简介：摘要近年来，我国在慢性乙型肝炎防治研究领域取得了巨大进步，基层医生也逐渐参与到慢性乙型肝炎的预防、诊断及治疗中，中华医学会组织肝病、感染专家和全科专家共同制订了《慢性乙型肝炎基层诊疗指南（2020年）》，现对该指南的特点作一简述。

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：摘要传统的机器学习受限于无法直接处理原始数据，而是依赖于专家设计特征提取器，但深度学习的出现打破了这一禁锢，可以自动地从未经处理的原始数据中发现用于检测或分类的代表性信息，成为人工智能医学影像分类的关键技术。在恶性黑素瘤与色素痣的二分类及黑素细胞来源肿瘤以外的其他皮肤疾病如鳞状细胞肿瘤、基底细胞癌、甲病等的分类方面，深度学习取得与皮肤科医师相当甚至超过皮肤科医师的分类水平。本文介绍深度学习在皮肤影像分类应用中的一些基本概念及常用的深度学习模型的评价方法，综述深度学习在皮肤影像分类中的研究进展。

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：摘要机器学习在脑肿瘤MRI中的应用已经成为当下研究热点，其对于脑肿瘤在术前、术中、术后各期的诊断和治疗均有较大临床价值。目前，机器学习在脑肿瘤的自动分割、分类和分型的辅助诊断、术中路径的辅助分析、预后预测、数据收集等方面都取得了较大进展，但其在广泛投入临床应用前尚需克服一些限制阻碍。期望未来临床医师可以将两个领域更好地结合，使其成为脑肿瘤诊疗过程中的重要工具。

简介：摘要代数知识是在算术知识的基础上发展起来的，其特点是用字母表示数，使数的概念及其运算法则抽象化和公式化。学生在学习的时候会产生一些困难，特别的初一学生刚刚接触代数，对代数的了解有一定的困难，在这里就初中代数的特点和学生学习代数谈谈自己的看法。

简介：摘要近年来，我国在慢性乙型肝炎防治研究领域取得了巨大进步，基层医生也逐渐参与到慢性乙型肝炎的预防、诊断及治疗中，中华医学会组织肝病、感染专家和全科专家共同制订了《慢性乙型肝炎基层诊疗指南（2020年）》，现对该指南的特点作一简述。

简介：摘要传统的生存分析方法虽在生物医学领域已有广泛应用，但需满足一些前提假设。随机生存森林方法可克服这一弱点。本文以美国梅奥诊所的肝脏原发性胆汁肝硬化的数据为例，从随机生存森林的原理、建模步骤、实例演示和适用性讨论等方面进行阐述，以期为读者进行生存分析提供新的思路和方法。

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：摘要目的调查护理本科生的时间管理与自主学习状态，探索二者之间的联系及影响因素。方法2020年3月，以一般资料调查表、青少年时间管理倾向量表、大学本科生自主性学习状态问卷为工具对重庆某医科大学护理学院护理本科生873人进行调查。用SPSS 22.0对数据进行整理分析。采用独立样本t检验、单因素方差分析、pearson相关分析、多元逐步回归分析等方法进行进一步分析。结果护生时间管理倾向总分为（153.58±18.62）分，自主学习状态总分为（81.73±14.11）分。年级、是否担任学生干部、是否自愿报考护理专业以及是否考研对时间管理倾向得分及自主学习状态得分有影响。时间管理倾向得分与自主学习状态得分呈显著正相关（P<0.01）。多元逐步回归分析结果显示时间价值感、时间监控观、时间效能感进入回归方程（R2=0.353，调整后R2=0.351，F=153.073，P<0.01）。结论该校本科护生时间管理倾向与自主性学习处于中等偏上水平，时间管理倾向各维度对自主学习状态有一定预测作用。加强护理本科生时间管理能力培养，可改善其自主学习状态。

简介：摘要人工智能是当前最热门的研究主题之一，其发展不仅给人们的生活带来便利，同时也能与其他前沿领域相整合，协助数据处理和结果预测，其中深度学习技术表现尤为突出。阐述了深度学习技术在生物医学多个领域中的广泛应用，简要介绍其常用方法和模型，包括人工神经网络、深度神经网络、卷积神经网络和循环神经网络；总结其在生物医学影像分析、组学数据处理和蛋白质空间结构预测方面的应用；简要讨论其在上述应用中存在的局限性和发展前景。

简介：摘要基于算法学习数据内部规律，进而对同类数据进行预测和判断的过程为机器学习。在体外受精-胚胎移植技术领域，基于机器学习算法建立的模型不仅可预测周期助孕结局，也可帮助胚胎学家挑选优质胚胎。本文共筛选出基于机器学习算法的周期结局预测模型和胚胎质量评估模型30个，其中基于传统机器学习算法模型28个，基于深度学习模型2个。采用受试者工作特征曲线的曲线下面积（area under curve，AUC）评价模型效果，基于传统机器学习算法的模型效果多不理想（0.60<AUC<0.86），深度学习算法准确率则较高（AUC>0.90）。完善的预测和评估模型有望提高助孕周期效率、标准化胚胎选择流程。

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：摘要目的通过训练生成对抗网络（generative adversarial network，GAN）模型，构建一种包括跨中线上颌骨缺损的虚拟重建方法，以期为临床提供参考。方法收集2015年6月至2022年6月于四川大学华西口腔医院影像科就诊的汉族成年口腔疾病患者CT资料，选择100例健康上颌骨及15例上颌骨缺损（5例单纯单侧缺损、5例单侧缺损并累及颧骨、5例跨中线缺损）CT数据。应用Mimics软件在健康上颌骨数据及其附近区域创建球型模体并模拟上颌骨缺损，分别为单纯单侧缺损、单侧缺损并累及颧骨、跨中线缺损，以原始图像为虚拟重建的正确参照；人工缺损与正确参照配对后分为训练集（70例）、验证集（20例）以及测试集（10例），前两者用于训练GAN模型，测试集用于评估GAN性能。15例上颌骨缺损CT数据导入训练完成后的GAN模型中进行虚拟重建，对单侧缺损分别采取镜像和基于GAN的方式进行虚拟重建，而对跨中线缺损仅采取基于GAN的方式进行虚拟重建，重建结果分为镜像重建组（10例）、单侧缺损GAN重建组（10例）和跨中线缺损GAN重建组（5例）。对测试集、镜像重建组、单侧缺损GAN重建组进行定量评价，定量指标为Dice相似性系数（Dice similarity coefficient，DSC）和95%豪斯道夫距离（95% Hausdorff distance，HD95），对各组结果进行单因素方差分析和Tukey检验。对测试集、镜像重建组、单侧缺损GAN重建组和跨中线缺损GAN重建组进行定性评分，对各组总分进行Kruskal-Wallis检验和事后检验（Bonferroni校正法）。结果测试集、镜像重建组、单侧缺损GAN重建组DCS（分别为0.891±0.049、0.721±0.047、0.778±0.057）和HD95［分别为（3.58±1.51）、（5.19±1.38）、（4.51±1.10）mm］的总体差异均有统计学意义（F=28.08，P<0.001；F=3.62，P=0.041）；其中，测试集DSC显著大于镜像重建组（P<0.05），测试集HD95显著小于镜像重建组（P<0.05）。测试集、镜像重建组、单侧缺损GAN重建组、跨中线缺损GAN重建组定性总分［分别为8（1）、6（2）、6（2）和4（2）分］的总体差异有统计学意义（H=18.13，P<0.001）；两两比较显示，测试集总分显著高于镜像重建组（P<0.05）。结论本项研究提出的基于GAN的虚拟重建方法，其单侧缺损虚拟重建效果优于镜像技术，亦可实现跨中线上颌骨缺损的虚拟重建。

简介：摘要目的探讨深度学习重建（DLR）较混合迭代重建（Hybrid IR）在改善胸部低剂量CT（LDCT）图像质量方面的效果。方法回顾性分析2020年10月至2021年3月在北京协和医院行胸部LDCT体检或因肺内结节定期复查的77例患者。对所有入组患者的影像资料进行不同算法重建，获得标准级别Hybrid IR图像、标准和强级别DLR图像。在3种图像的肺实质、主动脉、肩胛下肌及腋下脂肪内选取感兴趣区并测量其CT值和标准差，用于计算信噪比（SNR）和对比噪声比（CNR）。同时，由2名影像医师按照Likert 5分量表法对图像质量进行主观评分，且记录肺磨玻璃结节（GGN）的数量，并对其显示情况进行评分。2名医师评分不一致时由第3名医师评分决定。采用Kruskal-Wallis非参数检验对3种图像的主观和客观评分进行分析，若总体存在差异，则用Bonferroni校正检验进行组内两两比较。结果3种图像在肺实质、主动脉、肩胛下肌及腋下脂肪处的CT值差异均无统计学意义（P均>0.05），而图像噪声、SNR和图像的CNR差异均有统计学意义（P均<0.05）。其中标准级别Hybrid IR图像、标准和强级别DLR图像的CNR分别为0.71（0.49，0.88）、1.06（0.78，1.32）和1.14（0.84，1.48）。标准级别和强级别DLR图像均较标准级别Hybrid IR图像的主观和客观噪声低及SNR和CNR高，差异均有统计学意义（P均<0.05）。在对主要解剖结构（肺裂、肺血管、气管和支气管、淋巴结、胸膜和心包）和GGN的显示上，标准级别和强级别DLR图像评分明显优于Hybrid IR图像，差异均有统计学意义（P均<0.05）。结论与Hybrid IR相比，DLR可以明显降低LDCT图像的噪声，且对GGN的显示良好，有助于在较低辐射剂量水平时保证图像质量，从而改善采用CT行肺癌筛查及肺结节随访的安全性。

简介：摘要近年来，CT图像算法中基于深度学习的图像重建（DLIR）技术不断发展，日益成熟，目前已经逐步应用于临床实践中。DLIR算法较常规迭代重建算法具有在降低辐射剂量和图像噪声的同时不改变图像纹理，保持或提高解剖细节显示能力、总体图像质量和医生诊断信心的众多优势。因此，笔者重点就DLIR算法的原理、优劣势及其在人体各系统的临床应用进展进行综述，旨在进一步提高对DLIR算法的认识，并对其可能的应用情景提供借鉴。

简介：摘要深度学习图像重建算法是目前CT图像重建领域最为前沿的技术，随着算法的不断优化和模型泛化性的提升，适用人群和全身各部位的临床应用也在不断拓展，在疾病诊治中发挥了重要作用。深度学习图像重建算法能够降低图像噪声、消除伪影、避免“过度平滑”的视觉感观，提升主观诊断效能，并有助于CT检查中辐射剂量的降低。此外，深度学习图像重建算法不影响CT图像重建的速度，能够满足临床工作流的需求。随着对深度学习图像重建算法的不断探索以及临床应用的拓展，可以挖掘深度学习图像重建算法的潜在优势，提升CT临床应用的能力。

简介：摘要目的探讨自主学习教学模式在关节外科教学中的应用及效果。方法将2018年9月至2020年9月在解放军总医院第八医学中心实习的60名学生分为传统组（采用传统教学的方法）和自主学习组（采用自主学习教学模式），每组30名。比较两组学生一般情况、教学成绩（包括理论成绩和实践成绩）、能力评分（包括查阅文献能力、讲课能力、组织能力、沟通能力、团队合作能力）和主观评分（学习兴趣、教学满意度），并进行研究。采用SPSS 23.0统计软件进行独立样本t检验和卡方检验。结果自主学习组理论成绩[（87.63±7.01） vs. （79.56±7.08）]、实践操作成绩[（86.40±6.45） vs. （82.70±7.65）]、查阅文献能力[（16.33±2.45） vs. （14.50±2.27）]、讲课能力[（15.56±2.97） vs. （13.90±2.56）]、组织能力[（17.61±2.34） vs. （14.96±2.55）]、沟通能力[（17.06±1.91） vs. （14.53±1.96）]、团队合作能力[（16.23 ±1.71） vs. （14.76 ±2.32）]，各项评分都高于传统组，学习兴趣各项指标和教学满意度（教学形式和教学效果）指标也高于传统组，差异有统计学意义（P<0.05）。结论应用自主学习的教学模式培养实习学生，有利于提高学生的学习积极性，提升教学质量，为教学改革提供了新思路。

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。