基于《伤寒论》对人体三系统的划分架构中医人体解剖模型

来源 :中国中医药现代远程教育 | 被引量 : 0次 | 上传用户:engineer2007
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
通过对《伤寒论》398条130余个脉证的分析,结合现代解剖学和生理学观点,将人体划分成3个系统:参与反应外界环境变化与空气利用的表系统,是肺与皮毛相表里和营卫二气的体现,称为“通天气”;参与消化吸收与排泄的里系统,是“胃家”和脾主运化的反映,称为“通地气”;参与气血循环,以心脏为核心,大血管相连的枢系统,是气血津液学说和中医整体观念的缩影,称为“通人气”。通过对3个系统的生理论述,总结出空气、热量、饮食、气血等物质的出入,取决于人体三系统的开合。提出三系统的生理功能是“开合出入”的理论。
其他文献
随着国内城市路灯数量的逐年增加,路灯耗电费用在政府财政支出中所占比例也急速上涨,而传统的路灯系统由于缺乏稳定性与灵活性,并不能有效地降低能耗,节省开支.本文结合微服务技术组件,通过将具体功能抽离组成多个微服务的方式,设计并实现了一种基于微服务架构的智慧照明管理平台,目前系统已经完成开发与测试工作并已交付使用,实际使用效果表明,该平台能够有效地降低能源消耗,具有一定的社会推广价值.
《广州大典》所收清末岭南5种“卫生”典籍是中国传统“治未病”理论、近代西方“卫生”思想与传染病频发的晚清社会实际相结合的产物;视“微虫”“病苗”等为传染病病原体,是对中医典籍传染病病因学说的发展;患者隔离与保持社交距离等传染病预防方法对当代亦有借鉴意义。
国产Linux操作系统运行第三方GUI应用软件需要解决软件依赖库问题,官方提供的依赖软件无法满足依赖库环境配置,导致大量第三方GUI应用软件无法在国产操作系统中安装使用.现提出一种利用容器技术把第三方GUI应用软件及其运行环境打包成独立应用软件的方案,使第三方GUI应用软件能够在国产操作系统上运行.以开源的分布式渲染系统Equalizer为目标对象,使用docker容器技术将其编译环境和运行环境所需的依赖库打包成镜像,docker镜像在国产操作系统NeoKylin上创建容器时配置容器与主机共享Linux系
Kubernetes在优选阶段仅根据节点CPU和内存的利用率来决定节点的分值,这只能保证单节点的资源利用率,无法保证集群资源的负载均衡.针对该问题,提出一种基于遗传算法的Kubernetes资源调度算法,该算法加入了网络带宽和磁盘IO两项评价指标,同时为评价指标赋予不同权重值,并且引入校验字典校验并修复遗传算法生成的新种群中不符合配置的个体.实验结果表明,与Kubernetes默认资源调度策略相比,该算法考虑了集群中的所有节点的资源利用率,在保证集群负载均衡方面有着更好的效果.
构造电力系统知识图谱最重要的就是电力知识的抽取,针对目前传统基于监督学习、单一神经网络模型存在的问题和缺点,如CNN擅长提取局部最重要特征而不适合处理序列输入;RNN在处理序列化任务占优势却对于重要特征的提取很乏力,因此本文改进了一种基于GRU和PCNN的模型,该模型可以有效解决传统模型的不足,通过结合GRU模型和PCNN模型的优点,实验结果表明该方法相比传统方法效果极佳,可以有效实现对电力系统知识抽取.
探索中医名家扑克牌在中医各家学说教学中的应用价值。以中医各家学说为理论核心,以扑克牌为框架,设计制作中医名家扑克牌。同时招募志愿者参与游戏,并进行认同度实验和教学效果实验,以分析该中医名家扑克牌在中医各家学说教学中应用的可行性。中医名家扑克牌能够很好地调动学生学习的积极性,激发学生的学习兴趣,培养学生主动学习、自主学习的能力,提高学习效率。
目的探讨辨证施护在胸外科中医护理教学中的应用效果。方法回顾性分析2018年2月—2019年6月在中国医科大学附属盛京医院第二胸外科实习的85名护士的资料,根据临床带教方案的不同分为观察组(43名)和对照组(42名)。对照组实施传统的教学方法,观察组实施辨证施护的教学方法。比较2组实习护士的中医辨证施护能力评分和患者的满意度。结果观察组实习护士掌握四诊内容、证候诊断、证候分析、中医护理诊断、施护方法、中医技能应用及健康教育的中医辨证施护能力评分明显高于对照组,差异有统计学意义(P<0.001);观察组
中药资源工具书篇幅巨大,翻译工作量大。对此类工具书翻译工作进行翻译原则和翻译技巧上的统一可以减少翻译工作量,且保证译文的学术性、条理性和整体性,并且极大地提高翻译工作的效率。文章基于《江西中药资源》的翻译实践,提出该类文本的翻译工作应该遵守“对应性、系统性、简洁性、同一性、回译性和约定俗成”的原则,在句式、地点、中医术语和药性术语等名词术语的翻译上做到统一,并提供切实可行的策略参考。
小样本数据存在信息不充足、不完备等问题,缺乏对总体的代表性,导致数据驱动的相关算法精度下降.本文针对小样本问题,提出基于元学习的生成式对抗网络算法进行小样本数据的数据生成.该算法目标是在各种数据生成任务上训练,确定模型最优初始化参数,从而仅使用较少的训练样本解决新的数据生成任务.本文利用水冷磁悬浮机组数据进行数据生成,实验表明,本算法能够在样本不足的条件下确定最优初始化参数,降低了对数据集大小的要求.本文同时进行了真实数据与生成数据混合的故障分类实验,验证了生成数据具有较好的真实性,对故障诊断分析具有较大
对于具有长、短期的时间关联性、非线性和非平稳性等特点的时序数据,传统时序预测模型对此类数据的预测效果不佳.为进一步提高时序预测模型的准确率和效率,考虑时域卷积提取时间特征的有效性,以及残差结构加快模型收敛的优越性,同时考虑注意力机制对参数的强化作用,提出了一种融合时域卷积、残差结构和注意力机制的时序预测模型(Attention Temporal Convolutional Neural Network,A-TCNN).首先,通过多层残差时域卷积层提取时序数据的长、短期特征;其次,通过注意力机制加强对输出影