简介：摘要目的基于弥散加权成像(diffusion weighted imaging，DWI)的影像组学特征进行机器学习，构建预测急性脑卒中机械取栓后预后的模型。材料与方法回顾性分析在本院接受机械取栓治疗的急诊脑卒中患者，按随机数字表法分为训练集(n=252)和测试集(n=108)。采用A.K.软件提取DWI梗死区影像组学特征并应用最低绝对收缩和选择算子回归模型筛选最佳影像组学特征，基于所选特征通过支持向量机分类器建立急性脑卒中机械取栓后预后的预测模型，利用受试者操作特征(receiver operating characteristic，ROC)曲线评价模型的预测效能。结果每例患者的DWI图像提取1136个影像组学特征，降维后筛选出21个与预后高度相关的特征。ROC分析显示基于DWI模型预测训练集卒中患者机械取栓后预后的曲线下面积(area under curve，AUC)为0.956，敏感度和特异度分别为0.965、0.948，准确度达0.954；基于DWI模型预测测试集卒中患者机械取栓后预后的AUC为0.801，敏感度和特异度分别为0.818、0.816，准确度达0.828。结论基于治疗前DWI的影像组学特征和机器学习构建模型对急性脑卒中机械取栓后预后的预测具有较高的预测效能。

简介：摘要随着计算机技术的发展，基于深度学习技术建立的计算机辅助诊断模型已逐渐应用于消化内镜领域，可有效辅助内镜医师早期诊断各类消化道疾病。食管鳞状细胞癌是我国最常见的癌症之一，早期诊断及治疗对改善食管鳞癌患者的预后有重要作用。目前，计算机辅助诊断模型已可用于普通白光内镜、窄带成像、放大内镜及细胞内镜系统，且用于识别早期食管鳞癌及癌前病变，判断病变深度的应用效果令人满意，现将有关研究进展进行综述。

简介：摘要目的探究8所学校临床医学生对显微外科的认识情况，并以此有针对性地提出显微外科学在医学教学中的方法。方法围绕我国医学生对显微外科学习现状、显微外科学习对今后医学生职业生涯的影响、8所学校开展显微外科课程现状及提高显微外科学习的意见与建议四方面进行问卷设计。采用电子问卷及纸质问卷相结合的调查方式，对北京大学医学部等8所院校1 000名医学生开展显微外科认识情况调查。随后对所收集问卷的有效性进行审核。电子版问卷信息及纸质版数据录入电脑后，应用SPSS 19.0统计软件进行分析。结果共收集有效问卷808份（回收率=80.8%）。受访医学生对显微外科的了解程度停留在"仅仅听说过"的水平（2.18±2.83）；98.41%（795/808）的学生认为显微外科相关学科会对今后职业生涯带来一定帮助，男生较女生更认可显微外科学习对职业生涯的影响（男生：6.19±2.36，女生：5.76±2.09，P<0.05）；8所被调查的院校中仅上海交通大学医学院及中山大学医学院开展显微外科课程，在未开设课程的学校中，有80.01%（531/663）的学生希望开设显微外科课程学习。采用观摩显微外科手术（86.82%，701/808）、使用动物模型进行显微外科实操培训（82.95%，670/808）及线上课程理论授课（43.18%，349/808）的方法能够提高学生对显微外科的学习兴趣。结论显微外科课程的开设能给医学生带来诸多益处，国内医学院校亟需开展显微外科相关课程的学习。

简介：摘要目的探讨基于工作本位学习理念在培养本科临床实习护生核心能力的应用。方法选取2017年6月至2018年9月在郑州大学第一附属医院临床实习的本科护生64名为研究对象，随机将其分为对照组和研究组，各32例。对照组护生给予常规教学，观察组护生给予基于工作本位学习理念进行教学。对两组护生教学前后的核心能力评分进行测定和比较。结果两组本科临床实习护生教学前在终身学习、临床技能、评判思维、道德和责任及核心能力均分方面的评分比较差异均无统计学意义(均P>0.05)。研究组本科临床实习护生教学后在终身学习、临床技能、评判思维、道德和责任及核心能力均分方面的评分显著高于对照组，差异有统计学意义(均P<0.05)。结论对本科临床实习护生给予基于工作本位学习理念进行教学，能有效提升本科临床实习护生的核心能力，是一种培养本科临床实习护生核心能力的有效途径和教学方法。

简介：摘要传统的影像学检查方法对结直肠癌的早期诊断、预后判断及放化疗效果的预测意义有限，近年来，随着图像处理与计算机技术的不断发展，应用影像组学的分析方法对结直肠癌患者进行准确的术前评估，疗效预测，制定精准的个体化治疗方案是该领域新的研究热点。作者将影像组学技术在结直肠癌术前分期、疗效评价及预后评估等不同诊疗阶段的研究成果进行总结并探讨其应用价值。

简介：摘要目的探讨基于学习通的个性化教学在生理学中的应用与效果。方法随机抽取护理专业4个平行班，其中1、2班作为试验组，3、4班作为对照组，两组学生数均为102人；试验组采用基于学习通平台的"课前备课—课中施教—课后测试"的个性化教学，对照组采用传统教学模式。比较两组学生期末总成绩，发放调查问卷，数据采用SPSS 22.0统计软件进行秩和检验。结果试验组期末总成绩优于对照组（P<0.001）；试验组学生在提高自主学习、团队协作、易于培养学生个性发展、提升医学素养等方面的认可度显著优于对照组（P<0.05）；两组在语言表达能力指标上的认可度差异无统计学意义（P>0.05）。结论基于学习通的个性化教学能培养学生个性发展、提升因材施教的育人效果，在生理学的教学中具有推广意义。

简介：摘要目的了解山西医科大学临床医学专业本科生的线上学习态度及其影响因素，为改进线上教学模式提供依据。方法2020年2月，提取"中国临床医学本科生在线学习情况"问卷调查中山西医科大学学生的调查数据，采用χ2检验、无序多分类logistic回归等方法进行分析。结果88.5%(4 327/4 892)的学生对线上教学持肯定态度。三年级学生认为在线教学有一定作用的可能性是一年级学生的0.66倍(OR＝0.66, 95%CI＝0.51～0.86)，对直播授课熟悉的学生认为在线教学作用明显的可能性是不熟悉者的1.85倍(OR＝1.85, 95%CI＝1.23～2.78)，对MOOC熟悉的学生认为在线教学作用明显的可能性是不熟悉的学生的1.74倍(OR＝1.74, 95%CI＝1.16～2.61)，认为在线教学不会增加学习负担的学生，认同在线教学作用明显的可能性是认为在线学习会增加学习负担的学生的2.57倍(OR＝2.57, 95%CI＝1.89～3.48)；对在线学习非常感兴趣的学生认为在线教学作用明显的可能性是非常不感兴趣的学生的6.38倍(OR＝6.38, 95%CI＝3.67～11.11)；非常会有意识地选择网络资源进行学习的学生，认为在线教学作用明显的可能性是完全不会选择网络资源学习的学生的23.09倍(OR＝23.09, 95%CI＝4.63～115.26)。结论临床医学专业本科生整体对线上教学持肯定态度，其所在年级、以往在线学习经历和自身的学习特征是线上学习态度的影响因素。

简介：摘要目的探讨视觉学习疗法对准分子激光角膜屈光手术患者术后视力恢复的影响。方法2018年6月至2019年6月选取在该院眼科行准分子激光角膜屈光手术患者320例，根据随机数字表将患者分为观察组和对照组，各160例。对照组行常规健康指导，观察组术后给予视觉学习疗法，比较两组视力恢复情况、近视屈光度变化及治疗前后生活质量。结果观察组裸视力及屈光度优于对照组，差异有统计学意义(P<0.05)。观察组干预后健康调查量表(SF-36)各维度评分高于对照组，差异有统计学意义(P<0.05)。结论视觉学习疗法能有效促进准分子激光角膜屈光手术患者术后视力恢复，提高患者生活质量。

简介：摘要第一部分概述了机器学习(ML)在核医学中的应用，第二部分重点介绍神经网络。该文先用一个例子说明神经网络是如何工作的，并讨论其潜在的应用。重点关注ML在图像重建、低剂量PET、疾病检测以及诊断和预后预测的最新进展。目前在核医学中应用的ML算法呈现多样化，迫切需要对算法设计和结果指标解读进行规范，该文给出了一个规范清单以供业界参考和遵循。

简介：摘要目的质子笔形束(PB)剂量计算可实现快速剂量计算，但在处理组织不均匀度大的区域时误差较大，而蒙特卡洛(MC)剂量计算是最精准的方法但非常耗时；深度学习技术可以通过学习PB和MC剂量分布之间的差异，将剂量计算准确度从PB水平提高到MC水平。方法基于HD U-Net神经网络，开发了一个可将肺癌调强质子治疗患者的PB剂量转换为MC剂量的模型。该模型以患者PB剂量和CT图像作为输入来预测MC剂量。27例非小细胞肺癌患者的射束剂量和CT图像在被旋转到同一角度并作归一化后被用于模型训练与测试。模型的准确性通过比较预测剂量与MC剂量的均方误差和1 mm/1%标准的γ通过率等评估。结果模型预测剂量与MC剂量相当吻合，测试病例1 mm/1%标准的平均γ通过率(剂量值超过最大MC剂量10%的体素)达到(92.8±3.4)%。模型预测所有测试病例的MC剂量所需平均时间为(6.72±2.26) s。结论成功开发了可以快速准确地从PB剂量和CT图像预测MC剂量的深度学习模型，并可用于提高肺癌调强质子治疗PB剂量计算精度。

简介：摘要目的利用人工智能深度学习技术预测医师资格考试试题的难度，准确控制试卷难度。方法利用构建属性模型与语义模型进行试题难度的预估，并将预估结果和专家预估结果与实测难度分别进行相关分析和重复测量方差分析，以评价采用模型进行医学试题难度预估的可行性和有效性。结果对于某年整卷试题难度预估，属性模型预估结果与实测难度的皮尔森相关系数为0.266，略低于专家预估难度与实测难度的相关系数0.356，2个系数置信区间有交叉，差异无统计学意义(P>0.05)；语义模型预估结果与实测难度的皮尔森相关系数为0.512，高于专家预估难度与实测难度的相关系数0.356，2个系数置信区间无交叉，差异具有统计学意义(P<0.05)。重复测量方差分析发现，仅语义模型预估难度与实测难度的差异无统计学意义(P>0.05)。结论使用语义模型预估的试题难度比专家预估的难度更接近实测难度，可以尝试将该方法在考前应用于试题难度预估，结合专家预估的结果共同指导组卷，从而更加客观、准确地把握试卷难度。

简介：摘要目的了解医学本科毕业生的学习及心理状态与基层就业意愿的相关关系。方法2017年通过横断面调查法对某医科大学毕业年级临床医学生821人进行基层就业意愿、学习及心理状态以及就业计划调查。学习及心理状态调查使用自设问卷。使用SPSS 21.0对数据进行分析，采用独立样本t检验、方差分析和多重线性回归分析检验医学生基层就业意愿的相关影响因素。结果本研究发放问卷810份，753份问卷纳入分析。医学生基层就业意愿为（4.61±2.24）分（最高分为10分）。实验班学生的基层就业意愿更低（高考入学成绩更高的学生分组）（P<0.05），学习压力更大的学生以及医患矛盾压力更大的学生更加不愿意前往基层就业（P<0.05）。就业计划方面，重视专业对口的毕业生更愿意前往基层医疗单位，而重视薪酬的毕业生较少愿意前往基层医疗单位（P<0.05）。结论提高前往基层医疗单位的激励政策、积极对医学生进行心理压力疏导和增加医患沟通培养，对提高医学生基层就业意愿有积极的影响。

简介：摘要目的探讨一种多代理强化学习框架(Multi-Agent Reinforcement Learning framework，MARL framework)在三维超声中自动定位子宫冠状面的准确性与临床应用价值。方法选取深圳市罗湖区人民医院2020年5月间进行常规妇科检查的144例女性患者作为研究对象，应用迈瑞高端彩色多普勒超声系统(Resona-8)收集所有研究对象的子宫三维容积数据，由一位超过5年临床经验的超声医师采集存储数据，手动定位子宫冠状平面并记录时间，同时通过多代理强化学习框架在所有收集的数据中自动定位子宫冠状平面并记录时间。将两种方法得到的子宫冠状平面图像混编在一起，由两位高年资超声专家对图像进行双盲评分(范围0~1)，以两位专家评分的平均分均≥0.6分为合格。结果①144例患者，两种方法定位的子宫冠状平面中，手动方法定位的冠状面合格的有131个，自动方法定位的冠状面合格的有137个；运用卡方检验对比手动法和自动法得到的子宫冠状平面图像合格率差异无统计学意义(χ2＝1.934，P＝0.164)。②应用四分位距法分析，自动组的图像得分为0.80(0.75，0.90)，而手动组的图像得分为0.80(0.75，0.90)；运用Wilcoxon符号秩检验两种方法所得子宫冠状平面图像得分，统计发现其差异无统计学意义(Z＝1.241，P＝0.215)。③运用配对t检验统计两种方法定位子宫冠状面所需时间，手动方法所需时间为(63.65±10.182)s，自动方法所需时间为(3.25±0.294)s，两者之间的差异有统计学意义(t＝19.52，P<0.001)。结论基于多代理强化学习框架的方法自动定位三维超声中的子宫冠状平面具有较高获取率，且图像质量较好，同初级超声医师的手动组相比大大缩短了操作时间，可有效应用于临床实践中，并为子宫相关疾病的智能诊断奠定了基础。

简介：摘要目的建立一个机器学习模型以识别心脏术后患儿中有可能避免的血清钾抽血检查。设计回顾性队列研究。场所三级医疗中心。对象2010年1月至2018年12月入住波士顿儿童医院CICU，住院时间≥4 d，且血清钾化验记录≥2条的所有患儿。干预措施无。测量方法与主要结果本研究收集了钾稳态相关变量，包括血生化、每小时钾摄入量、利尿剂和尿量。使用包括随机Forest分类器和超参数调试的成熟机器学习技术，本研究建立了根据患者最近血钾水平、用药、尿量和肾功能标志物预测患者血钾是否正常的模型。并根据不同年龄组别和最近一次钾化验的时间接近度建立了多种模型。使用独立测试装置评估模型预测性能。纳入的7 269次住院(6 196例患者)期间，平均每天测量血钾1次(IQR 0-1)。96%的患者接受了至少一剂静脉利尿剂，83%的患者接受了一次某种形式的钾补充。本研究模型预测血钾正常的中位阳性预测值为0.900。血钾化验异常但被错误预测为正常的中位百分比为2.1%(平均2.5%，IQR 1.3%~3.7%)。血钾化验重度减低或升高，但被预测为正常的中位百分比为0.0%(IQR 0~0.4%)。27.2%(IQR 7.8%~32.4%)的样本被正确预测为正常，且有可能避免该次采血化验。结论机器学习方法可被用于准确预测危重患儿可避免的血钾化验。可减少的采样次数比例中位值为27.2%，以降低成本及感染或贫血风险。

简介：摘要目的建立一个机器学习模型以识别心脏术后患儿中有可能避免的血清钾抽血检查。设计回顾性队列研究。场所三级医疗中心。对象2010年1月至2018年12月入住波士顿儿童医院CICU，住院时间≥4 d，且血清钾化验记录≥2条的所有患儿。干预措施无。测量方法与主要结果本研究收集了钾稳态相关变量，包括血生化、每小时钾摄入量、利尿剂和尿量。使用包括随机Forest分类器和超参数调试的成熟机器学习技术，本研究建立了根据患者最近血钾水平、用药、尿量和肾功能标志物预测患者血钾是否正常的模型。并根据不同年龄组别和最近一次钾化验的时间接近度建立了多种模型。使用独立测试装置评估模型预测性能。纳入的7 269次住院(6 196例患者)期间，平均每天测量血钾1次(IQR 0-1)。96%的患者接受了至少一剂静脉利尿剂，83%的患者接受了一次某种形式的钾补充。本研究模型预测血钾正常的中位阳性预测值为0.900。血钾化验异常但被错误预测为正常的中位百分比为2.1%(平均2.5%，IQR 1.3%~3.7%)。血钾化验重度减低或升高，但被预测为正常的中位百分比为0.0%(IQR 0~0.4%)。27.2%(IQR 7.8%~32.4%)的样本被正确预测为正常，且有可能避免该次采血化验。结论机器学习方法可被用于准确预测危重患儿可避免的血钾化验。可减少的采样次数比例中位值为27.2%，以降低成本及感染或贫血风险。

简介：摘要目的：探讨基于光学相干断层扫描（OCT）图像的深度学习算法用于湿性年龄相关性黄斑变性（wAMD）的分型的可行性以达到辅助眼科疾病诊断的目的。方法：数据使用2018年6月至2019年6月在宁波市眼科医院门诊确诊为wAMD患者39例（46眼）。首先将资深眼科专家提供的每例患者AMD等级作为分型算法的金标准，再使用Resnet34模型结构输出预测分型结果并与金标准对比，不断进行参数微调直到损失收敛，最终实现自动判断患者疾病等级。结果：使用已训练的模型进行所有测试病例的预测，基于正确的病例数与所有测试病例数的比例作为算法最终的准确率，结果表明深度学习网络方法分型准确率，与普通医师wAMD分型准确率相比，高出20%。通过梯度加权的类激活映射可视化模型诊断依据可作为临床医师诊断的参考。结论：深度学习经OCT图像数据训练后对wAMD分型的准确率明显高于普通医师对wAMD的分型准确率。基于深度学习算法的wAMD分型结果可用于疾病的辅助诊断，缓解国内专业眼科医师紧缺的现状。

简介：摘要目的构建智能消化内镜质控系统并评估其在胃肠镜检查中的质量监控作用。方法基于医学数字成像与通信协议，获取武汉大学人民医院消化内镜中心2016年12月—2018年10月胃肠镜检查患者的电子医疗记录和图像，采用深度卷积神经网络和深度强化学习方法开发智能消化内镜质控系统。该系统运用回盲部识别模型、体内外图像识别模型以及胃的26个部位识别模型，监控达盲率、肠镜退镜时间、胃镜检查时间、胃镜检查覆盖部位数等质控指标。随机选取武汉大学人民医院消化内镜中心2019年3—11月83例胃镜检查和205例肠镜检查患者的图像，测试智能消化内镜质控系统质量控制功能的准确性。结果智能消化内镜质控系统由胃镜质量分析、肠镜质量分析组成，可随时自动生成包含各质控指标的内镜医师胃肠镜检查质控报告。该系统监控的达盲率、肠镜退镜时间、胃镜检查时间和胃镜检查覆盖部位数的准确率分别为92.5%(172/186)、91.7%(188/205)、100.0%(83/83)和89.3%(1 928/2 158)。结论智能消化内镜质控系统可实现胃肠镜检查的质量监控作用，以便内镜医师了解自身的工作情况，从而提升胃肠镜检查质量。

简介：摘要目的探讨一种基于MRI的深度学习模型预测WHO Ⅱ、Ⅲ级胶质瘤MGMT甲基化状态的价值。方法回顾性分析2016年6月至2020年6月在兰州大学第二医院经手术病理及分子病理证实的WHO Ⅱ、Ⅲ级胶质瘤患者121例的临床及影像资料，其中MGMT启动子甲基化78例、未甲基化43例。收集121例WHO Ⅱ、Ⅲ级胶质瘤的T2WI及T1WI增强序列图像，并手动选取每个患者所有包含病灶层面的图像，按照7∶3完全随机分成训练集及验证集。应用EfficientNet-B3卷积神经网络构建独立的基于T2WI、T1WI增强、T2WI联合T1WI增强的预测模型（T2-net、T1C-net、TS-net），通过ROC曲线对各个模型预测效能分别进行评价。结果验证集T2-net模型对WHO Ⅱ、Ⅲ级胶质瘤MGMT启动子甲基化状态预测的准确度为72.3%，灵敏度为64.7%，特异度为73.3%，曲线下面积（AUC为0.72），T1C-net模型的准确度为66.8%，灵敏度为68.3%，特异度为66.9%，AUC为0.72，TS-net模型的准确度为81.8%，灵敏度为63.1%，特异度为85.0%，AUC为0.78。结论基于MRI的EfficientNet-B3卷积神经网络可以预测WHOⅡ、Ⅲ胶质瘤MGMT启动子甲基化状态；TS-net模型预测性能最佳。

简介：摘要目的探讨可视化自主学习法对老年首次脑卒中患者生活质量和无医学教育背景家属居家护理技能水平的影响。方法采用整群抽样法，2016年6月14日、7月12日、8月16日共3次调查南方医科大学珠江医院神经内科、神经外科多次住院老年脑卒中自理能力中重度依赖患者和无医学教育背景家属105对，在10个居家护理项目中遴选家属需求量最高的7个培训项目。录制通俗易懂的居家护理技能短视频，每个视频≤8 min，重点环节采用特写镜头和字幕提示。采集400对老年首次脑卒中住院患者及其家属，数字随机对照法分为试验组和对照组各200例。试验组和对照组均出院前发放文字版(含图片)健康教育手册；试验组增加拷贝居家护理技能视频给家属自行观看学习，随访护士通过电话、QQ或微信远程答疑。观察两组患者出院12 w Barthel指数和并发症发生率及家属抑郁评分。结果认知训练、康复锻炼、预防跌倒、语言训练、观察病情、喂食技巧和压疮护理等7个项目需求率>60%，胃管护理、尿管护理和服药管理等3个项目需求率<60%。语言训练、压疮护理、胃管护理、尿管护理等4个项目需求情况与患者自理能力指数相关，差异均有统计学意义(均P<0.05)。试验组患者出院12 w自理能力指数(46.83±23.201)、肺炎8例、泌尿系感染5例、压疮9例、跌倒6例、家属抑郁评分(6.48±3.883)，对照组出院12 w自理能力指数(34.42±20.926)、肺炎21例、泌尿系感染14例、压疮28例、跌倒16例、家属抑郁评分(10.42±6.008)，试验组优于对照组，差异均有统计学意义(均P<0.05)。结论单一的健康教育手册不能满足出院护理指导需求，老年首次脑卒中患者的无医学教育背景家属亟待专业化家庭护理技能培训。可视化自主学习法简便、经济、高效，提高家属居家护理技能水平，减轻抑郁症状；改善老年脑卒中患者自理能力，减少并发症。

简介：摘要目的系统评价基于深度学习的智能辅助内镜诊断系统(intelligence-assisted endoscopic diagnosis system based on deep learning，DL-IEDS)对上消化道早癌的诊断价值。方法系统检索Pubmed、Embase、Web of Science、Cochrane Library、Sinomed、CNKI、维普及万方等中英文数据库中有关运用DL-IEDS诊断上消化道早癌的诊断性试验。纳入的研究按诊断准确性研究质量评价工具-2进行文献质量评价，并采用Rev Man 5.3、Meta-Disc 1.4和Stata 15.1统计软件综合对数据进行Meta分析。结果最终纳入8篇文献，共9 675张图片，其中早癌图片2 748张。Meta分析结果显示：DL-IEDS诊断上消化道早癌的合并灵敏度、特异度、阳性似然比、阴性似然比及综合诊断比值比分别为0.920、0.874、6.824、0.103及71.109，综合受试者工作特征曲线的曲线下面积(area under the curve，AUC)为0.958 7；其中5篇文献报道了DL-IEDS诊断早期胃癌的结果，数据合并分析后结果显示，DL-IEDS的合并敏感度和特异度分别为0.840和0.845，AUC为0.919；4篇文献报道了内镜专家及内镜经验不足者诊断上消化道早癌的结果，前者合并敏感度、特异度及AUC分别为0.693、0.892及0.892 3，后者分别为0.586、0.860及0.754 5。对DL-IEDS、内镜专家及内镜经验不足者诊断上消化道早癌的AUC进行比较发现，DL-IEDS与内镜专家间差异无统计学意义(Z＝1.510，P＝0.131)，DL-IEDS与经验不足者间差异有统计学意义(Z＝6.841，P<0.001)。结论DL-IEDS对上消化道早癌具有较高的诊断准确性，能够明显提高内镜经验不足者对上消化道早癌的诊断能力。