简介：摘要雨课堂为移动学习和即时互动教学提供了方便快捷的学习平台。暨南大学基础医学院病理学系在前期积累的学习资源基础上，利用雨课堂作为教学辅助，完善课程资源平台建设和资源发布功能，构建无时空限制的教学互动方式，创建全过程、多元化的学习评价体系，从教学资源建设、教学互动、学习过程监督和教学评价方面进行改革，发挥雨课堂移动教学及互动教学功能，有利于提高病理教学的信息化水平。

简介：摘要循证医学起源于流行病学之时便已经形成了一系列严格的方法。这些方法可用于评估基于假设的实证研究在评价诊断试验、结局预测工具和干预措施方面的有效性、影响力和适用性。机器学习是人工智能的一部分，它使用计算机程序识别海量数据集中的模式和关联，然后将这些模式和关联整合到用于辅助诊断和预测结局（包括对治疗的反应）的算法中。这两个领域如何相互关联？他们有何异同，如何各有千秋？两者可否相互借鉴和补充以使临床决策更为明智和有效？

简介：摘要：根据中职学校学生的实际情况来看，他们普遍缺乏学习兴趣、没有清晰的学习目标以及学习习惯等。通过激发学生学习兴趣及其学习动机，有利于培养他们的健康学习心理。基于此，本文分析了中职机械专业学生的学习心理，并提出了相关训练路径，包括激发学生学习动机、激发学生学习兴趣以及利用有效的训练方法。

简介：摘要基于问题学习(problem-based learning，PBL)已经成为当今医学教育改革的一个重要研究领域，需要对其研究的热点与趋势进行深入分析。本文以在Web of Science核心数据集中检索到的1981年至2019年的1 819篇文献为研究对象，利用CiteSpace软件对文献信息进行可视化分析。结果显示，医学教育PBL的研究力量主要集中在欧美国家，国家之间的研究合作密切。目前的研究热点集中在效果、学校、指导教师和学生能力的培养等方面。研究趋势逐渐由PBL本身延伸到其与"虚拟病人""视频教学"等其他教学手段的结合上。

简介：摘要近年来，大数据、人工智能和云计算等技术的快速发展给医疗健康领域带来巨大机遇和挑战。以深度学习（deep learning，DL）为代表的人工智能研究方法在耳鼻咽喉头颈外科疾病诊疗、预后分析及病因研究等方面发挥日益重要的作用。DL不仅与专家诊断水平相当，而且节约时间和经济成本，但也存在获取高质量大数据和临床推广运用等多方面难题。本文对其相关研究进行回顾分析，探讨其临床运用价值及面临的挑战。

简介：【摘要】目的：探讨如何培养实习护生的自主学习和思考能力，并分析其影响因素。方法：采用资料采集形式对实习护生的自主学习和思考能力调查。结果：培训前实习护生的自主学习和思考能力总分为 （ 31.57±3.54）分，经本院培训后实习护生自主学习和思考能力总分 (93.99±3.00)分 ，较之前有了很大的提升 P<0.05。 结论：在校学习和临床实习期均应着重培养实习护生自主学习和思考能力。

简介：摘要机器学习作为人工智能的主要技术方向，可帮助眼科医生解读与分析成像设备产生的大量数据，简化诊疗过程。圆锥角膜的分类和早期诊断是机器学习的一个重要应用实例。机器学习用于辅助诊断圆锥角膜的建模方式通常有神经网络法、决策树法，这些模型的敏感性和特异性均在85%以上，但由于圆锥角膜的研究参数不一致，且缺乏公共数据集来衡量算法的优劣，限制了其在临床上的普遍推广。角膜屈光手术术前评估存在数据量大、决策困难的临床问题，机器学习可辅助评估患者是否适合进行屈光手术，其特异性、敏感性均在90%以上，并可通过术前各种眼部参数预测术后视觉质量。另外机器学习在角膜内皮细胞密度计数、角膜上皮损伤程度评估方面都有应用。通过机器学习及大数据建模可协助医生进行角膜病的精准诊断和个性化评估，为角膜病诊疗奠定数据基础。本文对近年来机器学习在角膜相关疾病中的应用进展进行综述。

简介：无

简介：摘要加拿大英属哥伦比亚大学的灵活学习计划包括创新教学方法、强化学生体验、拓展继续教育、扩展桥梁计划和加强国际学术合作。这种教学策略为我国高等医学院校实施"以学生为中心"的教学改革提供了诸多借鉴，可以从更新教育理念、采取符合学生认知的教学改革、针对学生的个体差异实施多样化教学等方面完善我们的教学改革。

简介：摘要目的探讨本专科护生学习动机与职业认同现状及其相关性。方法应用一般资料调查表、职业认同量表和学习动机量表对1 538名本专科护生进行调查。结果护生职业认同总分为（57.54 ± 12.89）分，学习动机总分为（119.92 ± 22.03）分，均处于中等水平。两者总分及各维度之间呈正相关（r值为0 .225～0.614，P<0.01）。结论护生职业认同与学习动机呈正相关，学习动机越强，职业认同水平越高，提示护理教育者及管理者应重视提高护生的学习动机，树立稳定的职业观念。

简介：摘要目的开发一种基于深度学习网络的乳腺癌调强放疗计划剂量分布预测的方法，并评估将其用于自动计划的可行性。方法从复旦大学附属肿瘤医院选取240例左侧乳腺癌患者，200例作为训练集，20例作为验证集，另外20例作为测试集。应用深度学习网络建立患者CT影像、靶区和危及器官的勾画图像与剂量分布的相互关系，达到预测新患者剂量分布的目的，并尝试将预测的剂量分布作为目标函数优化并生成治疗计划。结果临床治疗计划的剂量分布和预测的剂量分布相比，靶区(除同步加量的PTV48Gy)和危及器官的剂量值相近，且基于预测的剂量分布生成的治疗计划与预测结果基本相同。结论本研究实现了一种基于深度学习网络的乳腺癌调强计划剂量分布预测方法，有助于进一步实现自动设计治疗计划的目标。

简介：【摘要】目的 研究感觉综合训练对儿童学习障碍的治疗效果。方法 选取我院收治的 103例学习障碍患童为对象。基于双色球随机抽取，成立对照及观察两组；对照组仅予以专注力练习，观察组则施以感觉综合训练。 2个月后比对两组感觉综合评定量表评分及文化课成绩。 结果 观察组4项评分及 3项文化课优良率相较于对照组均呈现明显优越性，各项对比结果数据均差异显著（ p<0.05）。 结论 感觉综合训练干预能够有效改善儿童学习障碍症状，提高其成绩，值得在临床上推广。

简介：【摘要】目的：评价分析运动再学习技术在脑卒中康复治疗中的应用。方法：摘选2018年-2020年在我中心治疗的150例脑卒中患者作为研究对象，均分为观察组与对照组，两组患者基本的药物治疗方式相同，观察组患者在此基础上进行运动再学习以及以运动再学习方法为主的康复治疗，对比两组患者神经功能缺损的评分、日常生活的活动能力以及患者运动功能的积分。结果：治疗干预之后两组患者的神经功能缺损评分、日常生活活动能力以及运动功能积分都有显著提升，其中观察组患者的各项考察指标相较于对照组都更为理想，组间差异显著（P

简介：摘要目的探索"基于器官系统学习"的临床实习教学模式改革实施的效果。方法本研究采用试验对照方法。2017年6月至2019年5月，选取南通大学和苏州大学2013级和2014级五年制临床医学专业147名实习生为研究对象，将2014级74名实习生设为试验组，采用"基于器官系统学习"的临床实习教学模式，除了床旁示教之外，引入基于团队学习的教学方法；将2013级73名实习生设为对照组，采用"以学科为中心"的临床实习教学模式，仅采用床旁示教的教学方式。通过两组实习生的考试成绩、Mini-CEX评分结果和对试验组实习生的问卷调查评价教学模式改革效果。结果试验组实习生和对照组实习生的理论知识考试成绩[(74.24±7.21)分比(68.23±7.86)分]、临床技能操作考核成绩[(89.68±5.36)分比(85.29±4.37)分]、病历书写成绩[(94.45±2.78)分比(87.29±4.05)分]和Mini-CEX总评分成绩[28(25, 30)分比22(21, 24)分]比较，其差异均具有统计学意义(均P<0.01)。81.1%(60/74)的实习生对"基于器官系统学习"的临床实习教学模式实施效果予以肯定和好评。结论"基于器官系统学习"的临床实习教学模式改革有助于提高实习生的学习成绩和实习质量，得到了实习生的认可。

简介：摘要目的观察分析基于深度学习的眼底图像视盘定位与分割方法的准确性。方法在ORIGA数据集上训练和评估基于深度学习的视盘定位和分割方法。在深度学习的Caffe框架上构建深度卷积神经网络（CNN）。采用滑动窗口将ORIGA数据集的原图切割成许多小块图片，通过深度CNN判别各个小块图片是否包含完整视盘结构，从而找到视盘所在区域。为避免血管对视盘分割产生影响，在分割视盘边界之前去除视盘区域的血管。采用基于图像像素点分类的视盘分割深度网络，实现眼底图像视盘的分割。计算基于深度学习的眼底图像视盘定位与分割方法的准确性。定位准确率＝T/N，T代表视盘定位正确的眼底图像数量，N代表总共用于定位的眼底图像数量。采用重叠误差（overlap error）比较视盘分割结果与实际视盘边界的误差大小。结果基于深度学习的眼底图像视盘定位方法其定位准确率为99.6%；视盘分割平均重叠误差为7.1%；对青光眼图像和正常图像的平均杯盘比的计算误差分别为0.066和0.049；每幅图像的视盘分割平均花费10 ms。结论基于深度学习的眼底图像视盘定位方法能快速并准确地定位视盘区域，同时也能够较为精准地分割出视盘边界。

简介：【摘要】目的：分析运动再学习方法对脑卒中患者功能恢复的影响。方法，选择2020年1月到2020年12月我院收治的102脑卒中患者开展研究，双盲、随机分成参比组与实验组，各组有51例脑卒中患者，参比组给予常规康复治疗，实验组则运用早期运动再学习方法进行康复治疗，对比两组功能恢复情况。结果：干预一个月后，实验组的Barthel指数评分与肢体运动功能积分均显著优于参比组，对比P

简介：摘要急性胰腺炎(acute pancreatitis, AP)是临床医生面临的常见疾病，其中重症急性胰腺炎（severe acute pancreatitis，SAP）病死率较高，因此早期识别可能发展为SAP的患者对于指导治疗意义重大。机器学习是一种多层描述的表征学习，从已有数据中分析挖掘获得规律，并利用这些规律对未知数据做出预测的算法。本研究基于机器学习建立了一个SAP预测评分系统，其可在入院24 h对患者SAP风险进行预测，预测准确率高达87.36%，AUC 94.11%。该模型可以更好的辅助临床决策和治疗，指导医生更早的进行相关干预。

简介：摘要目的构建能够预测医学生自主学习能力水平的列线图模型。方法2018-2019学年采用大学生自主学习量表调查3所医学院的1 187名学生的自主学习能力相关情况，分析其现状及影响因素，基于多因素回归模型构建医学生自主学习水平的预测模型。结果3所学校医学生的自主学习能力总平均分为401.03分。多因素回归模型显示：平均绩点、教学模式、主要抚养者、每周学习时间、对医学的兴趣、成长所在地、同伴影响、学校学习氛围影响了医学生自主学习能力。医学生自主学习水平的列线图的模型一致性指数为0.746。结论列线图模型可以准确地预测医学本科生自主学习能力。

简介：摘要目的验证基于深度学习的宫颈癌靶区自动分割勾画临床适用性。方法选取535例宫颈癌CT影像，参照RTOG及JCOG标准勾画宫颈癌临床靶区(CTV)，经专家审查后作为参考勾画，用于自动分割勾画训练和测试。另从测试组中随机挑选根治4例及术后6例，分别由初、中、高级医师手动勾画CTV。统计Dice系数(DSC)、平均表面距离(MSD)和豪斯多夫距离(HD)用于自动分割勾画测试，以及比较医师手动勾画和自动勾画相对于参考勾画的准确性。同时，分别记录算法和手动勾画耗时。结果数据经VB-Net网络训练得到根治CTV1(dCTV1)、dCTV2、术后CTV1(pCTV1)自动分割模型，自动勾画结果与参考勾画具有较好的一致性(DSC：0.88、0.70、0.86；MSD：1.32、2.42、1.15 mm；HD：21.6、22.4、20.8 mm)。dCTV1算法与三组医师勾画相近(P>0.05)；dCTV2及pCTV1算法均优于初中级医师勾画(P<0.05)，自动分割勾画耗时较手动勾画显著缩短。结论基于深度学习的宫颈癌靶区自动分割勾画准确性与高级医师手动勾画相当，应用于临床中将有助于大幅提高工作效率，具有提高勾画一致性和准确性的潜能。

简介：【摘要】目的：探讨超星学习通在护理技能实验实训教学中的应用价值。方法：选取2019级我校2个护理专业班级，分别为50名，将其分为对照组与试验组，对照组施以常规教学模式，试验组施以超星学习通教学模式，对学生的操作成绩及教学满意度进行观察。结果：试验组的各项操作成绩与教学满意度明显高于对照组，差异显著（P