简介：摘要目的分析不同教学模式下和有不同学习动机的学生的线上学习行为与学习效果，为优化线上教学提供参考。方法选择2019和2020年参与中南大学生理学小规模限制性在线课程（small private online course，SPOC）和同年参与大规模在线开放课程（massive open online courses，MOOC）的学生，探讨不同教学模式下的线上学习行为和不同学习动机的学生的学习效果。从学习投入、互动行为和学习动机3方面分析学生的线上学习行为。采用SPSS 25.0软件，用函数计算、频率统计、回归分析、秩和检验、相关性检验、卡方检验等统计学方法进行数据分析。结果2020年SPOC学习者的学习参与度（z=14.36，P<0.001）和人机、人际互动学习水平（z=-11.70、-16.18，P均<0.001）均高于2019年。2019年、2020年的学生整体互动行为与成绩呈中等相关（r=0.42、0.52，P均<0.001），且人际互动行为相关更强（r=0.60、0.55，P均<0.001）。2019年SPOC和MOOC学习者的成绩构成不同（χ2=857.45，P<0.001）。外部动机的SPOC学习者学习效果优于内部动机的MOOC学习者（z=-28.42，P<0.001）。结论学校所采用的教学模式通过学生的在线学习投入和互动学习行为影响学习效果，学生自身的学习动机也对其在线学习效果起到关键作用。

简介：摘要用学术英语（English for academic purposes，EAP）撰写并发表论文是我国医学研究生应具备的一项基本素质。面对这一挑战，医学研究生需适应从外语到局部的二语环境、从应试到应用写作的转变；并把握英文生物医学论文的特点，包括以应用为导向、以清楚简洁为语言使用标准、以特定的语类规则组织篇章、以交际目标完成情况为评价标准等。进而根据这些特点选择符合语体特征的词，确保句子结构与逻辑一致，做到段落连贯、一个段落一个中心思想，以及确保篇章结构符合语体规范与格式，从而切实有效地提高英文生物医学论文写作能力。

简介：摘要目的分析基于学习通平台的对分课堂教学实践中学生的学习行为。方法在预防医学专业儿童少年卫生学课程中开展基于学习通平台的对分课堂教学实践。收集学习通上的数据，分析学生学习行为，包括访问量及其规律、作业提交完成率及时长、任务点完成率、参与讨论数等。用问卷调查学生对学习效果的评价。采用SPSS 17.0进行Mann-Whitney U、Kruskal-Wallis H检验和卡方检验。结果99名学生在84天内访问40 322次，在讨论课当天出现大高峰，在16:00—20:00访问量最高，29.3%（29/99）的学生访问天数<40。作业提交完成率为98.0%（582/594），31.1%（181/582）的人次提交作业时长<6 h。任务点完成率为99.0%（3 919/3 960）。学生参与讨论数为3（2，7）。86.9%~90.9%的学生认为5个方面的学习效果部分达到或基本达到。结论学生学习行为总体表现良好，但参与讨论数较少，部分学生被动学习，需进一步改进教学措施。

简介：摘要目的探索深层学习策略在医学生职业认同与胜任力之间的中介作用。方法选择四川大学华西临床医学院2018级五年制临床医学专业212名学生作为研究对象，进行职业认同、深层学习策略和胜任力问卷调查，采用Pearson相关分析探究各潜变量间的相关关系，假设作用路径并利用结构方程模型验证。结果医学生的胜任力、职业认同和深层学习策略评分分别为(66.38±11.67)分、(12.68±2.32)分和(43.97±6.43)分。职业认同与胜任力呈正相关(r＝0.50)，深层学习策略与胜任力呈正相关(r＝0.51)，职业认同与深层学习策略呈正相关(r＝0.34)，其差异均具有统计学意义(均P<0.001)。职业认同和深层学习策略均对胜任力存在直接正向作用(β＝0.39、0.41，均P<0.001)，职业认同对深层学习策略存在直接正向作用(β＝0.28，P<0.001)，职业认同经过深层学习策略对胜任力存在间接正向作用(β＝0.12，P<0.001)。结论深层学习策略能够中介医学生职业认同对胜任力的作用路径，可以通过提高医学生职业认同水平，培养深层学习策略，实现早期对临床医学专业学生的胜任力导向。

简介：摘要目的探讨基于MRI的深度学习（DL）影像组学机器学习模型在术前区分病理低级别和高级别软组织肉瘤（STS）的价值。方法回顾性纳入2007年11月至2019年5月青岛大学附属医院经病理证实的151例STS患者为训练集、山东第一医科大学附属山东省立医院和河北医科大学附属第三医院的131例STS患者为外部验证集。根据法国国家癌症研究中心（FNCLCC）肿瘤分级标准，STS病理分级低级别（FNCLCCⅠ和Ⅱ级）161例，高级别（FNCLCCⅢ级）121例。分别提取病灶的手工影像组学（HCR）特征和DL影像组学特征，分别基于HCR特征、DL特征和两者组合特征，建立决策树、逻辑回归、支持向量机（SVM）3种分类器的机器学习模型，采用受试者操作特征曲线下面积（AUC）评价各机器学习模型预测高级别和低级别STS的效能，确定最优机器学习模型。采用单因素和多因素logistic回归筛选临床和影像学特征，建立临床影像学模型。结合最优机器学习模型和临床影像学模型，建立列线图，采用AUC来评估各模型和列线图的预测性能，AUC间比较采用DeLong检验。采用Kaplan-Meier生存曲线和log-rank检验评价最优机器学习模型在STS患者无进展生存期（PFS）风险分层中的表现。结果基于HCR和DL组合影像组学特征的SVM机器学习模型的AUC最大，在训练集和外部验证集中预测STS分级分别为0.931（95%CI 0.889~0.973）和0.951（95%CI 0.904~0.997），为最优机器学习模型。临床影像学模型在训练集和外部验证集中的AUC分别为0.795（95%CI 0.724~0.867）和0.615（95%CI 0.510~0.720），列线图分别为0.875（95%CI 0.818~0.932）和0.786（95%CI 0.701~0.872）。外部验证集中，最优影像组学机器学习模型预测STS分级的性能优于列线图和临床影像学模型（Z=3.16、6.07，P=0.002、<0.001）。最优影像组学机器学习模型预测的高级别和低级别STS患者的PFS差异有统计学意义（训练集χ²=43.50，P<0.001；外部验证集χ²=70.50，P<0.001）。结论基于MRI的DL影像组学模型可有效预测STS的FNCLCC肿瘤分级，其中HCR和DL组合影像组学特征的SVM分类器模型效能最佳，并有望对患者预后进行风险分层。

简介：摘要目的基于深度学习方法开发创伤出血量分级预测模型，以辅助预测创伤动物出血量。方法基于中国人民解放军总医院构建的战创伤动物实验时效评估数据库中猪枪弹伤实验数据进行回顾性观察性研究。提取研究总体的出血量数据，并按照出血量将其分为0~300 mL组、301~600 mL组、>600 mL组。采用生命体征指标作为预测变量、出血量分级作为结局变量，基于4种传统机器学习和10种深度学习方法开发创伤出血量分级预测模型；采用实验室检验指标作为预测变量、出血量分级作为结局变量，基于上述14种算法开发创伤出血量分级预测模型。通过准确率和受试者工作特征曲线下面积（AUC）对上述两组模型进行效果评价，并将两组中的最优模型混合得到混合模型1；通过遗传算法进行特征选择，并根据最佳特征组合构建混合模型2；最后，将混合模型2部署于动物实验数据库系统中。结果纳入数据库中创伤动物96只，其中0~300 mL组27只，301~600 mL组40只，>600 mL组29只。在基于生命体征指标构建的14种模型中，全卷积网络（FCN）模型为最优模型〔准确率为60.0%，AUC及95%可信区间（95%CI）为0.699（0.671~0.727）〕；在基于实验室检验指标构建的14种模型中，循环神经网络（RNN）模型为最优模型〔准确率为68.9%，AUC（95%CI）为0.845（0.829~0.860）〕。FCN与RNN模型混合后得到混合模型1，即RNN-FCN模型，模型效果得到提升〔准确率为74.2%，AUC（95%CI）为0.847（0.833~0.862）〕；通过遗传算法进行特征选择，根据筛选后的特征组合构建混合模型2，即RNN-FCN*模型，进一步提升了模型效果〔准确率为80.5%，AUC（95%CI）为0.880（0.868~0.893）〕，该模型包含10项指标，分别为平均动脉压（MAP）、血细胞比容（HCT）、血小板计数（PLT）、血乳酸（Lac）、动脉血二氧化碳分压（PaCO2）、二氧化碳总量、血Na+、阴离子隙（AG）、纤维蛋白原（FIB）、国际标准化比值（INR）。最后，将RNN-FCN*模型部署在数据库系统中，实现了对创伤动物出血量的自动、连续、高效、智能、分级预测。结论基于深度学习开发了一种创伤出血量分级预测模型，并部署在信息系统中，实现了对创伤动物出血量的智能分级预测。

简介：摘要超声心动图是临床评估心脏结构和功能的主要影像技术，具有无创、无辐射、实时等优点。随着深度学习的出现，利用深度神经网络分析超声心动图已成为目前研究的主流。笔者将从不同超声模态展开，根据超声心动图检查全流程，从标准切面的获取、分类，至量化心脏结构和功能，以及疾病诊断等方面，充分阐述深度学习在每一个环节中的最新研究进展。

简介：摘要不同抑郁症患者的最优治疗方案一般需通过长期、低效率的试错过程来逐步确定。为实现抑郁症的精准治疗，有必要通过特异性生物标志物来选择有效的治疗方法。深度学习是机器学习的一个分支，该技术能处理大量高维、复杂的数据，适用于自动提取和学习临床、基因组学和神经影像数据的特征。近年来，研究人员正在使用深度学习技术开发抑郁症治疗反应的预测模型，有利于指导临床医生为患者选择最佳治疗方案以及在全球范围内推进更为高效的个体化精准医疗方案。本文从人口学、临床症状数据、基因组学数据和功能磁共振成像数据三个方面，对深度学习预测抑郁症疗效方面的相关研究进行综述，并对未来的深度学习研究方向尤其是多组学数据结合深度学习的应用进行展望。

简介：无

简介：摘要近年来，随着人工智能技术快速发展，以深度学习为核心的计算机科学大量应用于医学领域。脑卒中作为人类死亡的常见病因，深度学习在脑卒中诊断与防治中具有较大的应用价值。为了评价深度学习技术在脑卒中疾病中的重要性，本文对深度学习在脑卒中诊断、治疗及预测方面进行了多层次，多角度的系统性回顾，着重探讨多种深度学习方式在脑卒中诊断方面的应用，另外还讨论了目前所遇的瓶颈和深度学习技术在未来的发展前景，以期对临床与医护科研人员进一步研究提供新方向，进一步挖掘深度学习在脑卒中领域的发展潜能。

简介：摘要临床教师教学能力和教学研究能力是影响医学教育人才培养质量的关键因素，科学设计的临床教师培训将会直接提高临床教师的教学能力和教学研究能力。2017年12月，齐齐哈尔医学院启动临床教师培训，设计了学习-研究-实践为一体的教师共同体(简称学习-研究-实践共同体)，开展内容形式多样的临床教师培训。经过4期培训，共有332名临床教师完成培训，其中21.4%(71/332)的临床教师有自己主持的学院和省级教研项目；74.7%(248/332)的临床教师掌握了临床技能评估方法和临床教学规范；97.4%(323/332)的临床教师对培训效果感到满意。可见，基于学习-研究-实践共同体的临床教师培训有助于提高临床教师教学能力和教学研究能力，可以进一步推广。

简介：摘要深度学习作为人工智能的一种方法，近几年才应用于胶质母细胞瘤(glioblastoma, GBM)的研究。大体上，该方法在GBM的应用主要分临床、病理及自身效果比较这三个方面。进一步细分，深度学习在GBM的临床应用又分为患者的预后判断、病变的诊断与鉴别诊断以及肿瘤的放疗三个方向；在GBM的病理应用分为分子及基因表达状态的判断、病理组织的识别。在深度学习方法上，用的最多的是卷积神经网络，其他的研究尚包括不同深度学习模型间的效果比较，源自不同MRI序列的深度模型建立等。本文就深度学习在GBM的应用展开综述。

简介：摘要2020年6月至2021年6月,在临床参观学习急诊肢体离断伤患者的诊疗经过,期间共参与460例离断伤的再植手术,初步掌握肢体离断伤的诊疗原则。体会到断肢再植术对手术医生的技术、体能要求较高;医学生作为医疗服务中的后备力量,不仅能够在术中学习显微操作、磨炼意志品质,还应当传承技术、勇担使命,为肢体离断患者的外观修复和功能恢复保驾护航。

简介：摘要为缓解牙周病学线下教学课时紧张的难题，南京医科大学牙周病学教研组设计了在线自主学习平台。在线自主学习平台已经实施一年，为了进一步了解其应用效果，本文以南京医科大学2017级口腔医学专业97名学生为例，阐述了牙周病学在线自主学习平台的设计、实施，通过期末考试成绩、问卷调查和访谈结果评价其应用效果。结果显示，学生牙周病学期末考试成绩为(78.64±10.14)分，优秀率为50.0%(48/96)，及格率为92.7%(89/96)。90.7%(88/97)的学生对在线自主学习平台总体满意。可见，牙周病学在线自主学习平台有助于学生系统掌握理论知识，得到了学生的广泛认可，此外学生认为牙周病学自主学习平台高效实用、实时互动、充满挑战。

简介：摘要近年口腔正畸领域人工智能技术的应用研究逐渐增加，深度学习作为其中的热门方向，也迅速被应用于正畸诊疗的检测、评估、诊断、预测以及疗效评价等多个环节。目前，深度学习研究在表现出高效、准确优势的同时，也存在可解释性不强、数据量不足等限制。本文从深度学习的提出与发展、正畸诊疗中的应用以及推广的限制与对策三方面进行综述，并进行展望。

简介：摘要圆锥角膜的诊断与人工智能息息相关，而机器学习是人工智能的核心，各种结合了角膜形态数据的机器学习模型是圆锥角膜诊断中的有效补充，并提供了一定的决策支持，这类人工智能系统可以提高读图效率、减少人为误判几率并有效降低人力成本。本文通过归纳既往辅助诊断圆锥角膜的机器学习模型，帮助研究者们了解圆锥角膜智能诊断领域的相关知识，这对于进一步开展这一领域的机器学习研究有重要意义。

简介：摘要目的通过基于MRI的机器学习模型来预测吸烟者及健康对照者大脑年龄，进一步探讨吸烟与大脑老化的关系。方法该研究为回顾性研究。数据集1为2014年8月至2017年10月郑州大学第一附属医院募集的男性吸烟者95名［年龄20~50（34±7）岁］和健康对照者49名［年龄20~50（33±7）岁］。数据集2为2010至2015年西南大学成人影像数据库的114名男性健康志愿者［年龄20~50（34±11）岁］。所有受检者均接受高分辨三维 T1WI。基于数据集1和数据集2健康对照者的结构MR图像构建高斯过程回归（GPR）模型和支持向量机模型预测大脑年龄，并通过交叉验证法验证模型性能，计算预测大脑年龄与实际年龄间的平均绝对误差（MAE）、实际年龄和预测大脑年龄之间的相关性（r值），最终筛选出最佳模型。将最佳模型应用于吸烟者和健康对照者预测其大脑年龄。最后以年龄、教育年限及颅内总容积为协变量，通过一般线性模型比较吸烟者和健康对照者的大脑年龄差值（PAD）的差异。结果GPR模型预测大脑年龄（MAE=5.334，r=0.747）优于支持向量机模型（MAE=6.040，r=0.679）。GPR模型预测数据集1的吸烟者PAD值（2.19±6.64）高于数据集1的健康对照者（‒0.80±8.94），差异有统计学意义（F=8.52，P=0.004）。结论基于MRI的GPR模型预测吸烟者及健康对照者大脑年龄性能较好，吸烟者PAD值增加，进一步表明吸烟会加速大脑老化。

简介：摘要本文探讨了现有临床内镜教学的现状及内镜教学与数字化学习（E-learning）的有效结合方式；并以消化内镜为例，以Maya和Unity3D软件为基础拟构建E-learning数字化胃镜漫游系统。这为解决现有的内镜教学问题，为推动内镜教学领域的数字化改革与E-learning教学的进一步实施提出了可行性方案。

简介：摘要目的分析线上学习模式对青少年视力的影响。方法选取安徽理工大学附属眼科医院2019年12月1-31日（线上授课前）的视力筛查数据和2020年12月31日至2021年1月31日（线上授课后）视力筛查数据，两组数据均来自淮南地区的中小学校，两组数据以年龄段分组：6～12岁（小学组，n=1 124），> 12～15岁（初中组，n=552），> 15～18岁（高中组，n=554）。应用SPSS 22.0统计学软件分析两组各年龄段在线上授课前后视力的变化。结果线上授课前，近视率为52.70%，其中6～12岁近视率为25.31%，> 12～15岁近视率为71.89%，> 15～18岁近视率为88.34%。线上授课后，近视率为62.40%，其中6～12岁近视率为40.25%，> 12～15岁近视率为78.60%，> 15～18岁近视率为91.88%。线上授课前后近视率差异有统计学意义（χ2=21.44，P < 0.001）。结论线上学习模式对青少年视力有较大的影响，应制定相应措施，加强对青少年近视的预防和防控力度。

简介：摘要目的探讨使用远像光屏进行阅读学习的效果与舒适性。方法前瞻性交叉试验。于2021年7月通过首都医科大学附属北京同仁医院招募成年受试者39人，男性16人，女性23人，年龄（26.4±4.5）岁。按区组随机方法决定先用印刷品阅读（19人）和先用远像光屏阅读（20人），先后阅读打印在纸张上（印刷品）的和显示在远像光屏上的数字校正表，之间休息2 h。记录阅读速度、阅读效率及阅读正确率，记录每次阅读前后的视力（最小分辨角的对数）、屈光度数、闪光融合频率（CFF）、视疲劳评分、立体式锐度等的变化值。定量资料的比较采用配对t检验。结果受试者阅读印刷品的阅读速度、阅读正确率、阅读效率分别为（41.2±11.6）组/min、80.7%±13.3%和（32.4±7.4）组/min，阅读远像光屏的阅读速度、阅读正确率、阅读效率分别为（41.7±11.1）组/min、76.4%±12.6%和（31.1±6.4）组/min，阅读速度（t=-0.462，P=0.648）和阅读效率（t=1.954，P=0.058）的差异无统计学意义，阅读正确率的差异有统计学意义（t=2.226，P=0.032）。受试者在阅读印刷品后右眼和左眼视力分别下降0.014±0.032、0.013±0.050，而阅读远像光屏后分别提高0.007±0.033、0.007±0.036，差异均有统计学意义（右眼t=2.592，P=0.013；左眼t=2.154，P=0.038）。阅读印刷品后右眼、左眼近视度数分别增加（0.07±0.29）和（0.06±0.24）D，阅读远像光后则分别增加（0.01±0.29）和（0.02±0.28）D；阅读印刷品后CFF降低（0.1±1.0）Hz，阅读远像光屏后增加（0.3±1.2）Hz；阅读印刷品和远像光屏后视疲劳主观量表评分均增加；但两者比较差异均无统计学意义（均P>0.05）。结论使用远像光屏进行阅读不影响阅读效率或额外增加视疲劳的程度，能够避免近距离阅读印刷品引起的视力的下降。