导读:本文包含了人工肝支持系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:支持系统,血浆,人工智能,肝炎,疗效,地质,围岩。
人工肝支持系统论文文献综述
赵颖,张振宇,王鹤[1]（2019）在《应用人工肝支持系统治疗肝衰竭的护理体会》一文中研究指出[目的]分享8例病人行人工肝支持系统治疗肝衰竭的护理体会。[方法]比较干预前后病人的意识、症状、化验检查结果的变化。[结果]病人经联合干预后,7例好转转入普通病房,1例因伴有其他疾病死亡。[结论]联合应用人工肝综合治疗可提高肝衰竭病人的生活质量。(本文来源于《全科护理》期刊2019年33期）
詹金武,李涛,李超[2]（2019）在《基于人工智能的TBM选型适应性评价决策支持系统》一文中研究指出随着我国西部的大开发和"一带一路"的建设,迫切需要大力发展交通、矿山、水利等重大"生命线"工程,而深埋长大隧道往往是这些生命线工程的关键控制性工程。限于地质、地形和自然环境条件,从施工工期、造价和技术进步3个方面考虑,TBM(Tunnel Boring Machine)工法是深长隧道开挖的优先选择。深长隧道TBM的适应性受到众多因素的影响,难以进行有效和定量的评价。主要影响因素为不良地质,如突涌水、软岩大变形、断层破碎带、岩爆等;此外,隧道的设计、隧址地质条件等对TBM的选型也有重要影响。人工智能方法具有能够分析复杂因素影响和处理复杂问题的突出特点,可用于TBM选型适应性的有效评价。首先,基于层次分析法和模糊综合评判方法,通过TBM选型评价知识的获取,选取能够充分反映不同机型地质适应性差异、具有代表性和区分度高的7个评价指标,构建了TBM选型适应性评价指标体系及模糊综合评价模型,确定了各个评价指标的模糊隶属函数。其次,通过编写权重辅助计算程序,确定了3种TBM机型选型适应性评价指标的权重;其中,为了避免单指标决策的局限性和主观臆断的缺陷,采用智能设计理论和决策理论相结合的方法,完成了多指标智能决策的定量化选型。将评价模型与知识获取相结合,以规则的形式表示知识,构建了TBM选型适应性评价知识库。最后,基于智能评价决策支持系统平台IDSDP,开发了TBM选型适应性智能评价决策支持系统,为深长隧道TBM选型提供了一种新的量化评价方法。利用该系统对高黎贡山铁路隧道TBM的选型进行了适应性评价,评价结果与实际情况相吻合。(本文来源于《煤炭学报》期刊2019年10期）
谢琴芬,程晋坤,郑树森[3]（2019）在《人工肝支持系统治疗肝功能衰竭的应用进展》一文中研究指出肝功能衰竭是终末期肝病患者常常出现的以肝性脑病、凝血功能障碍、腹水为主要表现的一组临床症候群,其病情进展迅速、预后差,最终容易导致全身多器官衰竭,单纯内科治疗往往收效甚微,病死率极高,严重威胁患者生命。肝移(本文来源于《现代实用医学》期刊2019年08期）
李桂凤,韦彩花,文跃莲[4]（2019）在《无肝素改良预冲排气法在人工肝支持系统无肝素血浆置换中应用的效果评价》一文中研究指出目的评价无肝素改良预冲排气法在人工肝支持系统无肝素血浆置换中应用的效果。方法选取2016年1月至12月在广西中医药大学附属瑞康医院肝病科治疗的肝衰竭患者100例为研究对象。根据不同的血浆置换预冲方式将患者分为观察组和对照组。观察组采用无肝素改良式预冲排气法;对照组采用常规预冲排气方法。比较两组患者血浆置换治疗前后血常规、肝肾功能、凝血功能指标,以及血浆分离器、管路凝血情况和治疗中出现的不良反应。结果两组患者血浆置换后总胆红素、直接胆红素、血尿素氮和血肌酐均显着下降(P<0.05),两组下降差值比较差异无统计学意义(P>0.05);血浆置换前后血常规和凝血功能指标变化值差异也无统计学意义(P>0.05)。观察组出现了12次血浆分离器和管路Ⅰ级凝血,对照组出现了7次血浆分离器和管路Ⅰ级凝血,两组差异无统计学意义(P>0.05);观察组患者血浆置换过程中不良反应发生率低于对照组(P<0.05)。结论无肝素改良预冲排气法不影响患者血常规、肝肾功能和凝血指标,但能够降低血浆置换过程中的不良反应发生率。(本文来源于《医药高职教育与现代护理》期刊2019年04期）
詹金武[5]（2019）在《基于人工智能的TBM选型及掘进适应性评价方法与决策支持系统》一文中研究指出限于环境、地形和地质条件,从工期、造价和技术进步叁个方面考虑,TBM(Tunnel Boring Machine)工法是深埋长大隧道施工的首要选择。在复杂地质条件下,突涌水、软岩大变形、断层破碎带、岩爆等不良地质会影响TBM工法的适用性,因此TBM工法能否适用需要对TBM的适应性进行评价。由于目前TBM的选型及掘进适应性评价还缺乏系统理论和量化分析方法,因此开展复杂地质条件下TBM选型及掘进适应性评价研究,已成为TBM工法应用中亟待解决的重大课题。本文在国内外相关研究的基础上,综合采用模糊数学、数理统计、人工智能、计算机编程等方法对复杂地质条件下TBM的选型及掘进适应性评价开展系统和深入的研究,主要工作和研究成果如下:(1)基于模糊数学理论,给出了 TBM系统适应度(含综合适应度)的定义和确定方法,建议了TBM适应性评价的分级标准;将模糊数学理论和智能决策设计理论相结合,提出了基于模糊多智能体与案例推理的TBM选型及掘进适应性评价分析方法;将基于模糊多智能体和案例推理的TBM选型及掘进适应性评价方法相结合,构建了基于人工智能的TBM选型及掘进适应性评价决策支持系统IEDSS-TBMSAT(Integrated evaluation decision support system-TBM selection and tunneling)的体系框架及结构。(2)选取了影响TBM选型及掘进适应性的主要因素,基于模糊数学分析方法,构建了TBM选型及掘进适应性评价指标及体系,确定了各个评价指标的隶属函数。采用所编写的权重辅助计算程序,确定了叁种TBM机型选型及掘进适应性评价指标的权重。基于所获取的TBM选型及掘进知识,构建了TBM适应性评价的决策知识库和评价指标知识推理树。(3)基于案例推理CBR(Case-Based Reasoning)方法,提出了IEDSS-TBMSAT中案例推理模块(CBR模块)的结构、功能设计及评价决策流程,开发了相应的分析与计算程序。(4)根据TBM适应性评价的功能需求和评价决策的目标要求,确定了IEDSS-TBMSAT的总体构架及各组成模块的功能,设计了 IEDSS-TBMSAT的评价决策流程、决策支持系统模型及相关的知识库、数据库和案例库,采用Java语言编程开发了IEDSS-TBMSAT。(5)采用实际TBM工程案例对本文开发的IEDSS-TBMSAT进行了验证,所推荐的TBM机型合理、掘进适应性评价结果与工程实际相符,表明了IEDSS-TBMSAT的可行性和有效性。另外,适应性评价目标案例与源案例的评价结果与相似度呈正相关关系,说明IEDSS-TBMSAT具备了初步的自学习能力。综上所述,IEDSS-TBMSAT可用于复杂地质条件下TBM的选型及掘进适应性的量化评价,具有较好的工程实用价值。(本文来源于《北京交通大学》期刊2019-06-02）
肖昆,葛善飞,刘威,胡飘萍,黄雯[6]（2019）在《血小板计数对慢性重型肝炎患者人工肝支持系统疗效的危险因素分析》一文中研究指出目的探讨血小板(PLT)计数对慢性重型肝炎(CSH)患者人工肝支持系统(ALSS)疗效的影响。方法 2015年4月至2017年5月在本院感染科住院期间行ALSS治疗的CSH患者179例,共筛选纳入了136例CSH患者为研究对象,以ALSS治疗是否有效将患者分为观察组(治疗有效者,n=61)和对照组(治疗无效者,n=75),分析比较两组患者临床基本资料,并进行Logistic回归分析。结果 (1)两组患者年龄、起病时间、住院时间、压疮危险因素评分、终末期肝病模型(MELD)评分、肝性脑病、肝肾综合征、自发性腹膜炎、白细胞、血红蛋白、PLT、凝血酶原时间、部分活化凝血酶原时间、国际标准比率、凝血酶原活动度和肌酐差异均具有统计学意义(P <0.05);(2)MELD评分、肝性脑病与PLT计数均为CSH患者ALSS疗效的独立危险因素(P <0.05)。结论 MELD评分、肝性脑病与PLT计数均为CSH患者ALSS疗效的独立危险因素,在内科综合治疗的基础上,临床医生对PLT计数偏低(PLT≤50×109/L)的CSH患者进行ALSS治疗前及时提高PLT计数(使PLT> 50×109/L)有助于其临床预后转归。(本文来源于《实用医学杂志》期刊2019年10期）
吴清山,崔风芹,牛卫理[7]（2019）在《人工肝支持系统对慢性重型病毒性肝炎患者治疗时并发症的防治措施分析》一文中研究指出目的探讨人工肝支持系统对慢性重型病毒性肝炎患者治疗时并发症的防治措施。方法选择我院自2016年3月-2018年3月收治的80例慢性重型病毒性肝炎患者作为研究对象,采用数字随机法将这批患者分为对照组和观察组两组,每组40例。两组患者均采用人工肝支持系统治疗,其中对照组患者仅进行常规护理,观察组患者则在对照组的基础上加以并发症防治措(本文来源于《第十届全国疑难及重症肝病大会论文汇编》期刊2019-05-16）
方伊娜[8]（2019）在《人工肝支持系统治疗肝衰竭患者近期疗效的影响因素分析与预测》一文中研究指出目的:探讨人工肝支持系统治疗对肝衰竭患者近期疗效的影响因素,更加准确预测人工肝支持系统的疗效,从而指导肝衰竭患者临床治疗的选择。方法:本研究通过病案查询系统,纳入我院2015年12月至2018年12月行ALSS治疗的91例肝衰竭患者,根据出院时临床疗效分为预后好转组和未愈组,对其临床资料(年龄、性别、既往病史等)、实验室指标、病因学等进行回顾性分析,客观地评估ALSS对肝衰竭患者的作用,进一步分析影响近期疗效的相关因素。数据使用Excel2007进行整理,采用SPSS22.0软件进行统计分析。结果:1、91例研究对象中,经过治疗好转的共49例,未愈的共42例,其中男性73人,女性18人,平均年龄为49.13±11.31岁,病因分类中HBV感染者最多,占68.31%。2、不同转归情况患者的基本特征比较:未愈组的年龄大于好转组,差异有统计学意义(p=0.002);比较不同ALSS类型的好转率,结果显示差异有统计学意义(p=0.021);肝衰竭分型中急性期与亚急性期肝衰竭患者的疗效优于其他分型的患者;肝硬化患者好转率显着低于无肝硬化者(p=0.036);糖尿病病史、饮酒史等方面无统计学差异。3、ALSS治疗前实验室指标及治疗后指标变化情况对近期疗效的影响:未愈组入院时TBIL、PT和肌酐的水平较好转组的生化水平高,并且未愈组中ALB、PTA和钠离子水平比好转组低,两组差异有统计学意义(p<0.05);在首次ALSS治疗后未愈组的AST、ALT及TBIL下降率明显低于好转组,差异具有显着的统计学意义(p<0.05);好转组的总胆红素反弹率(TBRR)低于未愈组,差异经比较有统计学意义(p<0.05);对比两组的血常规、血脂、甲胎蛋白(AFP)等方面无统计学差异(p>0.05)。4、并发症和ALSS治疗后出现的不良反应对近期疗效的影响:合并肝性脑病(HP)或感染并发症组好转率显着低于无并发症组,具有明显的统计学差异性(p<0.05);好转组中合并不良反应的比例为18.37%,低于未合并不良反应的81.63%,差异经比较有统计学意义(p=0.006)。5、重症肝病评分对近期疗效的影响:比较两组入院时CTP评分和MELD评分,差异具有统计学意义(p<0.05),并且好转组中首次ALSS治疗后MELD评分下降率明显高于未愈患者,差异经比较也具有统计学意义(p<0.05)。6、多因素Logistic回归分析结果表明MELD评分、钠离子、TBIL下降率和肝衰竭分型是人工肝支持系统治疗肝衰竭患者近期疗效的独立预后因素。7、根据所研究出的独立危险因素建立多指标联合预测模型,计算预后指数并进行ROC曲线分析,其曲线下面积为0.910(0.853~0.966),分析显示多指标联合预测能力优于单项指标预测,且本研究建立的预测模型对于首次ALSS治疗后的肝衰竭患者是一个较为理想的预后评估系统。结论:1、MELD评分、钠离子、TBIL下降率和肝衰竭分型是ALSS治疗肝衰竭患者近期疗效的独立影响因素。2、本研究建立的预测模型对于首次ALSS治疗后的肝衰竭患者是一个较为理想的预后评估系统。(本文来源于《吉林大学》期刊2019-05-01）
邓丽红,刘添皇,何宗运,卓越[9]（2019）在《人工肝支持系统治疗对重型肝炎患者T淋巴细胞亚群水平的影响》一文中研究指出目的探讨人工肝支持系统治疗对重型肝炎患者T淋巴细胞亚群水平的影响。方法选择2015年1月至2017年10月期间梅州市人民医院肝病科收治的98例重型肝炎患者,将接受人工肝(血浆置换)治疗的58例患者纳入观察组,常规治疗的40例患者纳入对照组,疗程14 d。比较两组患者治疗前后T淋巴细胞亚群(CD3+、CD4+、CD8+及CD4+/CD8+)的变化及临床疗效。结果观察组患者的治疗总有效率为79.31%,明显高于对照组的57.50%,差异有统计学意义(P<0.05);治疗后,观察组患者的CD3+、CD4+及CD4+/CD8+分别为(59.3±5.4)%、(36.5±4.7)%、(1.35±0.36),明显高于对照组的(53.8±4.7)%、(33.6±4.5)%、(1.26±0.36),差异均有统计学意义(P<0.05)。结论人工肝支持系统应用于重型肝炎的治疗,可以有效促进患者免疫功能的恢复,提高临床疗效,进而改善患者的预后。(本文来源于《海南医学》期刊2019年06期）
张庆华[10]（2019）在《财务决策支持系统中人工智能的应用》一文中研究指出信息技术不断升级,企业如果依然采用传统的财务决策方式,就很难提升自身的竞争力。本文的研究中,基于新技术发展中财务决策的特征,分析传统财务决策支持不适应企业智能化发展需要,提出人工智能应用将提高财务决策精准度、自动化程度以及及时性。企业财务决策支持系统应用人工智能技术,财务决策水平得以提高。本文针对财务决策支持系统中人工智能的应用展开研究。(本文来源于《全国流通经济》期刊2019年08期）
人工肝支持系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国西部的大开发和"一带一路"的建设,迫切需要大力发展交通、矿山、水利等重大"生命线"工程,而深埋长大隧道往往是这些生命线工程的关键控制性工程。限于地质、地形和自然环境条件,从施工工期、造价和技术进步3个方面考虑,TBM(Tunnel Boring Machine)工法是深长隧道开挖的优先选择。深长隧道TBM的适应性受到众多因素的影响,难以进行有效和定量的评价。主要影响因素为不良地质,如突涌水、软岩大变形、断层破碎带、岩爆等;此外,隧道的设计、隧址地质条件等对TBM的选型也有重要影响。人工智能方法具有能够分析复杂因素影响和处理复杂问题的突出特点,可用于TBM选型适应性的有效评价。首先,基于层次分析法和模糊综合评判方法,通过TBM选型评价知识的获取,选取能够充分反映不同机型地质适应性差异、具有代表性和区分度高的7个评价指标,构建了TBM选型适应性评价指标体系及模糊综合评价模型,确定了各个评价指标的模糊隶属函数。其次,通过编写权重辅助计算程序,确定了3种TBM机型选型适应性评价指标的权重;其中,为了避免单指标决策的局限性和主观臆断的缺陷,采用智能设计理论和决策理论相结合的方法,完成了多指标智能决策的定量化选型。将评价模型与知识获取相结合,以规则的形式表示知识,构建了TBM选型适应性评价知识库。最后,基于智能评价决策支持系统平台IDSDP,开发了TBM选型适应性智能评价决策支持系统,为深长隧道TBM选型提供了一种新的量化评价方法。利用该系统对高黎贡山铁路隧道TBM的选型进行了适应性评价,评价结果与实际情况相吻合。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人工肝支持系统论文参考文献
[1].赵颖,张振宇,王鹤.应用人工肝支持系统治疗肝衰竭的护理体会[J].全科护理.2019
[2].詹金武,李涛,李超.基于人工智能的TBM选型适应性评价决策支持系统[J].煤炭学报.2019
[3].谢琴芬,程晋坤,郑树森.人工肝支持系统治疗肝功能衰竭的应用进展[J].现代实用医学.2019
[4].李桂凤,韦彩花,文跃莲.无肝素改良预冲排气法在人工肝支持系统无肝素血浆置换中应用的效果评价[J].医药高职教育与现代护理.2019
[5].詹金武.基于人工智能的TBM选型及掘进适应性评价方法与决策支持系统[D].北京交通大学.2019
[6].肖昆,葛善飞,刘威,胡飘萍,黄雯.血小板计数对慢性重型肝炎患者人工肝支持系统疗效的危险因素分析[J].实用医学杂志.2019
[7].吴清山,崔风芹,牛卫理.人工肝支持系统对慢性重型病毒性肝炎患者治疗时并发症的防治措施分析[C].第十届全国疑难及重症肝病大会论文汇编.2019
[8].方伊娜.人工肝支持系统治疗肝衰竭患者近期疗效的影响因素分析与预测[D].吉林大学.2019
[9].邓丽红,刘添皇,何宗运,卓越.人工肝支持系统治疗对重型肝炎患者T淋巴细胞亚群水平的影响[J].海南医学.2019
[10].张庆华.财务决策支持系统中人工智能的应用[J].全国流通经济.2019
论文知识图
