【摘 要】
：
目的 探讨肝细胞癌患者的血清AFP、 PIVKA-Ⅱ表达水平及临床意义。方法 选取肝细胞癌、肝硬化、肝炎、健康人群各60例为对象，检测四组的AFP、 PIVKA-Ⅱ水平，分析二者与肝细胞癌的关系。结果 肝细胞癌组的AFP、 PIVKA-Ⅱ水平均高于其他三组（P <0.05）。AFP、 PIVKA-Ⅱ、联合检测诊断肝细胞癌的AUC分别为0.817、 0.856、 0.956。联合检测的效能高于AFP
论文部分内容阅读
目的 探讨肝细胞癌患者的血清AFP、 PIVKA-Ⅱ表达水平及临床意义。方法 选取肝细胞癌、肝硬化、肝炎、健康人群各60例为对象，检测四组的AFP、 PIVKA-Ⅱ水平，分析二者与肝细胞癌的关系。结果 肝细胞癌组的AFP、 PIVKA-Ⅱ水平均高于其他三组（P <0.05）。AFP、 PIVKA-Ⅱ、联合检测诊断肝细胞癌的AUC分别为0.817、 0.856、 0.956。联合检测的效能高于AFP、 PIVKA-Ⅱ（P <0.05）。结论 肝细胞癌患者的血清AFP、 PIVKA-Ⅱ水平升高，二者与肝细胞癌的病理进展关系密切，联合检测可提升诊断价值。
其他文献
目的 系统评价丹黄祛瘀胶囊治疗慢性盆腔炎的有效性及安全性。方法 检索中文电子数据库中国知网、维普网、万方数据、中国生物医学文献数据库，英文电子数据库PubMed、EMbase、Cochrane Library、Web of Science，自建库至2021年8月16日丹黄祛瘀胶囊治疗慢性盆腔炎的临床随机对照试验（randomized controlled trial， RCT）。采取改良Jadad
目的:探究四逆清带汤对盆腔炎性疾病后遗症湿热瘀结型患者血清炎症因子及血液流变学指标的影响。方法:选取2018年2月—2020年6月在本院进行治疗的该病患者80例，采用随机数字表法分为2组，对照组患者选用左氧氟沙星联合甲硝锉片进行治疗，观察组在对照组基础上采用四逆清带汤治疗; 2周为1个疗程，共治疗2个疗程。两组患者治疗前、后ELISA检测血清炎症因子IL-2（白细胞介素-2）、IL-10（白细胞介
汽车行业经历了一百多年的发展,目前已经成为全球最大的消费市场之一,其上下游产业链涉及制造业各级分支,在整个国民生产体系中占据不可替代的作用。进入二十一世纪,随着信息化、智能化、新材料、新技术的不断创新和发展,相关企业行业也面临巨大的机遇和挑战。大连施奈莱克公司是一家专门从事汽车冲压零部件生产的企业,目前是大众、宝马、戴姆勒等主流车企的供应商,现有业务稳定。但是在新能源汽车蓬勃发展的大环境下,公司也
汽车轻量化是在保证安全性的前提下降低整车质量,以减少燃料消耗。使用高强度钢制造钣金件是汽车轻量化的主要方式,但高强度钢回弹量大、成形质量控制较难。因此对高强度钢板料的冲压成形过程进行仿真和优化,对于提高成形质量和精度具有重要意义。本文以汽车骨架钣金件为对象,研究其冲压成形过程的仿真方法,开展成形过程的仿真和工艺流程与参数优化,以提高成形质量并预测回弹大小。具体研究内容如下:（1）钣金件冲压成形工艺
盆腔炎为女性常见多发疾病，指女性内生殖器官及周围组织的炎症反应，炎症反应可局限于一个部位，也能同时累及多个部位，以输卵管炎、卵巢炎最为常见[1]。该病若得不到及时彻底的治疗，易迁延转为慢性盆腔炎，增加发生输卵管妊娠、盆腔痛、不孕及反复性炎症的风险，
今年以来，全省经济实现稳定恢复，经济保持较快增长，能源生产保障有力，发展质效持续改善，民生福祉稳步增进。但是，稳增长、稳就业、稳预期“三重压力”仍面临新的挑战，经济平稳健康发展仍面临复杂性、严峻性以及诸多不确定性，全省稳增长基础仍需持续加固，发展质效仍需高质量提升，经济发展仍需稳中求进。
应用入侵检测系统是提高网络系统安全性的重要手段之一，通过引入机器学习方法能够有效提高入侵检测算法的检测性能。本文对基于机器学习的入侵检测技术开展研究，针对现有方法存在的检测率低、误报率高问题，提出了基于改进的随机森林的特征选择方法，并设计了基于支持向量机（Support Vector Machine,SVM）的入侵检测模型，利用KDDCUP99数据集进行实验。实验表明，本文方法的检测率和误报率明显
历史经验表明,系统性金融风险不仅威胁金融稳定,更会给整个宏观经济带来巨大损失。2008年国际金融危机的爆发,暴露出传统微观审慎监管机制无法识别和阻止金融体系中的系统性金融风险,加强宏观审慎监管成为大多数国家政策制定者的共识。宏观审慎监管的核心关键在于准确衡量并预警系统性金融风险,但现阶段基于传统统计和计量方法的测度方式是“小数据”时代的产物,采集和分析数据的能力有限,对风险分析和判断的前瞻性和准确
针对目前常用的入侵检测数据集存在的类别不平衡问题，从数据的采样层面出发，提出基于数据增强的入侵检测算法，并对数据进行了特征选择。在公开发布的真实数据集上展开的实验表明，针对不平衡的数据集，所提算法可以在一定程度上提升检测的准确率。
目前主机在人们的工作和生活中起着重要作用，网络安全问题愈演愈烈，因此对网络中的主机进行安全检测变得十分迫切。文中用随机森林进行分类，使用训练集构建多组基本的分类模型，然后根据分类模型的投票结果判断主机是否安全。随机森林在分类模型中具有其先天优势，作为一种非线性分类方法其对异常值和噪声具有更好的容忍度。仿真实验结果表明，此检测模型与传统检测模型相比提高了分类精度。