脑梗死教学讲解课件

脑梗死课件（浙江大学附属第一医院神经内科）46、寓形宇内复几时，曷不委心任去留。47、采菊东篱下，悠然见南山。48、啸傲东轩下，聊复得此生。49、勤学如春起之苗，不见其增，日有所长。50、环堵萧然，不蔽风日；短褐穿结，箪瓢屡空，晏如也。脑梗死课件（浙江大学附属第一医院神经内科）脑梗死课件（浙江大学附属第一医院神经内科）46、寓形宇内复几时，曷不委心任去留。47、采菊东篱下，悠然见南山。48、啸傲东轩下，聊复得此生。49、勤学如春起之苗，不见其增，日有所长。50、环堵萧然，不蔽风日；短褐穿结，箪瓢屡空，晏如也。脑梗死cerebralinfarction浙江大学附属第一医院神经内科罗本燕定义又称缺血性卒中,是指因脑部血液供应障碍,缺血缺氧所致的局限性脑组织的缺血性坏死或软化0引言互联网及信息技术的发展，产生了大量的历史数据，这些数据迫切需要转换为有用的信息和知识[12]，通过这些信息和知识，研究经营管理状况、分析市场、控制生产，发现和挖掘可以改进的地方，甚至预测将来的发展和变化，由此产生数据仓库与数据挖掘技术。数据挖掘是从大型数据库或数据仓库中发现并提取隐藏其中的信息的一种技术，目的是帮助决策者寻找数据间潜在关联，发现被忽略的要素，这些信息对预测趋势和决策十分重要[34]。数据挖掘技术涉及数据库、人工智能（AI）、机器学习和统计分析等多种技术。数据仓库与数据挖掘正越来越多地应用到传统数据库技术领域[5]。本文介绍了一个关联分析技术在教育领域的应用。学生某些课程成绩比较好会导致另外一门或几门课程成绩比较好，对此进行关联分析可得到其对课程偏好之间的联系。本文讨论了经典频繁集算法进行关联分析过程，描述了关联分析中发现多维关联规则方法，分析了使用高维数据结构在关联分析中的优化效果。1相关数据库结构与分析学生成绩关联分析数据来自一个学生管理系统数据仓库，数据仓库中包含学生成绩信息和住宿信息等，由于分析的是各科成绩关系，故相关的只有成绩事实表和学生、课程两个维表，表中出生年月、教师、课程类型、学分、籍贯、考试日期等不相关属性可以去掉，相关数据仓库结构如表1、表2、表3所示。2数据挖掘准备工作数据预处理包括数据清理、数据集成、数据抽取、数据变换和数据归约。数据清理和数据集成在数据仓库构建过程中已经完成。对预处理后数据进行统计，以直方图表示成绩的分布情况，直方图用分箱的方法来表示数据的近似分布。图1以横坐标表示成绩，纵坐标表示百分比，用VisualBasic处理数据。从图1可以看出，考试中成绩优秀的只占很小一部分，而成绩及格和中等却占比很大。一般意义上成绩良好也可以说是成绩好，因此将成绩良好和优秀（score>=3）都定义为成绩好。3数据挖掘算法及改进3.1关联分析和经典频繁集算法关联分析发现关联规则，这些规则展示属性-值频繁地在给定数据集中一起出现的条件。关联规则是形如X=>Y的规则，支持度为在所有交易集中同时符合X与Y的交易数与所有交易数之比，可信度指在所有交易集中同时符合X与Y的交易数与符合X的交易数之比。关联规则可表示为：关联分析主要算法有经典频繁集算法和FP-growth等改进算法，本文采用经典频集算法思想对数据进行关联分析。经典频繁集算法思想如下：①找出所有具有超出最小支持度的支持度项集（itemsets），由Apriori算法实现；②利用大项集（litemsets）产生所需规则（rules）。算法实现如下：3.2关联分析算法优化根据上面的归约，分析学生某科（几科）成绩与其它科目成绩关系。把一门课程成绩好（score>=3）作为一个项，每个学生的考试可作为一项交易，下面讨论进行关联分析时遇到的问题和解决办法。3.2.1关联分析问题由于数据结构关系，本次关联分析遇到以下问题：①经典频繁集算法理论一般只介绍同一字段值之间的关系，而考试成绩分析涉及到课程和成绩两个字段，属于多维关联规则；②课程数量很多（1000门左右），但大多数课程只有部分学生选修，如果支持度要求太高就得不到有意义的规则，故频繁-1项集也会比较多。数据仓库中每次考试都存储为一条记录，需要过于频繁地扫描数据量巨大的事实表。3.2.2多维关联规则处理方法和频繁-1项集找寻为了简化多维关联规则，建立一个频繁项集表，结构如表4所示。3.2.3交易集表产生和算法优化如果直接在事实表中搜寻层次为2以上的频繁项集，需对每个学生确认频繁集组合条件是否符合，对每个学生都要扫描记录数巨大的考试事实表数次。为解决此问题，建立了专门的交易集表（也可在学生表中直接加一个字段，但这需要更新数据仓库的学生表，并影响其它分析），表结构见表5。3.2.4层次较高的频繁集和规则产生找出频繁-1项集并生成交易集表后，即可依次找出频繁-2项集等层次的频繁集，其中一个2项集由两项频繁-1项集构成，一个n项集由一个频繁n-1项集和一个频繁-1项集构成。可从频繁项集表中推出构成每个多项集的频繁-1项集，扫描交易集表即可找出该频繁多项集的支持度，最终找出所有频繁项集。以下程序可确定某频繁项集包含的所有频繁-1项集：其中，array（）是用于保存该频繁项集包含的所有频繁-1项集数组，也可直接生成查询条件：将array（i）=rs2（“p2”）改为str1=”$”+cstr（rs2（“p2”））+”$%”，该字符串可直接用于判断交易集表中的交易是否包含该频繁项集的所有条件。通过扫描交易集表找出所有频繁大项集后生成规则，若支持度大于给定的支持度即可输出为关联规则。3.2.5兴趣度分析及规则输出关联分析规则是否有兴趣，主要评价标准是可信度和支持度。通常使用固定的可信度和支持度标准，但由于本例中频繁项数量很多，高层关联规则产生算法的复杂度也相对较高。而较高层次频繁项的支持度要比较低层次频繁项低很多，可将支持度低的低层次频繁项不产生高层次频繁项，予以清除。本例中各层次使用不同的支持度标准，该标准从低层到高层递减。经过最后筛选，输出部分规则如下（最小可信度为30%）：（渔业导论>=3）AND（大学英语1>=3）=>（法律基础>=3）支持度5.1%可信度33.3%（法律基础>=3）=>（渔业法规>=3）支持度5.2%可信度53.1%（渔业法规>=3）=>（法律基础>=3）支持度5.2%可信度61.2%注：倒过来不一定有足够可信度，例如由于可信度不到30%的缘故，（法律基础>=3）=>（大学英语1>=3）没有作为规则输出。4结语数据挖掘是一项复杂技术，本文介绍了经典频繁集算法进行多维关联分析的方法，讨论了如何将多维关联分析简化为一维关联分析，将多次扫描庞大的事实表转化为扫描相对较小的交易集表。课程很多，项集也会很大，而经典频繁集算法的缺点之一正是建立了大量频繁项集，频繁扫描事实表。所以对此种关联分析，经典频繁集算法不是最好的算法，但分步优化和使用高维数据能使算法复杂度大大降低。培养学生的信息素养，是信息技术学科教育的核心。现在，信息技术学科教育出现了一些不良现象：课堂上学得好，课堂外用不好；课堂上学得欢，课堂外用不欢。这些情况突出说明学生的信息素养亟待提高，他们还没有养成学习信息技术，并将信息技术作为一种工具为自己的学习与生活服务的意识。为此我们提出：积极营造信息技术应用氛围，努力创设信息技术应用机会，提高学生信息技能，培养学生积极主动应用信息技术的意识，从而逐步增强学生信息素养。一、信息技术教学融入其它学科内容，构建学用结合的良好氛围许多信息技术教师都觉得奇怪：学生信息技术学得不错，就是用不好。例如：学了WORD的应用，就是想不到把自己喜欢的作文输入电脑，排版打印出来。学了因特网搜索引擎，却不知用它去查一下语文课文中的“毛泽东诗词”。出现这种情况很重要的一个原因是：我们没有积极引导学生把信息技术的学习与其它学科学习有机结合起来，利用信息技术工具为其它学科学习服务。以WORD单元教学为例，如果单纯从信息技术教材出发，学生掌握了相关的WORD知识，知道怎样打字、排版和打印后，学生的信息技能得到了发展，教学任务也可以算完成了。如果从信息素养的角度出发，上述做法是远远不够的。因为学生还没有把学到的信息技术知识内化为一种素质，还没有学会自觉运用信息技术工具去学习新的知识，便会出现这样的情况：学了WORD的应用，却不会实际运用。因此，只有在信息技术学用结合的环境下，学生的信息素养才能稳定地提高。为此我们对教材内容作适当充实与调整。WORD单元教学有机整合语文内容示例课文学习目的与语文整合安排1文字的输入，学会用拼音打字法输入汉字等字符。选择一段语文课文内容输入电脑。2文字修饰，学会简单的排版，把上次输入的课文排版。3插入图片，学会插入适当的图片，调整图片的大小与位置，为上次排版的课文插入图片，并注意图片的内容、大小位置的协调。4打印预览，学会打印文章，尝试把上次的课文内容打印出来，并与课本比较，谁更美观？5应用练习巩固WORD应用技能，输入一篇学生自己满意的作文并排版打印，参加展览。从上表中我们可以看出，WORD单元教学有机整合语文内容，这样学生在掌握了相关的WORD知识后，能积极应用起来。这样，学生在WORD单元教学有机整合语文内容的过程中潜移默化地自觉运用信息技术为自己的学习服务了，学生的信息素养也渐渐地提高了。时间一长，其它信息技能，学生也会慢慢用起来。二、创设信息化学习的机会，形成学生自主应用信息技术的氛围各学科教师创设条件，积极倡导学生应用信息技术转变学习方式，让学生有机会运用信息技术学习，进而学会利用信息技术进行学习。这是培养学生信息素养的重要途径。1、信息技术教师与其它学科教师合作开展教学信息技术教师应经常与其它学科教师联系，交流教育教学情况，商讨合作教育事宜。信息技术作为学习的工具，一旦学生掌握了，便可为其在学习其它知识时发挥作用。对其它学科的学习是有帮助的。例如学习“画图”软件的使用时，可以与美术教师联系，探讨教学合作事宜。分析如下：学习内容合用教学内容作用、目的1画线尝试一次运用电脑写生提高学生画线能力与写生能力。2彩色世界，运用电脑配色画彩色图形，充分感知色彩的丰富性与色彩的搭配基本原理。3创作图画，电脑绘画创作，综合提高学生画图软件的应用能力与绘画布局技巧。从上表我们可以看出：双方的合作无论对于信息技术还是美术绘画的学习都是有益的。2、信息技术教师与其它学科教师联合布置作业教师适当布置一些运用信息技术的练习，让学生的信息技能有用武之地。学习了电子幻灯片（PowerPoint）的使用后，可以与综合实践活动老师联系：让学生把自己的小实验小调查的结论用电子幻灯片的形式反映出来，在多媒体电教室中放映出来，供大家学习交流，想想看吧，当学生们站在讲台上播放幻灯片介绍他们的成果时会是何等的激动啊！你能说他们的信息素养没有提高吗？通过与其它学科教师的合作，并不增加学生的负担，相反却增加了应用信息技术进行学习的机会，一定程度上转变了学生学习的方式，大大提高了学生的信息技术应用能力，切实有效地提高了学生的信息素养。信息技术教学出现了课堂上学得好，课堂外用得好；课堂上学得欢，课堂外用得欢的喜人局面。脑梗死cerebralinfarction浙江大学附属第一医院神经内科罗本燕定义又称缺血性卒中,是指因脑部血液供应障碍,缺血缺氧所致的局限性脑组织的缺血性坏死或软化Vesselsdissectedout:interiorviewAnteriorcerebralartery(A,segmenturrentarteryofHeubner)AnteromedialcentralAntenorcerebralarteryarteries(A,segmenterolateralcentralInternalcarotidlenticulostriate)MiddlecerebralcommunicatingarteryAntenorchoroidalarteryPostenorcerebralsegment)PosteromedialcentralSuperiorcerebellararteryThalamoperforatingarteryPosteromedialcentralnteriorinferiorcerebellarartery(AICA)Labyrinthine(intemalacousticarteryStern:MassachusettsGeneralHospitalComprehensiveClinicalPsychiatry脑的动脉系统颈内动脉系统(前循环)Internalcarotidarterysystem(ICA)眼动脉PCommAoaophthalmicartery(OA)Cavernous脉络膜前动脉大脑半anteriorchoroidalartery(AChA)前交通动脉球前anteriorcommunicatingartery(3/5血液Cervical大脑前动脉供应anteriorcerebralartery(ACa)大脑中动脉middlecerebralartery(MCA)椎基底动脉系统(后循环)大脑半球后2/5、丘vertebrobasilararterysystem脑、脑干、小脑椎动脉vertebralartery(VA)基底动脉PCAbasilarartery(BA)大脑后动脉BAposteriorcerebralartery(PCA)前大坛魅既佳大勤级大标员■中枝上小数业下小20中大后勤不幸罹患卒中的名人才周在我国,每12秒钟就有1位卒中新发患者,每21秒钟就有1人死于卒中HELPK150万~200万年新发脑卒中病例;年发病率(116~219)/10万人;年死亡率(58~42)10万人;我国现存脑血管病患者700余万人约70%为缺血性脑卒中全球700060005000亞洲4000中國150-200万,700万19902000(基線)2010(基線)2020(基線)年份中国缺血性脑卒中/TA二级预防