HD系列小型液氮低温冷冻治疗器

为了适应临床上普及推广冷冻医疗的需要,近20年,国内外许多研究部门及医疗单位先后研制出大量的冷冻医疗器械。这些器械种类繁多,性能各异,但我国目前情况而言,临床上最为普及应用的却还是各种持式简易冷冻疗器。因为这些冷疗器械具有结构简单,操作方便,价廉实用等优点,深受广大临床医生的欢迎。但是以往这些简易冷疗器也还存有不少缺陷,如液氮输送管易堵塞,喷流量不均,压力不足,喷出液滴过粗,液氮利用率低等。为了解决这些问题,我们经过数年的探讨与实践,不断改进,研制成HD系列小型液氮低温冷冻治疗器,经许多单位临床试用,效果良好,现介绍如下:     

应用HMC—1型自动加压输液器加压输液(血)抢救低血容量休克的报告

出血性和中毒性休克起病机理不同,但在发展过程中有一共同之处,即有效血容量的绝对和相对不足,致使毛细血管内灌注减少,组织缺氧,器官功能发生障碍。所以,在防治上述休克的原则中,快速补充足够的血容量,以保证氧合血液对组织器官的有效灌注是一有效的根本措施。然而,以前常用的手挤或打气加压输液法,操作繁琐效力低;现有的机动加压输液器则未能避免液体输完后将空气输入血管的危险且较笨重;而进口的各种输液控制     

基于心率变异性与机器学习的睡眠呼吸事件分类

为了提供一种针对睡眠呼吸暂停低通气综合征(sleep apnea hypopnea syndrome,SAHS)患者的筛查方法,本研究把心率变异性(heart rate variability,HRV)应用于睡眠呼吸模态的分类问题。通过构建和训练概率神经网络(probabilistic neural network,PNN)对HRV各特征值进行有无异常睡眠呼吸事件的判别,以期实现对该病征进行初步筛查的目的。首先,对标注的有无呼吸事件的多导睡眠监测数据提取其心电的HRV特征值,再经过归一化后作为特征向量;其次采用PNN分类算法对特征向量进行训练及分类输出;最后,对模型的预测分类性能进行评价。对于准确率、灵敏度、特异性、受试者工作特性曲线下面积(area under the receiver operating characteristic curve,AUC)及分类耗时等评价指标PNN分类器的结果分别为:75.97%,82.51%,76.22%,0.7936,0.63 s。与广义回归神经网络(generalized regression neural network,GRNN)及极限学习机(extreme learning machine,ELM)分类算法相比,PNN分类算法在灵敏度、特异性、AUC及分类耗时评价维度上均取得最优。本研究基于HRV及PNN分类算法实现了对有无异常睡眠呼吸事件的判别,提供了一种低生理负荷SAHS筛查的途径。