盈彩网下载交流群 - 盈彩网下载投注

“阳康”后盘点身体“健康资产”******

　　“阳康”后肺还好吗？咳嗽、头晕、用力时心慌、贫血……这些症状要不要紧？近期，针对“阳康”人群的体检需求，不少医院的体检中心纷纷推出为“阳康”市民定制的专项体检套餐，方便市民盘点身体“健康资产”。昨日，记者从医院获悉，专项体检套餐项目可根据体检者个体情况加减，价位在数百元到数千元不等，内容包括肺部CT平扫、超敏反应检测、心血管专项等，受到市民欢迎。

　　文/广州日报全媒体记者任珊珊 通讯员何旭鹏、林伟吟、周晋安

　　热门：有人体检时要求“自费加餐”肺部CT

　　“从去年12月底持续到现在，每天都有‘阳康’市民来咨询能否做些相关检查，每天少则十几人，多则数十人。”中山大学孙逸仙纪念医院体检中心主任陈庆瑜教授说，这些前来咨询的市民要么是在新冠抗原或核酸检测转阴后仍然有咳嗽、气短、胸闷、心慌、失眠等症状，要么是病后消瘦、食欲不佳、乏力、贫血、咽喉不适、嗅味觉减退、鼻炎发作或加重等。

　　记者从多家医院体检中心获悉，肺部CT成为不少单位团检的“热门项目”。一些参加单位团体体检的“阳康”者还会现场要求在团检的项目之外“自费加餐”，加做一些检测项目。“我抗原检测转阴十多天后依旧持续剧烈咳嗽，担心肺部功能没有恢复好。”白领柳女士说，在同事的建议下，她现场自费加做了肺部CT。据了解，像这样“自费加餐”的体检者并不少。

　　“核酸或抗原结果转阴并不等于真正的康复，我们的机体经过病毒的入侵后，器官功能会出现不同程度的损害，常见的有心肺功能、消化功能、免疫功能等，也有些人忧思过重，甚至出现心理问题，有必要通过对自己的‘健康资产’进行盘点来准确掌握身体的恢复状况。”陈庆瑜介绍，本着为市民解忧的原则，该院体检中心在原有检查项目的范围内，推出了“阳康”专项体检套餐。

　　联动：多科医生在线为“阳康”者定制检查检验项目

　　应近期市民“想在年度体检的时候看看身体恢复情况”的要求，中山大学附属第三医院在该院体检中心常规开展项目的基础上，由感染性疾病科、呼吸内科、心血管内科专家通过该院互联网医院，在线为“阳康”市民提供新冠感染后的身体机能全面评估，量身定制个性化的检验检查项目。市民可到医院体检中心或通过医院微信服务号、小程序“中山大学附属第三医院+”或医院APP“新冠体检门诊”开具检查项目。

　　“我‘阳康’半个月后想尽快恢复运动，但是稍微动一动就有点喘，担心心脏还没准备好。想做专项检查，但又不想去挤占门诊的医疗资源，也不知道该查哪些项目。”羽毛球爱好者李先生说，过年前为求一个心安，他在互联网医院线上咨询到相关专科的医生，选择心脏相关的体检项目，并进行了预约。听到“心脏功能正常”的体检结果后，李先生长出一口气，体检医生则建议他循序渐进地提升运动量。

　　提醒：“阳康”专项体检不能代替常规体检

　　陈庆瑜教授表示，“阳康”专项体检不能够代替全面的常规健康体检，个人体检可以通过体检中心公众号预约，有基础疾病和特别不适的人在体检时应提前向主检医生如实陈述，适当加减体检项目。

　　陈庆瑜表示，一般不建议免疫力相对较强、没有相应症状的年轻“阳康”者滥做肺部CT。

　　“我们发现，相当一部分体检者出现的问题不能归咎于新冠。”陈庆瑜介绍，这两年有些人体检不规律，导致摸不清自己的“健康家底”，把“阳康”后感受到的“不舒服”都归咎于新冠病毒感染。

　　此外，陈庆瑜特别提醒，一些高血压、高血脂、高血糖的慢病患者，用药控制较好，但在感染新冠病毒后自行停药或减少药量，停药后血脂反弹明显，而新冠病毒感染可能诱发血液高凝状态，加上天气原因可能导致脑梗甚至肺栓塞的发生。她建议，上述慢性病患者应坚持规律用药，不可擅自停药。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）