【摘 要】
：
[目的]分析慢性鼻窦炎患者的变应原谱、血清总IgE和血清特异性IgE的特点,探讨变态反应在慢性鼻窦炎中的作用机制。[方法]收集2016年7月-2018年10月期间收入本院耳鼻咽喉头颈外科的变应原检测阳性的慢性鼻窦炎患者160例,根据《慢性鼻-鼻窦炎诊断和治疗指南（2012）》分为79例慢性鼻窦炎伴鼻息肉组（CRSwNP组）和81例慢性鼻窦炎不伴鼻息肉组（CRSsNP组）,同期91例变应原检测阳性的
论文部分内容阅读
[目的]分析慢性鼻窦炎患者的变应原谱、血清总IgE和血清特异性IgE的特点,探讨变态反应在慢性鼻窦炎中的作用机制。[方法]收集2016年7月-2018年10月期间收入本院耳鼻咽喉头颈外科的变应原检测阳性的慢性鼻窦炎患者160例,根据《慢性鼻-鼻窦炎诊断和治疗指南（2012）》分为79例慢性鼻窦炎伴鼻息肉组（CRSwNP组）和81例慢性鼻窦炎不伴鼻息肉组（CRSsNP组）,同期91例变应原检测阳性的鼻中隔偏曲患者设为对照组（NSD组）。所有受检患者均空腹采静脉血3ml后,应用ELISA快速试剂条技术检测患者血清中的变应原、血清特异性IgE、血清总IgE。分析各组患者变应原谱,分析各组中阳性率高的变应原特异性IgE值和总IgE值,并按季节分组后分析各组的总IgE值。[结果]（1）NSD组阳性率高的变应原依次为户尘螨、矮豚草和柏等树木花粉;CRSwNP组阳性率高的变应原依次为点青等霉菌、户尘螨和柏等树木花粉;CRSsNP组阳性率高的变应原依次为点青等霉菌、户尘螨和柏等树木花粉。（2）柏等树木花粉变应原和户尘螨变应原血清特异性IgE表达在NSD组与CRSwNP组之间有统计学差异（P＜0.05）;点青等霉菌变应原和矮豚草变应原血清特异性IgE表达均无统计学差异。（3）NSD 组血清总 IgE 大于 200IU/ml 为 59.3%;CRSwNP 组血清总 IgE 大于 200IU/ml为72.2%;CRSsNP组血清总IgE大于200IU/ml为51.9%,各组血清总IgE值有统计学差异（P＜0.05）,按季节分组后血清总IgE差异无统计学差异。[结论]变态反应在CRS的发病中起重要作用,点青等霉菌变应原可能在CRS的发病中起重要作用。
其他文献
不同于传统的图像传感器,动态视觉传感器（Dynamic Vision Sensor,DVS）在成像原理上只有外界光照强度的变化值超过设定的阈值时才会有图像。因为这种特性,使得DVS图像传感器在成像上具有低冗余、高帧率、成像时间短的特点。凭借这些特点,DVS图像传感器在自动驾驶、运动目标检测等领域具有传统图像传感器不具有的优势。本文在课题组设计的DVS传感器的基础上,实现的工作包括系统硬、软件及结构
在互联网飞速发展的背景下,网络中的知识信息迎来了爆炸式的增长,大量的领域知识分散地隐藏在网络数据中。面对海量的领域知识,想要第一时间从中获得需要的关键信息变得非常困难。由于缺少统一的知识集成管理和可视化分析方式,导致知识的共享率不高,而且无法进行有效的分析和复用。此外,在数据多样化的发展趋势下,人们对于知识的多维度表示需求日益增加,这对知识的共享管理和可视化分析提出了更高的要求。目前已有一些知识平
行人检测作为智能安防系统、自动驾驶系统、智能机器人等应用领域的关键技术,有重要的研究价值和意义。目前基于深度学习的行人检测已初步取得成效,但针对大视场高分辨监控视频中的行人检测研究较少,由于其中行人数量多、尺度差异大,已有的行人检测模型难以实现准确的检测定位。本文开展了基于深度学习的大视场高分辨监控视频行人检测研究,结合图像的特点,在图像预处理,提取特征,图像后处理三部分进行了改进,提升了行人检测
人脸吸引力评估研究作为计算机视觉领域中具有挑战性的课题,受到了许多学者的广泛关注,同时也取得了一系列研究成果。但是先前的人脸吸引力评估方法主要学习的是从人脸美学特征点到吸引力得分之间的简单映射,这些方法忽略了人脸吸引力评估中存在的主观性,即不同的人对人脸美学的认知或评判标准是存在偏差的。另外,现有的公开人脸吸引力数据集规模较小,使得模型容易过拟合且泛化能力较差。针对以上问题,本文提出基于相对排名的
目标跟踪问题是计算机视觉领域的热点研究课题,其通过视频序列第一帧目标的位置尺度信息,预测出后续帧目标的位置和尺度。目标跟踪技术广泛应用于安防监控、智能交通和体育赛事转播等领域。现阶段的目标跟踪面临许多挑战,比如运动模糊、低光照、目标被遮挡、背景干扰等因素,影响了跟踪器的性能。近年来借助深度学习的蓬勃发展,科研学者提出了基于深度学习的目标跟踪框架来解决可见光（RGB）目标跟踪问题,这些目标跟踪算法利
当前,工程实践领域中的许多问题都可以转化为多模态优化问题,即要求同时找到问题的多个或全部最优解,以供决策者进行选择。进化算法因其具有全局选择和随机搜索的特点,常用于解决优化问题。然而,传统的进化算法的目的是找到问题的一个解,在处理多模态优化问题时,难以稳定地同时收敛到多个最优解。为了提高进化算法处理多模态优化问题的能力,需要保留种群的多样性,小生境技术的加入能够很好地实现这个效果。差分进化算法是进
随着移动互联网技术的迅速普及,个人以及服务器上的图像资源已经越来越丰富,这个巨大的图像数据库中蕴藏着大量有价值的信息。视觉模式挖掘技术致力于对海量图像数据自适应分析并处理,以此获取有意义的规律并加以利用,该任务也是近年来多媒体数据挖掘领域的热点研究方向之一。视觉模式是指通常出现在图像中的基本元素,并且往往比原始像素传达更高级别的语义信息。它们可以捕捉视觉对象或者场景的本质内容,并代表了对象在视觉世
大多数机器学习问题可以描述为数据项加约束项的形式。当约束项是稀疏约束,即需要求解的稀疏或在某个域内稀疏时,则问题转变为稀疏约束问题。稀疏约束问题具有广泛的研究意义,如图像去噪、信号恢复、超分辨率、压缩感知和神经网络剪枝等任务都属于稀疏约束问题。稀疏约束问题的求解越来越受到学者的重视。本文的目的是寻找性能优良的解决稀疏约束问题的方法,重点研究以下三个具体问题:1.近年来,可学习迭代收缩阈值算法（Le
随着人流量的不断增大,出行需求的不断加深,出于安全的考虑,安检X光危险物检测方法需要不断更新不断改进才能满足人民日益增长的出行需求和安全保障,但目前的安检工作还是主要依托于人工检测,以人为主,智能检测为辅,安检的效率和速率一定程度上取决于安检人员的精力和经验,这样很容易发生错检和误检,安全隐患很大。如何实现高效快速的自动化检测是本文研究的重点。本文探索了YOLOV4目标检测方法在安检X光危险物检测
遥感目标检测技术旨在对遥感图像的目标实现定位和识别,在民用和军事等领域发挥着重要的作用。然而,实际场景下的遥感目标检测面临着诸多问题和挑战。比如,如何解决由于样本标记工作专业性强、成本高导致的标记样本缺失的问题;如何有效挖掘遥感图像中复杂场景下的目标特征,在不影响检测效率的情况下提高检测精度;如何更高效地训练检测器,让特征层提取出的特征更好地发挥作用。针对上述问题,本文深入分析了人脑高效认知目标的