目的:探究一种融合了SAM-YOLOV 5深度学习网络和图像处理技术的人工智能(AI)新模型在乳腺影像报告与数据系统(BI-RADS)4类肿块超声动态视频良恶性分类中的应用。方法:回顾性收集2019年5月至2023年6月汕头大学医学院第一附属医院经病理证实的BI-RADS 4类的乳腺肿块患者458例(530个肿块)，按7∶3的比例进行模型的训练和测试，分析模型的ROC曲线下面积(AUC)、敏感性、特异性、阳性预测值、阴性预测值。先与单张静态图像下的测试效果进行比较，再与3个传统的深度学习网络以及高、低年资医师组的测试效果进行比较。分析新模型在BI-RADS 4a、4b、4c类肿块中的诊断效能。结果:二维超声动态视频在新模型中测试所得到的AUC、敏感性、特异性、阳性预测值、阴性预测值高于使用单张超声静态图像(均 P<0.05)。基于二维超声动态视频下，新模型的AUC、敏感性、特异性、阳性预测值、阴性预测值高于3个深度学习网络模型(YOLOV 5、VGG 16、Resnet 50)和低年资医师组(均 P<0.05)，低于高年资医师组(其中仅特异性、阴性预测值 P<0.05)。新模型对BI-RADS 4b类肿块诊断效能最低。 结论:基于SAM-YOLOV 5深度学习网络和图像处理技术开发的用于BI-RADS 4类乳腺肿块动态超声分类诊断的新模型有较高的诊断价值，有望用于辅助临床诊断。

目的:探讨乡村全科医生岗位胜任力特征。方法:该研究为质性研究。采用文献研究法提取乡村全科医生岗位胜任力特征，并对全国范围内的18名乡村全科医生进行行为事件访谈，访谈于2019年1—4月进行。根据访谈结果对胜任力特征条目进行修改和完善，并在此基础上提取乡村全科医生鉴别胜任力和基准胜任力。结果:共获得约4.6万秒的访谈录音和约17.5万字的访谈文本，提取得到“敬业精神”“利他主义和奉献精神”“具有爱心和同情心”“出诊服务”“良好关系的建立”“成就导向”“有自己的专长”“主动了解社区人口动态及健康状况”8项鉴别胜任力，以及“常见病多发病的诊断处理”“基本医疗操作技能”“学习意识和学习能力”“中医诊疗能力”“社区合理用药”“转诊服务”“常见慢性非传染性疾病管理和评价”“社区重点人群保健”“了解医疗卫生体制及相关政策”“急诊急救处理能力”10项基准胜任力。结论:该研究初步得到了乡村全科医生岗位的8项鉴别胜任力和10项基准胜任力。

目的:探索PDCA指导护理管理学课程设计和教学管理改革的实践及效果。方法:将PDCA循环的4个阶段8个步骤，贯穿于护理管理学的课程设计和教学管理的全过程中。以每一次课为小循环，整门课程为大循环，对课程的教学目标、教学内容、教学方法、教学实施、课堂质量、学习效果等进行动态控制和反馈，评价其实施效果。结果:质性分析表明：本课程教学设计合理，教学目标明确具体，教学内容层次结构清晰，编排与组织合理；同行及专家听课课堂评价结果优秀。量性分析发现：学生过程性考核成绩（88.14±1.23）分，笔试成绩（80.21±6.25）分，总评成绩平均（82.60±4.43）分，横向比、纵向比均有所提升，且差异具有统计学意义；学生管理意识、管理能力及实践应用的能力和信心较前提升，课程评价满意度较好。结论:通过PDCA全过程管理，优化了护理管理学课程教学设计，有助于学生管理实践运用能力的发展，提高教学质量。

目的:提出一种新型脉冲神经元模型及其网络，描述其建模方法，并用计算机模拟验证其性能。方法:在充分考虑生物学适应性（激活电位阈值和不应期开关），及其对尖峰放电脉冲产生及其传导的动态调节机制基础上，在新型脉冲神经元模型中引入了突出后电位多通道滤波器，实现了输出电流及神经元突触强度的动态调节。提出基于自适应最小均方（LMS）的误差反向传播（BP）学习算法，并将其应用于尖峰放电神经网络的调节。结果:在自发噪声下，新型脉冲神经元模型的尖峰放电间期信号直方图满足泊松分布。通过2个新型脉冲神经元的简单连接，可以形成多种复杂的尖峰放电模式。新型脉冲神经元模型具有自发本征噪声的特征，能够形成复杂的周期尖峰放电模式。对于输入噪声控制，该模型的不应期与门限电位适应性参数的稳定性较好。刺激电流-尖峰放电脉冲频率间的线性关系较好。结论:所提出的新型脉冲神经元模型在自发噪声条件下能产生多种模式的振荡和相干振荡，这与生物神经元极其相似，能实现复杂的噪声信号处理。所采用的具有不同频带的多通道突触后电位滤波器，能使一些突触后电位信号变得平稳。所提出的基于于自适应LMS的BP学习算法克服了尖峰放电信号的瞬态变化特性导致的误差驱动学习算法无法应用的问题。

心脏瓣膜病的理论教学中，传统的授课方式使学习者感觉非常抽象，学习效果不佳；床旁教学中特定病人的心脏特征无法直接向学习者展示，学习者难以将理论知识与临床表现进行建构。本研究在基于体验学习理论的临床床边见习的基础上，利用心脏虚拟影像技术，将临床病人的心脏影像进行重建，还原其心脏内部结构，辅以动态血流图像，帮助学习者厘清心脏形态结构和血流动力学的关系，使学习者能够直观地学习这些知识。通过本研究的教学实践发现：高质量的课程设计和引导式的教学结合VR新技术的运用，能够显著提升学习者的学习体验与效果。

目的:探讨体外动态心脏模型与基于案例和问题学习(case and problem-based learning，CPBL)教学方法相结合在心脏超声科住院医师规范化培训(下文简称住培)中的应用效果。方法:采用试验对照研究方法，选取在南京医科大学附属无锡第二医院心脏超声科进行住培的80名学员为研究对象。将2019年9月至2020年8月入科的40名学员设为试验组，2018年9月至2019年8月入科的40名学员设为对照组。试验组接受体外动态心脏模型与CPBL相结合的教学方法，对照组接受常规教具与CPBL相结合的教学方法。比较两组学员出科时的考核成绩，并对两组学员进行教学满意度问卷调查。结果:试验组学员的理论考试成绩、读片成绩、操作考核成绩和人文素养成绩分别为(42.72±1.78)分、(43.00±1.91)分、(44.27±2.24)分、(43.37±2.35)分均高于对照组学员的(41.82±1.75)分、(41.55±2.26)分、(43.05±2.64)分、(41.57±2.48)分，其差异均具有统计学意义(均 P<0.05)。问卷调查结果显示，试验组学员比对照组学员在"加深理论知识理解"[92.5%(37/40)比75.0%(30/40)]、"培养临床思维能力"[90.0%(36/40)比70.0%(28/40)]、"提高影像读片能力"[92.5%(37/40)比72.5%(29/40)]、"提高上机操作能力"[90.0%(36/40)比67.5%(27/40)]、"提高学习兴趣"[90.0%(36/40)比72.5%(29/40)]和"提高学习效率"[92.5%(37/40)比75.0%(30/40)]方面的选择比例高，差异均具有统计学意义(均 P<0.05)。 结论:体外动态心脏模型与CPBL相结合的教学方法用于心脏超声科住培，能够调动住院医师的主观能动性，有助于完成住培培养目标、提高住培的教学效果。

超声可进行无创、实时、动态显像，有助于低成本、快速评估风湿性疾病肌肉骨骼系统。由于超声图像受到操作者依赖性、患者依赖性和仪器依赖性的影响，同时存在风湿性疾病异质性等多种因素，因此超声成像临床应用变得具有挑战性。本综述概述了机器学习技术和深度学习方法在风湿病肌骨损伤中的应用，介绍了多种人工智能技术在滑膜、软骨、肌肉组织中的定位、诊断病变，以及疾病活动性分析中的作用；此外，还探讨了人工智能在肌肉骨骼超声实践中所面临的挑战和机遇。

目的:针对临床数据数量庞大和质量差的现状，本研究旨在以建立淋巴瘤研究数据库为例，探索高质量研究数据库的建立路径以及在真实世界研究的作用。方法:汇总研究领域专家意见，参考相关指南和标准，建立标准医学知识库；回顾性抽取2005年2月－2021年12月期间就诊于北京大学肿瘤医院淋巴瘤患者电子诊疗数据，采用深度学习、自然语言处理等方式，搭建"基于电子病历系统的淋巴瘤数据库－生物样本信息库－延伸遗传信息库"的动态智能信息整合与处理系统。结果:研究数据库在满足了临床科研人员的研究需求的同时，实现医院病历数据和生物样本信息数据的申请、审批、溯源和分析全过程留痕管理。数据库中核心科研变量总数为668个，结构化变量占46.0%。截至2021年12月25日，数据库中共有淋巴瘤患者68 687人，男女患者人数比值为8/9，就诊次≥3次的患者占比为23.0%。此外，研究者可在数据库中根据目标条件叠加检索，显示命中的就诊记录，建立研究队列，进行统计建模，挖掘数据信息。结论:通过整合管理流程和利用自然语言人工智能新技术建立循证等级高的数据库，有助于医院信息系统的互联互通与资源共享，从而达到为开展真实世界研究提供可靠详实数据的目的。

传统机能学实验以验证性动物实验为主，强调固定的步骤程序和操作规范，几乎不涉及临床使用的动态检测技术、仪器等。此种教学模式中，学生缺乏自由探索的机会，与临床、科研结合不够紧密，不符合医学教育早临床、早科研、自主学习的要求，不能充分实现以胜任力为导向的培养目标。南京医科大学近年大力推行的人体机能实验是以人体为实验观察对象，可直接获取人体数据的实验模式，与临床结合紧密，具有极强的参与性、互动性、体验性、探索性和创新性。本研究通过深入探索自主研发穿戴式实验仪器，实现多路生理信号的长时程检测，实施体验探究式教学设计等，构建了人体机能实验教学体系，让学生能够沉浸式学习，将医学教育基础和临床结合、实训和虚拟互补、教学与科研融通，达到了较好的教学效果。

目的:快速评估急性冠脉综合征（acute coronary syndrome，ACS）患者经皮冠脉介入术（percutaneous coronary intervention，PCI）后效果是临床中的一个重要问题。为此，本研究提出一种基于动态学习的心电图（Electrocardiogram，ECG）分析方法。方法:前瞻性分析山东大学齐鲁医院急诊科2019年4月至2020年12月诊断明确且接受成功PCI术的ACS患者203例。根据PCI术后是否存在70%及以上狭窄，分为术后不合并≥70%狭窄组（ n=72）和术后合并70%以上狭窄组（ n=131）。收集患者的基本临床资料，并采用 χ2检验分析计数资料， t检验和Mann-Whitney检验分析计量资料。记录患者PCI术前、术后2 h ECG，利用动态学习对其进行动力学分析生成心电动力学图（cardiodynamicsgram，CDG）。在术后不合并≥70%狭窄组中，以术前为心肌缺血，术后为非缺血，利用10次10折交叉验证训练支持向量机生成心肌缺血预测模型及CDG指标。 结果:两组患者基线资料差异无统计学意义。在术后不合并≥70%狭窄组中，支持向量机心肌缺血预测模型对心肌缺血的预测准确率73.61%、敏感度84.72%。患者CDG在PCI术后由散乱转变为规整，CDG指标显著降低（ P<0.001）：术后不合并≥70%狭窄组中90.28%（65例）患者，术后合并70%以上狭窄患者组中79.39%（104例）患者的术后CDG指标较术前降低。 结论:本研究利用动态学习获取的CDG可直观、较为有效评估PCI术前后的心肌缺血变化，这有助于指导临床医生制定下一步的治疗方案。