终身治疗

摘要： 血液透析治疗是终末期肾衰竭最广泛的终身治疗方法之一,需用15-17号钢针在上肢动静脉内瘘血管两端穿刺2针,易出现内瘘针移位致疼痛、渗血、血肿及透析治疗中低血糖问题。1临床病例患者,男,69岁,糖尿病肾病终末期,每周3次血液透析治疗,治疗时诉说内瘘肢体不敢动,酸痛不适。某次,患者出现内瘘上肢不自主运动,导致渗血、疼痛,护士调整穿刺针针头位置,症状消失,并使用约束固定带,但治疗至中后期时,穿刺针再次移动,刺破血管致内瘘血肿。

摘要： 淋巴水肿是由于淋巴系统功能失调或受损,淋巴液回流受阻引起的组织间隙高蛋白体液的异常聚积,是一种慢性疾病,致残率很高,需要终身治疗。患者在日常生活中应该注意以下方面:避免高温患侧不要热敷,淋浴时水温不要过高;避免蒸桑拿、蒸汽浴或热水泡澡。在日照强烈时间段不要外出,必须外出则要做好防护,如使用遮阳伞、防晒霜等。

摘要： 糖尿病是慢性病之一,这就意味着终身治疗,而长期与糖尿病“作战”,不免会或多或少地产生麻痹思想,放松对疾病的警惕。更重要的是,糖尿病“破坏”了身体的“预警”系统,早期身体反应是“无症状”,因此糖尿病患者需要定期随访,进行必要的化验与检查,以便于督促患者早期发现问题,早期给予处理,使糖尿病控制稳定达标,预防和减少并发症的发生。

摘要： 【据《Gut》2019 年8 月报道】题:慢性乙型肝炎患者停止核苷(酸)类似物后有限的持续反应:随机对照试验的结果(多伦多停止试验)(作者Liem KS 等)虽然大多数慢性乙型肝炎患者通过长期的核苷(酸)类似物(NAs)治疗可达到有效的病毒学抑制,但有些患者可能不需要终身治疗。

摘要： 高血压是一种慢性、终身性的心脑血管疾病，常常导致头痛、血管硬化、大脑萎缩、鼻出血以及脑中风（脑出血和脑血栓）等严重疾病。高血压一经确诊，大多需终身治疗，治疗以药物为主，基本上要伴随终生。除了药物治疗外，还必须注意控制体重。加强体育锻炼，调整精神，合理地进行饮食调养（包括饮用药茶）等。

摘要： 糖尿病需要终身治疗，虽然目前尚不能治愈，但通过正确的治疗和管理可以控制疾病的进展。其中，社区用药监护即是糖尿病管理的良好模式之一，具体可从以下几方面入手。

摘要： 糖尿病是临床门诊经常可以见到的疾病，慢性和进展性是其特殊之处。慢性可以理解为须终身治疗，进展性可以理解为病情变化并逐渐加重，这两个特点决定了糖尿病治疗必须是家庭治疗和住院治疗相结合，这样才能很好地控制病情。那么，糖尿病患者什么时候应该接受住院冶疗？

摘要： 糖尿病是一种慢性终身性疾病，患者一旦确诊为糖尿病，往往需要终身治疗，只能控制，不能治愈。因此如何使患者在疾病状态下保持应有的健康水平，是临床护士面临的一项健康教育课题，特别是对出院病人的健康指导尤为重要。现总结七条对于病人的健康指导，从而使病人能够在健康的状态中进行治疗，达到最佳的治疗效果。

摘要： 糖尿病是遗传因素和环境因素共同作用结果的一种终身性疾病，被誉为“人类健康的第一杀手”。常需终身治疗，不仅给个人带来痛苦，而且还给国家和个人造成沉重的经济负担。随着我国经济不断增长，人民物资生活日益富裕，糖尿病患病率明显上升。据有关资料报道我国的糖尿病患者到2010年可上升到6000万人。因此，就要引起广大人民群众高度重视和思考。本文就如何才能使自己得糖尿病的可能降到最低水平这一问题提出几点思考。

摘要： 本发明公开了一种制备终身核不育水稻及用该终身核不育水稻培育杂交水稻的方法。所述终身核不育水稻的制备方法是用光温敏核不育系与低温敏核不育系杂交得到终身核不育水稻。培育杂交水稻的方法是用所述终身核不育水稻与任意常规稻杂交，得到杂交水稻。以终身核不育水稻为母本、常规水稻为父本制备杂交种子，杂交F1代均正常可育。该终身核不育水稻应用于水稻杂种优势利用既可克服两系法不育系育性不稳定导致杂交制种失败的缺点；又由于父本选择范围大，与三系法相比更易于培育出优质高产的杂交水稻。

摘要： 本发明属于图像处理领域，并公开了一种基于终身学习的多类别纹理表面缺陷检测模型的构建方法。整个模型以新提出的自适应卷积/反卷积模块为基础模块，具体地，自适应卷积/反卷积模块为每个类别设置独立的卷积核/反卷积核掩膜，用于分配权重衡量模型参数与当前训练类别的相关性，并通过卷积核/反卷积核掩膜设置参数剪枝和冷冻操作，参数剪枝保证了模型在后续类别训练时，仍然有足够多的参数可以用于新类别的训练，从而更好地拟合新任务；参数冷冻保证了模型在已训练类别上的知识记忆，允许相似类别的模型参数重叠，在旧任务测试时仍然具备较高的精度。从而，使模型具备终身学习的能力，实现单个模型的多类别纹理表面缺陷检测。

摘要： 本发明公开了一种基于知识更新和知识整合的终身学习行人再识别方法和装置，具体将终身学习中任务学习过程分为知识回放，知识更新和知识整合三个阶段。知识回放接收本地任务数据和缓冲区任务数据，借助记忆模型产生的伪标签维护工作模型。与此同时，工作模型产生的响应传递到记忆模型自我更新，从而生成更优质的伪标签。这两种模式交替更新模型参数，实现双向的信息传递。任务训练结束后，进入知识整合阶段。在模型层面，本发明设计了一种滑动平均的方法实现工作和记忆模型的整合，以促进下一阶段的部署训练。在测试阶段，本发明提供了一种特征空间的整合以提升在可见和不可见域预测结果的泛化性。

摘要： 本发明公开了基于终身规划A*和速度障碍法的路径规划方法，首先根据已知的环境信息构建地图矩阵；然后使用终身规划A*算法计算已知信息下的最短路径，得到全局安全路径；智能体追踪全局安全路径的同时对局部环境进行探测；若发现未知静态障碍物，则修改地图矩阵，并更新受到地图影响的节点值，重用之前的节点值，以智能体当前位置为起始点，计算到达终点的最短路径，本发明有益效果：在目标节点没有改变的情况下，可以提高搜索效率；若发现动态障碍物，则通过速度障碍算法，从速度候选集中挑选出惩罚项最小的最佳速度对动态障碍物进行规避，让智能体在存在静态和动态障碍物的部分未知环境下进行高效的路径规划并安全规避障碍。

摘要： 本发明提供基于学分银行和大数据分析的终身学习资源智能推送系统，包括知识构建模块、资源碎片化模块、特征关联模块、智能推送模块，本发明以学习知识点的关键词构建学习树形模型，然后以树形模型为基础，对不同格式的学习资料进行划分和关键词提取，这样使书本，教学视频、音频这些需要统一较长的学习时间段的信息，得以碎片化，使之以关键词为索引，基于大数据进行可靠性匹配，使得学员时间能够得以更加充分的应用。本为学员匹配精准的学习资源，有效提高学员的学习兴趣和学习效率，以解决现有的学习匹配方法功能单一导致学员学习兴趣和学习效率低下的问题。

摘要： 本发明涉及一种用于车辆自适应路径跟踪的终身学习方法及系统，属于路径跟踪技术领域，该方法包括：采集车辆运动状态数据和与运动状态数据对应的操控数据；将采集的数据集分为多个驾驶任务训练集；初始化轨迹跟踪策略模型和梯度暂时记忆；基于平均梯度暂时记忆的学习策略，根据多个驾驶任务训练集对轨迹跟踪策略模型进行迭代训练：对每个驾驶任务训练集，根据梯度暂时记忆确定参考梯度下降方向并以参考梯度下降方向为约束训练轨迹跟踪策略模型；当每个训练集训练后，基于知识分布和知识质量，对当前梯度暂时记忆中知识进行更新；采用训练好的轨迹跟踪策略模型对待控制车辆进行路径跟踪。本发明提高了车辆自适应路径跟踪的适应性。

摘要： 本发明公开了一种基于终身学习的齿轮箱增量故障诊断方法及系统，包括以下步骤：S101：采集齿轮箱振动数据构建增量健康状态数据集，划分为不同阶段的故障诊断任务；S102：利用原始ResNet‑32网络学习初始阶段的故障诊断任务，构建初始阶段诊断模型；S103：利用初始阶段诊断模型初始化ResNet‑32双分支聚合网络，并根据新增的故障类型数量增加分类层神经元数量；S104：通过选取的典例和一阶段的故障诊断任务数据共同训练该阶段诊断模型，训练完成后，选取该阶段故障诊断任务数据的典例；S105：在后续增量阶段重复步骤S103‑S104，得到最终故障诊断模型，进行故障诊断。本发明以解决现有基于深度学习和迁移学习的故障诊断模型不能诊断实际的齿轮箱意外故障问题。

摘要： 本发明提供了一种终身学习的文本分类方法及系统，以预训练语言模型作为文本分类模型，并使用任务序列对文本分类模型进行训练得到终身学习模型；设置存储记忆；以存储记忆，根据重放频率与存储率，对终身学习模型使用稀疏经验重放的方式进行微调，对终身学习模型进行再次微调，进而使用终身学习模型对输入的文本进行预测输出，实现了：首先，降低时间复杂度从而节省了训练时间，同时，提高文本分类准确率并缓解灾难性遗忘的有益效果。

摘要： 本发明公开了一种面向终身学习的旋转机械在线智能故障诊断方法及系统，通过已采集到的历史故障数据建立初始的智能诊断模型，当逐步采集到新的故障样本数据时，采用样本增量学习的方式对智能诊断模型进行在线更新，当逐步采集到新的故障模式数据时，采用模式增量学习的方式对智能诊断模型进行在线更新采集待诊断旋转机械的数据样本，输入智能诊断模型，对旋转机械故障进行诊断。本发明通过初始模型训练、样本增量学习和模式增量学习实现智能诊断模型的终身学习，能够有效地处理数据流信息，大大降低数据的存储消耗，更有助于实际工程应用。

摘要： 本发明公开了一种基于本体指导的终身事件抽取方法，包括：获取初始事件本体中每类事件所包含的实例，并利用实例表示模型对实例进行编码得到实例表示；根据所有实例表示构建事件本体表示，事件本体表示中包含事件表示和事件之间的关系表示；根据终身事件抽取新任务得到新事件表示后，基于事件本体的公理更新旧任务中的得到的旧事件本体表示，利用新事件表示和旧事件本体表示更新新事件表示；利用构建的总损失优化实例表示模型参数和损失函数超参数；应用时，根据参数确定的实例表示模型获得新实例的实体表示后，计算实例表示与所有优化后的事件本体中事件表示的相似度，选择事件本体中最高相似度的事件表示所对应的类别为新实例的事件类别。