神经鞘直径在颅脑术后的监测价值

目的:探讨神经鞘直径(Optic Nerve Sheath Diameter,ONSD)超声监测在颅高压患者术后的临床应用。方法:选择2013年11月-2014年5月本院颅脑疾病患者26例为观察组,根据入院时GCS评分为重型颅脑损伤患者15例,大面积脑梗死6例,脑肿瘤5例,术后1、2、3 d根据病情变化动态用彩超经眼眶检查观察组眼球后3 mm处ONSD大小,每眼每次检查3次,计算ONSD平均值,同时观察生命体征和GCS评分变化,统计生存率。结果:术后平均ONSD<5 mm 17例,>5 mm 6例,>6 mm 6例;死亡7例,植物生存2例。结论:动态监测颅脑术后ONSD变化有助于正确判断颅脑术后患者的病情变化,指导及时复查CT或再次手术,可成为神经重症监护病房常规监测手段。     

无创呼吸机治疗COPD合并呼吸衰竭的护理要点分析

目的:探讨慢性阻塞性肺疾病(COPD)合并呼吸衰竭患者行无创呼吸机治疗期间的护理方法及效果。方法:将本院2016年4月-2018年3月收治的93例COPD合并呼吸衰竭患者随机分成研究组(n=47)与对照组(n=46)。两组均给予患者无创呼吸机治疗,对照组给予常规护理,研究组在对照组基础上给予整体性护理,观察比较两组护理效果。结果:护理后,研究组PaO_2、PaCO_2、SaO_2均明显优于对照组(P<0.05);研究组并发症发生率为4.26%明显低于对照组的17.39%(P<0.05)。结论:针对COPD合并呼吸衰竭的患者,在给予患者应用无创呼吸机治疗期间,实施整体护理干预,可显著改善患者的肺功能,并降低患者相关并发症发生率,值得推广。     

采用信息增益率的混合入侵检测模型设计

针对现有混合入侵检测模型仅定性选取特征而导致检测精度较低的问题，同时为了充分结合误用检测模型和异常检测模型的优势，提出一种采用信息增益率的混合入侵检测模型.首先，利用信息增益率定量地选择特征子集，最大程度地保留样本信息；其次，采用余弦时变粒子群算法确定支持向量机参数构建误用检测模型，使其更好地平衡粒子在全局和局部的搜索能力，然后，选取灰狼算法确定单类支持向量机参数构建异常检测模型，以此来提高对最优参数的搜索效率和精细程度，综合提高混合入侵检测模型对攻击的检测效果；最后，通过两种数据集进行仿真实验，验证了所提混合入侵检测模型具有较好的检测性能.     

云组合服务网络的异常植入数据检测算法

云组合服务网络在路由转发控制受到节点的同态扰动影响,容易受到植入入侵,为了提高网络的安全性,提出一种基于阈值组合判决的云组合服务网络的异常植入数据检测算法。构建网络异常植入数据的统计特征模型,采用大数据挖掘技术进行云组合服务网络异常植入数据特征检测和滤波分析,提取云组合服务网络数据的谱特征量,采用支持向量机学习方法进行云组合服务网络的异常植入数据检测过程中的自适应寻优控制,采用双门限阈值组合判决方法,实现对目标数据的准确检测,提高对异常植入数据的准确定位检测能力。仿真结果表明,采用该方法进行云组合服务网络异常植入数据检测的准确概率较高,检测性能较好,提高了网络安全性。