血清淀粉样蛋白A在糖尿病视网膜病变中的作用,马燕,姜燕荣,糖尿病视网膜病变(Diabetic Retinopathy, DR)是糖尿病严重的微血管并发症之一,是导致糖尿病患者低视力和致盲率升高的主要原因之一。DR�
2024-01-11 17:14:39 242KB 首发论文
1
多效生长因子与糖尿病视网膜病变的相关性综述,朱雪梅,赵明威,背景:糖尿病视网膜病变(diabetic retinopathy, DR)是糖尿病常见的、最严重的眼部并发症,是导致劳动人口双眼视力受损的主要眼病,已成为�
2024-01-11 17:12:19 395KB 首发论文
1
视黄醇结合蛋白4(RBP4)与2型糖尿病视网膜病变的关系,倪雅楠,李强,目的:探讨正常健康人群、合并与未合并糖尿病视网膜病变(DR)的2型糖尿病(T2DM)患者血清视黄醇结合蛋白4(retinol binding protein 4,RBP
2024-01-11 17:10:29 170KB 首发论文
1
糖尿病和糖尿病视网膜病变中甲基化修饰的研究进展,杨千惠,张琰,近年来,糖尿病的发病率逐年升高,其伴随的微血管并发症如肾脏病变,视网膜病变,心血管病变的发病率也逐渐升高,其中糖尿病视网�
2024-01-11 17:09:10 277KB 首发论文
1
血清淀粉样蛋白A在糖尿病视网膜病变患者眼内表达,冯婧,马燕,【目的】研究炎症因子血清淀粉样蛋白A(Serum Amyloid A, SAA)在糖尿病视网膜病变(DR)患者眼内的表达。【方法】采用酶联免疫荧光吸收法检测
2024-01-11 17:07:59 794KB 首发论文
1
简介:糖尿病性微血管病很常见,但糖尿病患者发病的时间因受试者而异。 我们研究的目的是研究2型糖尿病患者的肾脏和眼科疾病之间的相关性。 患者和方法:这项纵向分析性研究于2018年3月1日至2019年3月31日在Abass Ndao大学医院中心进行。 它正在研究糖尿病肾小球病患者的视网膜受累情况。 结果:在100例糖尿病性肾小球病患者中,他们分为70名女性和30名男性,平均年龄为58.2岁。 糖尿病的平均病程为6.1年,其平均糖化血红蛋白(HbA1c)为8.1%。 只有37%的患者HbA1c水平低于7%。 其他心血管危险因素是高血压(HBP)(39%),血脂异常(36%)和肥胖症(15%)。 在这些患者中,糖尿病视网膜病变占21%。 在诊断为少于6年的糖尿病患者中,视网膜病变更为常见(69%),而肾小球滤过率(GFR)略有降低的慢性肾脏疾病患者(34%)则更为常见。 结论:我们的研究得出的结论是,在2型糖尿病的发病过程中,慢性肾脏疾病的发作并不系统地暗示糖尿病性视网膜病的存在。 因此,重要的是进行系统并发症的筛查和评估。
1
背景:糖尿病性视网膜病(DR)是糖尿病的常见并发症,也是劳动年龄人口视力下降的主要原因。 对其发病机理了解甚少,但可能涉及低度慢性炎症和血管生成。 这项研究的目的是评估2型糖尿病患者中一种炎症(IL-6)和血管生成细胞因子(VEGF-A)的血清水平与DR的存在和严重程度之间的关系。 方法:从2019年1月至2019年6月,我们对84例患者进行了横断面分析研究,其中31例发展为DR,53例未发展为DR。 所有患者均接受了完整的眼科检查,并通过ELISA技术对IL-6和VEGF-A进行了实验室分析。 我们研究了IL-6和VEGF-A与DR,HBA1c的存在和严重程度以及糖尿病持续时间的关系。 结果:DR组与对照组相比,VEGF-A水平有统计学意义的显着升高(390.5 pg / ml与173.1 pg / ml; p = 0.007)。 两组之间的IL-6水平无显着差异(42.8 pg / ml与31.7 pg / ml; p = 0.10)。 同样,这两种细胞因子与黄斑水肿或DR的严重程度之间没有关联。 IL-6的水平与糖尿病的平衡有关(p = 0.006),而VEGF-A却没有(p =
2024-01-11 17:03:16 274KB 行业研究
1
matlab代码影响视网膜血管病变 视网膜血管检查在糖尿病的诊断中起着重要的作用,在西方国家,糖尿病是导致失明的主要原因。 该检查采用光学诊断方法,通过获取眼球的数字图像而不会侵犯或伤害人体。 剩下的任务是将视网膜血管与数字图像分开。 即使对于训练有素的专家来说,这都是耗时且充满挑战的。 引入了机器学习方法以使分离过程自动化,从而提高检查过程的效率。 在本报告中,我们结合了图像处理和机器学习方法探索了视网膜血管分离过程。 图像预处理用于减少原始眼球图像中的噪点。 机器学习算法用于构造分类器,该分类器利用专家的手绘视网膜血管作为训练标签,以有效地将血管与背景分离。 实现了K最近邻(K-NN)和支持向量机(SVM),并使用改进的K-NN方法来改善结果。 使用K-NN方法中距离的不同定义来发现眼球图像不同特征的重要性。 通过将算法分类的标签与专家的手绘图像进行比较,可以估算出误差。 K-NN是通过使用在课堂上学到的知识而自编码的Matlab程序,并且SVM在理论层面上得到了理解,并通过PyML(基于python的机器学习包)来实现。 两种方法的错误率均为6%左右。 与SVM相比,K-NN产生
2023-03-25 13:18:34 8.25MB 系统开源
1
【SVM分类】基于自适应蚁狮算法优化SVM分类器实现胃肠道病变附matlab代码
2023-03-08 10:57:31 671KB
1
[基于MATLAB]植物叶片虫害检测系统(方法svm,颜色,可以识别具体是什么虫子等,带界面GUI和文稿万字).zip
1