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：目的 针对诊断学学习的方法及内容进行探析。方法 将诊断学的学习要点、诊断思维、人文医学及临床技能有机结合进行研究探讨。结论 学好诊断学要重视理论讲授、课堂实践、临床见习，既要与时俱进，掌握临床诊断的新技术，更要重视基本技能，勤于实践，精于思考，不断总结经验提升。

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：生理学是临床医学的一门重要基础课程，医学生只有学好生理学，才能为后期学习医学专业课程奠定良好的基础，本文对生理学学习方法及学习技巧进行了总结探讨。

简介：摘 要：目的 分析建设学习型儿科护理团队的对策。方法 设施建设、组织建设和管理者的自主学习、有效带动；充分利用晨会、例会的契机，选择合适的方法、确定科学的目标，保证理论和技能学习的实效性；建立和完善外部学习机制，充分利用外部资源支持科室开展教育活动；建立配套的激励机制，激活护理工作者的学习热情。结果 通过组织学习活动和推动科室管理，护理团队综合素质有所提升，但整体来说知识更新要提速，科研和创新管理能力亟待提升。结论 学习型儿科护理团队建设必须坚持以人为本的理念，积极构建和落实人性化管理制度，形成常态化学习机制，保障学习活动和管理活动的效果。

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：摘要：本文提出了一种基于机器学习的眼底图像检测方法、装置及系统，其中主要包括：获取待检测的眼底图像；对所述眼底图像整体区域进行第一特征集检测；对所述眼底图像中特定区域进行第二特征集检测，所述第一特征中的特征的显著度大于第二特征集中的特征的显著度；基于机器学习对检测的结论进行判定得到最终检测结果。每种类型的特征分开检测，互不影响，可以较为精确的判断每个特征的类别，同时进行多种类别多种显著度的特征的检测，可以高效精确的对眼底图像进行检测。

简介：摘要  目的：以《易经》象数为基础探索它的应用性。结果：认识到冉雪峰走出了开创性的第一步，生物遗传密码又有很好的证明，我们只有略微地补充。讨论：对象数的相互作用和相互转化进行粗略讨论。

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：摘要胫骨平台骨折、骨关节炎和股骨转子间骨折发生率较高，传统开放手术创伤大、耗时长、失血多、术后感染风险高且功能预后不佳，骨折微创治疗技术应运而生。近年来，张英泽院士团队研发多项科研成果并获得临床转化。为了更好推广这些成果，自2015年4月以来，共举办50期骨折微创学习班，展示骨折微创治疗的创新理论和微创手术技术，共有来自全国29个省市400余家医疗单位医院的1 500余名学员参加学习班。笔者回顾50期学习班的主要创新理论和技术及其临床应用，为提高创伤骨科诊疗技术和开拓微创术式应用思路提供参考。

简介：[摘要]通过对医院学习型组织理论体系的系统阐述、学习、研究和实践理解，紧密结合现代医院管理及其相关基础理论知识，本文拟以某街道医院社区卫生服务中心（某院）创建学习型组织的全过程为理论模板，系统分析和阐述了街道医院作为“学习型组织”主要运作的能力模式和关键影响因素。

简介：

简介：

简介：摘要：在传统的中药学专业的教学模式中对于学生来讲，学习中药知识是比较枯燥的，因为大量的中药药材记忆会让学生感觉到疲劳与烦躁，使学生对于中药专业的知识无法提起兴趣，无法将中药学理论知识记录在脑海中，这就导致学生学习中药学知识的被动性，提不起学生学习的兴趣，教学方法比较单一乏味，这便是近几年来中药学拥有优秀人才少的问题所在。所以教师在现在的中药学教学中要改变传统的教学方法，将拓展性的教学方法引入，比如网络教学、户外实践、亲身感受等方法，通过这些多样化的教学方法是学生改变对中药学这门学科的看法，让学生能够更好的了解中药学专业，使学生对中药学专业的理论知识得到充分的掌握。同时提升了学生对中药学学习的兴趣，使中药学教学得到显著的成果。

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。