一、教学目的（掌握、熟悉、了解的具体内容） 1、 了解多发性肌炎及皮肌炎的流行病学调查。 2、 了解多发性肌炎及皮肌炎的病因及发病机制。 3、 掌握多发性肌炎及皮肌炎的临床表现、辅助检查。 4、 掌握多发性肌炎及皮肌炎的诊断及鉴别诊断

一、教学目的（掌握、熟悉、了解的具体内容） 掌握原发性肾小球疾病、糖尿病肾病和狼疮性肾炎的临床和病理类型、临床表现、诊断和鉴别诊断、治疗原则；熟悉上述疾病的病因、发病机制和病理表现；了解上述疾病的治疗方案和治疗注意事项

1、通过对结核病历史和当前流行情况(疫情)的分析,使学生了解结核病对人类健康的严 重危害,提高对结核病控制工作的认识 2、通过对病原学、病理、发病机制的复习,使学生巩固基础课中关于结核病的有关知识 3、通过临床表现、诊断、鉴别诊断和治疗等内容的重点讲述,使学生掌握对结核病临床诊 治的知识和技能

一、教学目的（掌握、熟悉、了解的具体内容） 1． 掌握本病各型的临床要点和诊断表现以及治疗方法 2． 熟悉本病鉴别诊断、并发症、影响急性胰腺炎预后因素 3． 了解本病的发展规律、常见病因、病理分型、预防方法

硬盘诊断要领 1.检查电源部是否供电 （1)与硬盘相连的电源接头(Connector)的中间的插头是接地(ground)头,两边的接头各位+5V DC和+12VDC

组织形式和实习方式:以田间调查、采集为主,结合室内病害诊断鉴定。 普通植物病理学课程教学实习的目的是让学生将课本上学习到的病原物分 类学理论知识应用到具体实践中,提高同学们解决实际生产问题的能力,特别 是鉴定病害标本的能力。该实习是植保专业本科生学习普通植物病理学课程的 最重要生产实践环节,是植物病害病原学教学的一个重要组成部分,包括病情 调查、病害标本的采集和制作、病原的鉴定以及病害的田间诊断等生产实习活 动

提出基于普通变尺度和周期势自适应随机共振理论，检测噪声背景下轴承滚动体的故障特征.在具体实施过程中，首先用普通变尺度的方法满足随机共振中小参数的条件，然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法，同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后，微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比，结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比，并且比双稳态自适应随机共振迭代次数少，用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性，尤其是在工程实际中，故障监测所需的数据量大，计算时间长，如能较早的预警，可以提高诊断效率并减少不必要的损失.因此，这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值

实验一、瘤胃内容物的检查. 3 实验二、粪便的检查. 6 实验三、鼻液中弹力纤维的检查. 8 实验四、体腔积液的检验. 9 实验五、尿液潜血的检验. 12 实验六、尿中酮体的检验 . 13 实验七、矿物质代谢障碍时血清钙、磷及镁含量的测定. 14 一、血清钙含量的测定. 14 二、血清无机磷含量的测定. 15 三、血清镁含量的测定. 17 实验八、动物有机磷农药中毒的复制、诊断与解救. 20 一、有机磷农药中毒的复制及解救. 20 二、有机磷农药中毒的实验室诊断：血清胆碱酯酶活性的测定. 22 实验九、饲料中亚硝酸盐的测定. 24 实验十、霉菌形态学的观察. 26 实验十一、饲料中黄曲霉毒素 B1的测定.28 实验十二、饲料中脱氧雪腐镰刀菌烯醇（DON）的测定. 34 实验十三、小动物肠梗阻的临床诊断与治疗. 38 实验十四：胃肠炎的诊断与治疗. 40 实验十五、 小叶性肺炎的诊断与治疗. 43 附、穿刺技术. 46

全书分为颅脑、脊柱和介入3篇共21个章节约80万字。全面、系统地介绍了颅脑和脊柱的影像技术学、影像诊断学和介入性治疗学。神经影像技术学着重介绍了中枢神经系统的各种常用影像技术的基木原理、检查方法、正常表现、基木病变表现、临床应用价值和限发等内容；神经影像诊断学着重介绍了中枢神经系统常见疾病的病因病理、临床症状、影像学表现及比较、诊断和鉴别诊断等内容；神经介入治疗学着重介绍了中枢神经系统各种常用介入性治疗方法的技术原理、适应范围、操作教巧和注意事项、术前准各和术后处理、治疗效果评估等内容

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径