今天在暖心碰路過的一個女同學，和睦，以前的還是有段時間的同桌，和她聊了聊她的近況，她居然在炒股。
遙想當年90年的西華門處，咱自己也是正整日混跡股市的人，曾經的輝煌曾經的戰績，也是屈指可數的，當年那裏人山人海整股散股，可謂人人持股，就連看車子的老大爺都持有一股，現如今，再無車水馬龍，再無人山人海，取而代之的是更進一步的絞殺，背後的“戰鬥”在沒有硝煙的戰場上，你攻他伐不斷更替，曆史的車輪，滾滾卷走貪心的股民，將其轉化為炮灰，填補著一個個的“彈坑”。
當年校外輔導員朱老師帶著混跡於股市之中，那時候還有幾個一起炒股的，有東關南街的林哲，安新燕，任長林，好幾個人，炒股，幹安裝，啥都幹，就是都不專，沒有啥固定的行當，總在打零工。記得有次在那裏給人家打零工，裝防雨棚，上架子到最高，將防雨的彩鋼瓦打孔用紮絲固定在頂棚架子上在刷密封膠，防止漏雨。因我恐高，安裝的總不行。
當時他還帶著剛出生幾個月女兒，朱琳，我負責幫忙帶女兒，抱著朱老師他女兒在外麵，朱老師在裏麵炒股，現在朱老師的孩子都從一個咿咿呀呀學語的小嬰兒，成長為一個亭亭玉立的小美人大姑娘。現在和朱老師聯係少了，之間有些隔閡，但是和朱老師的媳婦，女兒還在聯係著。
最近都在看孤注一擲，最新反詐大片，火爆異常，本打算約女友去看。
女朋友最近胸前有些脹疼，不舒服，下午帶女朋友在一個社區醫院檢查，吃藥，前前後後花了3千多，去複查還更嚴重了，不放心就去了西安最好的醫院去看。前後兩天，掛號9塊，做b超80，然後，醫生看結果說，
醫生 “你這個結節挺小的，之前吃了什麽藥？”
我：“三種藥，連著吃了兩個月”
醫生：哦，那迴去吧，這藥別吃了，吃多了，肝功不好，半年過來複查就好，保持好心情”
我：愣了三秒，那個醫院的醫生說讓我把他開的中成藥連著吃半年起步……
醫生：信他還是信我？
我：信您，您是專家
醫生：那迴去吧，半年過來複查一次。下一個……
站在醫生辦公室等看結果時，看見這個醫生，患者讓多開的檢查單和藥，他覺得沒必要的，都不會給多開。真的是，醫德啊真是沒得說了。
當拿到體檢報告時，“未見異常”這幾個字想必是每個人都想看到的。但也有不少人通過體檢查出了自己肺部、甲狀腺、乳腺等部位有結節，因為害怕患上癌症，整日擔驚受怕，夜裏輾轉反側，紛紛想趕緊切除了事。
結節是怎麽來的？為什麽有的人得肺結節，有的人得甲狀腺結節？會癌變嗎？別急，一起來學習。
身體裏的結節是怎麽來的？
結節是指各個器官內細胞異常的增生，也可以理解為組織器官異常增生形成的“疙瘩”，一般通過影像學或者觸診等方法發現。
肺結節可能與長期吸煙、吸入空氣中的汙染物、胸部外傷、肺部炎症、肺結核、肺部腫瘤等有關。
甲狀腺結節的發生則與遺傳因素、自身免疫、長期接觸電離輻射、不恰當的碘攝入等密切相關。
另外，不良情緒會影響內分泌激素，與甲狀腺、乳腺等腺體結節的發生密切相關。乳腺結節是乳腺增生病的臨床表現之一，乳房疼痛一般在情緒變化、勞累過度的時候出現，疼痛時間過長將會影響生活質量。
由此可見，保持規律作息、心態放鬆平和很重要，遇事多與親友傾訴，保持適度運動，讓“壞情緒”有一個合適的宣泄口。
結節會不會癌變？
並非所有結節都會癌變，需要視具體情況而定。
通常來說，結節需要通過病理學檢查才能“宣判”它是否為惡性。但是我們可以通過一些“蛛絲馬跡”來判斷其惡變的可能性大小。
1.年齡：兒童、成人年齡小於30歲或大於60歲者的甲狀腺結節惡性可能大。
2.性別：較女性而言，男性的甲狀腺惡性結節占比更高。
3.高危因素：長期吸煙者患肺癌的風險大約是不吸煙者的20倍；石棉、放射性物質等高危職業暴露史；有肺癌家族史，尤其是一級親屬有肺癌史者，發生肺癌的風險高3倍。
4.結節形態：惡性結節有邊界不清楚、形態不規則的特點，容易向周圍呈侵襲性生長。因此在ct報告單上，如果看到毛刺、分葉、胸膜凹陷、血管集束等特征描述，往往提示惡性可能性大。
5.結節個數：隨著肺結節總數從1增加到4，原發性癌症的風險增加，但有5個或更多結節時風險反而降低。對於單個的肺結節，上葉的分布與惡性腫瘤風險增加有關。
6.結節大小：肺結節癌變的風險與結節大小呈正相關。大於2厘米的肺結節80%是惡性的，0.5至1厘米的肺結節惡性風險為1.3%，而直徑小於等於5毫米的肺結節中，隻有不到1%的人在隨後的2年內表現出惡性特征。
7.伴隨症狀：當出現壓迫症狀或周圍組織侵犯時表明有惡性結節的可能。
（1）氣管受壓時會有咳嗽、氣促的症狀。
（2）喉返神經受累時可能會出現發音困難。
（3）食管受壓時有吞咽困難或疼痛。
（4）如甲狀腺癌發生轉移，可出現胸痛、唿吸困難、骨痛和神經係統等相關症狀。
（5）乳腺腫瘤牽拉皮膚，可導致橘皮樣改變，腫瘤接近乳頭深部的話，可引起乳頭迴縮等症狀。
發現長了結節應該怎麽辦？
發現結節不等於得了早期癌症，它的意義更多地在於提示身體可能存在健康隱患。發現結節後不必過度焦慮，也不建議盲目自行用藥，更不要為了消除結節而嚐遍各種未經科學驗證的“偏方”。
結節能否治愈和結節的來源、部位、性質、病理類型等有關。大家需要做的是攜帶病史資料及時就醫，請醫生進行全麵評估。
如果結節是良性的，那就趁此機會改掉不良生活習慣，規律生活作息，定期就醫隨訪。
如果結節可疑惡性，經專業醫師評估後可行超聲引導下病理活檢。若確診為癌症，且尚未出現轉移時，手術切除通常可達到治愈目的；如果已發生轉移，需要結合放化療等手段進行聯合治療。
總之，發現結節不要驚慌，應及時去醫院進一步檢查。
這幾天沒事了又要去爬山了，在周末出去遊玩的車上，六度空間副群主歪歪魚又給大家講了一個科學名詞，
貝葉斯網絡bayesianwork
全稱：貝葉斯信念網絡（bayesian beliefwork）
定義：一種用有向無環圖描述隨機變量及其條件依賴關係的概率圖模型。
貝葉斯網絡是一種典型的概率圖模型，於1985年由朱迪亞·珀爾首次提出。它通過模擬人類對因果關係的推理過程來進行決策。貝葉斯網絡主要利用局部分布（條件概率分布）來描述聯合分布，即通過整合描述變量之間的局部交互關係，從而獲得全局變量關係。這使得貝葉斯網絡適用於處理模糊性和不確定性問題的研究。
一個貝葉斯網絡可以被表示為有向無環圖，圖中包含節點和邊。每個節點對應一個變量，包括可觀察到的變量、隱變量或未知參數等。便表示節點之間的直接聯係。如果兩個節點之間存在因果關係，則用單向箭頭連接，其中一個節點表示“因”（或父節點），另一個表示“果”（或子節點）。這樣，我們可以通過箭頭的方向確定兩個節點之間的條件概率值。
貝葉斯網絡由兩部分組成：無向環和條件概率表集合。在mab（矩陣實驗室）中，創建貝葉斯網絡主要包括以下步驟：首先，創建一個對應的無向環（使用矩陣構建）；然後，給各個節點編號（按照拓撲邏輯結構編號）；接著，為節點之間的相關性賦值，如果有關係，則賦值為1；再定義節點的類型和大小不同類型的節點有不同的類型，大小代表了該節點的可能性種類，例如對於“下雨”這個事件，可以定義為兩種可能性：“下雨”和“不下雨”，那麽其大小就是2；最後，通過工具箱中的語句創建一個網絡，並為每個關係賦予對應的條件概率。
貝葉斯網絡的延伸模型包括：貝葉斯規則網絡、貝葉斯推理網絡、貝葉斯網絡加強學習等。這些模型都是在貝葉斯網絡的基礎上進行擴展，以適應不同的應用場景。
在應用領域方麵，貝葉斯網絡被廣泛應用於人工智能、機器學習、數據挖掘、自然語言處理、專家係統等領域。例如，在醫療領域可以用於診斷和預測疾病；在金融領域可以用於風險評估和投資決策；在自然語言處理領域可以用於文本分類和情感分析。
遙想當年90年的西華門處，咱自己也是正整日混跡股市的人，曾經的輝煌曾經的戰績，也是屈指可數的，當年那裏人山人海整股散股，可謂人人持股，就連看車子的老大爺都持有一股，現如今，再無車水馬龍，再無人山人海，取而代之的是更進一步的絞殺，背後的“戰鬥”在沒有硝煙的戰場上，你攻他伐不斷更替，曆史的車輪，滾滾卷走貪心的股民，將其轉化為炮灰，填補著一個個的“彈坑”。
當年校外輔導員朱老師帶著混跡於股市之中，那時候還有幾個一起炒股的，有東關南街的林哲，安新燕，任長林，好幾個人，炒股，幹安裝，啥都幹，就是都不專，沒有啥固定的行當，總在打零工。記得有次在那裏給人家打零工，裝防雨棚，上架子到最高，將防雨的彩鋼瓦打孔用紮絲固定在頂棚架子上在刷密封膠，防止漏雨。因我恐高，安裝的總不行。
當時他還帶著剛出生幾個月女兒，朱琳，我負責幫忙帶女兒，抱著朱老師他女兒在外麵，朱老師在裏麵炒股，現在朱老師的孩子都從一個咿咿呀呀學語的小嬰兒，成長為一個亭亭玉立的小美人大姑娘。現在和朱老師聯係少了，之間有些隔閡，但是和朱老師的媳婦，女兒還在聯係著。
最近都在看孤注一擲，最新反詐大片，火爆異常，本打算約女友去看。
女朋友最近胸前有些脹疼，不舒服，下午帶女朋友在一個社區醫院檢查，吃藥，前前後後花了3千多，去複查還更嚴重了，不放心就去了西安最好的醫院去看。前後兩天，掛號9塊，做b超80，然後，醫生看結果說，
醫生 “你這個結節挺小的，之前吃了什麽藥？”
我：“三種藥，連著吃了兩個月”
醫生：哦，那迴去吧，這藥別吃了，吃多了，肝功不好，半年過來複查就好，保持好心情”
我：愣了三秒，那個醫院的醫生說讓我把他開的中成藥連著吃半年起步……
醫生：信他還是信我？
我：信您，您是專家
醫生：那迴去吧，半年過來複查一次。下一個……
站在醫生辦公室等看結果時，看見這個醫生，患者讓多開的檢查單和藥，他覺得沒必要的，都不會給多開。真的是，醫德啊真是沒得說了。
當拿到體檢報告時，“未見異常”這幾個字想必是每個人都想看到的。但也有不少人通過體檢查出了自己肺部、甲狀腺、乳腺等部位有結節，因為害怕患上癌症，整日擔驚受怕，夜裏輾轉反側，紛紛想趕緊切除了事。
結節是怎麽來的？為什麽有的人得肺結節，有的人得甲狀腺結節？會癌變嗎？別急，一起來學習。
身體裏的結節是怎麽來的？
結節是指各個器官內細胞異常的增生，也可以理解為組織器官異常增生形成的“疙瘩”，一般通過影像學或者觸診等方法發現。
肺結節可能與長期吸煙、吸入空氣中的汙染物、胸部外傷、肺部炎症、肺結核、肺部腫瘤等有關。
甲狀腺結節的發生則與遺傳因素、自身免疫、長期接觸電離輻射、不恰當的碘攝入等密切相關。
另外，不良情緒會影響內分泌激素，與甲狀腺、乳腺等腺體結節的發生密切相關。乳腺結節是乳腺增生病的臨床表現之一，乳房疼痛一般在情緒變化、勞累過度的時候出現，疼痛時間過長將會影響生活質量。
由此可見，保持規律作息、心態放鬆平和很重要，遇事多與親友傾訴，保持適度運動，讓“壞情緒”有一個合適的宣泄口。
結節會不會癌變？
並非所有結節都會癌變，需要視具體情況而定。
通常來說，結節需要通過病理學檢查才能“宣判”它是否為惡性。但是我們可以通過一些“蛛絲馬跡”來判斷其惡變的可能性大小。
1.年齡：兒童、成人年齡小於30歲或大於60歲者的甲狀腺結節惡性可能大。
2.性別：較女性而言，男性的甲狀腺惡性結節占比更高。
3.高危因素：長期吸煙者患肺癌的風險大約是不吸煙者的20倍；石棉、放射性物質等高危職業暴露史；有肺癌家族史，尤其是一級親屬有肺癌史者，發生肺癌的風險高3倍。
4.結節形態：惡性結節有邊界不清楚、形態不規則的特點，容易向周圍呈侵襲性生長。因此在ct報告單上，如果看到毛刺、分葉、胸膜凹陷、血管集束等特征描述，往往提示惡性可能性大。
5.結節個數：隨著肺結節總數從1增加到4，原發性癌症的風險增加，但有5個或更多結節時風險反而降低。對於單個的肺結節，上葉的分布與惡性腫瘤風險增加有關。
6.結節大小：肺結節癌變的風險與結節大小呈正相關。大於2厘米的肺結節80%是惡性的，0.5至1厘米的肺結節惡性風險為1.3%，而直徑小於等於5毫米的肺結節中，隻有不到1%的人在隨後的2年內表現出惡性特征。
7.伴隨症狀：當出現壓迫症狀或周圍組織侵犯時表明有惡性結節的可能。
（1）氣管受壓時會有咳嗽、氣促的症狀。
（2）喉返神經受累時可能會出現發音困難。
（3）食管受壓時有吞咽困難或疼痛。
（4）如甲狀腺癌發生轉移，可出現胸痛、唿吸困難、骨痛和神經係統等相關症狀。
（5）乳腺腫瘤牽拉皮膚，可導致橘皮樣改變，腫瘤接近乳頭深部的話，可引起乳頭迴縮等症狀。
發現長了結節應該怎麽辦？
發現結節不等於得了早期癌症，它的意義更多地在於提示身體可能存在健康隱患。發現結節後不必過度焦慮，也不建議盲目自行用藥，更不要為了消除結節而嚐遍各種未經科學驗證的“偏方”。
結節能否治愈和結節的來源、部位、性質、病理類型等有關。大家需要做的是攜帶病史資料及時就醫，請醫生進行全麵評估。
如果結節是良性的，那就趁此機會改掉不良生活習慣，規律生活作息，定期就醫隨訪。
如果結節可疑惡性，經專業醫師評估後可行超聲引導下病理活檢。若確診為癌症，且尚未出現轉移時，手術切除通常可達到治愈目的；如果已發生轉移，需要結合放化療等手段進行聯合治療。
總之，發現結節不要驚慌，應及時去醫院進一步檢查。
這幾天沒事了又要去爬山了，在周末出去遊玩的車上，六度空間副群主歪歪魚又給大家講了一個科學名詞，
貝葉斯網絡bayesianwork
全稱：貝葉斯信念網絡（bayesian beliefwork）
定義：一種用有向無環圖描述隨機變量及其條件依賴關係的概率圖模型。
貝葉斯網絡是一種典型的概率圖模型，於1985年由朱迪亞·珀爾首次提出。它通過模擬人類對因果關係的推理過程來進行決策。貝葉斯網絡主要利用局部分布（條件概率分布）來描述聯合分布，即通過整合描述變量之間的局部交互關係，從而獲得全局變量關係。這使得貝葉斯網絡適用於處理模糊性和不確定性問題的研究。
一個貝葉斯網絡可以被表示為有向無環圖，圖中包含節點和邊。每個節點對應一個變量，包括可觀察到的變量、隱變量或未知參數等。便表示節點之間的直接聯係。如果兩個節點之間存在因果關係，則用單向箭頭連接，其中一個節點表示“因”（或父節點），另一個表示“果”（或子節點）。這樣，我們可以通過箭頭的方向確定兩個節點之間的條件概率值。
貝葉斯網絡由兩部分組成：無向環和條件概率表集合。在mab（矩陣實驗室）中，創建貝葉斯網絡主要包括以下步驟：首先，創建一個對應的無向環（使用矩陣構建）；然後，給各個節點編號（按照拓撲邏輯結構編號）；接著，為節點之間的相關性賦值，如果有關係，則賦值為1；再定義節點的類型和大小不同類型的節點有不同的類型，大小代表了該節點的可能性種類，例如對於“下雨”這個事件，可以定義為兩種可能性：“下雨”和“不下雨”，那麽其大小就是2；最後，通過工具箱中的語句創建一個網絡，並為每個關係賦予對應的條件概率。
貝葉斯網絡的延伸模型包括：貝葉斯規則網絡、貝葉斯推理網絡、貝葉斯網絡加強學習等。這些模型都是在貝葉斯網絡的基礎上進行擴展，以適應不同的應用場景。
在應用領域方麵，貝葉斯網絡被廣泛應用於人工智能、機器學習、數據挖掘、自然語言處理、專家係統等領域。例如，在醫療領域可以用於診斷和預測疾病；在金融領域可以用於風險評估和投資決策；在自然語言處理領域可以用於文本分類和情感分析。