当前位置：文档之家 › 一文读懂血常规检查

一文读懂血常规检查

  • 格式：docx
  • 大小：27.88 KB
  • 文档页数：3

一文读懂血常规检查

血常规检查相信每一个去医院进行就诊的时候，医生总要让你去检查血常规这一项，所以大家对其都不会很陌生，是大部分患者进行治疗前都需要进行的一项检查。那么有些人员肯定会好奇，就是个简简单单的感冒，血常规真的有必要查吗？通过这项检查可以看出我们身体有什么问题？该怎么解决这些问题呢？其实一张简单的血常规单子，不仅可以让我们对身体基本情况进行大致了解，而且可以在身体没有任何不适的情况下，尽早发现某些疾病。

1、血常规是什么？

血常规统称是指全血细胞计数，也被称之为CBC，是指检验人员使用血液分析仪对患者血液内红细胞、白细胞以及血小板的数量，测定血细胞的体积或者某些生物学特性，由此来判断被采血者的血细胞以及其他血液成本的质量有无异常。这项测试可以发现被采血者是否出现由血液细胞改变的疾病例如：贫血、感染或者血液系统肿瘤等等，同时也是医院各个科室进行疾病筛查和诊断的首选。那么笔者在讲解血常规之前，首先给大家科普一下血液是什么组成的？

血液中形成的物质有两个：血浆、血细胞。前者主要是由水与少量的蛋白质及其电解质等有机复合物所形成的；而后者血细胞的主要成分,有三种分别为红细胞、白细胞和血小板。所以我们的血常规检查都是根据血细胞成分进行。在一般情况下，这三个细胞的含量都会保持在一种均衡情况下，是一个自己的平均值，而如果这个数字偏离了正常值，那就必须小心，可能是由于血液中存在的问题，就必须进行进一步的检查，待到发现问题时，再根据临床状况加以处理。

2、红细胞与血红蛋白

红细胞和血红蛋白这两个好朋友是血液中数量最大的物质。血红蛋白又被称为血色素。它们是人体内最主要的特殊蛋白质，而他们的主要工作任务就是将人体中所需要的氧与营养运送至不同细胞与脏器中，而后再把组织器官中产生的二氧化碳物质，经由肺部转而输送到体外。因此血红蛋白也存在于红细胞中，而红细胞为什么是红色的？这都是它的好朋友血红蛋白的功劳。而血红蛋白存在因为它内部存在丰富的铁元素。其实红细胞也没有始终都是鲜红的。当氧气由外面输送到体内后,它也会呈现鲜红；当红细胞将人体代谢产生的二氧化碳运到体外后，这时会呈现出暗红色。红细胞和血红蛋白的正常标准：男性在120~150g/L，女性在110~135g/L，低于下限但是>90g/L为轻度贫血，90-60g/L为中度贫血，60g/L以下为重度贫血.血色素过低，人体内所需营养物质得不到及时转运，导致组织器官出现缺氧、缺血，对于机体的危害更大。这就是为什么贫血患者轻微活动后常常感到四肢酸软、心慌、胸闷气短等不适症状。通过血常规检查，可知道患者是否存在贫血。

3、白细胞

白细胞像是一个守护者，奋力抵抗外来物质，例如细菌、病毒、寄生虫等微生物，还会消灭机体内老化的细胞，清除坏死组织。白细胞并不是单一细胞，而是对中性粒细胞、嗜碱粒细胞、嗜酸粒细胞、单核细胞和淋巴细胞的总称，不过这几种细胞是一个部门的，都是参与机体免疫和防疫功能，那么就很好理解为什么我们在感冒发烧时，会发现白细胞总数有明显升高，那是因为这些聪明的白细胞发现了“外来者”入侵机体，开始大量繁殖，以此来消灭病原体。那么反过来讲，当体内白细胞突然增多，最为常见的原因就是机体受到感染，就需要注意了。白细胞的的正常标准：成人：(4.0~10.0)×109/L(4000~10000/mm3)；新生儿：(15.0~20.0)×109/L(15000～20000/mm3)；婴儿：(15.0~20.0)×109/L；儿童：(5.0～12.0)×109/L。白细胞作为人体最为重要的免疫系统之一，白细胞数值的高低直接反应了机体健康状态。例如白细胞增多患者可能出现：急性化脓性感染、某些病毒感染等，白细胞减少患者可能出现：脾功能亢进、沙门菌属感染等。所以需要在白细胞出现变化时，及时针对具体感染原因，进行进一步检查用药，对症治疗。

4、血小板

血小板主要是负责血管壁的完整以及凝血功能，当机体组织受到破损或者血管壁出现损伤时，血小板察觉后立刻到相应位置参与止血和修补血管壁的工作，到达现场后血小板会凝结成团附着于伤口处，从而形成一个较为松软的止血栓子，然后不断进化，形成一个较为坚硬的止血栓子，来对伤口处进行保护，这就是血小板迅速聚集在伤口处凝固达到止血效果。血小板正常值为100~300X10^9/L。如果血小板低于100X10^9/L，为血小板减少，如果血小板大于400X10^9/L，为血小板增多，引起血小板减少的原因有许多，例如血小板再生障碍、巨幼细胞性贫血等，若血小板增多，多见于原发性血小板增多、急性感染等。

5、关于血常规检查的小知识：

首先在采血之前，人员需要避免进行剧烈运动，例如：长跑、游泳等，若进行了剧烈运动，应当静止15~20分钟后在进行采血。其次需要注意患者发热24小时后所得到的数据结果最具备参考价值，所以在生病发热时，不要着急进行血常规检查，以免数据不够准确。

每家医院所使用的检测仪器不同，可能会影响检测结果，所以每家医院都会在检查报告单上表明参考值，若是检验报告单上的异常值趋近于正常值，通常来讲意义不大，另外许多病因形成较为复杂，所以有什么不清楚的要及时询问医生。

合集下载

一文读懂卷积神经网络CNN

一文读懂卷积神经网络CNN

一文读懂卷积神经网络CNN

★据说阿尔法狗战胜李世乭靠的是卷积神经网络算法，所以小编找到了一篇介绍该算法的文章，大家可以看一看。★

自去年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人交流，互有增益。正文之前，先说几点自己对于CNN的感触。先明确一点就是，Deep

Learning是全部深度学习算法的总称，CNN是深度学习算法在图像处理领域的一个应用。第一点，在学习Deep learning和CNN之前，总以为它们是很了不得的知识，总以为它们能解决很多问题，学习了之后，才知道它们不过与其他机器学习算法如svm等相似，仍然可以把它当做一个分类器，仍然可以像使用一个黑盒子那样使用它。第二点，Deep

Learning强大的地方就是可以利用网络中间某一层的输出当做是数据的另一种表达，从而可以将其认为是经过网络学习到的特征。基于该特征，可以进行进一步的相似度比较等。第三点，Deep Learning算法能够有效的关键其实是大规模的数据，这一点原因在于每个DL都有众多的参数，少量数据无法将参数训练充分。接下来话不多说，直接奔入主题开始CNN之旅。卷积神经网络简介（Convolutional Neural

Networks，简称CNN）卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural

Networks-简称CNN）。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。K.Fukushima在1980年提出的新识别机是卷积神经网络的第一个实现网络。随后，更多的科研工作者对该网络进行了改进。其中，具有代表性的研究成果是Alexander和Taylor提出的“改进认知机”，该方法综合了各种改进方法的优点并避免了耗时的误差反向传播。一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。由于CNN的特征检测层通过训练数据进行学习，所以在使用CNN时，避免了显示的特征抽取，而隐式地从训练数据中进行学习；再者由于同一特征映射面上的神经元权值相同，所以网络可以并行学习，这也是卷积网络相对于神经元彼此相连网络的一大优势。卷积神经网络以其局部权值共享的特殊结构在语音识别和图像处理方面有着独特的优越性，其布局更接近于实际的生物神经网络，权值共享降低了网络的复杂性，特别是多维输入向量的图像可以直接输入网络这一特点避免了特征提取和分类过程中数据重建的复杂度。1. 神经网络首先介绍神经网络，这一步的详细可以参考资源1。简要介绍下。神经网络的每个单元如下：其对应的公式如下：其中，该单元也可以被称作是Logistic回归模型。当将多个单元组合起来并具有分层结构时，就形成了神经网络模型。下图展示了一个具有一个隐含层的神经网络。其对应的公式如下：比较类似的，可以拓展到有2,3,4,5，…个隐含层。神经网络的训练方法也同Logistic类似，不过由于其多层性，还需要利用链式求导法则对隐含层的节点进行求导，即梯度下降+链式求导法则，专业名称为反向传播。关于训练算法，本文暂不涉及。2 卷积神经网络在图像处理中，往往把图像表示为像素的向量，比如一个1000×1000的图像，可以表示为一个1000000的向量。在上一节中提到的神经网络中，如果隐含层数目与输入层一样，即也是1000000时，那么输入层到隐含层的参数数据为1000000×1000000=10^12，这样就太多了，基本没法训练。所以图像处理要想练成神经网络大法，必先减少参数加快速度。就跟辟邪剑谱似的，普通人练得很挫，一旦自宫后内力变强剑法变快，就变的很牛了。2.1 局部感知卷积神经网络有两种神器可以降低参数数目，第一种神器叫做局部感知野。一般认为人对外界的认知是从局部到全局的，而图像的空间联系也是局部的像素联系较为紧密，而距离较远的像素相关性则较弱。因而，每个神经元其实没有必要对全局图像进行感知，只需要对局部进行感知，然后在更高层将局部的信息综合起来就得到了全局的信息。网络部分连通的思想，也是受启发于生物学里面的视觉系统结构。视觉皮层的神经元就是局部接受信息的（即这些神经元只响应某些特定区域的刺激）。如下图所示：左图为全连接，右图为局部连接。在上右图中，假如每个神经元只和10×10个像素值相连，那么权值数据为1000000×100个参数，减少为原来的千分之一。而那10×10个像素值对应的10×10个参数，其实就相当于卷积操作。2.2 参数共享但其实这样的话参数仍然过多，那么就启动第二级神器，即权值共享。在上面的局部连接中，每个神经元都对应100个参数，一共1000000个神经元，如果这1000000个神经元的100个参数都是相等的，那么参数数目就变为100了。怎么理解权值共享呢？我们可以这100个参数（也就是卷积操作）看成是提取特征的方式，该方式与位置无关。这其中隐含的原理则是：图像的一部分的统计特性与其他部分是一样的。这也意味着我们在这一部分学习的特征也能用在另一部分上，所以对于这个图像上的所有位置，我们都能使用同样的学习特征。更直观一些，当从一个大尺寸图像中随机选取一小块，比如说

血常规报告单,一文读懂!(超全版)

血常规报告单,一文读懂!(超全版)

血常规报告单，一文读懂！（超全版）

先看下报告单：

血常规检查

白细胞计数（WBC）

外周血白细胞起源于骨髓的造血干细胞，白细胞包括粒细胞、淋巴细胞和单核细胞三大类，其中粒细胞又分为中性分叶核粒细胞、中性杆状核粒细胞、嗜酸性粒细胞和嗜碱性粒细胞。白细胞计数是测定血液中各种白细胞的总数。

参考值：

o 成人：（4-10）×109/L。

o 儿童：（5-12）×109/L。

o 新生儿：（15-20）×109/L。 ■ 白细胞增多

（1）生理性主要见于月经前、妊娠、分娩、哺乳期妇女、剧烈运动、兴奋激动、饮酒、餐后等，新生儿和婴儿高于成人。

（2）病理性主要见于各种细菌感染、严重组织损伤或坏死、白血病、恶性肿瘤、尿毒症、糖尿病酮症酸中毒以及有机磷农药、催眠药等化学药物的急性中毒，应用某些升白细胞的化学药物也会促使白细胞增高。

■ 白细胞减少

（1）疾病主要见于流行性感冒、再生障碍性贫血、白血病等。

（2）用药：应用磺胺药、解热镇痛药、部分抗生素、抗甲状腺制剂、抗肿瘤药等。

（3）特殊感染：如革兰阴性菌感染（伤寒、副伤寒）、结核分枝杆菌感染、病毒感染（风疹、肝炎）、寄生虫感染（疟疾）等。

（4）其他：放射线、化学品（苯及其衍生物）等的影响。

影响白细胞计数的因素较多，必要时应结合白细胞分类计数和白细胞形态等指标综合判断。

白细胞分类计数（DC）

白细胞分类计数是将血液制成涂片后进行分类，并求得各种白细胞的比值。不同因素可导致不同类型的白细胞发生变化，因此，白细胞分类计数变化，比白细胞总数更能反映机体的生理或病理状态。

参考值：

o 中性粒细胞绝对值（2.0-7.0）×109/L， 百分数50％-70％。

o 嗜酸性粒细胞绝对值（0.02-0.5）×109/L，百分数0.5％-5％。

o 嗜碱性粒细胞绝对值<（0.1）×109/L，百分数0％-1％。

o 淋巴细胞绝对值（0.8-4.0）×109/L，百分数20％-40％。

一文读懂PBT工程塑料

一文读懂PBT工程塑料

一文读懂PBT工程塑料

PBT是一种性能优良的工程塑料，具有优良的韧性和抗疲劳性，耐热性、耐候性好，电性能佳，吸水率低。改性PBT工程塑料是对其进行增强、阻燃等改性，从而提高其耐热性、阻燃性、尺寸稳定性和模量，应用于汽车、电子电气等行业。

改性PBT工程塑料在电子电气领域的应用

要实现电器智能化，不仅设计、电气等都需要满足技术标准，内部电路控制系统需要用到的塑料都要满足高灼热丝、高CTI(漏电起痕指数的要求。改性PBT工程塑料综合性能全面，通过增强、阻燃、低翘曲、高GWFI/GWIT、高CTI、高灼热丝、高流动等方面改性，应用于电子电气部件。

在电子电子领域，改性PBT工程塑料应用于电容器外壳、高端电磁炉绕线圈、电饭煲插座接头、微动开关、定时器、线圈骨架等。

在电子电气领域，很多采购商在寻找材料的时候要求改性PBT工程塑料有UL认证，尤其是产品需要出口的。聚赛龙PBT FR5330、PBTFRG30+、PBT-FR2300、SELON PBTFR1300等材料通过UL认证。

PBT塑料用于连接器

连接器是信号间的桥梁，是传递电子讯号及电源连接所不可或缺组件，PBT均衡的物性与价格正符合连接器的需要。PBT通常添加30%玻璃纤维掺混作为连接器，PBT因机械性质、耐溶剂性、成形加工性佳且价格低而广泛被采用。

PBT塑料用于散热风扇

PBT的第二大用途是使用在散热风扇，散热风扇是置于机器内长时间旋转以帮助散热，对塑料物性要求有耐热、难燃、绝缘性及机械强度，PBT通常以加纤30%的形式应用作为散热风扇之外框及扇叶线圈轴。

PBT塑料用于线圈轴

PBT的第三用途是作为变压器、继电器内的线圈轴，一般以PBT加纤30%射出成形。线圈轴要求的物性包括绝缘性、耐热性、耐焊钖性、流动性、强度等，适用材料有酚醛树脂、PBT、PA6、PET。酚醛树脂的性质都不错，但其成型性不及PBT，因此尺寸小，形状复杂的产品都采用PBT树脂，虽PBT焊钖耐热性差，但其环保意识较高的欧美日等国，有增加采用可回收PBT之趋势。

一文读懂卷积神经网络CNN 2

一文读懂卷积神经网络CNN 2

一文读懂卷积神经网络CNN

第一点，在学习Deep learning和CNN之前，总以为它们是很了不得的知识，总以为它们能解决很多问题，学习了之后，才知道它们不过与其他机器学习算法如SVM等相似，仍然可以把它当作一个分类器，仍然可以像使用一个黑盒子那样使用它。

第二点，Deep Learning强大的地方就是可以利用网络中间某一层的输出当作是数据的另一种表达，从而可以将其认为是经过网络学习到的特征。基于该特征，可以进行进一步的相似度比较等。

第三点，Deep Learning算法能够有效的关键其实是大规模的数据，这一点原因在于每个DL都有众多的参数，少量数据无法将参数训练充分。

接下来话不多说，直接奔入主题开始CNN之旅。

卷积神经网络简介（Convolutional Neural Networks，简称CNN），卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural Networks-简称CNN）。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。 K.Fukushima在1980年提出的新识别机是卷积神经网络的第一个实现网络。随后，更多的科研工作者对该网络进行了改进。其中，具有代表性的研究成果是Alexander和Taylor提出的“改进认知机”，该方法综合了各种改进方法的优点并避免了耗时的误差反向传播。

一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。