临床血液检验图谱与案例 azw3 电子书 免费 下载地址

在和疾病的斗争中，显微镜是检验人员 重要、 亲密的战友。它带来一个肉眼看不到的奇异景观，此为“微”。而推断疾病的发展进程和指导临床治疗则为“著”。如要见微知著，检验人员必须对镜下的微观世界熟悉、领略、了解。而要达到此境界，则需要长时间的潜心修行和一部形态学修炼手册。本套形态学检验图谱系列专著，包括《临床微生物检验图谱与案例》、《临床血液检验图谱与案例》、《临床体液检验图谱与案例》，就是这样一套修炼“秘籍”。本系列专著中收编了大量显微镜下血液、体液及微生物标本中常见及罕见的细胞、结晶、寄生虫和微生物等形态学图片，每一张图片均来自临床标本，经过采集和拍摄，严格筛选，确保了形态真实、清晰，具有典型性和代表性。并结合真实的临床案例、生动的故事情节、掷地有声的结论和点评，多角度、 向读者展示了微观世界的无穷奥秘，真正做到了图、文、情、义的 结合。相信本系列图谱专著定会成为检验人员“开悟”并逐步成为“显微镜侦探”的重要参考书，亦会是临床医生诊疗疾病的有力助手，甚至是普通民众了解医学微观世界的精彩读物。顾兵、张丽霞、张建富主编的《临床血液检验图谱与案例》是该系列之一。

脾肿大为何故

非神经病型的戈谢病

以急腹症为 症状的恶性组织细胞病

多变的有核红细胞

小痔疮大疾病

花瓣核(三核)

难治性贫血需警惕

出双入对的原始细胞

乏力头昏后的病态造血

祸不单行

警惕环境污染引起的血液病

急性髓细胞白血病微分化型

火锅后的白血病

一类不被认可的白血病

骨髓中的柴捆细胞

不可忽视的口腔溃疡

警惕异常 的嗜酸性粒细胞

不可轻易服药

耳鼻喉科送来的患者

特殊的急性红白血病

急性巨核细胞白血病

麝香壮骨膏可减轻疼痛却治不了病

不可忽视的口腔溃疡

易与急性早幼粒细胞白血病混淆的疾病——急性嗜碱性粒细胞白血病

慢性粒一单核细胞白血病

幼年型粒一单核细胞白血病

无法分类的骨髓增殖性肿瘤

骨髓增殖和增生异常并存的疾病——不典型慢性粒细胞白血病

奇怪的口角流涎

年轻医生应增强自信，提高诊断水平

命途多舛，五年两患白血病

大意酿慢性淋巴细胞白血病

老年人淋巴细胞升高要警惕

可怕的毛细胞

不容小觑的颗粒淋巴细胞(LGL)

生殖细胞恶性肿瘤引起Burkitt淋巴瘤

鼻塞“后遗症”

体检后淋巴瘤

外周血中的T淋巴母细胞淋巴瘤细胞

皮肤病首现的Sezary综合征

夜间发热竟然是因为它

不明原因的低热

扑朔迷离是淋巴瘤还是神经母细胞瘤

奇怪的双核细胞

多发性骨髓瘤——血清蛋白测定露马脚

异型淋巴细胞为年轻妈妈带来笑容

骨髓涂片在“噬血细胞综合征”诊断中至关重要

畸胎瘤引起的骨髓坏死

骨髓坏死——恶性肿瘤是元凶

莫名的肩痛源于骨髓转移性肿瘤

火眼金睛——三类骨髓转移瘤

白细胞超高是虚惊一场

吉赛欣诱发外周血幼稚细胞增多

上消化道闭锁新生儿的外周血细胞形态异常

从现象到本质——从血象的类白血病反应到肺结核 确诊

感染还是再生障碍性贫血——骨髓结核

外周血里形态特别的原始髓细胞

可怕的减肥——神经性厌食症所致营养不良性造血衰竭

血常规中警惕脂血带来的干扰

抽丝剥茧，一步一步确诊再障

控制多年又复发，“纯红再障”真的那么可怕

淋巴增生性疾病导致的单纯红细胞再生障碍性贫血

骨髓检查不可忽视细胞内外铁检查

单纯红细胞再生障碍性贫血：背后的诊断是什么

青年女学生晕倒之谜

喜怒无常的红细胞直方图

揭开7年贫血的神秘面纱

年轻妈 烦恼

红细胞变形记

睡眠后尿液为何成了酱油色

复杂血片背后的故事

妊娠3个月——不幸患上了Evans综合征

红细胞减少，是真是假

火眼金睛——外周红细胞聚集导致假性红细胞减少

献血者的无奈

重度贫血的元凶——系统性红斑狼疮

红细胞增多症有诱发缺铁性脑卒中的可能

低投入，高回报：血片观察对多发性骨髓瘤的诊断意义

红细胞的累赘——附红体病

“小小”血片观察解决“大”问题——疟原虫

头痛、头晕、精神异常——血栓性血小板减少性紫癜是元凶

拔牙术后出血不止——病因竟是原发性血小板增多症

酒精——想说爱你不容易

妊娠期的喜与悲

切勿被患者牵着鼻子走

拨开云雾见月明

容易“抱团”的血小板

不容忽视的镜检

血小板也怕冷

血小板幻化成了一团云

都是肝素惹的祸

别太迷信医生的诊断

任性的真菌孢子

血液中的“伪装者”

云龙三感——形态学系列专著后记

张建富，男，副主任技师。从事细胞形态学诊断30余年，熟练掌握各种血液病细胞形态学诊断与鉴别理论和操作技能，熟练掌握各种白血病MICM诊断的理论知识，能做到理论知识与实践操作有机结合。特别对少见类型、疑难血液病细胞形态学诊断有独到见解，如：骨髓增生异常综合征(MDS)各亚型，尤其是MDS—RCUD(MDS—RN＼MDS—RA＼MDS—RARS＼MDS-RT)、MDS—RCMD，骨髓增殖性肿瘤(MPN)各亚型，骨髓增殖性肿瘤／骨髓增生异常综合征(MPN／MDS)各亚型，肥大细胞白血病，急性嗜碱细胞白血病，少见和(或)特殊细胞类型的多发性骨髓瘤(MM)，淋巴瘤骨髓浸润，淋巴细胞增殖性疾病(LPD)各亚型，噬血细胞综合征，肿瘤骨髓转移，骨髓坏死，戈谢病，尼曼-匹克病等。

张丽霞，女，副主任技师，硕士研究生，南京医科大学 临床医学院医学检验系血液与体液教研室主任，南京医科大学 附属医院检验学部临检专业组组长，中华医学会第九届检验分会临床血液体液学组委员。主要从事临床基础检验的临床及教学工作，擅长临床血液学检验工作。以 作者或通讯作者发表论文10余篇，其中SCI收录2篇，参与5本专业书籍的编写工作。主持一项省级院内开放课题和参与多项 自然科学基金研究。AME学术沙龙成员，J Thorac Dis审稿专家。

顾兵，男，医学博士，副研究员，硕士生导师，徐州医科大学医学技术学院副院长，徐州医科大学附属医院检验科副主任，美国加州大学洛杉矶分校(UCLA)访问学者，中华医学会检验分会临床微生物学组委员，中华预防医学会感染控制分会青年委员，江苏省免疫学会区域与移植免疫专业委员会副主任委员，江苏省免疫学会青年委员会副主任委员，江苏省医学会检验分会青年委员兼秘书，中华预防医学会感染控制分会“首届中国感控启明星”和“全国百佳感控之星”， 自然科学基金一审专家，AME学术沙龙总负责人，2015年度江苏省科协“首席专家”。2006年8月至2015年3月于南京医科大学 附属医院检验学部工作，任学部秘书，主要从事临床微生物检验及细菌多重耐药机制研究。2015年4月以学科带头人引进到徐州医科大学医学技术学院及附属医院检验科工作，负责学科建设工作。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：临床血液检验图谱与案例在线阅读

在线听书地址：临床血液检验图谱与案例在线收听

在线购买地址：临床血液检验图谱与案例在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！

• 作者： 橘子猫头 发布时间：2015-05-14 23:09:50

  内容太简单，案例部分就是把项目文本粘贴过来修改了一下

• 作者： cjysdny 发布时间：2011-06-24 09:16:24

  刘老师可谓中国国际新闻学的权威人物了。这本书虽说面面俱到不免显得有些泛泛，但却是是国际新闻学学科内的重要著作。本书未必见得高深，但它开拓了一片新的疆土；本书未必见得通透，但它展现了一幅广角画面。如果你要深入研究某个主题，它可以作为一幅地图，让你知道自己该向着什么方向探索。它不是西方式的带有哲学传统的学术论著，但是它代表着中国国际新闻学研究的初步成果。

• 作者： 魏知 发布时间：2024-04-17 14:06:08

  肯•罗宾逊 (ken Robinson)的TED演讲内容，比较少，建议只看TED就好了。

• 作者： RedRain 发布时间：2013-08-29 09:23:32

  好贵……

• 作者： 游牧人·芳汀 发布时间：2011-11-23 02:20:35

  我，睡懒觉，热爱意大利面，喜欢欺负男主人和小狗欧迪、讨厌星期一！我就是人见人爱花见花开车见车爆胎的加！菲！猫！

• 作者： 馄饨杀手 发布时间：2016-10-07 23:52:03

  菠菜要耗费的功夫不必股票少，收益却比股票难多，在这个坑里但凡能盈利的人都可以小自豪一下。

• 笔记

  作者：神秘高手 发布时间：2015-04-27 09:52:50

  1.无贪小便宜，以免上大当。勿争小意气，以免失大局。

  2.合作成功的人，也常拆伙，因为各自居功。

  3.平时，要小题大做，以收警惕之效。

     战时，要大题小做，以安定人心。

  4.当正义与责任应该发言的时候，不要让金钱出声：后者一出声，前者往往就沉默了。

  5.骗子常利用你的同情心和正义感，许多被煽动利用的人，都是淳朴正直的。因为这种人，既少戒心，又有最强的正义感。

  6.拖着孩子走半辈子的父母，可能继续被孩子拖累一辈子。

  7.既然救不了他的命，就让他救你的命！

  8.人可以同情，但要知道同情时，也常是最放松戒备的时刻

  9.体谅与对等的回应，是人与人交往，最重要的原则。

  10.多么崇高的理想和伟大的爱情，都不能忽视现世和现实的需要！

• 识谱量化投资

  作者：米多多咸鱼酱~ 发布时间：2018-08-05 13:31:24

  量化策略的扫盲书，是可以学到东西的那种。前半部分说得很详细，其实对比目前国内的情况，和成书时的美国类似。正适合像我这种连滑点具体指啥也不清楚的人....

  量化投资，简而言之是一个方法和决策的过程。在策略形成之前，运用人工来开发，策略大概形成后，做回测和拟合，再编程运用到实盘，在执行交易的时候，采用算法交易，运用程序下单。从决策的产生到实施的过程都采用计算机，不做人工干预。

  相对于一般多头组合，量化投资除了策略即阿尔法模型之外，还包括两个非常重要的系统模块，交易模块以及风险模块。全书中很系统地进行了一一梳理。

  

  在阿尔法层面，很多耳熟能详的策略，动量、反转、基本面、情绪。这些书里都有写到。

  

  另外，针对当下最热的机器学习，作者也给了可以参考便于理解的解释。机器学习的最大好处，是对组合类的阿尔法模型进行优化，提高精度。因为其非线型的方式，因此在不断变化的市场中能够快速做出反应，自我加强学习，并提供与当下形势更匹配的策略仓单。

  例如2017年后半年市场呈现出一九风格的价值股构行情，假如采用的是多因子选股的模式，就需要人工识别并做出手工调整，可是机器学习就可以利用新进入的数据进行自我的调整，从而达到适应整个市场。

  在完成阿尔法模块之后，进入到风险模块。在这个环节，宽客需要做的是设立止损、选择敞口。对比阿尔法的话，阿尔法可以理解为冒了风险能够取得的收益，是一个预测值。而风险对于宽客来说，更多意味着是否值得去冒风险，具体是敞口和规模的决策。对风险的思维，早已经植根在量化投资的内里。对他们而言更关键的是如何利用风险，管理风险。

  另一个值得说的是最大回撤。作者对于最大回撤的理解是一个有偏统计量。因为针对量化投资，收益风险是涵盖在决策模型内的，因此，最大回撤好比一副纸牌，如果顺序打乱，这个数据可能就大不相同。但另一方面，作者同时又指出，投资不同于凯利公式，量化的每次操作决定并非一个完全独立的动作，因此这个解读有对有错，还得具体分析。

  最后，在交易执行层面，对于量化，这个部分更加重要。很多时候我们看到的有效策略，在经受佣金、滑点、冲击成本之后，便不复存在。所以如何控制交易成本在量化投资中至关重要。所以衍生到策略容量的大小，衍生到为什么有很多大牌量化私募将自己的服务器搬至交易所附近，等等。

  正如“你用因子，他也用因子；你没赚钱，他却赚钱了”，有些因子之所以成功，关键就是实践中必须考虑的各种细节。好比数据的清洗，好比敞口以及头寸的大小，好比交易执行中的算法、冲击成本滑点的缩减等等。

  市场的非有效性确保因子持续有效。而因子投资的关键则是执行时对各种细节的精确处理。所谓阿尔法的手艺，只有那些专注于做好每个细节的优秀基金经理才能把因子投资在理论上的超额收益转换成现实。

  1、对于高频交易具有更高的目标，希望复制那些在交易日每小时甚至是在每分钟都能够获利的交易策略。

  2、量化交易策略本质上是一种决策过程。

  3、宽客之所以被称为宽客，就在于他们会刻苦钻研交易策略的产生和实施过程。至于交易策略本身，宽客和主观判断型交易者并没有什么差别。

  4、如果建仓的点位选择及头寸的规模大小都是系统自动生成的，则是量化交易。

  5、

  量化交易系统包括3个模块：阿尔法模型、风险模型、交易成本模型

  6、

  风险模型旨在帮助宽客控制不太可能带来收益但会造成损失的敞口规模。

  7、对于所有阿尔法模型而言，如果能带来盈利，那么所承担的风险便是值得的，否则便没有丝毫价值。

  8、科学的两个重要分支是理论主义和经验主义。理论型科学与经验型科学的区别直接导致了两种类型的交易策略。

  第一种，也是目前为止最常见的，是理论驱动型。他们通过观察市场行为，寻找可能用来解释这些行为的普适性理论，再依据市场数据来检验该理论是否可以有效解释市场行为。

  第二中通过合理使用正确的技术性手段，人们可以识别出隐藏的数据中的模式或规律。经验型科学家宁愿花费很大精力去发掘隐藏在数据中的繁杂的各种关系模式，也不愿总结一套理论去对数据进行统一的解释。

  9、绝大多数理论驱动型交易策略可以较为容易地划分为六类：

  价格：趋势型、回复型（回归）、技术情绪型；

  基本面：价值收益型、成长型和品质型。

  10、理解一个交易策略所使用的数据比理解策略本身更加重要。

  11、基于价格数据的阿尔法模型，试图预测价格并从中获利。通常分析以下两种现象之一：一是已有趋势是否延续，二是目前的趋势是否反转。

  12、成功的趋势跟随者冒着资产净值减少1%的粉线换来的收益达不到1%。换言之，为了得到50%的年华收益率，投资者要做好可能至少损失50%的风险准备。简言之，趋势跟随策略的收益极其不稳定。

  13、主流阿尔法模型，都可能存在长期低回报的现象。因为交易策略试图寻找的市场机会并不是综存在的，而是具有不稳定性和偶发性。

  14、有趣的是，

  趋势跟随策略和均值回复策略并不一定是相互冲突的。趋势通常是长期的，而短期内围绕着趋势的小范围波动也是很常见的。

  15、显然在完全相同的时间段内，这两个截然相反的策略不可能同时获利。但是我们并不需要在同一投资期限内构建两个策略。趋势通常在较长的投资期限上延续，而均值回归通常适用于短期投资期限。

  16、技术情绪型策略，通过追踪投资者情绪相关指标来判断预期回报，常见指标有交易价格、交易量以及波动性指标等。

  17、价值型投资策略认为，市场倾向于高估高风险资产的风险，而低估低风险资产的风险。因此在适当时间买入高风险资产和卖出低风险资产，可以获得收益。

  18、市场情绪策略：依赖于市场分析师或经济学家的观点。

  19、很多

  高频交易者喜欢使用纯粹经验主义的数据挖掘的方法去设计其短期交易策略。

  20、在高频交易的时间尺度上数据资源非常丰富。

  21、数据挖掘型需要的算法计算量可能大到无法实现。例如要对两年的盘中实时数据进行较为全面的搜索去寻找具有一定预测能力的指标，即便涉及的变量只有少数几个，使用一台电脑连续工作也得需要3个月。

  22、分钟策略和小时策略间收益的差异要大于3月期策略和6月期策略间收益的差别。

  23、高频交易策略是最快的，预测期限不超过当前交易日。第二类是短线交易策略，倾向于持仓一天到两周。中线策略预测的期限是几周到几个月。长线策略通常是持仓几个月或更长时间。

  24、

  机器学习方法可用于判断量化交易模型中参数的最优设定。机器学习类算法旨在提供一种理论上可行的智能化途径，在不出现过度拟合的前提下去测试参数的许多潜在组合以选择最优组合。

  25、重拟合也可能导致出现过度拟合的风险。过度拟合也是个很危险的问题，会导致一些虚假的、短暂的关系被错认为是有效的、具有持续性的。

  26、停止规则有很多种：止损、止盈和时间停止。

  27、

  非线性模型假设：用于预测目的的变量之间是不独立的或变量间的关系是随时间变化的。

  两类主要的非线型模型是条件模型、旋转模型。条件模型赋予某一阿尔法模型的权重，取决于该模型对其他模型的解释能力。旋转模型根据阿尔法模型的表现追随相应的趋势，而不是跟随市场本身的趋势。

  28、随着时间的推进，越来越多近期的数据被用来计算权重，以期模型的权重与当前的市场形势更加相关。

  29、

  机器学习方法在混合阿尔法模型中的使用更为常见，效果也更好。这些方法是用算法来计算出能对历史数据具有最强解释能力的最优混合。

  30、长期看，风险敞口不会带来利润，但他们随时对策略的收益造成影响。宽客并不会试图去预测这些敞口，通常因为无法成功地对此进行预测。量化交易的一个强大功能在于能对各种敞口进行度量和有目的地选择。

  31、控制规模的方法有两大类：硬性约束和惩罚。

  硬性约束就是设定风险线。例如强行规定头寸规模不能超过投资组合的3%，无论信号多强烈。但这类硬性限制可能有些武断（3%和3.01%的区别？）所以有时宽客使用惩罚函数的方法，只有在阿尔法模型带来的收益显著增大的情况下才允许仓位超过临界水平。

  32、惩罚函数具有这样的特征：仓位超出临界水平越多，增加仓位越困难。

  33、

  风险控制模型以这种方式阐述一个观点：有时候机会好到足以值得打破规矩。

  34、

  凯利准则的反对者指出，该准则的一个重要假设是每一次投注之间相互独立，这在很多赌博场景下是成立的。但是在进行投资时，投注通常是相互关联的，从而投资策略的收益并不均匀。

  35、

  风险管理通常被误认为是降低风险的操作流程，实际上是在给定的风险水平下通过选择敞口并控制其规模而最大化收益。

  36、风险管理中的量化方法，通过判断并度量哪种敞口在驱动投资组合，使基金经理可以据此做出理性而慎重的决策。

  37、在量化交易届，

  进行交易只有两个原因：第一，可以增加盈利的概率或量（比如阿尔法模型）；

  第二，可以降低亏损的概率或量（例如风险模型）。

  38、交易成本主要有三部分构成：佣金和费用、滑点（slippage）、市场冲击成本。

  39、滑点是指从交易者决定开始交易到订单进入交易所系统时间被执行这两个时间段所发生的价格变动。

  40、在对不同产品的交易成本进行估计时，很多宽客对其投资组合中每一种产品使用单独的模型，并且给予交易系统所收集的数据允许模型随着时间变化。换句话，很多交易成本模型高度依赖历史经验，在观察到的、记录下来的交易数据的基础上允许模型随着时间进行变化。

  41、宽客们普遍认为这条曲线应该是二次型，这意味着

  随着交易规模增大（由于市场冲击），交易成本上升的速度会更快。

  42、二次成本函数本质上还是过于复杂。

  43、线性交易成本模型需要在规模较小的情况下高估交易成本和在规模较大的情况下低估交易成本之间进行权衡。

  44、阿尔法模型并不是创造收益而是进行预测并将这些预测传递给投资组合构建模型。

  45、基于规则的投资组合构建模型有4类：

  相等头寸加权、相等风险加权、阿尔法驱动型加权、决策树加权。

  46、使用等权重模型是因为他们注意到了非等权重加权方法的很多缺陷。它总是默认模型具有统计学意义上的能力和功效，对头寸方向、波动幅度和向相对于投资组合中其他预测值变动的概率进行准确的预测。

  47、在趋势的峰值处得到最强信号所承担的正是趋势可能会反转的风险。

  48、均值方差优化方法是一种数据挖掘类方法，通过在各种可能的投资组合中进行搜索，寻找表现出最好特征的一类。机器学习领域差不多也在做基本相同的事。

  49、量化投资组合构建模型的输出变量是目标投资组合：理想的头寸以及各个头寸的规模。将目标投资组合与现有投资组合进行比较，二者间的差距就是需要进行的交易。

  50、使用基于规则的权重分配系统的绝大部分宽客貌似都采用“绝对型的”阿尔法方法。绝大部分是从事期货交易。而使用优化工具的宽客倾向专注于“相对”阿尔法方法。

  51、

  执行算法对于订单运行更加可靠。执行算法包括完成订单的逻辑结构，含有为了尽可能减少市场冲击如何将大订单拆分成小订单的说明，还有应对限价指令簿和价格变化的各种措施。

  52、

  如果一个订单执行算法有明显的印迹，其他市场参与者就可以预测其行为，这些参与者有可能会进行同样的操作，从而加重了该算法所导致的市场冲击和滑点。

  53、订单的进取程度通常取决于所选用交易策略的类型，也依赖于信号强度以及系统关于信号的置信水平。

  54、高频策略的分析师，使用的连接方式——主机托管。经纪商通过DMA平台向交易者提供市场接口，但这个过程存在一定程度的延迟。对延迟效应敏感的量化策略可以选择主机托管方式来改进连接速度。在主机托管过程中，交易者试图将交易服务器的物理地址尽可能地靠近交易所。很多情况下，这意味主服务器和交易所的服务器出于同样的数据中性。这种

  地理位置上的接近，主要是为了尽可能地缩短订单（以光速进行）传输的距离（从交易者的服务器到交易所）。

  55、我们关注一个统计量：块度。指的是显著高于平均收益的时间段内的收益占策略总收益的比例。

  56、

  最大回撤仅仅是一个有偏样本产生的可能结果

  。想想历史收益分布像一副纸牌。如果我们按照纸牌的原有顺序翻转纸牌，将得到历史时间序列。然而如果重新洗牌，按照新的顺序翻转纸牌，将得到不同的时间序列。

  57、尽调宽客：每三个月询问一次，他所进行的研究课题是什么，过去的3个月他对模型增加了什么内容，随着时间推移，你应该能看到一个合理的生命周期，表现出重复稳健的研究思路和不断被改进的策略。

  58、建议问宽客的问题：

  （1）研究和发展策略。

  如何提出新的交易策略想法？

  对这些想法如何进行测试？

  样本内测试和样本外测试的方法是？

  策略是否有有效的判断依据？

  （2）数据搜寻、收集、清洗、管理。

  使用什么数据？

  如何清洗数据？

  （3）投资选择和构造。

  你能描述阿尔法背后的理论吗？

  你的阿尔法策略适用的投资期限多长？

  你如何组合不同的阿尔法模型？

  （4）投资组合构建。

  如何确定头寸大小？

  是否有头寸限制？原因是？

  （5）执行。

  用哪一种交易成本模型？

  如何执行交易？人工还是自动化？

  （6）风险管理和监测。

  风险模型考虑因素有哪些？

  不同的风险限额是？

  什么情况下会干预自己的模型？

  59、对于理解优势和优势的持续性，宽客如何处理灾难是至关重要的。

  60、投资者必须理解所执行的策略、策略特征以及策略产生过程的活力状态。

  61、投资者必须判断宽客是否有优势，优势根源是什么，优势可以支撑多长时间，未来会面临什么威胁。

  最后，打个广告，关于2018上半年国内量化私募的表现，在微信号（ID：Smart-Asset，SmartAsset小枣堂）写了一篇文章，欢迎关注指教。