慢粒白血病是一种罕见但危险的血液疾病，与白血病相比有一些明显的区别。本文将深入探讨慢粒白血病和白血病之间的区别，帮助读者更好地了解这两种疾病的特点和治疗方法。
慢粒白血病（CML）和白血病（Leukemia）都是血液系统的恶性肿瘤，但它们在发病机制和临床症状上存在差异。
慢粒白血病：
慢粒白血病是一种骨髓性白血病，它的特点是骨髓中的白细胞中存在转座融合基因BCR-ABL。这种基因异常导致骨髓中的白细胞过度增殖，积聚在血液和其他组织中，从而引发一系列的临床症状。慢粒白血病是一种慢性病程，通常进展较缓慢。
白血病：
白血病是一类由造血干细胞或早幼细胞发展而来的恶性疾病，表现为骨髓中白血病细胞过度增生。白血病包括急性白血病（AML和ALL）和慢性白血病（CML和CLL）两类。其中，急性白血病是一种急性进展的血液疾病，而慢性白血病则具有较慢的进展速度。
尽管慢粒白血病和白血病都是血液疾病，但它们的症状却有一些不同。
慢粒白血病的症状：
白血病的症状：
需要注意的是，这些症状并非都是慢粒白血病或白血病特有的，也可见于其他疾病，因此确诊还需要进一步的检查和诊断。
对于慢粒白血病和白血病的确诊，医生通常会根据患者的症状、体格检查、血液检查和骨髓活检等综合考虑。
针对慢粒白血病，以下是一些常见的诊断方法：
而白血病的诊断方法包括：
通过这些检查和诊断方法，医生能够准确判断患者是患有慢粒白血病还是其他类型的白血病。
针对慢粒白血病和白血病的治疗方法有所不同。
慢粒白血病的治疗方法：
白血病的治疗方法：
需要注意的是，每位患者的病情不同，治疗选择也可能会有所不同。因此，患者应在医生的指导下进行个体化的治疗。
慢粒白血病和白血病虽然都是血液疾病，但它们在发病机制、临床症状和治疗方法上有一些明显的区别。
慢粒白血病的特点是BCR-ABL基因融合，白血细胞过度增殖，并具有慢性病程。而白血病则包括急性白血病和慢性白血病两类，它们的进展速度和临床特点也有所不同。
通过正确的诊断和治疗，患者能够得到有效的控制和管理。因此，及早寻求医生的帮助，接受正确的治疗是至关重要的。
白血病基金：战胜疾病之光
白血病是一种常见的血液系统恶性肿瘤，主要发生在骨髓中的造血干细胞。这种疾病给患者和他们的家人带来了巨大的身体和心理负担。然而，有一个伟大的组织致力于帮助这些患者，滋润他们的希望之花。那就是白血病基金。
白血病基金是一个非营利组织，旨在提高公众对白血病的认识，支持那些受白血病困扰的患者和他们的家庭。这个基金通过筹集资金和资源，为研究、教育和治疗项目提供支持。
作为一个致力于推动白血病研究和治疗的组织，白血病基金通过提供经济援助来帮助患者支付高昂的医疗费用，为他们提供情感上的支持，并且积极参与社区活动以加强白血病意识。这个基金的目标是改善白血病患者的生活质量，并最终找到治愈这种疾病的方法。
白血病基金的使命是为白血病患者提供希望、援助和支持。这个基金的核心价值观是坚持以患者为中心，追求卓越，促进合作，推动创新。
首先，白血病基金致力于为患者和他们的家人提供希望。患者常常面临着病情的不确定性和不可预测性，他们和家人需要一个可以寄托希望的地方。基金通过为患者提供信息、资源和支持网络，帮助他们保持积极的心态。
其次，基金追求卓越。白血病是一种复杂而严重的疾病，治疗要求高度的专业知识和经验。基金支持研究项目，培养医疗人才，推动医学进步和创新，力求提供最佳的治疗方案。
此外，白血病基金积极促进合作。与医疗机构、研究机构和社区团体的合作可以实现资源共享，优势互补，达到更大的影响力。基金通过建立伙伴关系，扩大与各方的合作范围，提高白血病关注度。
最后，白血病基金推动创新。在白血病治疗领域，科学研究和新技术的不断进步给患者带来了新的希望。基金致力于支持创新项目，鼓励科学家和医生探索更有效的治疗方法，以提高白血病患者的生存率和康复率。
白血病基金通过多种方式实现其使命和目标。
1. 研究资助
白血病基金资助临床研究和科学研究项目，以促进对白血病的理解和治疗方法的改进。这些资金可以用于实验室设备购买、科研人员招聘和培训、临床试验等方面，为研究人员提供必要的支持。
2. 患者支持
白血病患者往往需要面对身体和心理上的双重挑战。基金通过提供情感支持和康复服务来帮助他们度过困难时期。这些服务可以包括心理咨询、康复训练、社交活动等，以提高患者的生活质量。
3. 公共教育
白血病基金通过组织教育活动、发布宣传材料等方式提高公众对白血病的认识。它致力于消除对白血病的误解和偏见，鼓励人们关注和支持白血病患者，并促进白血病研究和治疗的发展。
4. 筹款活动
白血病基金通过筹款活动筹集资金，以支持其各项工作。这些筹款活动可以包括慈善晚宴、义卖活动、募捐运动等，号召社会各界的爱心人士为白血病患者贡献一份力量。
每个人都可以为支持白血病基金的工作做出贡献。
1. 捐款
捐款是帮助白血病基金的最直接和有效的方式。您可以选择定期捐赠或一次性捐赠，无论数额大小，都可以改变患者和他们家庭的命运。您的捐款将被用于研究、教育、患者支持等方面，并为白血病患者带来希望。
2. 志愿者工作
除了捐款，您还可以通过志愿者工作为白血病基金贡献力量。您可以参与筹款活动的组织和实施，为患者提供实际的帮助和支持。您的时间、关爱和付出将成为患者和他们家庭生活中闪耀的阳光。
3. 传播宣传
帮助白血病基金传播宣传是宣传白血病基金工作的重要方式。您可以分享基金的宣传材料、文章或活动信息，通过社交媒体、朋友圈等途径，让更多人了解和关注白血病患者的需求。
4. 教育自己
掌握更多关于白血病的知识是支持白血病基金的关键。您可以通过阅读相关书籍、参加研讨会或在网上搜索信息等方式，增加自己的了解和认识，为白血病患者发声。
白血病基金是一个为战胜白血病而努力的组织，它代表了每一个为白血病患者献出关爱的人。让我们加入这个大家庭，为白血病患者带来希望和力量！
之前看了Mahout官方示例 20news 的调用实现；于是想根据示例的流程实现其他例子。网上看到了一个关于天气适不适合打羽毛球的例子。
训练数据：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
检测数据：
sunny，hot，high，weak
结果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代码调用Mahout的工具类实现分类。
基本思想：
1. 构造分类数据。
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
接下来贴下我的代码实现=》
1. 构造分类数据：
在hdfs主要创建一个文件夹路径 /zhoujainfeng/playtennis/input 并将分类文件夹 no 和 yes 的数据传到hdfs上面。
数据文件格式，如D1文件内容： Sunny Hot High Weak
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
这三步，代码我就一次全贴出来；主要是两个类 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 测试代码
*/
public static void main(String[] args) {
//将训练数据转换成 vector数据
makeTrainVector();
//产生训练模型
makeModel(false);
//测试检测数据
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean参数是，是否递归删除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成训练模型失败！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("检测数据构造成vectors初始化时报错。。。。");
System.exit(4);
}
}
/**
* 加载字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加载df-count目录下TermDoc频率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1时表示总文档数
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要从dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用贝叶斯算法开始分类,并提取得分最好的分类label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("检测所属类别是："+getCheckResult());
}
}
1. 请介绍一下WebGIS的概念和作用，以及在实际应用中的优势和挑战。
WebGIS是一种基于Web技术的地理信息系统，通过将地理数据和功能以可视化的方式呈现在Web浏览器中，实现地理空间数据的共享和分析。它可以用于地图浏览、空间查询、地理分析等多种应用场景。WebGIS的优势包括易于访问、跨平台、实时更新、可定制性强等，但也面临着数据安全性、性能优化、用户体验等挑战。
2. 请谈谈您在WebGIS开发方面的经验和技能。
我在WebGIS开发方面有丰富的经验和技能。我熟悉常用的WebGIS开发框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能够使用HTML、CSS和JavaScript等前端技术进行地图展示和交互设计，并能够使用后端技术如Python、Java等进行地理数据处理和分析。我还具备数据库管理和地理空间数据建模的能力，能够设计和优化WebGIS系统的架构。
3. 请描述一下您在以往项目中使用WebGIS解决的具体问题和取得的成果。
在以往的项目中，我使用WebGIS解决了许多具体问题并取得了显著的成果。例如，在一次城市规划项目中，我开发了一个基于WebGIS的交通流量分析系统，帮助规划师们评估不同交通方案的效果。另外，在一次环境监测项目中，我使用WebGIS技术实现了实时的空气质量监测和预警系统，提供了准确的空气质量数据和可视化的分析结果，帮助政府和公众做出相应的决策。
4. 请谈谈您对WebGIS未来发展的看法和期望。
我认为WebGIS在未来会继续发展壮大。随着云计算、大数据和人工智能等技术的不断进步，WebGIS将能够处理更大规模的地理数据、提供更丰富的地理分析功能，并与其他领域的技术进行深度融合。我期望未来的WebGIS能够更加智能化、个性化，为用户提供更好的地理信息服务，助力各行各业的决策和发展。
这块您需要了解下stm32等单片机的基本编程和简单的硬件设计，最好能够了解模电和数电相关的知识更好，还有能够会做操作系统，简单的有ucos，freeRTOS等等。最好能够使用PCB画图软件以及keil4等软件。希望对您能够有用。
1.负责区域大客户/行业客户管理系统销售拓展工作，并完成销售流程；
2.维护关键客户关系，与客户决策者保持良好的沟通；
3.管理并带领团队完成完成年度销售任务。
你好，面试题类型有很多，以下是一些常见的类型：
1. 技术面试题：考察候选人技术能力和经验。
2. 行为面试题：考察候选人在过去的工作或生活中的行为表现，以预测其未来的表现。
3. 情境面试题：考察候选人在未知情境下的决策能力和解决问题的能力。
4. 案例面试题：考察候选人解决实际问题的能力，模拟真实工作场景。
5. 逻辑推理题：考察候选人的逻辑思维能力和分析能力。
6. 开放性面试题：考察候选人的个性、价值观以及沟通能力。
7. 挑战性面试题：考察候选人的应变能力和创造力，通常是一些非常具有挑战性的问题。
需要具体分析 因为cocoscreator是一款游戏引擎，面试时的问题会涉及到不同的方面，如开发经验、游戏设计、图形学等等，具体要求也会因公司或岗位而异，所以需要根据实际情况进行具体分析。 如果是针对开发经验的问题，可能会考察候选人是否熟悉cocoscreator常用API，是否能够独立开发小型游戏等等；如果是针对游戏设计的问题，则需要考察候选人对游戏玩法、关卡设计等等方面的理解和能力。因此，需要具体分析才能得出准确的回答。
以下是一些可能出现在MyCat面试中的问题：
1. 什么是MyCat？MyCat是一个开源的分布式数据库中间件，它可以将多个MySQL数据库组合成一个逻辑上的数据库集群，提供高可用性、高性能、易扩展等特性。
2. MyCat的优势是什么？MyCat具有以下优势：支持读写分离、支持分库分表、支持自动切换故障节点、支持SQL解析和路由、支持数据分片等。
3. MyCat的架构是怎样的？MyCat的架构包括三个层次：客户端层、中间件层和数据存储层。客户端层负责接收和处理客户端请求，中间件层负责SQL解析和路由，数据存储层负责实际的数据存储和查询。
4. MyCat支持哪些数据库？MyCat目前支持MySQL和MariaDB数据库。
5. MyCat如何实现读写分离？MyCat通过将读请求和写请求分别路由到不同的MySQL节点上实现读写分离。读请求可以路由到多个只读节点上，从而提高查询性能。
6. MyCat如何实现分库分表？MyCat通过对SQL进行解析和路由，将数据按照一定规则划分到不同的数据库或表中，从而实现分库分表。
7. MyCat如何保证数据一致性？MyCat通过在多个MySQL节点之间同步数据，保证数据的一致性。同时，MyCat还支持自动切换故障节点，从而保证系统的高可用性。
8. MyCat的部署方式有哪些？MyCat可以部署在单机上，也可以部署在多台服务器上实现分布式部署。
白血病是一种血液系统的恶性疾病，这个病发生后会表现为血液三系异常，临床表现上主要会出现出血的症状，其中鼻腔出血比较常见，这种情况造成的出血量一般较大，也不容易止血，往往需要耳鼻喉科帮助鼻腔填塞才能够止血，这个病还会出现发烧、皮肤淤青，瘀斑，也可以有内脏出血等症状。
