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】目的 探讨合作学习模式在培养西部地区县级医院护理人员核心能力中的应用效果。方法 将医院护士60人，随机分成观察组和对照组各30人。对照组采用传统“师带徒”教学法进行带教，观察组采用合作学习模式进行教学，三个月后评价学习效果。结果 观察组理论和操作考核成绩均高于对照组，且结果具有统计学意义。结论 临床护理教学中应用合作学习模式能有效提高护理人员的综合素质，对提高医院年轻护士的核心能力有积极作用。

简介：摘要机器学习可以利用大数据和神经网络等不同算法的相互作用，将患者一般信息、基因学、实验室检查、影像学、诊治和预后等多维度数据进行整合，根据临床实际问题完成建模或优化的过程。风湿免疫性疾病异质性高，发病机制复杂，传统分类标准和诊疗指南难以满足个体化治疗的需求。本文介绍了机器学习在风湿免疫性疾病中的应用和进展，为探索更加合理的诊治策略提供新的思路。

简介：摘要医学科研是医学研究生求学阶段必须参与的一项实践活动，而高质量的科研活动离不开医学统计学这门工具学科。学习医学统计学的前提是掌握必要的数理统计知识、熟悉学科框架和基本概念。研究生应当掌握一定的原则和顺序去分析和选择统计学方法，并能够正确解读统计学结果。本文对医学研究生学习和应用统计学提供了指导方法和策略，以期提高其统计学水平。

简介：摘要目的应用深度学习进行病毒电镜图像的分类，通过多种模型性能的比较，提供适用于病毒电镜图像分类的网络模型，提供病毒电镜图像识别的辅助与支持，减少研究人员的劳动强度和分析时间。方法通过加深网络深度、调整学习率和批量大小等参数，使用AlexNet、VGG、ResNet、DenseNet、SqueezeNet、MobileNet、ShuffleNet多种经典的卷积神经网络对七种病毒电镜图像进行分类。结果DenseNet169以91.9%的准确率、90.1%的敏感度和98.6%的特异度取得了模型最佳性能。其中，模型对细小病毒的识别效果最好，乳头瘤病毒、疱疹病毒、痘病毒和轮状病毒的精确率、敏感度、特异度和F1值均在90%以上，甚至接近100%。同时，轻量级网络ShuffleNet的性能以更少的参数量和浮点次数超越了深度网络AlexNet和VGG，并能够以比ResNet少约15倍的参数量和90余倍的浮点运算次数取得与之相当的结果；与DenseNet相比，孙世丁通过牺牲可接受范围内的识别性能换取了比其少约10倍的参数量和80余倍的浮点运算次数。结论深度网络DenseNet169能够以最佳性能实现病毒电镜图像的自动识别，轻量网络ShuffleNet_v2_x0_5能够以更少的参数量和浮点运算次数实现次优性能，在实际应用中可结合具体情况在深度网络和轻量级网络之间进行取舍。

简介：摘要目的探索卓越医学人才可持续发展所需要的终身学习核心能力，建构评价终身学习能力的指标体系。方法使用文献综述和专家咨询法，初步拟定核心指标，对32名医学领域专家进行了2轮问卷咨询，再采用描述性分析、层次分析、非参数检验等统计学方法进行数据分析，构建临床医学专业学生终身学习能力评价指标体系。结果2轮专家咨询的有效问卷回收率均高于90%，专家积极性较高；专家权威系数为0.9，可靠性较好；变异系数小于0.25，专家意见集中程度提高；肯德尔和谐系数W为0.27，P<0.01，差异具有统计学意义，专家意见协调程度良好。构建的临床医学专业学生终身学习能力评价指标体系共6个一级指标，19个二级指标。结论本临床医学专业学生终身学习能力评价指标体系包含态度意识、自我管理、思维品质、适变能力、信息素养、沟通能力6个维度，评价体系较为科学合理，能够为临床医学人才的终身发展能力培养提供参考。

简介：摘要磁共振成像与机器学习算法相结合、建立诊断模型的研究方法被广泛应用于脑功能障碍辅助诊断的科研与临床之中。本文就目前应用于脑功能障碍相关疾病MRI常见的五种机器学习算法进行综述，即线性回归模型、K-最近邻、支持向量机、随机森林和深度学习。主要内容包括它们的基本原理、现阶段的应用、适用范围和局限性。相关研究应朝着脑影像特征的挖掘、标准化数据库的建立、多模态MRI的数据整合和机器学习算法的联合应用方向继续努力。

简介：摘要目的研究新型冠状病毒肺炎（COVID-19）大流行期间长期居家学习的不同年龄和性别儿童青少年的心理行为问题特点及影响因素，为今后进行更有针对性的心理干预和社会支持提供科学依据。方法横断面研究。采用网络问卷调查的方式，对我国的地理区域北部（北京）、东部（上海）、西部（重庆）、南部（广州）和中部（武汉）的5个不同地域的代表性城市中6~16岁儿童和青少年在长期居家学习期间的社会行为和心理问题进行多维度调查，以任一维度阳性作为存在心理行为问题，采用Logistic 回归分析心理行为问题的危险因素，并对混杂因素进行逐级校正。结果共收到有效问卷6 906份。其中男3 592人、女3 314人，6~11岁组3 626人，12~16岁组3 280人。心理行为问题的总阳性检出率为13.0%（900/6 906），男童为9.6%（344/3 592）、女童为16.8%（556/3 314）；其中6~11岁组男童为7.3%（142/1 946）、女童为14.0%（235/1 680）；12~16岁组男童为12.3%（202/1 646）、女童为19.6%（321/1 634）。心理行为问题阳性组在性别、亲子冲突、好朋友数量、家庭收入变化、久坐时间、家庭作业时间、屏幕暴露时间、体育活动时间、饮食问题（χ²=78.851、285.264、52.839、26.284、22.778、11.024、10.688、36.814、70.982，均P<0.001）等方面与阴性组间存在明显差异。不同年龄和性别儿童与青少年组心理行为问题表现不同，6~11岁男孩为强迫性、分裂样和抑郁；6~11岁女孩为分裂强迫、多动和社交退缩；12~16岁男孩为多动、强迫性和攻击性；12~16岁女孩为分裂样、焦虑强迫和抑郁退缩。多因素校正及分析发现，不同年龄组除了共性的风险因素外，作业时间、网课时间是6~11岁组的危险因素［男童OR（95%CI）分别为 1.750（1.32~2.32）、1.214（1.00~1.47），女童OR（95%CI）分别为 1.579（1.25~1.99）、1.222（1.05~1.42），P均<0.05］，电子游戏时间是12~16岁组的危险因素［男童OR（95%CI）为2.237（1.60~3.13），女童OR（95%CI）为1.272（1.00~1.61），P均<0.05］。结论长期居家学习期间部分儿童青少年可能会产生心理行为问题，不同年龄和性别组的异常表现和影响因素并不完全相同。学校、家庭和专科医生应针对不同年龄性别特点和相应的风险因素积极给予更精准的心理支持和综合干预策略。

简介：摘要目的尝试构建1个基于深度学习的内镜超声检查(endoscopic ultrasonography，EUS)质量控制系统，并验证其价值。方法从武汉大学人民医院消化内镜中心数据库中，回顾性收集2016年12月—2019年12月间的269个EUS检查资料，分为：(1)用于训练模型的训练数据集A，包含205个检查，其中16 305张图像用于分类训练，1 953张图像用于分割训练；(2)用于评估模型性能的测试数据集B，包含44个检查，其中1 606张图像用于分类验证，480张图像用于分割验证；(3)用于内镜医师与模型进行比较的数据集C，包含20个检查，共150张图像。EUS专家(具有10年以上的EUS操作经验)甲和乙通过讨论对训练集A和测试集B、C的所有图像进行分类和标注，其结果用作金标准。EUS专家丙和高年资EUS医师(具有5年以上的EUS操作经验)丁、戊对数据集C中的图像进行分类和标注，其结果用于与深度学习模型进行比较。主要观察指标包括分类的准确率、分割的Dice(F1指数)和一致性分析的Kappa系数。结果在测试数据集B中，模型分类的平均准确率为94.1%，胰腺分割的平均Dice为0.826，血管分割的平均Dice为0.841。在数据集C中，模型的分类准确率达到90.0%，专家丙、高年资医师丁和戊分别为89.3%、88.7%和87.3%；模型的胰腺和血管分割Dice系数分别为0.740和0.859，专家丙分别为0.708和0.778，高年资医师丁分别为0.747和0.875，高年资医师戊分别为0.774和0.789，模型与专家的水平相当。一致性分析结果显示，模型与内镜医师之间达成了较好的一致性(Kappa系数分别为：模型与专家丙间0.823、模型与高年资医师丁间0.840、模型与高年资医师戊间0.799)。结论基于深度学习的EUS分站和胰腺分割识别系统可以用于胰腺EUS的质量控制，具有与EUS专家相当的分类和分割识别水平。

简介：摘要目的按照社会认知理论编制测评医学生生物化学课程自主学习状况的量表。方法在学习动机和策略问卷（motivated strategies for learning questionnaire，MSLQ）基础上编制项目62条，选择上海交通大学医学院323名医学生为被试对象，对收集的数据进行项目相关性、信度和探索性因子分析。结果信度分析结果显示，总量表、分量表的Cronbach’s α较高（均大于0.8），内在一致性良好；探索性因子分析结果显示，动机分量表含3个因子，即内在价值、自我效能感和学习焦虑；策略分量表含8个因子，即批判性思维、组织策略、复述策略、学习监控、学习计划、学习总结、时间和学习环境管理、同伴学习。结论本量表具有较好的信度和效度，对评价医学生生物化学课程的自主学习能力具有一定的应用价值。

简介：摘要本文以刺激-有机体-反应理论（stimulus-organism-response，SOR）为框架总结出沉浸式虚拟现实（immersive virtual reality，IVR）学习模型。为探讨IVR对学习过程的影响，设计实施了传统方式和IVR阑尾炎切除术教学。结果表明，基于IVR的认知反应、情感反应和学习结果优于传统式学习。IVR沉浸感强、接受度高，未来可以利用IVR存在感的中介作用影响学习满意度。

简介：摘要目的在基于"互联网+"的教学实践改革中，讨论影响学习者学习方式转变的研究相对较少。本文重点探讨在混合式教学过程中，影响学生学习方式转变的现实因素。方法以内蒙古医科大学选修医学计算机信息应用2017级学生为教学对象，开展混合式教学，通过对教学班学生、教师发放调查问卷，进行访谈，课程成绩分析等方法，讨论混合式教学过程中学生学习方式对学习效果的影响，以及可能的影响因素。结果在教学过程中，学生学习方式在某种程度上会深刻影响学习效果。因此，影响学生学习方式的主客观因素应得到重视。结论随着"互联网+教育"形式的普及，传统教育教学的方式、环境发生了很大的变化。在教学过程中，教师应更多关注学生的学习方式，从而更好地提高课程教学效果。

简介：【摘要】目的：探讨分析行动学习法在妇产科临床带教中的应用效。方法：将2018年6月~2020年6月在我院妇产科参加临床实习的60名实习医学生分为两组各30名，对照组采取妇产科常规临床带教模式，观察组采用行动学习法开展妇产科临床带教工作，对比两组医学生理论与实操成绩评分，评估带教老师对本组实习生实习情况的满意度、实习生的心理状况。结果：与对照组相比，观察组实习生理论成绩评分与实操成绩评分明显更高，独立样本t检验提示两组数据差异具有统计显著性(P＜0.05)；与对照组相比，观察组实习医学生心理状况评分各指标更优，组间差异具有统计学意义(P＜0.05)。与对照组相比，观察组带教老师对本组实习生学习情况满意度更高，卡方检验提示两组数据差异具有统计显著性(P＜0.05)。结论：采用行动学习法开展妇产科临床带教工作有助于提高实习医学生的理论知识掌握水平，强化其实践操作能力，提高实习医学生对本专业的兴趣，值得加以推广和应用。

简介：摘要抑郁症是严重危害人类健康的精神障碍性疾病之一，其发病率高且病情易反复。该病的诊断主要依据《精神疾病诊断与统计手册第五版》(diagnostic and statistical manual of mental disorders，fifth edition，DSM-5)及国际疾病与相关健康问题统计分类第10版(International Statistical Classification of Diseases and Related Health Problems 10th Revision，ICD-10)。目前，功能磁共振成像与机器学习结合的方法有望发现特异性标志物，为抑郁症的诊断提供客观的影像学依据。作者介绍机器学习与功能磁共振成像(包括任务态功能磁共振成像、静息态功能磁共振成像、动脉自旋标记及扩散张量成像)结合的方法在抑郁症诊断中的研究进展。

简介：摘要随着高通量测序和多组学技术的应用，越来越多的生物标志物被挖掘并用于疾病诊断、风险分层、疗效评估及预后预测的研究中。由于机器学习能处理复杂数据，并通过建立模型等方法较好预测临床疾病变化，因此其在肿瘤标志物的挖掘和应用中具有一定的优势。通过总结近年来常用的机器学习方法，阐述其在标志物挖掘中的应用进展，并总结不同的机器学习方法在标志物挖掘中的优劣。

简介：摘要目的建立一种基于人工智能的尿液检验结果解释性报告系统。方法收集2008—2018年浙江大学医学院附属第一医院患者2 899 917份、体检710 971份尿检数据，统计每个项目不同结果的频数分布建立大人群分布，再根据数据分布、项目重要性和结果异常程度，建立每个样本的健康指数和各项目的异常等级。收集糖尿病、尿路感染、肾小球肾炎、肾病综合征等疾病数据，按性别、年龄匹配同数量的健康对照组。基于AdaBoost算法的集成学习器建立模型并评估算法性能。用JAVA开发数据展示软件。用199份异常尿液检验结果，人工验证模型的准确性。结果每份报告分为正常、异常、疾病、危重4个等级；单个项目结果判断为正常、轻度、中度、重度、极度5个等级并提供大数据的人群分布；基于AdaBoost机器学习模型运用于7种疾病的训练准确度（≥88.3%）、真阳性率（≥80.0%）、曲线下面积（≥0.954）。开发的JAVA软件展示上述结果，并包括病历和结果、历史结果、个性化建议、异常项目科普、在大人群数据中的位置等内容。异常尿液结果可能的疾病相似度，人工验证机器学习模型的准确率为82.41%（164/199）。结论本研究建立了智能的结果解释性报告系统，能区分报告异常程度，具有较高疾病预测准确性，可提供个性化的临床决策信息。

简介：摘要：医疗纠纷是影响医患关系的主要原因，医疗纠纷的处理在一定程度上揭示了医院的服务意识和水平。本文以医疗纠纷调解为切入点，从《医疗纠纷预防和处理条例》（以下简称条例）入手，分析医疗纠纷处理中存在的问题和不足，提出改善的措施和意见。

简介：摘要 目的：探讨医院管理的组织学习力与创新绩效的关系，为医院管理提供一些新的思路，促进医院可持续发展。方法：研究采取问卷调查的方式，确定医院管理的组织学习力与创新绩效的关系，由医疗卫生系统内的专家标度作答，调查时间周期为两个月，起止时间2019年10月-2019年12月。问卷共计发放60份，回收59份，问卷回收有效率为98.33%。结果：r值均在0.90以，P值均小于0.01，表明医院管理的组织学习力与创新绩效的关系具有强相关性，回归结果显著性P值=000，二者之间具有显著影响。结论：医院管理需要进行外部与内部激励，有效管理可以形成医院内部每一位成员的学习力，达成创新绩效的目标，促进医院的发展。

简介：【摘 要】目的：分析评价康复治疗教学中采用网络化学习与师生互动模拟的效果。方法：研究年限区段为2020年4月-2021年4月，择取样本共68例康复治疗技术专业学生，采用电脑抽签方案均分为研究组、对照组。对照组学生采取基础教学方案，研究组学生采取网络化学习与师生互动模拟教学，对比分析两组相关指标。结果：对比两组理论与实践考核成绩，研究组均高于对照组（P＜0.05）；对比两组教学满意度，研究组高于对照组（P＜0.05）。结论：康复治疗教学中应用网络化学习与师生互动模拟效果显著，可全面推广。