作者投稿
专家审稿
编辑办公
邮件订阅
RSS
Image Compression and Storage Algorithm of Histopathology Based on Matrix Calculation
-
摘要:目的 评价基于矩阵计算的组织病理学图像压缩储存算法的临床应用价值，并寻求最佳图像压缩比。方法 利用主成分分析法(principal component analysis，PCA)和奇异值分解法(singular value decomposition，SVD)两种经典矩阵算法，对低、中、高分化的宫颈癌组织免疫组化染色图像及HE染色图像进行压缩重建，并采用峰值信噪比和结构相似度针对图像重建质量进行评价。结果 PCA重建图像压缩比为10.18(保留53个主成分)时，低、中、高分化宫颈癌组织免疫组化染色图像峰值信噪比均值分别为43.84±0.43、43.27±0.25、43.71±0.49，压缩图像结构相似度分别为0.964±0.004、0.963±0.006、0.965±0.005；HE染色图像峰值信噪比均值分别为43.41±0.78、42.95±1.03、43.52±0.69，压缩图像结构相似度分别为0.953±0.010、0.949±0.015、0.960±0.007。SVD重建图像压缩比为10.00(保留128个奇异值)时，低、中、高分化宫颈癌组织免疫组化染色图像峰值信噪比均值分别为39.89±1.69、38.20±2.19、40.90±0.50，压缩图像结构相似度分别为0.949±0.006、0.938±0.011、0.955±0.004；HE染色图像峰值信噪比均值分别为40.31±0.98、39.46±1.59、40.77±1.67，压缩图像结构相似度分别为0.965±0.006、0.943±0.010、0.969±0.005。结论 采用PCA和SVD可实现对组织病理学图像进行压缩储存并获得较好的图像质量，为解决医院图像存储难题提供了解决方案。Abstract:Objective To evaluate the clinical application value of the compression and storage algorithm of histopathological images based on matrix computing, and to seek the best image compression ratio.Methods Two classical matrix algorithms, principal component analysis (PCA) and singular value decomposition (SVD), were used to compress and reconstruct the immunohistochemical images and HE staining images of low, medium and high differentiated cervical cancer tissues. The peak signal-to-noise ratio(PSNR) and structural similarity (SSIM) were used to analyze and evaluate the quality of image reconstruction.Results When the compression ratio of PCA reconstruction image was 10.18 (53 principal components were retained), the mean PSNR of immunohistochemical images of low, medium and high differentiated cervical cancer tissues were 43.84±0.43, 43.27±0.25 and 43.71±0.49, respectively, and the SSIM were 0.964±0.004, 0.963±0.006 and 0.965±0.005, respectively. Meanwhile, the mean PSNR of HE staining images of low, medium and high differentiated cervical cancer tissues were 43.41±0.78, 42.95±1.03 and 43.52±0.69, respectively, and the SSIM were 0.953±0.010, 0.949±0.015 and 0.960±0.007, respectively. When the compression ratio of SVD reconstruction image was 10.00(128 singular values were retained), the mean PSNR of immunohistochemical images of low, medium and high differentiated cervical cancer tissues were 39.89±1.69, 38.20±2.19 and 40.90±0.50, respectively, and the SSIM were 0.949±0.006, 0.938±0.011 and 0.955±0.004, respectively. Meanwhile, the mean PSNR of HE staining images of low, medium and high differentiated cervical cancer tissues were 40.31±0.98, 39.46±1.59 and 40.77±1.67, respectively, and the SSIM were 0.965±0.006, 0.943±0.010 and 0.969±0.005, respectively.Conclusions PCA and SVD can compress and store histopathological images and obtain better image quality, which provides a solution to the problem of hospital image storage.
-
高血压是遗传和环境因素共同作用导致的慢性心血管疾病，全球每年有165万例心血管病死亡归因于钠摄入过多[1]。高盐摄入是影响血压的重要环境因素之一，日均摄盐量每增加1 g，平均血压则会上升2 mm Hg(1 mm Hg=0.133 kPa)，舒张压上升1.7 mm Hg[2]，而减少盐的摄入具有明确的降压作用[3]。
难治性高血压(resistant hypertension，RH)作为一种特殊类型的高血压，其患病率为5%~30%，是高血压治疗中的难点[4]，严格限盐有利于控制RH的血压，我国的专家共识建议常规评估RH患者的盐摄入量[5]。截至目前，尚无盐摄入量与RH患者血压达标状态关系的报道。
血压评估包括诊室及诊室外血压测量，家庭自测血压(home blood pressure monitoring，HBPM)作为重要的诊室外血压，可提供医疗环境外的大量血压监测数据，筛查隐蔽性高血压，观察血压节律与变异，评估降压效果，预测心血管事件风险[6-7]。
本研究通过对北京协和医院RH患者的横断面调查，评估24 h尿钠排泄与诊室血压、HBPM的关系，为RH防治提供真实世界的临床研究证据。
1. 资料与方法
1.1 研究对象及分组
通过北京协和医院心内科RH患者数据库，收集2017年10月至2018年3月期间在北京协和医院心内科门诊就诊的患者临床资料。所有患者自愿参加本研究并签署知情同意书。本研究获北京协和医院伦理委员会批准(ZS1377)，并在中国临床试验注册中心注册(ChiCTR1800017189)。
入选标准：(1)年龄20~80岁；(2)符合难治性高血压诊断标准[4]，即在改善生活方式的前提下，经3种或3种以上降压药物(其中一种为利尿剂)足量联合治疗1个月后，收缩压≥140 mm Hg和/或舒张压≥90 mm Hg。
排除标准：(1)继发性高血压；(2)肾功能不全，估计肾小球滤过率(estimated glomerular filtration rate，eGFR)＜60 ml/(min·1.73 m2)；(3)1型糖尿病及血糖控制不佳的2型糖尿病(糖化血红蛋白＞8.0%或空腹血糖＞11.0 mmol/L)；(4)服用小剂量氢氯噻嗪之外的影响钠吸收和排泄的药物；(5)慢性阻塞性肺病、严重肝功能损伤、风湿免疫病、内分泌疾病、肿瘤患者或妊娠/哺乳期妇女、治疗依从性差者；(6)其他研究者认为不适合的患者，包括检测数据不全等。
以24 h尿钠四分位数将患者分为低尿钠、低-中尿钠、中-高尿钠及高尿钠组。
1.2 血压测定方法
1.2.1 诊室血压测定方法
以研究期间患者首次就诊时血压水平作为本研究数据。诊室内常规坐位，测右上肢血压3次，取血压读数接近的2次测定值的均值。
1.2.2 HBPM测定方法
使用校正的上臂式电子血压计(血压计均经我中心诊室内校验，检测数值相差5 mm Hg以内者可作为合格血压计使用)，就诊前一周分别于每日晨起服药前、上午10:00、下午16:00、晚上睡前这4个时间点，坐位测右上肢血压3次，取血压读数接近的2次测定值的均值。重点记录留取24 h尿当天的4次HBPM。
1.3 24 h尿钠法评估盐摄入量
24 h尿样采集要求在就诊前3 d内收集，参照北京协和医院检验科提供收集尿液的详细书面说明，由课题组成员向患者详细讲解尿液收集方法，要求患者全天尿标本均需留存，记录全天总尿量，检测时混匀取样。
收集调查对象常规膳食24 h尿样后，采用离子电极法测定尿钠浓度(mmol/L)，24 h尿钠量(mmol)=24 h尿钠浓度(mmol/L)×24 h尿量(L)，根据氯化钠在食盐中的比例(99%)及钠在氯化钠中的比重，通过患者24 h尿钠排泄量估算其盐摄入量[100 mmol钠相当于5.85 g氯化钠(≈6 g)][5]。尿钠测定及24 h尿钠计算均由北京协和医院检验科协助完成。
1.4 一般临床资料
记录患者文化程度、吸烟、饮酒、糖尿病等既往史，测量患者身高、体重、腰围，计算体质量指数(body mass index，BMI)。检测24 h尿钠的同时，取清晨空腹血测定血常规、电解质、血糖、血脂、肾功能等指标。eGFR计算参照2009年慢性肾脏病流行病学合作研究(CKD-EPI)公式计算[8]。
所有患者的诊室血压、身高、体重、腰围均由课题组研究人员完成测定。
1.5 血压达标状态定义
血压达标状态的定义参照《中国高血压防治指南2010》执行[9]。
诊室血压达标标准：＜140/90 mm Hg；65岁及以上老年人血压＜150/90 mm Hg为血压达标；伴有蛋白尿或糖尿病患者血压＜130/80 mm Hg定义为血压达标。
HBPM达标标准：＜135/85 mm Hg定义为达标。
1.6 统计学处理
采用SPSS 19.0软件进行统计分析。通过方差分析，判断计量资料是否呈正态分布，正态分布者采用均数±标准差表示，偏态分布者采用中位数(四分位数间距)表示。计数资料采用绝对数、百分比及构成比表示。观察不同尿钠水平间用药种类及血压达标的差异，以诊室血压、HBPM达标状态为因变量，以BMI、eGFR、24 h尿钠、24 h尿钾、是否应用螺内酯、应用药物种类等危险因素作为自变量，采用多因素Logistic回归分析尿钠水平与诊室血压、HBPM达标状态的相关性。P＜0.05为差异具有统计学意义。
2. 结果
2.1 一般情况及尿钠水平
共202例RH患者入选本研究，其中男性107例，女性95例，平均年龄(59.87±16.30)岁。
24 h尿钠平均(198.92±96.59)mmol(47~513 mmol)，估算盐摄入量为(11.64±5.65)g(2.75~ 30.01 g)，日摄盐量符合指南推荐6 g以内的RH患者仅占17.2%，而44%患者超过12 g/d，15.1%超过18 g/d。
以所有患者24 h尿钠水平四分位数为分界点，将受试者分为低尿钠(24 h尿钠＜127.50 mmol)、低-中尿钠(127.50 mmol≤ 24 h尿钠＜182.50 mmol)、中-高尿钠(182.50 mmol≤24 h尿钠＜242.75 mmol)及高尿钠(24 h尿钠≥242.75 mmol)4组。各组平均尿钠水平由低到高分别为(92.35±22.79)mmol、(157.15±16.39) mmol、(212.32±15.16)mmol和(333.91±72.61) mmol。
本研究人群中，随者尿钠水平升高，年龄呈下降趋势(P＜0.001)，BMI及腰围逐渐增大(P均＜0.001)，平均用药数量亦随之增多(P＜0.001)，提示高尿钠者以年轻及腹型肥胖患者多见(表 1)。
表 1 202例难治性高血压患者一般临床资料人群特征 总体(n=202) 低尿钠组(n=50) 低-中尿钠组(n=51) 中-高尿钠组(n=51) 高尿钠组(n=50) P值 年龄(x±s，岁) 59.87±16.30 66.04±13.32 63.70±14.93 55.74±14.80 49.00±16.30 ＜0.01 男性[n(%)] 107(53.0) 21(42.0) 24(47.1) 30(58.8) 32(64.0) 0.059 BMI(x±s，kg/m2) 25.03±4.26 25.62±4.12 25.67±2.68 27.69±3.00 30.34±5.97 ＜0.01 腰围(x±s，cm) 94.68±11.00 89.00±8.64 92.04±7.46 97.44±8.56 102.19±11.57 ＜0.01 吸烟[n(%)] 24(11.9) 3(6.0) 5(9.8) 6(11.8) 10(20.0) 0.075 饮酒[n(%)] 27(13.4) 4(8.0) 8(15.7) 5(9.8) 10(20.0) 0.135 卒中[n(%)] 19(9.4) 3(6.0) 9(17.6) 4(7.8) 3(6.0) 0.070 糖尿病[n(%)] 62(30.7) 8(16.0) 23(45.1) 15(29.4) 16(32.0) ＜0.01 空腹血糖(x±s，mmol/L) 6.96±2.54 6.82±3.42 6.37±1.01 7.04±3.24 6.69±1.84 0.828 糖化血红蛋白(x±s，%) 6.50±1.31 6.06±1.91 6.19±0.73 7.06±1.92 5.79±1.73 0.145 总胆固醇(x±s，mmol/L) 4.37±1.01 4.22±1.29 4.16±0.78 4.35±1.08 4.62±0.89 0.424 LDL-C(x±s，mmol/L) 2.44±0.88 2.21±1.05 2.41±0.91 2.37±0.88 2.59±0.71 0.527 eGFR[x±s，ml/(min·1.73 m2)] 80.69±23.30 75.68±24.76 75.00±25.05 83.71±19.52 87.18±25.69 0.183 平均用药数量(x±s) 3.62±0.72 3.26±0.56 3.61±0.70 3.78±0.73 3.84±0.77 ＜0.01 24 h尿钠(x±s，mmol) 198.9±96.6 92.34±22.79 157.15±16.39 212.32±15.16 333.91±72.61 ＜0.01 P值为4组间整体比较的统计学分析结果；BMI：体质量指数; LDL-C:低密度脂蛋白胆固醇；eGFR:估计肾小球滤过率 2.2 降压药物使用情况
受试者均服用包括小剂量氢氯噻嗪在内的3种或3种以上降压药物，其他降压药物的应用比例从高到低分别为血管紧张素转换酶抑制剂及血管紧张素受体阻滞剂(94.0%，190/202)、钙通道阻滞剂(88.1%，178/202)、β受体阻滞剂(70.8%, 143/202)、醛固酮受体拮抗剂(31.2%, 63/202)和α受体阻滞剂(5.9%，12/202)。随着24 h尿钠水平的增高，降压药物的服用种类逐渐增多(χ2=24.025，P=0.001)(图 1)。
2.3 不同尿钠水平间的血压达标率
不同尿钠组间的诊室血压达标率无统计学差异(P=0.255)，但HBPM的早晨和上午血压组间达标率存在统计学差异(P=0.040和0.032)，高尿钠组患者的血压达标率最低(图 2)。HBPM下午和睡前血压组间达标率无明显差异。
2.4 影响RH患者血压达标状态的多因素分析
多因素Logistic回归分析显示，诊室血压及HBPM与多种因素相关，其中24 h尿钠与诊室血压(OR=2.356，95% CI：1.004~5.533，P=0.049)、HBPM早晨(OR=2.408, 95% CI:1.026~5.650)及上午(OR=2.299, 95% CI:1.031~5.129)达标状态独立相关，是影响诊室血压达标状态的危险因素(表 2)。24 h尿钠与HBPM早晨(OR=2.408, 95% CI:1.026~ 5.650, P=0.030)及上午(OR=2.299, 95% CI:1.031~ 5.129，P=0.033)的血压达标独立相关，是影响血压达标状态的危险因素；与下午及晚上睡前HBPM血压达标无相关性。
表 2 影响难治性高血压患者诊室及家庭自测血压达标状态的多因素Logistic回归分析影响因素 诊室血压达标 家庭自测血压达标 OR(95% CI) P值 早晨 上午 下午 睡前 OR(95% CI) P值 OR(95% CI) P值 OR(95% CI) P值 OR(95% CI) P值 BMI 2.473(1.020~5.996) 0.045 1.040(0.460~2.334) 0.925 0.876(0.307~2.498) 0.805 1.174(0.415~3.319) 0.762 1.590(0.548~4.616) 0.394 eGFR 1.560(0.805~3.020) 0.187 0.217(0.054~0.880) 0.032 0.248(0.055~1.113) 0.069 1.614(0.638~4.083) 0.321 1.841(0.736~4.603) 0.192 24 h尿钠 2.356(1.004~5.533) 0.049 2.408(1.026~5.650) 0.030 2.299(1.031~5.129) 0.033 1.485(0.471~4.681) 0.500 1.610(0.427~6.069) 0.481 24 h尿钾 0.996(0.589~1.686) 0.989 1.231(0.783~1.936) 0.368 1.430(0.785~2.605) 0.243 0.908(0.491~1.679) 0.758 0.697(0.210~2.315) 0.556 应用螺内酯 0.447(0.144~1.384) 0.163 0.991(0.316~3.113) 0.988 0.787(0.231~2.687) 0.703 0.489(0.130~1.847) 0.292 0.285(0.066~1.239) 0.094 ≥4种抗高血压药物 0.327(0.110~0.972) 0.044 0.415(0.121~1.422) 0.162 0.873(0.268~2.844) 0.822 0.661(0.175~2.489) 0.540 0.211(0.047~0.943) 0.042 诊室血压以＜140/90 mm Hg为达标，家庭自测血压以＜135/85 mm Hg为达标; BMI、eGFR：同表 1 3. 讨论
本研究显示，RH患者多存在钠盐摄入超标现象，高尿钠者以年轻及腹型肥胖者多见。24 h尿钠所反应的高钠盐饮食是RH患者诊室血压、HBPM早晨及上午血压达标的独立危险因素。
评估高血压患者盐摄入量的常用方法包括24 h尿钠测定、盐阈值、膳食调查、夜尿钠测定、点尿钠测定等[3, 10]。各种检测方法均有不足，其中24 h尿钠测定是目前检测膳食中钠摄入量最准确的方法，也是国际公认的金标准[11]，被多项国际大型流行病学研究采用[12-13]。
降压药物的应用可侧面反映盐对RH患者血压的影响。本研究中，随着24 h尿钠排泄(即摄盐量)的增加，患者为控制血压所服用的药物数量显著增加。增加尿钠排泄是控制血压的重要措施，利尿剂是促进钠排泄、降低血压的重要药物。噻嗪类利尿剂可作用于髓袢升支粗段皮质部(此段重吸收Na+为原尿，占尿Na的10%~15%)，抑制钠重吸收，增加尿钠排泄，从而降低体内Na+负荷，降低血压，这也是推荐RH患者应用利尿剂的原因所在[9, 14]。本研究中所有患者均长期服用小剂量氢氯噻嗪，药物对尿钠排泄的影响处于稳定状态，且不同患者间利尿剂的剂量差异小，一定程度上减少了利尿剂对24 h尿钠测定结果的影响。
在影响血压的环境因素中，高盐摄入被认为是重要的因素之一[5]。国际性研究[15]证实，24 h尿钠排泄量(反应钠摄入量)每减少100 mmol，收缩压和舒张压分别降低3.5 mm Hg和1.5 mm Hg。中国人盐摄入普遍超标，我国大部分地区人均盐摄入量＞12 g/d，明显高于我国高血压指南＜6 g/d的推荐[9]。本研究提示日摄盐量超过指南推荐量(6 g/d)的患者占82.8%，盐摄入量超标可能在该类患者血压控制不良中起着重要作用。
高盐摄入可增强患者肾脏交感神经功能[16]，继而增加肾小管对钠的重吸收[17]。在盐敏感患者，高盐摄入可明显增加血浆去甲肾上腺素水平，升高血压[18]，还可以通过增加血管平滑肌细胞内Na+含量，增加血管平滑肌细胞对升压物质(交感神经递质、血管紧张素Ⅱ等)的反应性[19-20]。高盐摄入损害血管内皮功能，降低一氧化氮生物合成，抑制血管扩张，增强阻力动脉的收缩性[21]。因此，高盐摄入在血压升高形成机制中起重要作用。
影响RH患者血压达标状态的因素包括生活方式(盐摄入、运动、体重)、年龄、文化程度、采用的各种降压药物等。任何一种分组方法都无法平衡这些因素的干扰，均难以确定某一因素与血压达标状态的绝对因果关系。因此，本研究将RH患者作为一个整体，以患者血压达标状态为因变量，观察多个自变量对达标状态的影响。研究显示24 h尿钠排泄量是影响RH患者诊室血压及家庭自测血压达标状态的不利因素，与诊室血压及晨起、上午HBPM达标状态独立相关。患者在就诊时(各种环境因素的影响)以及在清晨苏醒过程中(神经内分泌激活)处于相对应激状态，儿茶酚胺类物质分泌增加以及血管对升压物质的反应性增强可能是导致RH患者血压波动、控制不良的重要原因。鉴于本研究中受试者是在我院门诊长期接受积极降压药物治疗的RH患者，高盐摄入主要影响这些患者在应激时的血压达标状态。此发现为高盐摄入在RH血压控制不良中发挥的作用提供了理论依据，突显控盐在RH平稳降压中的意义。
本研究未发现RH患者尿钠排泄与HBPM下午及睡前血压达标状态相关。在接受充分降压药物治疗的RH患者，高盐摄入主要影响应激状态下的血压达标(诊室、早晨、上午)，而HBPM下午及睡前血压并不能反应高盐摄入的条件性升压效应(如应激状态的升压物质，尤其是儿茶酚胺明显升压效应)，弱化了高盐摄入对血压的影响，而诊室及清晨血压与高盐摄入的相关性则较好佐证了该问题。
本文尚存在一定局限性。首先，本研究主要针对RH这一特殊人群，病例数偏少，多因素分析结果尚需在更大规模的研究中进一步论证。其次，本研究未对患者实施盐敏感试验，未能进一步分析高盐摄入对盐敏感患者、盐抵抗患者及中间类型患者的影响。该部分研究目前正在进行中。最后，在分析药物影响因素的过程中，只考虑了降压药物的数量而未分析药物剂量，也是研究的不足之处。
综上所述，RH患者多存在高盐摄入现象，对RH患者进行盐摄入量评估是临床诊疗的重要内容。高盐摄入的RH患者使用的降压药物种类和数量增加，是影响诊室血压及家庭自测血压达标状态的重要因素。限制钠盐摄入对减少RH患者应激时血压波动、促进血压达标至关重要。
作者贡献：何睿琳负责结果分析、论文初稿撰写；刘子妤、杨欣怡负责临床试验；李晨、李晓燕构思论文框架、审核并修订论文。利益冲突：所有作者均声明不存在利益冲突 -
[1] Xu CX, Qi XG, Liu LF, et al. Research on performance of complex networks based on principal component analysis[J]. JCUPT, 2019, 26: 40-48.
[2] Jaradat Y, Masoud M, Jannoud I, et al. A Tutorial on Singular Value Decomposition with Applications on Image Compression and Dimensionality Reduction[C]. 2021 International Conference on Information Technology (ICIT), 2021: 769-772.
[3] Omar HM, Morsli M, Yaichi S, et al. Image Compression using Principal Component Analysis[C]. 2020 2nd International Conference on Mathematics and Information Technology (ICMIT), 2020: 226-231.
[4] Lim ST, Yap DFW, Manap NA, et al. Medical image compression using block-based PCA algorithm[C]. 2014 International Conference on Computer, Communications, and Control Technology (I4CT), 2014: 171-175.
[5] Yeganegi F, Hassanzade V, Ahadi SM. Comparative Performance Evaluation of SVD-Based Image Compression[C]. Electrical Engineering (ICEE), 2018: 464-469.
[6] Guo P, Li D, Li X, et al. Deep OCT image compression with convolutional neural networks[J]. Biomed Opt Express, 2020, 11: 3543-3554. DOI: 10.1364/BOE.392882
[7] Liu F, Hernandez-Cabronero M, Sanchez V, et al. The Current Role of Image Compression Standards in Medical Imaging[J]. Information (Basel), 2017, 8: 131.
[8] Noreña T, Romero E. Compresión de imágenes médicas, et al. Medical image compression: a review[J]. Biomedica, 2013, 33: 137-151.
[9] Chen Y, Janowczyk A, Madabhushi A, et al. Quantitative Assessment of the Effects of Compression on Deep Learning in Digital Pathology Image Analysis[J]. JCO Clin Cancer Inform, 2020, 4: 221-233.
[10] Zhang X, Yu X. Color Image Reconstruction Based on Singular Value Decomposition of Quaternion Matrices[C]. 2018 2nd IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC), 2018: 2645-2647.
[11] Alkandari A, Aljaber SJ. Principle Component Analysis algorithm (PCA) for image recognition[C]. 2015 Second International Conference on Computing Technology and Information Management (ICCTIM), 2015: 76-80.
[12] Li SJ. Image compression based on SVD algorithm[C]. 2021 International Conference on Computer Information Science and Artificial Intelligence (CISAI), 2021: 306-309.
[13] Pearson K. On lines and planes of closest fit to systems of points in space[J]. Philosophical Magazine, 1901, 2: 559-572.
[14] 陈一虎. 基于SVD图像压缩技术研究[J]. 价值工程, 2011, 30: 169-170. https://www.cnki.com.cn/Article/CJFDTOTAL-JZGC201113120.htm -
期刊类型引用(3)
1. 林超，甘羽茜，李翠云，乔建峰，王婷，熊尚全. 盐摄入量与高血压病中医证型以及靶器官损害相关性研究. 中国老年保健医学. 2022(03): 40-43 . 
百度学术
2. 李清霖，张宇清. 去肾交感神经术治疗难治性高血压. 协和医学杂志. 2020(01): 6-11 . 本站查看
3. 刘菲. 螺内酯在难治性高血压治疗中的临床价值. 中国误诊学杂志. 2020(06): 244-245 . 百度学术
其他类型引用(5)
下载:
计量
- 文章访问数: 369
- HTML全文浏览量: 88
- PDF下载量: 38
- 被引次数: 8
