R.Raina等[12]提出了“自导师学习（Self-Taught Learning）”的概念.与无监督学习（Unsupervised Learning）和半监督学习（Semi-supervised Learning）不同，自导师学习利用大量易获得的无标签数据（可以来自不同类别甚至是未知类别），通过稀疏编码算法来构建特征的高级结构，并通过支持向量机（Support Vector Machine,SVM）作为最终层分类器对少数有标签数据进行分类.这种更接近人类学习方式的模式极大提高了有标签数据的分类准确度.与之类似，H.Lee,R.Grosse等[13]提出了一种具有层次结构的特征学习算法.该算法将卷积神经网络与DBN结合，并通过稀疏正则化（Sparsity Regularization）的手段无监督地学习层次化的特征表征.图像识别实验表明，该算法能够自主学习得出“物体（Object Parts）”的概念，较好体现了人脑视觉感知的层次性和抽象性.

3 发展趋势

由于信号处理、语音识别、金融时间序列分析、视频分析等领域的实时应用需求，研究能够处理连续时变变量、自然体现时间联系结构的深度学习算法（即深度序列学习，Deep Sequence Learning）成为了新的研究热点.G.W.Taylor,G.E.Hinton等[14]提出时间受限波兹曼机（Temporal RBM,TRBM）.该模型使用二值隐含元和实值可视元，并且其隐含元和可视元可以与过去一段历史的可视元之间可以有向地被相连.同时，该模型被用于人类动作识别，并展现出了优秀的性能.针对TRBM的一些不足，一些改进算法也不断涌现，如[15,16].然而，该类深度学习模型虽然考虑了动态的时间变量之间的联系，但依然只能处理离散时间问题，本质上还是属于转化为空间变量的化归法.同时，在自编码网络框架下，依然缺乏较好解决时间过程（序列）问题的方案.

4 金融时序数据中的应用

传统金融理论认为，金融市场中的证券价格满足伊藤过程，投资者无法通过对历史数据的分析获得超额利润.然而，大量实证研究却表明，中国股票价格波动具有长期记忆性，拒绝随机性假设，在各种时间尺度上都存在的可以预测的空间.因此，如何建立预测模型，对于揭示金融市场的内在规律，这无论是对于理论研究，还是对于国家的经济发展和广大投资者，都具有重要的意义.

股票市场是一个高度复杂的非线性系统，其变化既有内在的规律性，同时也受到市场，宏观经济环境，以及非经济原因等诸多因素的影响.目前国内外对证券价格进行预测的模型大致分为两类：一是以时间序列为代表的统计预测模型；该类方法具有坚实的统计学基础，但由于金融价格数据存在高噪声、波动大、高度非线性等特征，使得该类传统方法无法提供有效的工具.另一类是以神经网络、支持向量机等模型为代表的数据挖掘模型.该类模型能够处理高度非线性的数据，基本上从拟合的角度建模.虽然拟合精度较高，但拟合精度的微小误差往往和市场波动互相抵消，导致无法捕捉获利空间甚至导致损失，外推预测效果无法令人满意.因此，建立即能够处理非线性价格数据，又有良好泛化能力的预测模型势在必行.

——————————

参考文献：

〔1〕Zhang L I, Tao H W, Holt C E, et al. A critical window for cooperation and competition among developing retinotectal synapses[J]. Nature, 1998, 395(6697).

〔2〕37-44.欧阳楷,邹睿.基于生物的神经网络的理论框架——神经元模型[J].北京生物医学工程,1997,16(2):93-101.

〔3〕Rossi A F, Desimone R, Ungerleider L G. Contextual modulation in primary visual cortex of macaques[J]. the Journal of Neuroscience, 2001, 21(5): 1698-1709.

〔4〕Bengio Y. Learning deep architectures for AI[J]. Foundations and trends? in Machine Learning, 2009, 2(1):1-127.

〔5〕Hinton G E, Osindero S, Teh Y W. A fast learning algorithm for deep belief nets[J]. Neural computation, 2006, 18(7): 1527-1554.

〔6〕Vincent P, Larochelle H, Bengio Y, et al. Extracting and composing robust features with denoising autoencoders[C]//Proceedings of the 25th international conference on Machine learning. ACM, 2008: 1096-1103.

〔7〕Lee H, Grosse R, Ranganath R, et al. Convolutional deep belief networks for scalable unsupervised learning of hierarchical representations[C]//Proceedings of the 26th Annual International Conference on Machine Learning. ACM, 2009: 609-616.

〔8〕Vincent P, Larochelle H, Lajoie I, et al. Stacked denoising autoencoders: Learning useful representations in a deep network with a local denoising criterion[J]. The Journal of Machine Learning Research, 2010, 9999: 3371-3408.

〔9〕Olshausen B A, Field D J. Sparse coding with an overcomplete basis set: A strategy employed by V1?[J]. Vision research, 1997, 37(23): 3311-3325.

〔10〕Lee H, Battle A, Raina R, et al. Efficient sparse coding algorithms[J]. Advances in neural information processing systems, 2007, 19: 801.

〔11〕Lee H, Ekanadham C, Ng A Y. Sparse deep belief net model for visual area V2[C]//NIPS. 2007, 7: 873-880.

〔12〕Raina R, Battle A, Lee H, et al. Self-taught learning: transfer learning from unlabeled data[C]//Proceedings of the 24th international conference on Machine learning. ACM, 2007: 759-766.

〔13〕Lee H, Grosse R, Ranganath R, et al. Convolutional deep belief networks for scalable unsupervised learning of hierarchical representations[C]//Proceedings of the 26th Annual International Conference on Machine Learning. ACM, 2009: 609-616.

〔14〕Taylor G W, Hinton G E, Roweis S T. Modeling human motion using binary latent variables[J]. Advances in neural information processing systems, 2007, 19: 1345.

第6篇：生物医学工程类别范文

关键词：脑电波 意识交流 “脑-机接口”系统（BMI） “脑-脑”通信模式

中图分类号：TN92 文献标识码：A 文章编号：1007-3973（2013）010-100-03

1 引言

随着现代科技的高速发展，通信技术也得到了很大的提高，先后出现了3G，4G等新型移动通信技术，但是却依然不能满足一些人群的需要，如聋哑等残疾人。因此需要出现一种新型的通信方式来满足这些人群的需要，笔者所提出的这种“脑-脑”通信模式就是这种新型的通信方式。人的大脑就是一台功能强大的通信设备，同时具有编码器和译码器，可以把很多外在信号翻译为大脑可以识别的信号，例如把声音信号翻译为电信号。由于人的大脑在思维活动时，会产生脑电波信号，虽然是一种低频微弱信号，但是只要加以利用就同样可以被人脑识别的，这就是我提出“脑-脑”通信模式的一些基础。

这种通信方式可以实现私密话的交流，真正达到“一切尽在不言中”的效果。情人间不需要再用眉目传情了，在人多的场合下就可以直接私密交流了；图书馆、自习室、会议室等地方可以私下交流而不影响他人。因为不需要通过空气这种介质作为信道传输，因此在太空中也可以使用这种通信方式。

2 实现

2.1 理论依据

2.1.1 通信系统基本模型

通信系统基本模型包括：信源，发送设备，信道，接收设备，信宿，外加噪声源。

2.1.2 脑电波

（1）脑电波形成条件：

1）同步化：节律性的脑电波是许多神经元同时活动和同时抑制的结果。只有频率与位相皆相同，总和出来的波幅才能较大，否则就会相互抵消，甚至记录不出电位变化。通常，同步化的程度越大，则波幅越大而频率越低；反之，去同步化的程度越大，则波幅越小而频率越高。

2）神经元的排列方向一致：大脑皮层的锥体细胞排列非常整齐，其顶树突都伸向皮层表面，因此，脑电波的形成，极有可能是由于许多锥体细胞产生的电位自细胞体传向皮层表面的结果。当这些锥体细胞进行同步活动时就会产生强大的电场，才能在皮层表面记录出来。

（2）脑电波的高度特异性。

每个人的脑电波特征码都是唯一的――脑电波指纹，因此，可以用于身份的鉴定。

（3）脑电波原理。

大脑工作时，神经细胞中离子运动的运动产生电流，大脑150亿的神经元（脑细胞）不断释放出微电流。大脑总的电流活动情况可以用脑电分析仪（EEG）测量记录下来，这种大脑电流活动的形态各不相同，有快有慢，由此产生了各种频率的脑电波。科学界公认的脑电波主要有四种状态，神经科学界根据脑波的频率分成四个主要类别：震荡频率范围分别为8Hz-14Hz、14Hz-100Hz、4Hz-8Hz、0.5Hz-4Hz。

2.2 运用依据

2.2.1 电子精神控制技术

电子精神控制技术是通过高灵敏的接收元件接收并放大大脑活动所产生的微弱脑电波电磁辐射信号，经专门的译码软件处理就可读懂大脑内部的思维活动，反过来通过向神经系统发射调制后的特定脑电波信号，也可以向人脑直接写入信息，从而实现对人脑的直接遥控。

2.2.2 其他运用实例

如脑电波控制小球升降，通过脑电波控制机器运行（清华成功研制意念控物电脑，用脑电波控制机器狗踢球），脑电波对抗游戏等等。

3 “脑脑”通信模型构思

装置：发送调制后的脑电波信号，或者接收解调后的脑电波信号；基站：用于远距离通信时，类似于联通、移动等的基站。人的大脑是一部功能强大的通信设备，同时具有编码器与译码器功能。该模型涉及到的学科有物理，生物，医学，信息等；领域有信息技术，生物技术，新材料等。

4 模型设计及核心思想

4.1 关键问题

人的大脑如何识别这些脑电波信号？我们知道，现在我们日常交流都是通过声音信号，因为声波是机械波，可以产生振动。声音传到耳朵里，引起耳内耳蜗管的振动，并传到听觉神经，最后传到大脑，从而使人能够听到声音。而我们现在要通过脑电波交流的话，最重要的问题就是人的大脑如何识别外来的脑电波信号。如果大脑不能识别这些信号，就不能实现交流，就不能完成双方通信了。因此，现在我们需要解决的难题就是如何让我们的大脑来识别这些外来的脑电波信号，或者说是我们大脑如何接收他人的脑电波信号。

4.2 解决方案

方案一：转变为声音信号传给大脑。

我们知道人可用两种方式获得声音信号：（1）通过声波直接传到耳朵，引起听骨的振动，产生微弱的电信号，大脑感知声音；（2）把振动体放在耳后的听骨上，直接把声音传到听骨上，产生电信号，让大脑感知声音。现在已经有技术可以将人的脑电波信号转变为声音信号了，然后我们可以利用骨传声耳机直接将转变后的声音传信号传递给听觉神经，从而让聋哑人之间可以交流了。声音通过头骨、颌骨传到听觉神经，引起听觉叫骨传导，骨传声耳机是就是利用骨传导原理制成的。

方案二：脑电波信号直接传给大脑。

人的大脑可以产生脑电波信号，也就可以接收脑电波信号，只不过不能直接就那样接收。大脑思维是通过短距离高压放电的电活动来产生和工作的，大脑的信息读取是通过神经递质产生的电位差来读取电信号的。换而言之，除非我们能够让目标大脑产生一个精确的电位差。否则对方大脑不能接收这个信号，就像给自己手机开办了短信业务，对方收不到你短信。我们传递过去的脑波信号，不过是噪音而已。因此，笔者认为最起码我们发过去的脑电波要变成和对方同频率的信号，引起共鸣。但即使是同频信号，虽会产生一定作用。但是，由于这些同频干涉波，会让大脑的正常活动受到电磁干扰而发生偏移，产生幻觉，疼痛，心血来潮，突然脾气爆发等等。

所以要让对方大脑能够接收外来的脑电波信号，就必须把这些外来的脑电波信号“同化”，让自己的大脑能够识别他人的脑电波信号。这种把他人的脑电波信号“同化”的技术已经有了，虽然还不成熟，但足以说明这样的做法是可以实现的。其中脑电波指纹仪就是其中的代表，脑电波指纹仪除了可以接收人的脑电波外，同时也能通过反馈将脑电波信号传送给被害人的听觉神径，而且不是通过声波，而是一种能被人接收的脑电波机反馈信号。也就是说脑电波指纹仪能够将他人的脑电波信号“同化”成能被自己大脑接收的信号。

4.3 突破点，创新点

（1）无介质传输，因为脑电波区别于声波这种机械波，脑电波是一种电磁波，可以不通过介质传输。

（2）提出了大脑接收脑电波的方式，解决了以往只能采集脑电波信号，通过仪器来分析这些信号而识别大脑活动和大脑意识。这种突破可以实现人的意识交流，人的大脑直接读懂他人的意识。

（3）手机等通信设备只能一次性接收一方信号，而人的大脑可以同时接收多方信号。正如我们在交谈时，可以和多个人交谈，听取多人的意见。

（4）直接利用大脑这台庞大的通信设备，同时具有编码器与译码器功能，从而省去了其他通信设备中编码解码技术。

5 最终模型

由于脑电波信号是小信号，频率很低，即使距离很近，也根本不足以传播出去。因此还是需要加载到高频信号才能传输出去。而在接收方必须将解调后的脑电波信号“同化”后才能接收。

6 不足之处

（1）噪声干扰。因为脑波信号本就很微弱，是低频信号，如果有很强的噪声干扰的话，整个信号就变成了噪声信号，那么对方收到的就不是脑电波信号，就变成了噪音。这些噪音进入人的大脑，会严重影响人的大脑正常工作，让大脑产生幻觉，疼痛等。

（2）材料昂贵。现如今安放在人大脑上的硬件装置是由一种昂贵的碗状的帽子组成，上面布满电极；而需要“同化”脑电波的装置也很昂贵。

（3）不够便捷。安放装置比较麻烦，这种帽子要戴在人头上很费时间，而且需要在人的脑袋上涂上凝胶体，将电极粘在头皮上，以此把电极和大脑皮层连接起来。这些加起来的装置戴在头上很是笨重，人行动起来很是不方便。

（4）技术不成熟。现如今与脑电波相关的技术还不是很成熟，对大脑的研究还处于探索阶段，还有一段很长的路。

7 展望

（1）由于脑电波具有高度特异性，每个人的脑电波特征码都是唯一的――脑电波指纹，类似人的手指指纹。只有利用自身脑电波指纹才能接收到脑电波信号，而旁边的人因为脑电波指纹不同而无法收到这种脑电波信号，所以用脑电波信号交流的这种通信方式保密性很好。因此将其运用到一些机密会谈上很是适用。

（2）由于不需要介质传输，这种通信方式也很适合运用到太空飞行员，空间站人等的相互交流；一些聋哑人更可以利用这种通信方式交流。而且研究开发这种通信技术，对探索大脑功用也取到一定推动帮助作用。

8 结束语

这套模型能否制作出来，还有待需要做一些实验得到验证，由于没有一些仪器设备以及材料，笔者无法将这个模型或者这个实物制作出来，但是只要给充足的实验条件，经过一些实验是可以做出这个模型的。一些不足之处也可以想办法来加以改善的，例如噪声干扰的问题可以通过加滤波器来改善；装置不够便捷，可以改用纳米材料。用纳米材料植入到大脑神经，这种方法有一定的风险，可能会影响人的大脑中枢运作，不能轻易尝试，需要反复做实验，认真研究方可实行。而且刚开始的运用也只能是在一些动物身上，因为人的大脑中枢还是比较脆弱的，很容易损坏大脑组织。

这种通信方式能不能真正实现，还有很多因素制约着，但笔者认为这种通信模式是可以行得通的。

参考文献：

[1] 伍国锋，张文渊.脑电波产生的神经生理机制[J].临床脑电学杂志，2000（3）.

[2] 沈伟慈.通信电路（第二版）[M].北京：北京邮电大学出版社，2007：1-3.

[3] Nature，published online.30 May 2004（doi：10.1038/nature02615）.

[4] Gordon L.Stuber.Principles of Mobile Communication.

[5] 周炯，庞沁华，等.通信原理（第三版）[M].北京：北京邮电大学出版社，2008.

第7篇：生物医学工程类别范文

锦州市卫生学校，辽宁锦州 121299

[摘要] 目的 分析探讨冠状动脉粥样硬化性心脏病心绞痛患者采用阿托伐他汀治疗的临床效果。方法 将78例冠状动脉粥样硬化性心脏病心绞痛患者随机分为两组，即对照组和治疗组。对照组采用倍他乐克、硝酸甘油、阿司匹林等常规用药进行治疗，治疗组在对照组的基础上加用阿托伐他汀进行治疗，比较两组的临床效果及不良反应。 结果经治疗后，对照组中显效19例，有效9例，无效4例，加重2例；治疗组中显效28例，有效14例，无效2例，加重0例，且治疗组TC（4.31±0.92）、LDL-C（3.58±0.39）、TG（1.84±0.57）值明显要比对照组低， 而HDL-C（1.38±0.25）值要明显高于对照组，差异有统计学意义（P<0.05），两组不良反应相比，治疗组不良反应要明显较对照组轻，且无发生肾损伤等并发症。结论 在应用倍他乐克、硝酸甘油、阿司匹林等常规用药的基础上加用阿托伐他汀治疗冠状动脉粥样硬化性心脏病心绞痛，效果显著，且不良反应较轻，安全可靠，值得临床的广泛推广。

关键词 阿托伐他汀；冠状动脉粥样硬化性心脏病；心绞痛

[中图分类号] R541.4[文献标识码] A[文章编号] 1674-0742（2014）04（b）－0104-02

[作者简介] 付淑君（1962.11-） ，女，辽宁锦州人，本科，高级讲师，主要从事内科教学，邮箱：jzwxfsj@126.com。

在内科临床中，冠状动脉粥样硬化性心脏病是属于常见疾病之一，是指因冠状动脉血管壁形成粥样斑块造成管腔狭窄导致供血不足而引起的心肌机能障碍和/或器质性病变的一类疾病[1]。世界卫生组织，将冠状动脉粥样硬化性心脏病分为5种，即心绞痛、心肌梗死、无症状性心肌出血、缺血性心肌病和猝死[2]。而心绞痛是最常见的一种。冠心病患者实验室检查一般多是下面的结果，总胆固醇（TC）升高、低密度脂蛋白胆固醇（LDL-C）升高、高密度脂蛋白胆固醇（HDL-C）降低、甘油三酯（TG）升高。该研究就该市辽附三院2012年4月—2013年3月期间收治的78例冠状动脉粥样硬化性心脏病心绞痛患者为研究对象，分析采用阿托伐他汀治疗心绞痛产生的临床效果及不良反应等结果，现报道如下。

1资料与方法

1.1一般资料

选取78例辽附三院于收治的冠状动脉粥样硬化性心脏病心绞痛患者的临床资料，其中，男性42例，女性36例，年龄46~87岁，平均66.5岁。随机将他们分为对照组和治疗组，每组各39例。两组患者在治疗前，均经心电图、64排双元CT冠状动脉造影、动态平板实验等检查确诊，且心绞痛病程有1~4个月，平均2.5个月。发作5~15次/周，平均4次。血浆总胆固醇（TC）≥4.68 mmol/L，甘油三酯（TG）≥1.70 mmol/L。对照组采用了倍他乐克、硝酸甘油、阿司匹林等常规用药进行治疗，治疗组在对照组的基础上加用阿托伐他汀药物进行治疗，分析与比较两组患者的临床效果及不良反应。

1.2发病病因

目前，冠状动脉粥样硬化性心脏病心绞痛的发病机制尚不明确[3]，但经临床研究显示，总胆固醇（TC）、低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、甘油三酯（TG）等与疾病的发生密切相关。其中与低密度脂蛋白胆固醇（LDL-C）增高、高密度脂蛋白胆固醇（HDL-C）降低有着密切的关系。也就是说低密度脂蛋白胆固醇（LDL-C）的增高和高密度脂蛋白胆固醇（HDL-C）的降低促进了冠心病的发生、发展。高血压、高血脂、高血糖、肥胖症和吸烟是危险因素中的可控的重要发病因素。在该78例冠状动脉粥样硬化性心脏病心绞痛患者中，确诊肥胖症患者23例，有吸烟、喝酒史11例，高脂血症36例，其它8例。

1.3治疗方法

将收治的78例冠状动脉粥样硬化性心脏病心绞痛患者分为对照组和治疗组，每组各39例。两组患者在治疗前，其一般资料如年龄、性别、病程以及接受治疗前总胆固醇（TC）、低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、甘油三酯（TG）值等差异无统计学意义，具有可比性。对照组采用倍他乐克、硝酸甘油、阿司匹林（80~160 mg/d）等常规用药进行治疗，治疗组在对照组的基础是上加用阿托伐他汀进行治疗，80 mg/d，12周为1个疗程。嘱患者在用药后切忌过度进食，可进行适度的锻炼，避免劳累或者过度的紧张，坚持服药[4]。

1.4疗效判定及观察指标

疗效判定根据中华心血管病杂志委员会推荐的指标分为显效、有效、无效和加重3种[5]。其中，显效：静息时，心电图检查显示正常；同等程度的劳动下，不会轻易的引起心绞痛，且心绞痛的发作频次减少至80%以上；有效：经治疗后，心电图缺血性的ST段由下降逐渐变为上升状态，幅度为0.5 mm，T波平坦转为直立或T波倒置变浅，且心绞痛发作频次减少至50%~80%；无效：与治疗前相比，心电图情况并无明显改善，且发作频次减少50%；加重：较治疗前，心电图ST段下降幅度为0.5 mm以上，T波由直立变为平坦或加深50%。且心绞痛发作频次增加，持续时间较长。经治疗后，对患者进行随访6个月，观察患者的用药情况及不良反应的发生。观察指标：采用生化仪检测总胆固醇（TC）、低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、甘油三酯（TG）的变化情况。

1.5统计方法

数据采用spss 13.0软件进行统计学处理，计数资料采用率表示，计量资料采用均数±平均值（x±s）表示，采用t检验。

2结果

2.1两组疗效比较

采用秩和检验对两组疗效进行比较，经治疗后，两组疗效差异有统计学意义（P<0.05），且治疗组的临床效果要明显优于对照组，见表1。

2.2经治疗后两组生化指标比较结果

经阿托伐他丁治疗后，治疗组与对照组相比，TC、LDL-C、HDL-C、TG差异有统计学意义（P<0.05），且治疗组TC、LDL-C、TG值明显低于对照组，HDL-C值明显高于对照组，差异有统计学意义（P<0.05）。见表2。

2.3比较两组不良反应情况

对照组39例患者采用倍他乐克、硝酸甘油、阿司匹林等常规用药进行治疗，且治疗后，有12例患者出现恶心、呕吐、腹痛、腹胀等不良反应情况；治疗组的39例患者在对照组的基础上加用阿托伐他汀进行治疗，经治疗后，有6例出现恶心、呕吐、腹痛、腹胀的不良反应情况，且并无出现肾损伤等并发症。

2.4随访结果

对于两组患者均于从治疗后开始，进行半年随访，在随访过程中，每2个月让患者做1次心电图检查和血总胆固醇（TC）、低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、甘油三酯（TG）的测定，并让患者密切观察和记录有无不良反应，出现症状随时就诊。经随访半年后，该院收治的78例患者均无出现心肌梗死和死亡现象。

3讨论

冠状动脉粥样硬化性心脏病是由于供应心脏本身的冠状动脉管壁形成粥样斑块造成血管腔狭窄引起心脏病变。而心绞痛是期中的一个主要类别[6]。由患者的临床表现来看，78例患者中多数表现为一种具有压迫感、沉重感、紧束感和烧灼感的疼痛，一般持续时间不长，大约2~3 min，持续不超过30min/次，追究其诱发因素，大多是由于急走、上楼、负重、情绪激动等因素，一般由情绪因素引发冠心病心绞痛时，待心情平复时病情缓解，由体力因素引起时，多在运动停止后短时间内病情可缓解[7]。78例冠状动脉粥样硬化性心脏病心绞痛患者中，36例主因情绪激动诱发，15例主因运动过度诱发，11例主因暴饮暴食，16例主因为其他因素。经用阿托伐他丁治疗后，患者发生如下改变：①血脂得到明显调整，血液中总胆固醇（TC）、低密度脂蛋白胆固醇（LDL-C）、甘油三酯（TG）均显著降低，高密度脂蛋白胆固醇（HDL-C）则显著增高。②改善了心肌供血，临床症状明显得到改善。③降低心绞痛发展为心梗的风险，阿托伐他汀降低了低密度脂蛋白胆固醇（LDL-C），升高了高密度脂蛋白胆固醇（HDL-C），防止了动脉粥样硬化的进一步恶化，有效地预防了心梗的发生。用药后对患者进行6个月的随访，78例均无出现心肌梗死和死亡的现象。

阿托伐他汀钙是甲基戊二酰辅酶A还原酶的抑制剂，而甲基戊二酰辅酶A还原酶是TC生物合成中的限速酶。阿托伐他汀钙可通过对内源性TC的合成抑制，使得血TC水平降低；同时使细胞表面LDL受体数目被诱导性增加，血清中LDL的清除以及受体介导的LDL的分解代谢由此增加[8]。因此，他汀类药物的主要机制是影响血管内皮一氧化氮酶（eNOS）的生物过程，具有能升高HDL水平、降低血TC、LDL水平、抗炎、抗氧化、延缓动脉粥样硬化、增加血管内皮祖细胞的增殖作用[9-10]。由上述表1、表2可以看出，治疗组所产生的临床疗效要远远优于对照组，且治疗组所产生的不良反应如恶心、呕吐、腹痛、腹胀等要较轻于对照组，且治疗组的有效率为94.87%，对照组的有效率为84.62%，明显高于对照组，差异有统计学意义，同时，治疗组并无出现肾损伤的并发症情况。对照组的生化指标TC（5.43±0.85）、LDL-C（4.72±0.52）、TG（2.77±0.71）值要明显高于治疗组的生化指标TC（4.31±0.92）、LDL-C（3.58±0.39）、TG（1.84±0.57）值，而生化指标HDL-C值，治疗组（1.38±0.25）明显比对照组（1.04±0.17）要高，两组差异有统计学意义（P<0.05）。

综上所述，在采用常规用药如倍他乐克、硝酸甘油、阿司匹林等基础上，加用阿托伐他汀，可有效的治疗冠状动脉粥样硬化性心脏病心绞痛，且效果显著，安全性高，不良反应轻，不会产生肾损伤等并发症，阿托伐他汀还具有降低心绞痛患者转变为为心梗的风险，值得临床的广范推广。

参考文献

[1]沈映君.中药药理学[M].北京：人民卫生出版社，2006：632，674，677.

[2]王迎春，周桔红，罗文宣，等.阿托伐他汀治疗冠状动脉粥样硬化性心脏病的疗效[J].现代生物医学进展，2010，10（16）：3073-3075.

[3]殷红光.102例冠心病病人C反应蛋白水平与病变程度关系探讨[J].中西医结合心脑血管病杂志，2005，3（8）：739-740.

[4]吴海深，张玉玲，牛云霞.中西医结合治疗老年冠状动脉粥样硬化性心脏病心绞痛66例疗效观察[J].河北中医，2007，29（7）：613-614.

[5]王照程.中西医结合治疗冠状动脉粥样硬化性心脏病不稳定型心绞痛疗效观察[J].河北中医，2009（2）：234-235.

[6]陈兰红，陈德敏.老年冠心病合并血脂异常的临床治疗研究[J].中国医学工程，2010（1）：77.

[7]钱玲妃，倪淑红.阿托伐他汀对不稳定型心绞痛患者血脂和血浆炎症细胞因子的影响[J].中国药房，2011（48）：4568-4569.

[8]王蔚蔚，王灿，马曹.阿托伐他汀片治疗不稳定型心绞痛42例疗效观察[J].中国煤炭工业医学杂志，2010（12）：1821-1822.

[9]黄梦照，梁东，蒙应写，等.阿托伐他汀对不稳定型心绞痛患者血脂及hs-CRP、TNF-α水平的影响[J].中国当代医药，2013（12）：400-402.

第8篇：生物医学工程类别范文

他汀类药物，调脂治疗的首选

第二军医大学附属医院心内科博士 梁春/教授 吴宗贵

大多数冠心病患者都有血脂异常，所以，血脂异常是导致冠心病的主要危险因素，而低密度脂蛋白胆固醇的异常升高则是其中最重要的原因。大量的临床证明，降低低密度脂蛋白胆固醇(LDL-C)可以将心脑血管事件减少30％。所以，为防治冠心病，调脂治疗的主要目标就是降低低密度脂蛋白胆固醇(LDL-C)水平。为什么要把他汀类调脂药物作为调脂治疗的首选呢？在回答这个问题之前，必须首先明确以下两个问题。

问题一：什么是他汀类药物？它是如何调脂的？

他汀类药物，实际上是胆固醇合成环节中一种关键酶的抑制剂，这种酶主要存在于肝细胞中，具有昼夜节律性，午夜最高，白天较低。他汀类药物能够“以假乱真”，抑制这种酶的活性，减少肝细胞合成胆固醇；同时，能捕捉到循环血中的低密度脂蛋白，将之清除；而对可转化和清除低密度脂蛋白的高密度脂蛋白却有升高的作用。因此，他汀类药物能显著降低血中胆固醇，尤其是低密度脂蛋白胆固醇水平，同时升高高密度脂蛋白浓度，从而达到我们所期盼的调脂作用。另外，根据这种酶活性昼低夜高的规律，午夜服用他汀类药物的效果要好于白天。

问题二：他汀类药物与其他调脂药有何不同？

目前临床上除了他汀类药物外，常用的调脂药物还有贝特类、树脂、烟酸和鱼油类。就调脂强度而言，他汀类药物对降低低密度脂蛋白胆固醇水平作用最强，贝特类次之，树脂、烟酸和鱼油类疗效不能令人满意，但贝特类在降低甘油三酯和升高高密度脂蛋白方面优于他汀类药物。因此，他汀类药物目前具有无可置疑的优势，而且符合我们所提倡的循证医学的思路。

他汀类药物除了能调节血脂外，还具有强大的多效性作用。首先，它有血管保护效应，如改善内皮功能、减少斑块中的炎症反应等非调脂作用。所以，随着研究的不断深入，他汀类药物的适应症，也正由调节血脂逐渐拓宽到抗动脉粥样硬化。有证据显示，应用他汀类药物强化调脂，可阻止、甚至逆转动脉粥样硬化的发展，也是现阶段最有效的稳定易损斑块的措施。此外，它还具有抗心绞痛和抗心律失常作用。急性冠脉综合征患者，越早使用他汀类药物，获益越大。所以，我们不能将他汀类药物视为简单的调脂药物，而更应认识到它在冠心病防治中的重要作用。正是他汀类药物这些独特作用，使之无可争议地成为冠心病患者调脂治疗的首选。

专家简介

梁春，医学博士，博士后。擅长心血管介入诊疗，长期致力于动脉粥样硬化的研究。目前担任上海市医学会心血管病专业委员会动脉粥样硬化学组委员兼秘书，参加了包括国家“973”在内的7项国家和上海市多项科研课题的研究，30余篇。2003年获上海市科技进步二等奖。

吴宗贵，现任第二军医大学医院心血管内科主任，主任医师，教授，博士生导师。学术职务：中华医学会心血管病分会委员、全军心血管病专业委员会副主任委员、上海医学会理事、上海市心血管病分会副主任委员、国外医学心血管分册副主编，中华心血管病杂志编委、中国高血压杂志编委、国际心血管杂志编委、中国内科年鉴专业主编。

他汀类药物并非人人可用

第三军医大学附属大坪医院心内科主任、教授 王旭开

有效控制血脂成了众多血脂异常患者及家属迫切需要解决的问题。有的患者从某些媒体上、广告上听说了哪种药物好，就自行去购买服用；有些人一听说他汀类药好，就非要医生给他开他汀类药物不可。殊不知，药不对症，即使用了他汀类药物，效果也不一定好，这是什么原因呢？这是因为他汀类药物有它的适应人群，并非人人皆可。

人体血液中脂质一种或几种成分的升高或降低，叫做血脂异常。过去，将其中某些脂质成分的升高称为高脂血症或高脂蛋白血症，现在则统称为血脂异常。

血脂异常主要分原发性和继发性两类。原发性血脂代谢异常是由先天性遗传基因缺陷、后天的饮食习惯和生活方式以及其他环境因素等引起，比如普通高胆固醇血症、家族性高胆固醇血症、家族性高甘油三酯血症、家族性混合型血脂异常症、乳糜微粒血症等都属于此型；而继发性血脂代谢异常主要继发于甲状腺功能低下、糖尿病、痛风、胰腺炎、阻塞性肝胆疾病、慢性肾病和肾病综合征等多种疾病。

血脂异常有多种分型标准和方式，普通老百姓只要知道临床最常使用的分型标准和方法，就足以指导防治血脂异常。而临床上，我们通常将血脂异常简单分为4大类型：

高胆固醇血症：主要是血清总胆固醇增高(包括低密度脂蛋白增高)。

高甘油三酯血症：主要是血清甘油三酯增高（包括极低密度脂蛋白和乳糜颗粒增高）。

混合性血脂异常症：主要是血清胆固醇和血清甘油三酯都增高（包括低密度脂蛋白和极低密度脂蛋白都增高）

低高密度脂蛋白血症：主要是高密度脂蛋白降低。

由于分型不同，它们的治疗也各不相同，但是低胆固醇饮食（每日最好不超过1/3个蛋黄）、限制能量、适当的运动是调节血脂的前提。而他汀类药物却只能适用于高胆固醇血症及以胆固醇升高为主的混合性血脂异常症。除此之外，对于冠心病合并血脂异常症、糖尿病伴脂代谢紊乱、部分冠状动脉成形术后再狭窄的患者也必须使用他汀类药物。其中，尤其是对低密度脂蛋白（LDL）水平高于每升2.6毫摩尔的2型糖尿病患者，他汀类调脂药是其治疗的主要药物。但对于高甘油三酯血症，他汀类药物是没有作用的，而应该用亚油酸、烟酸和贝特类调脂药，如苯扎贝特（商品名：必降脂）、非诺贝特（商品名：力平脂）等（详见本刊2003年第4期10页《调节血脂，让“生命之河”长流》）。

所以，不是所有血脂异常的患者都能使用他汀类药物，患者最好能听从专业医师的指导，合理用药。

专家简介

王旭开，第三军医大学附属大坪医院内科教研室主任，大坪医院心血管内科主任医师、教授、博士生导师，现任第三军医大学学位评审委员，中华医学会重庆分会心血管专委会委员兼秘书，分子生物医学工程学会委员和重庆微循环学会委员，第三军医大学学报英文编委，长期从事心血管内科专业临床、教学和科研工作，擅长冠心病、高血压、各种快和慢心律失常的诊治，尤其对代谢紊乱综合征的诊治有较丰富的经验。

他汀类药物：魔鬼还是天使

北京阜外心血管病医院临床药理中心副主任医师、博士 汪芳

拜斯亭停销事件曾经引起了医药界的极大关注，直到今天，很多血脂异常的患者还在因为它而拒绝使用他汀类药物。因此，不仅医务工作者要面对这个问题，思考如何客观、冷静地评价他汀类药物在临床上的价值，众多患者也迫切需要了解他汀类药物使用中的诸多问题。

到目前为止，全世界大约有数万人服用过拜斯亭。在西方国家曾有52名患者在服用此药(1.6～3.2毫克/日)期间命丧黄泉。拜耳公司称，出现服药者死亡的事件，是因患者在使用拜斯亭的同时，还使用了降低甘油三酯的药物吉非贝齐。而拜斯亭在中国上市以来，已有数千例患者使用过该产品，但至今在我国尚未发现严重不良反应个案，尽管如此，拜耳公司仍然在中国境内停销了该产品。

虽然“拜斯亭事件”影响了他汀药物的销售，不过，通过10年多的医学研究表明，他汀类药物确能通过降低血清胆固醇，有效地防止心脏病，降低心脏病患者的死亡危险，而且目前尚无其他类别的药物可以替代。

但是，他汀类药物也存在一些不良反应。其中，最主要有以下两项：

肝功能异常：使用他汀类药物治疗，少数患者可出现血清转氨酶持续升高，但停药后，通常可缓慢回落至用药前水平。因此，肝病活动期或不明原因的转氨酶升高是使用他汀类药物的禁忌症。建议在用药前、开始用药后和加量后定期检查肝功能，一旦转氨酶升高，就必须停药，并经常测定肝功能直至恢复正常。另外，有酗酒、肝病史的患者都要慎用该药，用药时应密切监测，建议从小剂量开始用药，逐渐加量至达到治疗效果。

肌病：目前他汀类药物引发横纹肌溶解症是最为严重的副作用。他汀类单药治疗引起肌病的发生率大约是千分之一，并且与剂量相关。同时，他汀类药物如果与烟酸、贝特类调脂药（吉非贝齐）、大环内酯类抗生素（克拉霉素、红霉素）、环孢菌素A、左旋甲状腺素、米贝地尔等药物合用时也可能引起横纹肌溶解症。当肌溶解物质堵塞肾小球或肾小管时，可引起急性肾功能衰竭，其发生概率约为三万分之一以下，但对当事人来说却可能造成无法挽回的损害甚至死亡。如果肌病及时发现，并及时停药，是可以逆转的，急性肾衰也不会发生。因此，该类药物必须在医生指导下应用。当患者出现弥散的肌痛、肌软或肌无力、以及肌酸激酶（CK）显著升高，特别是伴有不适或发烧，就要考虑肌病的可能性，患者需要立即就医。一旦怀疑或确诊为肌病应立即停药，多数情况下均可恢复。

他汀类药物其他相关的不良反应比较少见，发生药物不良反应的患者均应停用该药。如果要想避免不良反应，关键还是要在规定的适应症范围内、规定的使用剂量范围内使用，并避免与禁止合用的药物联用，同时也要求医生在临床用药时严格遵守说明中规定的事宜，切忌滥用。尤其是应避免与有影响的药物合用。

鉴于很多患者对他汀类降胆固醇制剂安全性非常担忧，美国心脏病学会主席Zipes医师曾说：“正如所有的药物一样，他汀类药物虽然有副作用，但应用他汀类药控制胆固醇升高的好处，远远超过服用这类药物发生严重副作用的危险"。所以，医师们鼓励那些服用他汀类药而无副作用的患者继续服用此类药，如有不良反应，患者应向他们的医师提出咨询，并且最好在了解该类药物的医师指导下服药。

专家简介

汪芳，副主任医师, 协和医科大学阜外心血管病医院临床药理在读博士研究生。一直从事心内科工作。1996年前往丹麦哥本哈根国立医院电生理及导管室做访问学者。参与多项药物临床试验，共发表文章13篇。

3个误区5种对策

华中科技大学同济医学院附属协和医院心内科教授 王朝晖

他汀类药物是目前最常用的调节血脂的药物之一，但在认识和使用上却存在3个误区。

误区一 血脂异常者单靠控制饮食不用调脂药就能控制

血脂异常是一种慢性代谢异常，对于一些轻症血脂异常者，平时多吃谷类、豆制品、蔬菜、菌类、瓜果，加上适量的运动是有效的。但是，对重症或顽固性血脂异常者，单靠低脂饮食或间断服药都是很难达到治疗目的的，必须依靠调节血脂的药物才能有效控制。而他汀类调脂药物是目前调节血脂的最好药物，虽然有一些副作用，但是其效果目前还是得到国内外专家一致认同。因此，血脂异常患者不应该因其副作用而忽略该类药物的作用。

误区二 血脂正常后不需继续维持治疗

很多患者因为听别人说他汀类调脂药物有副作用，所以，一旦血脂恢复正常后，就迫不及待地停药。但是，这类患者在停药1～2周后血脂会又回到治疗前的水平。一旦复发，不管是从心理还是治疗上，都给患者带来一定的压力。

误区三 长期治疗也不需监测随访

由于不同患者对同一调脂药物的疗效和不良反应有相当大的差别，故虽然仅有少数患者未在医生的指导或随访下服用，会出现肝功能异常或肌病等不良反应，但为了监控自己的病情，避免出现不良反应，最好能做到定时定点监测随访。

针对以上认识和使用上的误区，医生们建议血脂异常的患者在使用他汀药物前和使用时，最好能做到以下几点：

开始服药前，患者应在1～3个月内到同一医院的同一实验室进行血脂检查（查血时应是在禁食12～16小时后的晨间空腹的状态），医生可根据2次非常接近的血脂水平（基础血脂水平）选择调脂药物的种类和剂量。

开始进行他汀类药物治疗后4～6周后，应复查血脂，医生会根据血脂变化的水平调整药物的种类和剂量。如果血脂未能调至目标值水平，需增加药物剂量或改用其他类调脂药物，必要时还会联合用药；如果治疗后血脂恢复正常或已达目标值，则继续服用原剂量维持治疗；如果血脂调得很低，可在医生的指导下调节剂量，千万不能自行停药。

对于长期服用调脂药物的患者，应当在医生的指导下进行安全性的随访。应每2～3个月复查一次血脂水平、肝功能及肌酸激酶，经常向医生反馈自己服药后的情况，如有无消化道症状或肌肉疼痛、乏力等表现。如果遇到以上情况，只要及时停药或给予对症治疗是可以恢复正常的。

在服药的同时应配合改变生活方式的基本治疗，如限制动物脂肪、动物内脏及大量蛋黄等高胆固醇食物的摄取，适当的运动、减轻体重、戒烟等，才能获得更好的血脂控制效果。

治疗血脂异常的同时，还应同时治疗冠心病等其他危险因素或伴发疾病，如高血压、糖尿病、痛风等，只有构筑全面防线才能彻底使心血管意外事件明显减少。

专家简介

王朝晖，现任华中科技大学同济医学院附属协和医院心血管内科教授、主任医师，湖北省康复医学会理事、中华医学会武汉市心血管病分会委员、中华预防医学会武汉市慢病防治和社区服务学会副主任委员，从事心血管疾病临床、科研和教学工作20余年。

第9篇：生物医学工程类别范文

关键词 食管法心脏电生理检查 胺碘酮 窦性心动过缓 不良反应

doi:10.3969/j.issn.1007-614x.2012.06.256

Abstract Objective:To evaluate application effect and safety of sinus bradycardia adverse effect caused by oral application amiodarone using transesophageal cardiac electrophysiological examination.Methods:After esophageal cardiac electrophysiologic examination,seventy patients were divided into two groups according to the result if the functional impairment of atrionector and/or atrioventricular node happened.Then we investigated these patients' symptom related to bradycardia and performed statistical analysis.Meanwhile,these patients were followed up to know the prognosis.Results:Transesophageal electrophysiological examination was positive in 27(38.6%)and negative in 43(61.4%)among seventy patients.Bradycardia occur in the positive group while 4 in the negative group.The statistical difference was significant and a highly positive relation was found by spearman correlation analysis between between them.The following up showed that after six months withdrawal 16 patients(59.3%)converted to negative in the positive group.None of them had symptoms of bradycardia.The other 11 cases(40.7%)were still positive and four patients of them still had symptoms of bradycardia.The patients in negative group continued treatment with original doses of amiodarone.No new patients with bradycardia related symptoms appeared.Among the original four patients who had been suffered from bradycardia,two cases had a symptomatic remission while the other two had persistent symptoms.Conclusion:Transesophageal cardiac electrophysiological examination could be applied to predict if the patients with sinus bradycardia due to amiodarone have latent risk and could be applied to patients' follow-up.This method has a high safety and successful inspection rate.

Key Words Transesophageal cardiac electrophysiological examination;Amiodarone;Sinus bradycardia;Adverse effect

胺碘酮是一种广谱抗心律失常药物，广泛用于房性、室性等多种心律失常。胺碘酮在抗心律失常的同时，也导致了多种不良反应，其中心动过缓的不良反应发生率5%［1］，严重可导致严重的窦房结和(或)房室结功能障碍。对于服用胺碘酮出现窦性心动过缓患者来说，通过何种方式判断其危险性，目前尚未完全明确。本研究对口服胺碘酮导致窦性心动过缓的患者进行食管法电生理检查，旨在通过了解窦房结和房室结功能状态与出现心动过缓相关症状之间的关系，评价食管法心脏电生理检查在此类患者中应用效果及安全性。

资料与方法

2007年7月～2011年6月收治服用胺碘酮的窦性心动过缓患者70例，以清晨清醒平卧休息时测得的心率为基础心率，基础心率＜60次/分的窦性心律患者为窦性心动过缓患者。患者行24小时动态心电图检查排除窦性停搏(≥3秒)及Ⅱ度以上房室传导阻滞，并排除服用胺碘酮时间短(＜1个月)或同时服用其他抗心律失常及影响心率的药物、因心动过缓导致阿斯综合症发作、严重电解质紊乱、病态窦房结综合征、严重冠心病、心功能Ⅲ级和Ⅳ级、恶性心律失常、严重食道疾病无法耐受检查者、不同意检查、有服用胺碘酮禁忌症或胺碘酮导致的其他不良反应以及其他疾病、药物引起的心率缓慢。

食管法心脏电生理检查：所有患者均在安静平卧及严密监护条件下进行窦房结及房室结功能检查，检查前应用深圳理邦SE601A心电图机记录常规十二导联心电图，应用双极食管电极导管从鼻腔插入食管内，记录食管内心电图，应用DF-5A型心脏电生理刺激仪进行程序刺激，以不同起搏电压测试起搏阈值，以比起搏阈值高2～5v的电压进行刺激。①窦房结起搏功能检查：采用S1S1分级递增法，以比自身心率快10次/分的频率开始刺激，每次刺激60秒，间歇2分钟后每级递增20～150次/分为止，记录刺激结束前5秒及结束后10次心动周期心电图。测量患者的窦房结恢复时间并计算校正的窦房结恢复时间。以窦房结恢复时间＞1500ms或校正窦房结恢复时间＞600ms为结果阳性，记录为窦房结起搏功能下降。②房室交接区传导功能检查：采用S1S1分级递增法，以比自身心率快10次/分的频率开始刺激，每次刺激10秒，间歇30秒后每级递增10次至出现2∶1房室传导阻滞为止，记录出现一度房室阻滞、房室文氏传导阻滞、2∶1房室传导阻滞的刺激频率。以出现一度房室阻滞点＜100次/分、房室文氏传导阻滞点＜130次/分、2∶1房室传导阻滞点＜180次/分为结果阳性，记录为房室结传导功能下降。对于窦房结起搏功能和/或房室结传导功能下降患者静注阿托品2mg后重复检查，如结果仍为阳性者记录为食管法电生理检查异常。记录检查过程中的不适反应及术中、术后出现的心律失常情况。将患者按照检查结果是否异常分成食管法电生理检查阳性组和阴性组，并根据分组进行统计学分析。

症状的询问与记录：详细询问记录患者服用胺碘酮以来是否出现心动过缓相关症状。标准为：①新出现的头晕、头昏、黑、近乎晕厥等症状，症状发作时测得心率＜60次/分，心率改善时症状缓解；②新出现的与改变相关的头晕、头昏、黑、近乎晕厥等症状；③排除一过性脑缺血发作、性低血压、高血压、颈椎病及其他原因引起的相关症状。患者同时符合标准①、②中的1项和标准③即为有心动过缓相关症状。

随访：所有服用胺碘酮的窦性心动过缓患者均门诊随访6个月，对于阴性组患者随访测定基础心率及进行心动过缓相关症状询问，对于随访期间出现新发与心动过缓相关症状的患者给予食管法电生理检查并停药；对阳性组患者给予停止使用胺碘酮，随访期间除测定基础心率及相关症状询问外，于6个月时进行食管法电生理检查。所有患者在随访期间不得服用其他抗心律失常药物。

统计学处理：所有数据均采用SPSS13.0软件包进行统计学分析。计量资料以(X±S)表示，计数资料例数与百分数表示，计数资料的比较用X2检验。以P＜0.05为差异有显著性。

结 果

70例患者均成功进行食管法心脏电生理检查，其中食管法电生理检查阳性27例(38.6%)，阴性43例(61.4%)。分别入选为食管法电生理检查阳性组(下称阳性组)和食管法电生理检查阴性组(下称阴性组)，统计学分析，两组患者在年龄、性别、基础心脏病类别、服药剂量、服药时间等基本资料上无明显统计学差异。

阳性组当中出现心动过缓相关症状者18例(66.7%)，阴性组当中出现心动过缓相关症状4例(9.3%)，两者比较有明显统计学差异(X2=25.32，P＜0.001)；Spearman相关性分析食管法电生理检查阳性与出现心动过缓相关症状患者呈正相关(X2=25.32，P＜0.001，γ=0.949)。

随访情况：经6个月的随访，结果显示：阳性组患者停药6个月后复查有16例(59.3%)转为阴性，基础心率均≥60次/分，所有患者均未出现心动过缓相关症状；另外11例(40.7%)患者复查仍为阳性，基础心率＜60次/分6例，仍有心动过缓相关症状者4例；阴性组患者均按原剂量服用胺碘酮，随访期间基础心率仍持续＜60次/分，未新出现有心动过缓相关症状患者，原4例有心动过缓相关症状的患者当中有2例症状缓解，其余2例患者症状持续存在。

70例患者共进行98次的食管法心脏电生理检查，检查过程中均有不同程度的胸骨后不适症状，没有出现因插管困难、检查中不适而停止操作，检查过程中没有出现室性心动过速、室颤、窦性停搏等心律失常。

讨 论

食管法心脏电生理检查通过程序刺激食道方法间接起搏心房来了解心脏各部位电生理特性的检测技术，具有无创性，安全性强，适合基层医院的实际情况，它在我国各级医院得到广泛应用。研究表明，采用食管法电生理检查在某些方面可达到与腔内心脏电生理检查相同的效果［2］。食管法电生理检查应用于评价药物对心脏传导系统功能的影响的报道较少。胺碘酮为苯丙呋喃的衍生物，作为Ⅲ类抗心律失常药，延长动作电位时程，增加心房肌和心室肌、普肯野纤维、窦房结和房室结的不应期，减弱窦房结4期除极和房室传导［3，4］。而胺碘酮的主要代谢产物去乙基胺碘酮对传导的作用更大［5］。因此，胺碘酮可以导致窦性心动过缓、窦房传导阻滞、窦性停搏、房室传导阻滞等缓慢性心律失常，其中窦性心动过缓为常见的临床表现。严重窦性心动过缓是发生窦房传导阻滞、窦性停搏、房室传导阻滞、室性心律失常的前奏［6］。缓慢性心律失常可由于供血不足导致头晕、头昏、黑、近乎晕厥等症状，严重的缓慢性心律失常可出现晕厥。然而，临床上常见的窦性心动过缓大多为良性心律失常［7］，这是由于窦房结及房室结区迷走神经张力增加而出现的心率减慢的正常生理现象。而胺碘酮直接抑制了窦房结和房室交界区的传导，其导致的窦房结及房室结功能障碍无法通过自身植物神经的调节或消除迷走神经张力的方法消除。因此，在胺碘酮导致的窦性心动过缓患者中找出有潜在危险的患者来显得尤为重要。由于胺碘酮及其代谢产物去乙基胺碘酮的血药浓度与治疗有效性和不良反应之间没有相关性［8］，因此，监测胺碘酮血药浓度意义不大。另外，由于心脏传导系统功能障碍常呈间歇发作，故此通过症状或常规的无创检查方法如体表心电图、动态心电图等检查手段检出有危险性的患者均有一定的局限性。而腔内心脏电生理检查技术由于其属于有创操作，由于技术、设备等原因难以在广大基层医院推广。本研究采用食管法电生理检查对在动态心电图和常规心电图均未发现严重缓慢性心律失常的胺碘酮导致的窦性心动过缓患者当中进行窦房结和房室结功能检测，以进一步找出具有潜在危险的患者。研究结果显示，患者中食管法电生理检查阳性率38.6%，阳性组与阴性组在出现心动过缓相关症状中有明显统计学差异，两者间存在高度的相关性；6个月后随访结果显示，阳性组中仍有40.7%复查阳性，所有有症状患者均在复查阳性患者当中；食管法电生理检查阴性患者未新出现心动过缓相关症状。因此，采用食管法电生理检查测定患者是否存在窦房结和房室结功能障碍可作为胺碘酮导致的窦性心动过缓患者在动态心电图和常规心电图均未发现严重缓慢性心律失常时评价患者是否存在潜在危险的评定指标。对于此类患者来说，如食管法电生理检查显示窦房结和房室结功能障碍，胺碘酮建议停用或减量。

食管法电生理检查对于患者的随访同样具有一定的临床意义。本研究随访结果显示，在停用胺碘酮6个月后，阳性组中仍有11例(40.7%)的患者食管法电生理检查异常。临床上影响窦房结和房室结功能的因素很多，除了药物(包括抗心律失常药、强心苷等)、迷走反射、电解质紊乱等可逆性因素以外，窦房结和房室结本身的退行性病变、炎症、长期的缺血或短暂的供血中止同样可以导致窦房结和房室结功能障碍。对于持续存在的食管法电生理检查阳性患者来说，并不能排除以上多种因素的影响。因此，可进一步检查以明确病因，对于严重的窦房结和房室结功能障碍患者可植入永久起搏器治疗。

食管法心脏电生理检查对于室性心动过速者有诱发心动过速发作的危险，对于病态窦房结综合症者有导致心脏停搏的可能。在本研究中，没有出现因插管困难、检查中不适而停止操作者，检查过程中没有出现室性心动过速、室颤、窦性停搏等心律失常。结果表明，对于已通过动态心电图排除恶性心律失常患者来说，食管法电生理检查的安全性较高。

综上所述，对于胺碘酮导致的窦性心动过缓患者来说，如常规心电图及动态心电图未发现严重的缓慢性心律失常，可应用食管法心脏电生理检查评价患者是否存在潜在危险的，并可应用于患者的随访。其检查成功率、安全性较高。

参考文献

1 中国生物医学工程学会心律分会,中华医学会心血管病学分会,胺碘酮抗心理失常治疗应用指南工作组.胺碘酮抗心理失常治疗应用指南(2008).中国心脏起搏与心电生理杂志,2008,5(22):377-385.

2 李忠杰,阎胜利,屈百鸣,等.实用食管法心脏电生理学.南京:江苏科学技术出版社,2003:43.

3 Kodama I,Kamiya K,Toyama J.Cellular electropharmacology of amiodarone.Cardiovascular Research,1997,35:13-29.

4 Goldschlager N,Epstein AE,Naccarelli G,et al.Practice Guidelines Subcommittee,North American Society of Pacing and Electrophysiology.Practical guidelines for clinicians who treat patients with amiodarone.Arch Intern Med,2000,160:1741-1748.

5 Miller JM,Zipes DP.Therapy for cardiac arrhythmiass Zipes DP,Libby PBRO,Braunwald E.Braunwald's heart disease:a textbook of cardiovascular medicine.7th ed.Philadelphia:EB Saunders,2005:730-731.

6 杨少辉,乔志芬,乔艳平.胺碘酮严重不良反应及防治.中国误诊学杂志,2008,6(8):4012-4013.