大脑处理信息的样本量和网络规模问题
大脑处理信息量化模型中的细节汇编
大脑处理信息量化模型中的细节汇编发表时间：2012-03-15T11:33:43.317Z 来源：《中外健康文摘》2011年第48期供稿作者：谢勤[导读] 本文将汇总介绍量化模型中的一些细节，以期同行能更深入理解该模型。
谢勤（广州市科技和信息化局第16届亚运会组委会信息技术部 510000）【中图分类号】R741【文献标识码】A【文章编号】1672-5085（2011）48-0078-03 【摘要】文献[1-9]提出了血液循环在大脑处理信息的过程中具有时序控制作用，并用量化模型结合结构风险最小化相关理论说明时序控制作用的意义。
本文将汇总介绍量化模型中的一些细节，以期同行能更深入理解该模型。
文章包括三部分：第一部分作了一些更正；第二部分介绍了在观察的时间精度和空间精度更加精细的情况下，如何确定一个样本中阈值的值；第三部分介绍了大脑处理信息过程中“索引效应”的本质。
第四部分介绍理论建立和应用过程中的一些神经网络原理。
【关键词】过程存储与重组模型时序控制微循环结构风险中枢神经系统信息处理Details of Quantitative Model of Brain Information Processing XIEQIN1,* 1 Bureau of Science, Technology and Information of Guangzhou Municipality; IT&T Department, GAGOC Guangzhou，510000 【Abstract】 Literatures [1-9] suggest that blood circulation plays the role of basic timer when brain processing information; and suggest a quantitative model of brain information processing. This article introduces details of the quantitative model, including 4 parts. Part 1 gives a correction; Part2 introduces "how to define Gate value" in greater details; Part3 introduces the essential nature of "indexing effect" when brain processing information; Part4 introduces some basic neural network principles of "theorizing". 【Key words】model of process storing and recalling timing control microcirculation structure risk minimization CNS information processing1 一些更正在已发表文章[6]图13（见图1）需要更正，更正后见图2。
大脑处理信息量化模型中的细节汇编十一
大脑处理信息量化模型中的细节汇编十一发表时间：2013-03-05T10:26:42.653Z 来源：《中外健康文摘》2012年第50期作者：谢勤[导读] 文献[10-19]汇总介绍量化模型中的一些细节，本文将继续对更多细节进行介绍，以期同行能更深入理解该模型。
谢勤（广州市科技和信息化局<第16届亚运会组委会信息技术部> 510000）【中图分类号】R331 【文献标识码】A【文章编号】1672-5085（2012）50-0112-02 【摘要】文献[1-9]提出了血液循环在大脑处理信息的过程中具有时序控制作用，并用量化模型结合结构风险最小化相关理论说明时序控制作用的意义。
文献[10-19]汇总介绍量化模型中的一些细节，本文将继续对更多细节进行介绍，以期同行能更深入理解该模型。
文章说明文献[10]第四部分第二段第一句中，“形成‘速度’等概念”中的“形成‘速度’概念”是指形成速度概念中“表述物体运动快慢”等部分出现时间比较古老的内涵，这部分内涵在文献[10]提到的匀速直线运动相关理论中被保留下来。
这里的叙述把“表述物体运动快慢”作为速度概念的一个重要属性，这个属性和其他一系列属性组成的属性集合把速度概念和其他概念区分开。
【关键词】过程存储与重组模型时序控制微循环结构风险中枢神经系统信息处理时间认知智力起源 1．一些说明文献[10]第四部分第二段第一句中，“形成‘速度’等概念”中的“形成‘速度’概念”是指形成速度概念中“表述物体运动快慢”等部分出现时间比较古老的内涵，这部分内涵在文献[10]提到的匀速直线运动相关理论中被保留下来。
在这里的叙述中，把“表述物体运动快慢”作为速度概念的一个重要属性，这个属性和其他一系列属性组成的属性集合把速度概念和其他概念区分开。
参考文献(References)[1] 谢勤，王乙容．大脑处理信息的过程存储与重组模型[J]．现代生物医学进展，2007，(3)：432-435，439. Xie Qin, Wang Yi-rong. Storing and Re-engineering of Models of Cerebral Information Process [J]. Progress of Modern Biomedicine, 2007,(3):432-435,439.[2] 谢勤．血液循环在大脑信息处理过程中的时序控制作用[J]．现代生物医学进展，2008，(6)：1152-1159. Xie Qin. Timer Role of Blood Circulation When Brain Processing Information [J].Progress of Modern Biomedicine, 2008, (6):1152-1159.[3] 谢勤．过程存储与重组模型[Z]．，2006.Xie Qin. Model of Process Storing and Recalling [Z], 2006.[4] 谢勤．一种关于脑电波起源和含义的观点[C]．中国神经科学学会第七次全国学术会议论文集．北京：科学出版社，2007:144. Xie Qin. A Viewpoint about origin and meaning of EEGs[C].Proceedings of the 7th Biennial Meeting and the 5th Congress of the Chinese Society for Neuroscience. Beijing: Science Press, 2007:144.[5] 谢勤．血液循环在大脑信息处理过程中的时序控制作用整理[C]．中国神经科学学会第八次全国学术会议论文集．北京:科学出版社, 2009: 135.Xie Qin. A Review of <Timer Role of Blood Circulation When Brain Processing Information>[C].Proceedings of the 8th Biennial Meeting of the Chinese Society for Neuroscience. Beijing: Science Press. 2009: 135.[6] 谢勤．血液循环在大脑信息处理过程中的时序控制作用整理[J]．中外健康文摘，2011，8(20)：93-98. Xie Qin. A Review of <Timer Role of Blood Circulation When Brain Processing Information>[J].World Health Digest, 2011, 8(20) : 93-98.[7] 谢勤．大脑处理信息的样本量和网络规模问题[J]．中外健康文摘，2011，8(21)：88-91. Xie Qin. Matching Problem of Sample Quantity and Network Scale when Brain Processing Information [J].World Health Digest, 2011, 8(21): 88-91.[8] 谢勤．大脑处理信息量化模型中的另一种样本重组方案[J]．中外健康文摘，2011，8(22)：209-210. Xie Qin. Another Sample Recombination Solution for Quantitative Model of Brain Information Processing [J].World Health Digest, 2011, 8(22): 209-210.[9] 谢勤．大脑处理信息的样本量和网络规模问题[C]．中国神经科学学会第九次全国学术会议论文集．北京:科学出版社, 2011: 366. Xie Qin. Matching Problem of Sample Quantity and Network Scale when Brain Processing Information [C].Proceedings of the 9th Biennial Meeting of the Chinese Society for Neuroscience. Beijing: Science Press. 2011: 366.[10] 谢勤．大脑处理信息量化模型中的细节汇编[J]．中外健康文摘，2011，8(48)：78-80. Xie Qin. Details of Quantitative Model of Brain Information Processing [J].World Health Digest, 2011, 8(48): 78-80.[11] 谢勤．大脑处理信息量化模型中的细节汇编二[J]．中外健康文摘，2012，9(4)：101-102. Xie Qin. Details of Quantitative Model of Brain Information Processing II [J].World Health Digest, 2012, 9(4):101-102.[12] 谢勤．大脑处理信息量化模型中的细节汇编三[J]．中外健康文摘，待发表. Xie Qin. Details of Quantitative Model of Brain Information Processing III [J].World Health Digest.[13] 谢勤．大脑处理信息量化模型中的细节汇编四[J]．中外健康文摘，待发表. Xie Qin. Details of Quantitative Model of Brain Information Processing IV [J].World Health Digest.[14] 谢勤．大脑处理信息量化模型中的细节汇编五[J]．中外健康文摘，待发表. Xie Qin. Details of Quantitative Model of Brain Information Processing V [J].World Health Digest.[15] 谢勤．大脑处理信息量化模型中的细节汇编六[J]．中外健康文摘，待发表. Xie Qin. Details of Quantitative Model of Brain Information Processing VI [J].World Health Digest.[16] 谢勤．大脑处理信息量化模型中的细节汇编七[J]．中外健康文摘，待发表. Xie Qin. Details of Quantitative Model of Brain Information Processing VII [J].World Health Digest.[17] 谢勤．大脑处理信息量化模型中的细节汇编八[J]．中外健康文摘，待发表. Xie Qin. Details of Quantitative Model of Brain Information Processing VIII [J].World Health Digest.[18] 谢勤．大脑处理信息量化模型中的细节汇编九[J]．中外健康文摘，待发表.Xie Qin. Details of Quantitative Model of Brain Information Processing IX [J].World Health Digest.[19] 谢勤．大脑处理信息量化模型中的细节汇编十[J]．中外健康文摘，待发表.Xie Qin. Details of Quantitative Model of Brain Information Processing X [J].World Health Digest.。
大脑如何处理信息
大脑如何处理信息大脑是人类身体中最为神奇复杂的器官之一，它承担着处理各种信息的重要任务。
大脑如何处理信息一直是神经科学领域的研究热点之一。
通过神经元之间的复杂连接和电化学信号传递，大脑能够高效地接收、处理和存储各种信息。
本文将从大脑信息处理的基本原理、信息加工的过程以及信息处理与认知功能之间的关系等方面展开探讨。
一、大脑信息处理的基本原理大脑信息处理的基本原理可以简单概括为接收、传递、处理和存储信息。
在大脑中，神经元是信息处理的基本单元。
神经元通过突触连接形成庞大的神经网络，信息在神经网络中传递。
当接收到外部刺激时，神经元会产生电化学信号，通过突触将信号传递给其他神经元，从而实现信息的传递和处理。
大脑中的神经元之间的连接关系和突触的强度决定了信息在神经网络中的传播路径和方式。
二、信息加工的过程大脑处理信息的过程可以分为感知、注意、记忆、思维和决策等多个阶段。
在感知阶段，大脑接收外界的感觉信息，如视觉、听觉、触觉等，将这些信息转化为神经元的电化学信号。
在注意阶段，大脑会选择性地关注某些信息，忽略其他无关信息，以确保资源的有效利用。
在记忆阶段，大脑将重要的信息存储在长期记忆中，以便后续检索和利用。
在思维和决策阶段，大脑会对信息进行分析、综合和评估，最终做出相应的决策和行为。
三、信息处理与认知功能之间的关系信息处理是认知功能的基础，认知功能包括知觉、注意、记忆、思维、语言、情绪等多个方面。
大脑对信息的处理直接影响着认知功能的表现。
例如，大脑对感知信息的处理质量将影响到对外界环境的准确认知；对注意的控制能力将影响到认知资源的分配和利用效率；对记忆信息的存储和检索将影响到知识和经验的积累和应用；对思维和决策的加工将影响到问题解决和行为选择的质量等。
因此，了解大脑如何处理信息对于理解认知功能的实现机制具有重要意义。
总之，大脑如何处理信息是一个复杂而精彩的过程，它涉及到神经元之间的相互作用、神经网络的构建和信息加工的多个阶段。
大脑如何处理信息
大脑如何处理信息大脑是人类思考、感知和记忆的核心器官，它以惊人的速度和精确度处理着大量的信息。
从感知到思考，大脑内部的信息处理过程是如何进行的呢？本文将带领你深入探索大脑是如何处理信息的奥秘。
神经元：信息传递的基本单位大脑是由数以亿计的神经元组成的。
神经元是大脑内部信息传递的基本单位，它们通过电化学信号将信息从一个地方传递到另一个地方。
神经元之间的连接形成了复杂的神经网络，这些网络在大脑内部形成了不同的区域和功能模块。
感知：从感官到大脑感知是大脑处理信息的第一步。
当我们看到一幅画、听到一首歌或者闻到一种气味时，感官器官会将外界的刺激转化为神经信号，并传递给大脑。
大脑的不同区域负责不同的感知任务，比如视觉信息会被传送到视觉皮层进行处理，听觉信息则会被传送到听觉皮层进行处理。
关注与过滤：集中注意力大脑处理信息时，会自动选择何时关注和何时过滤。
集中注意力可以提升对特定信息的处理效果，而过滤无关信息可以使大脑更高效地工作。
这种关注与过滤的选择是受到大脑内部神经网络的调控，特定区域的活动会影响其他区域的注意力分配和信息处理。
推理与思考：构建知识网络大脑不仅可以处理感知信息，还能进行推理和思考。
这种思维活动可以帮助我们理解、解决问题和做出决策。
推理和思考是通过大脑中多个区域的相互作用来实现的，它们建立在先前的知识和经验的基础上，形成一个个复杂的知识网络。
记忆：信息的延续和储存记忆是大脑处理信息的重要环节。
大脑通过不同的方式将信息编码成神经信号，并将其储存在神经网络中。
记忆分为短期记忆和长期记忆，短期记忆可以帮助我们在短时间内记住一些信息，而长期记忆则可以持久地储存和回忆各种知识和经验。
大脑如何处理信息是一个庞大而复杂的主题，本文只是对其中的一些方面进行了介绍。
从感知到思考，从注意力到记忆，大脑的信息处理过程是一个令人惊叹且充满神奇的过程。
探索大脑如何处理信息不仅可以增加我们对大脑工作原理的了解，还有助于提升我们的认知能力和学习效果。
人类大脑神经元网络与信息处理能力
人类大脑神经元网络与信息处理能力人类大脑是生物学上最复杂的器官之一，其内部组织由相互连接的神经元构成。
这些神经元之间形成了一个庞大而复杂的网络，通过电化学信号进行信息交流。
这种网络架构和神经元的信息处理能力是我们理解和运用人类智力的关键。
首先，人类大脑的神经元网络具有广泛的连接性。
大脑中的神经元可以与数千到数百万个其他神经元建立连接。
这种密集的网络使得大脑能够同时处理多个信息来源，从而提供了复杂的信息处理能力。
这种高度连接的特性也使得大脑具备了高度的适应性和可塑性，能够根据不同的环境和任务进行调整和改变。
其次，神经元网络的信息传递是通过电化学信号进行的。
每个神经元都具有一个细长的轴突，这是信息传递的主要通道。
当神经元受到刺激时，将产生电脉冲，通过轴突传播到与之相连的其他神经元。
这种电信号具有高速传输和复杂编码的能力，使得大脑能够以极快的速度处理信息。
神经元网络的信息处理能力还体现在其具有分层和分布式的结构。
大脑中有许多区域和亚区域专门负责不同的功能，如感知、运动、记忆和思维等。
这些区域之间通过神经元网络相互连接，形成了一个复杂的信息处理系统。
每个区域和亚区域都有其特定的功能，并相互协作以完成复杂的认知任务。
同时，大脑中的信息处理也是分布式进行的，不同的神经元在处理信息时同时进行工作，从而提高了信息处理的效率和容错性。
此外，神经元网络的信息处理能力还表现为其具备学习和记忆的能力。
神经元之间的连接强度可以通过学习过程进行调整和改变，这被称为突触可塑性。
这种可塑性使得大脑能够基于经验和环境的变化来调整神经元网络的连接模式，从而改变信息处理和行为。
同时，大脑还能够通过神经元之间的长期潜伏性改变和存储信息，形成记忆。
这种学习和记忆能力是人类智力和学习能力的基础。
总结起来，人类大脑的神经元网络是一个高度复杂和精密组织，具有广泛的连接性、电化学信号传递、分层和分布式结构、学习和记忆的能力。
这些特点使得大脑具有高度的信息处理能力，能够实现感知、思维、决策和行动等复杂的认知任务。
大脑如何处理信息
大脑如何处理信息大家好呀！今天我们要来探讨一下大脑是如何处理信息的这个有趣的话题。
大家都知道，人的大脑是一个神奇的器官，承载着我们的思维、感知、情绪等各种功能。
那么，当我们接收外部信息时，大脑又是如何处理这些信息的呢？让我们一起来揭开这个神秘的面纱吧！感知与接收信息大脑处理信息的第一步当然是接收信息了。
我们的感官器官，比如眼睛、耳朵、鼻子、皮肤和舌头，负责接收外界的各种信息，比如光线、声音、气味、触觉和味道。
这些感官器官将外部信息转化为神经信号，然后传输到大脑的不同区域进行处理。
信息加工与分析接收到的信息进入大脑后，并不是简单地存储起来，而是经过一系列复杂的加工和分析过程。
大脑会将不同感官传来的信息进行整合，识别出相关性，忽略无关的信息，然后进行解读和理解。
这个过程涉及大脑的多个区域，比如视觉皮层、听觉皮层、运动控制区等，它们协同工作，完成对信息的加工和分析。
记忆与储存信息处理过的信息并不会立刻消失，而是会被储存在大脑的记忆系统中。
大脑的记忆系统包括短期记忆和长期记忆，短期记忆负责临时存储信息，而长期记忆则是将重要的信息永久保存下来。
通过反复强化和巩固，我们可以加深对信息的记忆，将其转化为知识和经验。
决策与行为反应大脑处理信息的最终目的是为了做出决策和行为反应。
在面对复杂的信息时，大脑会权衡利弊，评估风险，然后做出最佳选择。
这个过程涉及到大脑的决策中枢和运动控制中枢等区域，它们指导我们的行为，让我们能够做出理性的决策和反应。
通过对大脑处理信息的几个关键步骤的了解，我们可以更加深入地认识到人类大脑的复杂性和智慧所在。
大脑如同一个精密的计算机，不断地处理着各种信息，指引着我们的行为和思维。
让我们珍惜这个奇妙的器官，不断探索其中的奥秘吧！大脑是我们身体最神奇的器官之一，它处理信息的能力远远超出我们的想象。
通过感知、加工、记忆和反应等一系列步骤，大脑让我们能够理解世界、做出决策，并影响我们的行为。
了解大脑如何处理信息，有助于我们更好地认识自己，提高思维能力，成为更加智慧和理性的人。
大脑对信息的处理
大脑对信息的处理一、我们对颜色的反应强于文字，那大脑是如何处理？大脑处理文字信息比处理图像信息快。
右脑的五感包藏在右脑底部，可称为「本能的五感」，控制著自律神经与宇宙波动共振等，和潜意识有关。
右脑是将收到的讯息以图像处理，瞬间即可处理完毕，因此能够把大量的资讯一并处理(心算、速读等即为右脑处理资讯的表现方式)。
一般人右脑的五感都受到左脑理性的控制与压抑，因此很难发挥即有的潜在本能。
然而懂得活用右脑的人，听音就可以辨色，或者浮现图像、闻到味道等。
心理学家称这种情形为「共感」这就是右脑的潜能。
右脑是图像脑，侧重于处理随意的，想象的，直觉的以及多感观的影像。
右脑是通过图像进行思考的半球，所以能够将语言变成图像，不仅如此，右脑还能把数字变成图象，把气味变成图像。
右脑将看到，听到和想到的事物，全部转化为图像进行思考和记忆。
当右脑想记住什么内容时，都先把它们转化成图像摄入脑海，就像照相机一样，把内容在大脑中定格成一幅图。
用到时，脑海中的图像便浮现在眼前。
右脑照相记忆的速度远远大于左脑，这是由于处理信息时，左脑将信息进行词汇化处理，五感也要变成语言才能传达出去，所以花时间。
而右脑将信息以图像化处理，所以非常迅速，只要花几秒就可以。
由于右脑具有超高速信息输入的喜好，因此3分钟阅读完一本书，即所谓的“波动速读”影像阅读，更是把右脑的影像记忆功能发挥到了极致。
科学研究证明，大脑分为左半球和右半球。
左半球是管人的右边的一切活动的，一般左脑具有语言、概念、数字、分析、逻辑推理等功能；右半球是管人的左边的一切活动的，右脑具有音乐、绘画、空间几何、想像、综合等功能。
而左右脑的发育程度不同，隐含了你的很多特质和天赋的秘密：理解数学和语言的脑细胞集中在左半球；发挥情感、欣赏艺术的脑细胞集中在右半球。
右半脑发达的人在知觉和想像力方面有可能更强一些；而且知觉、空间感和把握全局的能力都有可能更强一些。
在各种动作上相对更敏捷一些。
右脑最重要的贡献是创造性思维。
神经科学中的大脑网络与信息处理
神经科学中的大脑网络与信息处理大脑是人类最为神奇的器官之一，其复杂度和功能多样性仍然是我们无法完全理解的。
然而，随着现代神经科学的发展，我们已经能够一窥大脑信息处理和大脑网络的工作方式，这对于人类认知探索、疾病治疗和机器智能等领域都具有深远的影响。
大脑是由亿万个神经元组成的，它们通过一系列复杂的信息传递过程构建成大脑网络。
大脑网络的结构非常复杂，包括不同层次的神经元（如皮层、亚皮层、丘脑、大脑基底节等），以及它们之间形成的数千亿个突触连接。
这些神经元和突触连接构成了一系列神经回路，这些回路在不同的心理任务和功能上扮演着不同的角色。
在信息处理方面，大脑网络是我们研究的焦点。
大脑中的信号处理涉及到神经元的电气活动和突触间化学转导。
当神经元受到某种刺激时，它将发生电气信号的传递，这种信号可以通过突触传递到相邻的神经元，并产生相应的化学效应。
这种电气和化学效应的组合导致了神经元群之间复杂的信息传递和处理。
大脑中的信息处理不是简单的线性过程。
不同的神经元和突触之间会互相连接，形成神经回路，这些回路相互影响，从而导致一系列非线性、交互式的信息处理。
因此，大脑网络的信息处理可以与数字电路的计算过程进行类比，但其复杂度远远超过了任何已知的计算机系统。
大脑网络的结构和信息处理方式是多样的，这导致人们在理解大脑网络和信息处理的过程中，需要采用多种研究方法。
近年来，如脑磁图、脑电图、功能磁共振成像等神经影像方法可以有效地记录大脑在认知任务和心理功能活动中的活动模式。
同时，外向行为和内省经验的研究，以及大规模脑电记录和神经元序列的分析，也逐渐揭示了大脑网络和信息处理的神秘面纱。
与此同时，社会和经济发展驱动人类以机器智能和人工智能为代表的科技体系快速发展，人们对于大脑网络和信息处理的认识可以为人工智能的机器学习、自动驾驶、智能诊断甚至智能化替代提供理论和实践支持。
因此，深入研究大脑网络和信息处理，除了可以深化对人类认知的理论认识和神经系统功能的规律性探究，同时也有利于人工智能技术和机器学习算法的持续发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
- -【摘要】结合人工神经网络领域的理论成果，量化描述大脑处理信息的过程，分析大脑各生化参数、生理机制对具体信息存储、信息提取的影响，将有助于进一步理解大脑的工作原理。
本文介绍了一个量化描述大脑信息存储、信息提取的思路，并结合结构风险最小化原理，分析说明大脑在具体信息处理过程中存在样本量和网络规模匹配的问题。
在量化模型的帮助下，可以看到，血液循环的时序控制作用、语言机制等能和大脑的生化参数相互配合，实现如下几点，从而使大脑能对不同信息处理组织起相对独立规模受控的子网络，降低结构风险，准确而高效的处理信息：1 在处理特定信息的时候，相关网络中细胞的兴奋程度足大脑处理信息的样本量和网络规模问题谢勤（广东省广州市科技和信息化局第16届亚运会组委会信息技术部 510000）【中图分类号】R74【文献标识码】A 【文章编号】1672-5085（2011）21-0088-04患者46例，SA 36例冠脉造影正常14 列，ACS及SA诊断标准参考文献[3]。
46例ACS患者中，20例有心理应激、26例无心理应激.：36例SA中，12例有心理应激，24例无心理应激：14例冠脉造影正常中，4例有心理应激，10例无心理应激。
根据焦虑、贝克抑郁自评量表得分将研究对象分为：心理应激组和非心理应激组。
心理应激组：焦虑（或）和抑郁自评得分≥50分；非心理应激组：焦虑（或）和抑郁自评得分＜50分。
心理应激组66例年龄（60 .3（46～72）岁。
其中，4 例引起心电图ST-T动态变化 但冠脉造影正常，12例引起心电图S T-T动态变化经冠脉造影诊断为急性冠脉综合症（A C S）。
受教育程度：初中及以下8例，高中10例，大学16例；职业：行政干部25例，商人18例，工人10例，农民5例。
非心理应激组48例，年龄69.8±5.5（55～74）岁。
其中5例AMI，21例UA，22例SA。
受教育程度：初中及以下15例，高中15例，大学10例；职业：行政干部222例，商人14例，工人5例；农民3例。
排除标准：肝肾功能障碍者，急性损伤、急慢性感染者，风湿活动者，肿瘤及免疫系统疾病者，其他炎症性疾病及冠心病合并脑血管疾病者。
2．检查指标和方法：患者进行冠状动脉造影，采用标准的J u d k i n s法或经右侧桡动脉径路。
每个病变均由相互垂直的两个以上投照体位来确定，由两名心脏病医师来判定，狭窄程度按冠状动脉内径狭窄来表示。
计算冠状动脉病变数按左冠状动脉前将支（LAD）、左冠状动脉回旋支（LCX）及右冠状动脉（R C A）3支血管，对角支病变计入L A D,钝圆支病变计入LCX，左室支和后将支病变计入RCA。
所有患者禁食12h。
C-反应蛋白（CRP）采用酶联免疫吸附测定法。
试剂盒为福建太阳生物技术公司生产。
3.统计学分析：应用SPSS11.5统计学软件进行处理。
数值量变以x±s表示，计量资料采用t检验；技术资料采用x 2检验。
以P＜0.05为差异具有统计学意义。
结果1.一般情况：非心理应激组的年龄为（59.8±5.5）岁，高于心理应激组的（60.3±4.3）岁（P＜0.05）;其他指标如职业、教育程度、血压、血脂、血糖、吸烟、冠心病家族史等，两组间均无统计学意义（P＞0.05），具有较好的可比性。
2．不同冠心病患者心理应激及炎症因子水平：ACS组有心理应激者占53.8%（32/60），高于SA组的28.4.3%（10/36，P ＜0.01）。
3．心理应激组与非应激组间冠状动脉病变情况：在心理应激组，冠状动脉狭窄程度＜50%、单支病变、两支病变和两支以上病变的例数分别为3（5.77%）、20（38.46%）、17（32.70%）和12（23.07%）；在非心理应激组，上述冠状动脉病变程度的例数分别为0、22（45.83%），两组间差异无统计学意义（均P＞0.05）。
讨论冠心病发生后常出现复杂的心理反应，而在冠心病各临床类型中，尤其以心绞痛及心肌梗死更容易出现心理反应，临床上多表现为焦虑、抑郁。
本研究显示：冠心病伴发心理应激者占52%。
据调查正常人群中5%患者有急、慢性焦虑症，5%～10%患者患有抑郁症。
关于冠心病伴发焦虑抑郁报道很多，但结果众说不一。
总体上讲，冠心病伴发焦虑抑郁的发生率要远高于正常人群。
因此，不能忽视冠心病的心理因素，尤其在非老年冠心病患者。
本研究显示：ACS患者有心理应激者明显高于非心理应激者（P＜0.01）,说明心理应激可能引起心电图ST-T动态变化并且是ACS发病的诱发因素，其结果与国外报道相同。
大量资料报道：心理应激和心电图ST-T有动态变化患者及ACS患者血中炎症因子升高。
本研究显示：CRP水平较心理应激组明显升高显著高于S A患者（P＜0.01）。
这提示有心理应激者或ACS患者体内均有较强的炎症反应。
炎症是心理应激与ACS的连接桥梁，是引起斑块不稳定的直接因素。
因此，心理应激引起心电图ST-T动态变化同时诱发炎症反应，炎症因子使斑块由稳定变成不稳定。
心理应激通过炎症反应参与了ACS的发生、发展。
冠状动脉痉挛是指各种原因引起冠状动脉平滑肌节段性或弥漫性痉挛性收缩，导致心肌缺血，甚至心肌坏死，临床上引起心绞痛、心肌梗死或心脏性猝死等严重的心血管事件。
近年来，越来越多的资料提示焦虑应激和某种行为类型与促发冠状动脉痉挛有关，紧张、焦虑、恐惧、愤怒和社会遗弃在冠状动脉痉挛的发生中起了重要的促进作用。
由冠状动脉痉挛引起临川表现主要是变异性心绞痛，如由严重的心理应激促发持久而强烈的冠状动脉痉挛者，可促使冠状动脉粥样斑块破裂，血栓形成，阻塞血管，引起AMI，由冠状动脉痉挛促发的AMI占14%～38%。
心理应激与冠状动脉病变程度及血清因子水平相关性分析发现是抑郁、焦虑评分与冠状动脉粥样硬化病变的狭窄程度无关，这一结论与有关报道一致。
从而再一次挑战了传统的“动脉粥样硬化斑块导致管腔狭窄程度是疾病的预后与转归的决定因素”的观点，转而认为，“血管内皮损伤-炎症反应活跃-斑块的结构与稳定性”才是冠心病风险和预后的决定因素。
急性心血管事件与冠状动脉硬化斑块狭窄程度。
急性心血管事件与冠状动脉硬化斑块狭窄程度不呈正相关。
抑郁、焦虑可导致心电图ST-T动态变化同时可引起炎症因子升高，炎症因子与斑块稳定性相关，心理应激通过炎症反应触发ACS的发生与发展，因此应重视冠心病患者的心理健康，避免发生急性心血管事件。
参 考 文 献[1]Gidron y,Armon T,Gilutz H,et al,Psychoiogica factors correlate meaningfully with percent with percent-monocytes among acute coronary patients.Brain Behav Immun,2003,17:310-315.[2]S t r i k e P C ,M a g i d K,W h i t e h e a d D L,e t al.Pathophysiolgical processes underlying emotional triggering of acute cardiac events Proc Natl Acad U S A,2006,103:4322-4327.[3]马爱群，胡大一，心血管病学，北京：人民卫生出版社，2005:297-298.[4]黄佐，李牧蔚，高传玉，心理应激对动脉粥样硬化大鼠炎症反应的影响及意义，实用诊断与治疗杂志，2007，21：354-356.[5]Moller J,Theorell T,de Faire U,et al.Work related stressful life events and the risk of myocardial infarction.Case-control and casecrover analyses within the Stockholm heart epidemiology programme,J Epidemiol Community Health,2005,59:23-30.够大，并且能维持足够长的兴奋时间 2 在处理特定信息的时候，无关网络中细胞的兴奋程度足够小 3 兴奋程度大小和时间长短不同造成连接改变程度差异，改变程度差异参数和遗忘机制的参数能相互配合 4 在实现差异的基础上，又能保证生化环境的稳定，使信息提取时输入神经网络的样本不和训练样本差别过大 5 子网络的组织有一定的稳定性和灵活性。
【关键词】过程存储与重组模型 时序控制 微循环 结构风险 中枢神经系统 信息处理Matching Problem of Sample Quantity and Network Scale when Brain Processing Information【Abstract】 This article introduces a solution of quantifying the information storing and recalling processes of the brain. The solution is basing on math tools from AI area. Under the framework of the solution, analyzing how biochemical parameters of the brain and kinds of physiological mechanisms of the brain affect the processes of storing and recalling a piece of information, it’s helpful for understanding the working mechanism of the brain. With the help of quantify model, we can see there is a matching problem of network training sample quantity and network scale. Timing control function of blood circulation and language mechanisms etc. solve thismatching problem by organizing respective sub networks when brain processing different pieces of information because: these physiological mechanisms(timing control function of blood circulation, language mechanism, etc) can cooperate with kinds of biochemical parameters of the brain(e.g. O2concentration, discharge rate of cell, forgotten rate etc.). The solution of matching problem result in high accuracy and efficiency when brain processing information.【Key words】model of process storing and recalling timing control microcirculation structure risk minimization CNS information processing前言结合人工神经网络领域的理论成果，量化描述大脑处理信息的过程，分析大脑各生化参数、生理机制对具体信息存储、信息提取的影响，将有助于进一步理解大脑的工作原理。