整合營銷服務商
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
骨和掌骨骨折后，應對穩定型的骨折進行手法復位和外固定，對非穩定型骨折實施手術復位和內固定，并在復位準確、固定可靠的情況下，參考如下方案進行康復。
第一階段
在復位和固定1周內，康復治療的主要目標是控制和消除腫脹。
1、腫脹的控制。通過抬高、冰敷、適當加壓包扎、休息等方式控制腫脹，可采用超短波（無熱或微熱）、磁療等方法輔助消腫，必要時進行抗炎、脫水治療。
2、活動度訓練。保守治療者，對未受累的關節（手部各關節、腕、肘等）進行主動活動；手術治療且固定牢靠者，可對骨折鄰近關節進行輕柔的主動活動。
3、腫脹消退后適時調整外固定支具。
第二階段
復位和固定2-3周，康復治療的主要目標是防止粘連、促進愈合。與此同時，應繼續控制腫脹。
1、繼續采用上述方法控制腫脹。可暫時去除支具進行輕柔的向心性按摩，穩定的內固定者可使用壓力手套，保守治療者和術后拆線者可進行冷熱水交替浴。
2、繼續對未受累的手指和關節進行活動度練習和肌腱滑動練習，對受累手指未固定的關節進行活動度練習肌腱滑動練習（內固定比較穩定的，也可臨時卸下支具進行主動的活動度練習和肌腱滑動練習）。關節活動度練習和肌腱滑動練習是這個階段的關鍵所在，練習要全面、充分，可以有效防止軟組織粘連，同時還可促進軟組織和骨骼的愈合。需要注意的是，第一掌骨基底骨折者應避免強行對掌活動。
3、功能性功能及力量練習。可在支具固定下進行輕柔的功能性活動；避免抗阻力活動。
第三階段
復位和固定4-7周，康復治療的主要目標是恢復活動度、力量和功能，消除已經發生的軟組織粘連。在骨折基本愈合的情況下（用X光進行檢查），可拆除支具（或者只在夜間休息及必要時使用支具）。
1、活動度練習。未受累掌骨和指骨活動度的全面恢復；骨折鄰近關節的主被動活動度練習（保護骨折部位）；非骨折鄰近關節活動受限的情況下，可進行牽拉練習和關節松動。在活動度練習前可熱敷，練習后可冰敷。
2、消除已經產生的粘連。繼續肌腱滑動練習；主動背伸受限的情況下，若指間關節伸肌遲滯，可在指掌關節屈曲位重點進行指間關節伸展練習，若指掌關節伸肌遲滯，則可在指間關節屈曲狀態下重點進行指掌關節伸展練習。
3、力量訓練，在5-6周時，可利用橡皮筋、海綿球、硅膠團等工具進行手指力量及握力訓練（保守治療愈合不充分的情況下，練習時機可適當推遲）。
4、功能性活動。愈合良好的情況下可進行輕量日常活動；否則，應在支具的保護下進行輕量日常活動。
第四階段
復位并固定8周以后。此階段的目標在于獲得全面恢復。
1、活動度練習。進行全范圍的活動度練習，在愈合良好的情況下可進行外力輔助的牽拉練習，或者使用動力型支具及矯形器進行長時間、小力量的矯正。
2、力量訓練。逐步開展全面的力量訓練，使各個關節、各個肌肉的力量獲得基本恢復（可與健側對比）。
3、功能練習。逐步恢復到正常的日常活動，對不熟練、不協調的功能進行有針對性的反復訓練，獲得最佳神經肌肉協調性。
原文鏈接：http://www.jinlaiba.com/archives/32368.html
器之心報道
編輯：杜偉、陳萍
有了這個項目，大家終于可以親身體驗一把人體姿態估計成像的神奇之處了！
在 CV 領域，人體姿態估計（human pose estimation）利用目標檢測模型和姿態估計模型來識別出人體各個關節的位置和網格，并已在動作識別、動畫、游戲、運動捕捉系統中有著廣泛的應用。
但遺憾的是，人體姿態估計常常見諸于學術研究中，普通讀者很難親身體驗它的神奇成像效果。
近日，機器之心在 GitHub 上發現了一個有趣的項目「air-drawing」，作者創建了一個利用深度學習的工具，使你在配有攝像頭的電腦端可以獲得自己的手勢姿態估計成像圖。
項目地址：https://github.com/loicmagne/air-drawing
此外，作者使用的深度學習模型還可以預測「向上」或「向下」的手勢動作。動態效果展示圖如下：
小編也嘗試在自己的電腦上捕捉到了手勢姿態估計網格圖：
然后試著寫了兩個字「中國」，不知各位讀者認得出來嗎？！
試玩地址：https://loicmagne.github.io/air-drawing/
作者表示，試玩過程中不會收集用戶信息。作者還優化了代碼，使得該工具可以在大多數電腦上運行。電腦上的網絡攝像頭質量會對成像效果產生影響，調高屏幕亮度有助于更快地觸發攝像頭，并提升快門速度和幀率。如果手部一部分在框架之外，則手部檢測無法正常工作。在繪圖寫字時，保持手指向上，手指向下時會影響指尖的檢測。
技術細節
這個可以隔空作畫的工具使用深度學習來完成，實現 pipeline 包含兩個步驟：手勢檢測以及預測所要畫的圖，這兩個過程都是通過深度學習來完成的。其中，手勢檢測使用了手部追蹤解決方案 MediaPipe toolbox。
MediaPipe toolbox 項目地址：https://google.github.io/mediapipe/solutions/hands.html
繪圖預測部分只用到了手指位置相關技術。輸入是一個 2D 點序列（實際上，該項目使用的是手指的速度和加速度，而不是位置，來保持預測的平移不變），輸出是二元分類「向上（pencil up）」或「向下（pencil down）」。
此外，項目作者還使用了簡單的雙向 LSTM 架構，并且做了一個小數據集（大約 50 個樣本），數據標注使用「python-stuff/data-wrangling/」工具。一開始，項目作者想做一個實時的「向上 / 向下」預測，即在用戶繪畫的同時做出預測。然而，由于任務太難，導致結果很差，因此采用雙向 LSTM。
關于深度學習 pipeline 細節，你可以在 jupyter-notebook 中的 python-stuff/deep-learning / 了解更多信息。
該應用程序可以在用戶端使用，作者將 PyTorch 模型轉換為. onnx，然后使用 ONNX Runtime，它非常方便，可以兼容很多層。
總體來說，這個 pipeline 還需要進一步完善，一些改進的想法包括：
作者答疑
可以隔空繪畫的這個項目引來了眾多網友的討論，有人不禁感慨，「這太酷了！讓我想起迪士尼的廣告，他們會用發光的魔杖畫出米老鼠的頭。」
在網友表達驚喜的同時，也有人提出了自己的疑惑。項目作者在 reddit 上對部分網友的的疑問進行解答，我們列舉其中一部分。
有網友表示，這是一個不錯的項目，并有疑問——RNN 是從頭開始訓練的，還是在預訓練模型的基礎上進行微調的？
作者表示：「模型是從頭開始訓練的，但使用預訓練模型可能是一個不錯的建議。」
還有網友提問：「預測是實時的嗎？那樣的話，這將是一個真正的魔法。」
作者表示，預測是實時的。但遺憾的是，實時性能不是很好，所以必須使用雙向 LSTM。
還有網友建議「使用 transformer 可以獲得更好的性能」。
對于這個建議，作者表示自己曾嘗試過自注意力層，但是結果并不理想。如果有一個更大數據集的話，采用 transformer 效果會更好。
參考鏈接：
https://www.reddit.com/r/MachineLearning/comments/pmqtj9/p_using_deep_learning_to_draw_and_write_with_your/
隨著近幾年移動營銷頁的火爆，催生了一個中國式的名詞「H5」。而 H5 最常見的形態就是類似幻燈片翻頁效果。
我們需要制作 H5 的時候，最快的辦法就是使用一些滑動插件庫，如 iDangero.us 出品的 Swiper，百度 BE-FE 出品的 iSlider。通過這些翻頁庫提供的強大的配置功能，我們就能實現很酷炫的翻頁效果。當然，這些庫還支持自動播放，點擊切換和當前頁面指示等配置，所以還能用在網頁上，實現一些 web carousel 的效果。
百度 H5 也先后使用了 Swiper 和 iSlider 作為 H5 運行時的翻頁框架，隨著用戶越來越多，也遇到了一些問題：
而我們希望的 H5 翻頁庫能和平臺本身的功能完美貼合，在保持體積小的同時，在翻頁的時候能做到「絲般順滑」。于是我們就開始了研(zao)究(lun)之(zi)旅。
H5 滑屏框架的開發，第一個問題就是：頁面是否跟隨手指滑動？這也是騰訊 ISUX 團隊的《滑屏 H5 開發實踐九問》的第一問（這篇文章原文出處現在是 404 ，大家可以在其他的轉載網站看到），這里用這篇文章的圖片說明一下這個問題。
上圖：不跟隨手指滑動，下圖：跟隨手指滑動。
左邊的是不跟隨手指滑動，只需要關注手指觸碰開始和離開兩個時間點，中間過程不用考慮。所以實現起來比較簡單。但是用戶的操作沒有實時的反饋，體驗不夠好。因此，盡管實現起來更復雜，我們仍然決定實現前一種「跟隨手指滑動」的效果。
下圖是跟隨手指滑動的 H5 最直觀的版本，所有的「頁面」依次從上到下，首尾相接。需要說明一下，這里的「頁面」打引號，是因為實際上他們都是 div，后文說的頁面都指這些 div。同時，我們這里以最常見的豎直方向滑動為例，水平方向同理。
基本原理圖
這些 div 的寬度和高度都是 100% 的容器高度，可視區域是中間的部分，我們監聽 touchstart, touchmove, touchend 事件，跟鼠標拖拽的原理類似：
深入探究
簡單的版本在上一部分很容易就實現了，如果其他需求不多，頁面上元素和動畫比較少，基本上就夠用了。但是本文要探究的是如何能做到「絲般順滑」，其實就是兩個字：性能。
性能的瓶頸是什么呢？
我們的目標是：在「三多一低」（頁面多、元素多、動畫多，配置低）的情況下，滑動翻頁時，盡可能不產生卡頓。
我們分成兩部分來看這問題：手指離開屏幕前和手指離開屏幕后。
手指離開屏幕前
此時比較耗費性能的操作是：當 touchmove 觸發時，計算出了要移動的距離，所有的頁面都需要沿著 Y 軸移動相同的距離。此時必然免不了進行 DOM 操作，而 DOM 操作是非常「昂貴」的，再加上 touchmove 事件的頻繁觸發，性能處理不夠好的話，很容易出現卡頓。
為了優化性能，我們很自然的想到一個策略：減少 DOM 操作。
這里面包含兩部分：減少 DOM 操作的元素和減少 DOM 操作的屬性。前者比如，看不到的頁面不參與動畫。后者比如，只改變元素的 css 屬性的一個或幾個。
減少 DOM 操作的元素
最開始簡易的版本的例子中，touchmove 觸發時，所有的頁面都沿著 Y 軸移動。其實沒有必要，因為相當一部分頁面是看不見的。那一般情況下，我們最少需要操作幾個頁面呢？答案是兩個。可以回想一下，我們滑動的時候，最多能同時看到兩個頁面。這個方法相對于所有的頁面一起移動，成倍地提升性能。
減少 DOM 操作的屬性
這個方法的主要意思是，只需要操作一次 DOM 能達到的效果，絕不用兩次。實際上，對于 slide 動畫，我們只需要改變頁面的 transform的值，其他的 DOM 操作（增加 class，修改元素的 innerHTML）等能不做就不做。
我們得到了一個初步的方案：初始化時，所有的頁面一次性全部置入 container，除了我們用到的兩頁，display 屬性都設置為 none。touchmove 的時候，只有這兩頁的 transform 屬性有變化。
touchmove 的過程，我們可以寫成數學表達式：
s=f(x),x∈[0,sideLength]
s=f(x),x∈[0,sideLength]
x
x 表示手指滑動的距離，s
s 表示頁面滑動距離，sideLength
sideLength 是當前滑動邊的長度，如果是沿 y 軸滑動，則是頁面高度。寫到這里，就跟時下很流行的「數據驅動」的概念很類似了。我們要實現的就只有一個 render 函數，輸入是用戶的交互數據，輸出是頁面表現。
手指離開屏幕后
當手指離開屏幕時，我們就已經知道了這次滑動的結果（向上還是向下？翻頁還是回彈？），要實現的只是動畫效果，我們有兩個選擇：
方案一：復用 touchmove 的 render 邏輯，按照手指滑動的速度，使用 requestAnimationFrame 控制動畫；
方案二：使用 css3 transition 動畫；
方案一的優點在于：可以在手指滑動和動畫過程使用同樣的 render 函數，最大限度復用了代碼，邏輯統一；同時可以精確控制動畫的每一幀，動畫曲線會比較流暢。 缺點就是可能存在的性能問題。方案二跟方案一剛好相反。其實說到底還是 js 動畫 vs css 動畫的問題。
動畫性能實驗
為了比較兩個方案在 H5 翻頁動畫上的性能優劣，我們取一個稍微復雜點的例子：
H5：百度無人車招聘的 H5
動畫：從第 1 頁翻到第 2 頁
CPU： 6 * slowdown
瀏覽器：Chrome 61.0.3163.100（64 位）
js 動畫方案：點擊這里
css 動畫方案：點擊這里
js 翻頁動畫方案，Profile 結果
css 翻頁動畫方案，Profile 結果
通過實驗我們可以看到，js 的動畫過程中，幀率大多維持在 30 fps 上下。而 css 動畫，基本都在 60 fps 上下。而且在動畫過程中，明顯感覺 js 動畫有卡頓。這種情況在一些 CPU 和顯卡配置相對低的 Android 機型上尤為明顯。對于這個問題有興趣的同學，可以看一下 swiper 庫的 raf 分支，這是本次對比測試所用到的 js 。
所以，盡管 js 的動畫方案看起來比較「優雅」，能用「數據驅動」的理念，統一解決滑動過程和動畫過程的問題。實際上性能有瓶頸，我們只能在手指離開屏幕后，采用 css 的動畫方案以保證性能。正應了一句話「能用 css 做的，絕對不要用 js 解決」。
實施方案
下圖形象地展示了我們實施的基本思路，只有兩頁：
currentPage ：當前頁面
activePage：即將要翻到的下一頁
其余的頁面都是初始化的時候加載進 DOM 結構，但是 display 為 none 并且 z-index 都是 0。這里展示「層疊」的狀態是為了更形象的展示。
swiper 原理圖
為了方便獲取頁面，我們采用雙向鏈表保存頁面結構。每個 page 具有 prev 和 next 分別指向上一個和下一個 page。
我們重點要關注的是，怎么樣確定 activePage ？即下一個要去到的頁面。答案很簡單，其實，當用戶開始觸碰屏幕，并且滑動的時候，就能確定了：
翻頁效果
我們舉的例子中的翻頁效果是最普通的滑動效果。怎么樣擴展支持立方體、翻轉等效果呢？可以回頭看看「手指離開屏幕前」部分，我們提出了 s=f(x)
s=f(x)，x
x 是用戶滑動距離，s
s 是頁面滑動距離。我們把 s
s 擴展一下，變成「頁面翻轉角度」或「頁面縮放比率」，就可以支持其他的效果了。
事實上，我們在滑動的時候，本身就是使用 css3 的 transform 屬性，將其中的 translate, rotate, scale 適當的組合就能做出千變萬化的翻頁效果了。
更令人愉悅的動畫
這里指的是 animation-timing-function，拿最簡單的滑動效果舉例。如果是線性的函數，用戶滑動的速度始終等于頁面滑動速度。而「感覺上」更流暢、更靈敏的應該是：剛開始頁面滑動速度大于用戶滑動速度，隨著翻頁的進行，兩者趨于相同，過了某個點后，單位時間內，頁面滑動速度開始逐漸小于用戶滑動速度，將速度表示為距離，就可以得到 x
x 和 s
s 之間的關系如下圖：
x
x 和 s
s 的關系圖（橫軸為 x
x，縱軸為 s
s）
在這里，不得不再提起兩種動畫方案： js 動畫和 css 動畫。
js 動畫方案的一個優點是，可以精確控制動畫的進程，而 css 無法做到。比如用戶在 x = 0.8 的時候手指離開屏幕，因為采用的同一個 render，js 可以知道手指離開屏幕的瞬間 x 處于 0.8 的位置，接下來的動畫由 requestAnimationFrame 完成，整個過程流暢且完整。
而 css 動畫則不同，css 動畫只有在動畫開始之前設定 animation-timing-function，當用戶在 x = 0.8 手指離開屏幕時，原本的 js 控制滑動過程中斷，由 css 來完成剩余的動畫，css 無法根據手指離開屏幕的瞬間動態計算 animation-timing-function ，所以在銜接的那個點，兩者速度不匹配，會影響整體動畫效果。
但遺憾的是，js 的動畫方案有性能問題，我們在用戶手指離開屏幕后的那一部分只能采取 css 動畫方案。這個「更令人愉悅的動畫」也只能用在手指滑動期間。
本文講述了一個「絲般順滑」的 H5 翻頁庫的開發過程中遇到的一些問題和對應的解決方法。基本的滑動翻頁模型建立之后，重點關注了性能的問題，分為手指離開屏幕前和手指離開屏幕后兩個階段。前一階段主要聚焦于減少 DOM 操作。后一階段聚焦于動畫的性能，并且對比了 js 動畫和 css 動畫的性能數據，最后得出了在手指離開屏幕后使用 css 動畫的結論。此外，我們還基于「數據驅動」的思想，在翻頁效果和動畫函數兩部分進行了擴展，增強了翻頁庫的功能，也豐富了 H5 的展現效果。
本文中嘗試用「數據驅動」的思想去解釋整個過程，但是因為性能問題只能暫時放棄，希望在未來能找到更好的方案。由于水平所限，文中難免會出現紕漏，歡迎大家批評指正，共同學習進步。感謝 Swiper 和 islider 翻頁庫的啟發，特別感謝和 @Ronny 的熱烈討論。
本文所述的 swiper 庫地址：https://github.com/fex-team/swiper。master 分支所用的代碼是目前百度 H5 線上使用的。raf 分支是文中提到的使用 js 動畫方案。
點贊+轉發，讓更多的人也能看到這篇內容（收藏不點贊，都是耍流氓-_-）
關注 ｛我｝，享受文章首發體驗！
每周重點攻克一個前端技術難點。更多精彩前端內容私信 我 回復“教程”
原文鏈接：http://fex.baidu.com/blog/2017/10/build-a-silky-smooth-slide-library/
作者：zhangbobell
*請認真填寫需求信息，我們會在24小時內與您取得聯系。
