简介：摘要目的探讨基于深度学习构建胆道闭锁(biliary atresia，BA)超声人工智能(artificial intelligence，AI)诊断模型的可行性。方法前瞻性收集2018年9月至2020年10月湖南省儿童医院诊治的177例BA患儿(BA组)共计531张胆囊超声初始影像及195例非BA患儿(非BA组)共计585张胆囊超声初始影像，各组按2∶1分为训练集与测试集。使用训练集训练深度神经网络模型Mask R-CNN后，采用测试集分别以患儿和图像为单位对该模型进行测试，评价模型对胆囊的检测率及诊断准确率。另将测试集图像分别以患儿、图像为单位进行随机编号，分别邀请4名超声医师进行图片判读，计算诊断准确率。对模型诊断准确率与超声医师诊断准确率进行比较。结果在胆囊器官的自动检测方面：模型在BA组与非BA组的检测率均达到100%，但在总计372张测试集图像中有17张出现虚警，虚警率4.57%(17/372)。在诊断方面：以患儿为单位时，模型在测试集中总的诊断准确率为95.97%，高于外院超声医师及本院中级职称超声医师(均P<0.005)，略高于本院高级职称超声医师(91.94%)，但差异无统计学意义(P＝0.183)。以图片为单位时，模型在测试集中总的诊断准确率为97.04%，均高于外院超声医师及本院中级职称超声医师(均P<0.001)，略高于本院高级职称超声医师(94.09%)，但差异无统计学意义(P＝0.05)。结论基于Mask R-CNN的AI模型可较准确地检测胆囊器官，对BA的诊断准确率较高，该模型切实可行，值得进一步研究。

简介：

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：摘要目的探究社区居民学习和实施心肺复苏(CPR)的意愿及影响因素。方法采用问卷调查法对2018年3～10月参加天津市第一中心医院CPR知识技能培训的某市某区居民297人进行调查，统计被调查者一般资料，对被调查者是否愿意对亲友或陌生人行CPR施救以及不同背景下居民不愿实施CPR的原因进行分析。结果共发放试卷297份，其中292份为有效试卷，有效率为98.32%。234名(80.14%)居民愿意对亲友实施CPR，有61名(20.89%)愿意对陌生人进行实施CPR；接受过相关培训、经历过急救现场以及认为实行CPR救治有效者愿意对亲友实施CPR；接受过相关培训、受教育程度较高、经历过急救现场以及认为实行CPR救治有效者愿意对陌生人实施CPR，差异有统计学意义(P<0.05)。担心能力不够、负法律责任、未学习急救措施是影响居民实施CPR的主要原因。结论对于学习CPR施救技能，居民意愿较高，但在遭遇突发情况时能够实施以及普及的概率较小，因此，有关部门应该针对居民不愿实施CPR的原因制定相关法规，并加强对居民CPR实用性的宣传。

简介：摘要原发性帕金森病是一种隐匿起病、缓慢进展的神经变性病。结合基层医疗的特点和需求，首次制订了我国《帕金森病基层诊疗指南（2019年）》。本文特别对指南中的诊断步骤、治疗及基层管理等作出说明，便于基层医生理解和更方便地应用该指南。

简介：随着当前世界范围内机器人技术的进步发展，智能协作机器人已经开始进入各个工业领域并在其工业产生、经营和管理工作的开展过程中发挥了非常重要的力量。而深度学习算法作为智能协作机器人发展过程中的一项前沿技术，其在智能协作机器人设计制造中的应用，对拓展智能协作机器人的各项使用功能具有非常重要的意义。基于此，本文将针对深度学习算法的概念进行总结阐述，同时针对深度学习算法在智能协作机器人设计制造中的应用进行分析总结，并最终对智能机器人的发展前景进行展望分析。

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：摘要胃超声检查是口服声学造影剂与超声成像技术的有机结合。在胃疾病临床诊疗体系中，胃超声检查的作用日益凸显，其可提供无创、可视化诊断信息，为进一步胃镜检查提供指引与参考，但是胃超声检查的方法及应用仍存在不少问题，尚待进一步规范。本视频主要针对胃超声检查的适应证与禁忌证、检查前准备、造影剂配制、规范检查流程、检查切面及手法、超声仪器调节与使用、胃部疾病超声诊断等内容展开学习、思考与讨论，以期为广大超声医师提供借鉴和参考。

简介：摘要随着“新课标”的改革和推进，体育教学的模式也发生了一定的变化。新的课程标准要求在学生掌握运动技术和技能时，要充分发挥学生的主体，使学生的主体作用得到良好的发挥。

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：摘要自主学习对医学生的成长具有十分重要的作用。本文探讨了医学生自主学习的影响因素，为提高医学生自主学习能力、改进医学院校教学方法提供了依据。采用现象学研究方法，对14名医学生进行半结构化访谈，通过现象学中的柯莱兹(Colaizzi)7步资料分析法对访谈资料进行整理分析。结果显示，医学生自主学习的影响因素包括学习动机、学习兴趣、职业规划、学习成就感、寝室同伴效应、外在环境、教师。医学生自主学习的影响因素呈多样化，医学院校可以从指导体系的建立、学习型寝室的建设、教师角色定位的转变3个方面提高医学生自主学习意识和自主学习能力。

简介：摘要目的探讨基于DWI和液体衰减反转恢复序列（FLAIR）的深度学习技术构建预测急性卒中发病时间模型的效果。方法回顾性分析于2017年1月至2020年5月在南京市第一医院就诊且发病时间明确的急性卒中患者324例。采用7∶3比例按照完全随机法将患者分为训练集226例，测试集98例；再根据发病时间将患者分为≤4.5 h和>4.5 h两组。由医师对DWI图像上急性梗死区及FLAIR相应的高信号区进行轮廓勾勒标注。利用InceptionV3模型作为图像特征提取的基本模型，构建并验证基于单序列（DWI、FLAIR）和多序列（DWI+FLAIR）的深度学习预测模型。比较人工识别、单序列模型及多序列模型预测急性卒中发病时间的ROC曲线下面积（AUC）、准确度等性能。结果发病时间≤4.5 h患者中94例（94/207）存在DWI-FLAIR不匹配，发病时间>4.5 h患者中28例（28/117）存在DWI-FLAIR不匹配。ROC分析显示人工识别DWI-FLAIR不匹配预测急性卒中发病时间的AUC为0.607，准确度为60.2%。基于单序列的深度学习预测模型显示FLAIR序列预测急性卒中发病时间的AUC为0.761，准确度为71.4%；DWI序列预测急性卒中发病时间的AUC为0.836，准确度为81.6%；基于多序列（DWI+FLAIR）深度学习模型预测急性卒中发病时间的AUC为0.852，明显优于人工识别（Z=0.617，P=0.002）、基于FLAIR序列深度学习模型（Z=2.133，P=0.006）和基于DWI序列深度学习模型（Z=1.846，P=0.012）。结论基于DWI和FLAIR的深度学习模型预测急性卒中发病时间明显优于人工识别，可为未知发病时间的卒中患者提供静脉溶栓治疗指导。

简介：摘要抗核抗体（ANA）的实验室检测对系统性自身免疫病的诊断、分型、病情监测等具有重要的临床意义。近年来，随着计算能力的增强和算法的推陈出新，以深度学习（DL）为代表的人工智能技术取得不断突破，在医学图像识别领域逐渐展现出独特的优势。ANA检测的参考方法是以人喉癌上皮细胞为基质的间接免疫荧光法，检测结果依赖肉眼对荧光模式的判读，本质原理还是图像识别，而这正巧具备与DL结合实现自动化判读系统的广阔前景。本文就目前DL运用在ANA检测的领域相关的研究及面临挑战进行概述，以期为今后ANA结果判读的标准化之路提供参考。

简介：摘要目的通过深度学习(DL)PET图像重建方法，提升不同采集时间18F-脱氧葡萄糖(FDG)PET图像质量。方法回顾性分析2020年9月至10月间山西医科大学第一医院核医学科45例恶性肿瘤患者[男20例、女25例，年龄(52.0±13.6)岁]PET图像。选择原始列表模式PET数据的短时30 s/床位PET图像作为输入，采用Unet网络，以全剂量标准采集时间(3 min)PET图像为模型判别标准，建立DL图像重建模型，以预测全剂量PET图像。分别对DL、30 s、90 s和120 s 4组图像进行图像质量评估及定量分析。采用5分法主观评估4组的图像质量。分别测量各组图像肝本底及肿瘤病灶定量参数：最大标准摄取值(SUVmax)、平均标准摄取值(SUVmean)、标准差(SD)、信噪比(SNR)、对比度噪声比(CNR)及一阶纹理特征(偏度、峰度、均匀度和熵)。采用Kappa检验、χ2检验、单因素方差分析(最小显著差异t检验)进行数据分析。结果4组图像质量评分具有高度一致性(Kappa＝0.799，P<0.001)，DL组评分≥3分共6例，30 s、90 s和120 s组评分≥3分别有4、7和8例(χ2＝125.47，P<0.001)。DL组肝SD明显低于30 s组(0.26±0.07与0.43±0.11；F＝3.58，t＝-7.91，P<0.05)，SNR高于30 s组(11.04±4.36与5.41±1.41；F＝10.22，t＝5.40，P<0.05)；DL组肝SD及SNR与90 s组一致(0.39±0.16, 8.46±3.34；t值：-0.87和2.17，均P>0.05)。在18个高摄取肿瘤病灶中，DL组病灶SNR及CNR均高于30 s组(60.21±29.26与38.38±16.54，22.26±15.85与15.41±9.51；F值：13.09和7.05，t值：5.20和4.04，均P<0.001)。4组肝一阶纹理特征差异有统计学意义(F值：4.30~9.65，均P<0.05)，但DL组与120 s组间差异无统计学意义(t值：-1.25~0.15，均P>0.05)。结论DL重建模型能较好地改善短帧PET图像质量，可以满足临床诊断、疗效评估和组学研究的需求。

简介：摘要基于案例学习(case-based learning，CBL)通过案例促进学生与教师交流，提高学生发现问题和解决问题的能力，促进理论与实践紧密结合。本文以2021年3至6月上海体育学院2020级医学技术专业15名硕士研究生教学为例，阐述了CBL在儿科物理治疗学课程中的设计和实施，通过期末考试和满意度问卷调查评价教学效果。结果显示，学生期末理论知识和实践操作考核成绩分别为(85.23±5.35)分和(86.83±4.95)分；学生对教学模式和教学内容掌握程度的满意度评分分别为(28.47±2.26)分和(23.33±2.53)分。可见，CBL有助于提高学生儿科物理治疗学的学习效果和课程满意度，但对学生解决临床实际问题能力的影响仍需进一步探索。

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：无

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。