最新临床医学概论 第六节 脊柱与四肢ppt课件

::
:
PN1 PN2 …… PNN N×N 这是一个N阶方阵，满足概率矩阵性质
1） Pij ≥ 0,i,j = 1,2, ……, N 非负性性质
2） ∑ Pij = 1
行元素和为1 ,i=1,2,…N
如： W1 = [1/4, 1/4, 1/2, 0] W2 = [1/3, 0, 2/3]
概率向量
即是：ito为确知,it(t>to)只与ito有关，
这种性质为无后效性，又叫马尔科夫假设。
简例：设x(t)为大米在粮仓中t月末的库存量， 则
x(t) = x(t―1)—y(t) +G(t) t月的转出量
第t―1月末库存量 ,G(t)为当月转入 量
x(t)可看作一个马尔科夫过程。
3、马尔科夫链
时间和状态都是离散的马尔科夫过程称为 马尔科夫链。例：蛙跳问题
压痛和叩击痛
脊柱压痛检查法
脊柱叩击痛间接检查法
10
四肢与关节
❖四肢
➢匙状甲
● 指甲中央凹陷，边缘翘起，指甲变薄，表面 粗糙有条纹
● 病因：缺铁或某些氨基酸代谢紊乱所致的营 养障碍。多见于缺铁性贫血、高原疾病
11
四肢与关节
❖四肢
➢杵状指(趾)
● 末端指(趾)节明显增生肥厚，呈杵状膨大 ● 病因：与肢体末端的慢性缺氧、代谢障碍及
即P(x = xi) = Pi
对于xi的所有n个可能值，有离散型随机变量分布
列：
∑Pi = 1 对于连续型随机变量，有 ∫P(x)dx = 1
在试验过程中，随机变量可能随某一参数（不一定 是时间）的变化而变化.
如测量大气中空气温度变化x = x(h),随高度变化。 这种随参变量而变化的随机变量称为随机函数。而以 时间t作参变量的随机函数称为随机过程。
中毒性损害有关
– 呼吸系统疾病 – 某些心血管疾病 – 营养障碍性疾病
12
四肢与关节
❖四肢
➢肢端肥大症
● 骨末端及韧带等软组织增生、肥大 ● 病因：青春期后生长激素分泌过多
13
四肢与关节❖四肢源自➢骨折与关节脱位● 骨折可使肢体缩短或变形，局部可有红肿、 压痛，有时可触到骨擦感或听到骨擦音
● 关节脱位后可有肢体位置改变，关节活动受 限，功能发生障碍
W3 = [1/4, 1/4, 1/4, 1/2]大于1 W4 = [1/3, 1/3, -1/3,0, 2/3]不是非非负概率向量
3）若A和B分别为概率矩阵时，则AB为概率
矩阵。
2.稳定性假设
若系统的一步状态转移概率不随时 间变化，即转移矩阵在各个时刻都相同， 称该系统是稳定的。
14
四肢与关节
❖关节
➢腕关节
● 腱鞘滑膜炎：关节部位呈结节状隆起，触之 柔软，可有压痛，多影响关节活动
● 腱鞘囊肿：圆形无痛性隆起，触之坚韧，推 之可沿肌腱的垂直方向稍微移动
● 其他: 腕关节及其附近的软组织炎症、外伤 与骨折等
15
四肢与关节
❖关节
➢指关节
● 梭形关节：指间关节增生、肿胀呈梭状畸形
16
四肢与关节
❖关节
➢指关节
● 爪形手：手关节鸟爪样变形
17
四肢与关节
❖关节
➢膝关节
● 炎症：两侧形态不对称，红、肿、热、痛或 影响运动
● 关节腔积液
18
第七节 神经反射检查
❖神经反射
➢感受器 ➢传入神经 ➢神经中枢 ➢传出神经 ➢效应器
19
浅反射
❖角膜反射
20
浅反射
❖腹壁反射
21
浅反射
也就是说：随机过程是这样一个函数，在每次试 验结果中，它以一定的概率取某一个确定的，但预先 未知的时间函数。
2、马尔科夫过程
随机过程中，有一类具有“无后效 性性质”，即当随机过程在某一时刻to所 处的状态已知的条件下，过程在时刻t>to 时所处的状态只和to时刻有关，而与to以 前的状态无关，则这种随机过程称为马尔 科夫过程。
临床医学概论 第六节 脊柱与四 肢
第六节 脊柱与四肢
❖脊柱
➢脊柱的检查通常以视、触、叩诊相互结 合，其主要内容包括脊柱的弯曲度、有 无畸形、脊柱的活动度及有无压痛、叩 击痛等
2
脊柱
❖活动度
➢正常活动度
● 颈椎、腰椎 > 胸椎 > 骶椎 > 尾椎
➢活动受限
● 脊柱颈椎
– 颈部肌肉肌纤维炎及韧带劳损 – 颈椎病 – 结核或肿瘤浸润使颈椎骨质破坏 – 颈椎外伤、骨折或关节脱位
7
脊柱
❖活动度
➢活动受限
● 脊柱腰椎
– 腰肌肌纤维炎及韧带劳损 – 腰椎椎管狭窄 – 椎间盘脱出 – 结核或肿瘤使腰椎骨质破坏 – 腰椎骨折或脱位
8
脊柱
❖压痛和叩击痛
➢压痛
● 棘突：脊柱结核、椎间盘脱出、脊椎外伤或 骨折
● 椎旁肌肉：腰背肌纤维炎或劳损
➢叩击痛
● 脊柱结核、椎间盘脱出、脊椎骨折
9
假定池中有N张荷叶，编号为1，2， 3,……,N，即蛙跳可能有N个状态（状态确知 且离散）。青蛙所属荷叶，为它目前所处的状 态；因此它未来的状态，只与现在所处状态有 关，而与以前的状态无关（无后效性成立）
1
P41 P42 P31
4 P44
P22 2 P32 3
P33
写成数学表达式为：
P( xt+1 = j | xt = it , xt-1 = it―1,……x1 = i1) =P( xt+1 = j | xt = it ) 定义：Pij = P( xt+1 = j | xt = i)
即在xt = i的条件下，使 xt+1 = j的条件概率， 是从 i状态一步转移到j状态的概率，因此它又 称一步状态转移概率。
由状态转移图，由于共有N个状态，所以有
二．状态转移矩阵
1.一步状态转移矩阵
系统有N个状态，描述各种状态下向其他状态转移的 概率矩阵
定义为
P=
P11 P12 …… P1N
P21 P22 …… P2N
30
脑膜刺激征
❖Kerning征 ❖Brudzinski征
31
马尔科夫预测法
第一节 基本原理
一、基本概念 1.随机变量 、 随机函数与随机过程 一变量x，能随机地取数据（但不能准确地预言它 取何值），而对于每一个数值或某一个范围内的值有 一定的概率，那么称x为随机变量。
假定随机变量的可能值xi发生概率为Pi
❖提睾反射
➢由下而上轻划股内侧上方皮肤，可引起 同侧提睾肌收缩，睾丸上提
22
深反射
❖肱二头肌反射
23
深反射
❖肱三头肌反射
24
深反射
❖桡骨膜反射
25
深反射
❖膝反射
26
深反射
❖踝反射
27
Babinski征
28
Hoffmann征
29
脑膜刺激征
❖颈强直
➢被动屈颈时有明显抵抗感 ➢临床意义
● 脑膜炎、蛛网膜下腔出血等 ● 颈椎病、颈椎关节炎、肌肉损伤等