目的 探究基于知识图谱的高仿真模拟教学在"急危重症护理学"中的应用效果.方法 选取 2020级护理学本科生为研究对象,随机抽取 1 个班为对照组(35 名),采用常规教学方案;1个班为观察组(39名),使用"急危重症护理学"知识图谱开展高仿真模拟.课程结束后比较 2 组自主学习能力,使用教学效果评价问卷及质性访谈了解教学效果及体验.结果 观察组与对照组自主学习能力得分均高于教学前(P<0.001,P<0.05);组间得分比较差异无统计学意义(P>0.05).观察组 77%的护生认为使用知识图谱能够"形成思考问题、解决问题的模式"、69%护生认为"有助于临床思维的培养".观察组师生对知识图谱及该教学方案表示满意.结论 知识图谱与高仿真模拟结合有助于激发护生学习兴趣,提升综合能力,培养临床思维,为护理教育智能化转型提供参考.

目的 探讨基于微信平台的PBL联合CBL在妇产科教学中的应用效果,改进和提升教学手段,从而提高教学质量.方法 通过回顾2019年8月1日-2020年7月31日在某院妇产科实习的62名临床医学专业五年制医学生,依据入科时间先后分为A,B组.A组为采用传统的PBL+CBL教学方式,B组为采用基于微信平台的PBL联合CBL教学方式.分析成绩考核表和问卷调查表,对教学效果进行主观与客观评价,使用spss 27进行统计学分析.结果 B组理论与技能考核成绩明显高于A组,理论考核成绩为88.68±9.63 分 vs82±7.74 P＜0.05;技能 86.14±7.58 分 vs80.12±7.73 分 P＜0.05,且 B 组问卷调查满意度高于A组,(97.1％vs 85.7％,P＜0.05).结论 基于微信平台的PBL联合CBL教学方式在妇产科教学中能够提高学生的学习兴趣及积极性,有助于培养学生综合分析问题的能力,提升教学效果.

目的 对我国健康中国行动政策进行量化分析,为相关政策制定和完善提供依据.方法 以2016-2023年国家级、省级层面发布的健康中国行动政策为研究对象,使用文本挖掘方法构建包含9个一级变量和41个二级变量的政策一致性(Policy Modeling Consistency,PMC)指数模型,对健康中国行动政策进行质量评价.结果 以筛选出的32份健康中国行动政策作为样本政策,PMC指数平均值为7.81,政策质量均在良好及以上,处于中度凹陷水平.一级变量中政策性质、政策内容、政策评价等PMC指数平均值较高,政策激励和效力级别维度的不足之处比较明显.结论 健康中国行动政策整体覆盖较为全面,但仍存在效力级别层次单薄、政策多元激励及相应政策工具运用不足、地域间发展不平衡等问题.未来应从丰富效力级别、均衡政策工具使用、加强地区间交流学习等方面进行完善.

在"细胞器之间的分工合作"教学中,通过创设真实情境、结合问题驱动、建构概念模型、主动展示交流等多种教学形式,在情境中引发学生深度学习,培养学生学科核心素养.

针对病理数据超大尺寸、标注成本高昂等问题带来的病理分类准确率较低的问题,基于多示例网络,引入分级注意力模块,设计一种兼顾示例级和图像块级损失的病理分类算法.回顾性收集皖南医学院第一附属医院口腔颌面外科186例口腔癌(126例鳞癌、60例腺癌),其数字病理切片划分为验证集、测试集及训练集.首先对病理图像进行前后背景分割,去掉背景中的噪声部分,然后采用ResNet50对分割后的病理图像提取特征,并将特征输入第一级注意力网络,得到基于图像块的注意力得分和损失,再根据注意力得分对图像块进行排序重置标签输入第二级注意力网络,得到基于示例级别的损失,最后将两级注意力的损失作为模型的总损失,通过训练最终网络,得到口腔癌分类结果.实验结果表明,使用两级注意力的多示例网络准确率为78.95%,AUC为0.8430,相较于基线模型均有更高表现.

针对机器学习方法在对脑电特征进行分类时无法同时兼顾脑电信号的时-空域特征的问题,利用添加注意力机制的卷积神经网络提取空间特征和双向门控循环单元提取时间特征,提出一种基于特征融合的运动想象(Motor Imagery,MI)脑电分类算法(Attention-EEGNet-BiGRU,AEBGNet),AEBGNet可将时、空域两类特征相融合,得到更具表征性的时-空域特征,最终构建的AEBGNet分类模型在BCI competition IV 2b数据集上取得80.37%的平均正确率,比标准的EEGNet方法提高6.09%.结果表明,本文方法可以有效提高MI脑电信号的分类正确率,为MI脑电信号的分类提供新的思路.

基于学习心理学,以学习条件理论和问题构成视角,分析问题化教学的条件和层级,并结合各类问题的作用特点,以皮肤性病学课程中的《带状疱疹》章节为例,进行问题化教学的课堂教学设计,旨在拓宽学生对带状疱疹的认识,并试图通过基于最小问题单元的逐层分析,从临床专业素养、医学探索、人文思政等多个维度提高学生对带状疱疹的认识.

眼眶肿瘤的位置和组织病理学表现各不相同,给诊断带来了挑战.尽管成像技术的进步改善了这一问题,但其分类与鉴别仍是一项挑战.机器学习作为人工智能的关键分支在医疗领域已取得了一定的成果,尤其是其与影像学、眼科学的结合极大地促进了眼眶肿瘤的精准治疗,其在肿瘤鉴别、病灶分割及图像重建等方面已经展现出极大的潜力和广阔的应用前景,有望在提升眼眶肿瘤诊断水平的同时降低临床实践成本.本文就基于MRI的机器学习技术在眼眶肿瘤中的应用进行综述,旨在为临床医师和放射科医生就眼眶肿瘤的诊断、治疗及预后提供思路,并进一步促进机器学习在该领域的应用与普及推广.

类风湿关节炎(rheumatoid arthritis,RA)是一种常见的自身免疫性疾病,严重影响患者的生活质量.影像评估在类风湿关节炎的诊断、治疗和预后中发挥着重要作用.近年来,人工智能尤其是深度学习技术的迅速发展,为类风湿关节炎的影像评估带来了新突破.本文首先阐述人工智能的相关概念,随后主要基于人工智能在X光、CT、MRI和其他成像模式中的应用,对骨骼病变、滑膜病变、软骨病变等进行综述,最后总结出目前人工智能及其在RA应用中存在的问题,并对前景进行展望.

目的 青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)是危害青少年健康的常见疾病之一.临床上,X线图像Cobb角测量法是评估患者脊柱侧凸严重程度的"金标准".由于X线图像中肋骨和骨盆阴影重叠以及椎骨形态差异等因素影响,人工测量在寻找关键点时步骤复杂且耗时长,快速且准确的Cobb角自动测量方法具有重要临床应用价值.现有深度学习方法中基于分割的方法易受图像质量影响;基于关键点检测方法过于关注局部特征提取导致定位不准确等问题.为此,本文提出了一种以椎骨为中心的标志点检测方法,来实现脊柱侧弯Cobb角自动估计算法.方法 构建一种基于融合多尺度和注意力机制M型椎骨检测网络(multi-scale attention M-shaped network,MSAM-Net).首先,使用多尺度金字塔拆分注意力(multi-scale pyramids squeeze attention,MPSA)模块和注意力特征融合(attentional feature fusion,AFF)模块提取椎骨特征和上下文信息,然后,根据椎体中心和角偏移量定位4个角标志点,以在脊柱侧弯评估任务中提高椎骨标志点检测的性能,进而实现近胸段、主胸段和胸腰段曲线的Cobb角估计.结果 为了评估Cobb角估计与真实侧弯角度之间的偏差程度,本研究算法基于AASCE MICCAI 2019挑战赛数据集,使用4种指标对Cobb角精度进行评估,分别是对称平均绝对百分比误差(symmetric mean absolute percentage error,SMAPE)、欧氏距离(Euclidean distance,ED)、曼哈顿距离(Manhattan distance,MD)和切比雪夫距离(Chebyshev distance,CD).测试得到SMAPE为9.39％,ED为4.18;MD为5.92;CD为5.34.与基于分割和检测的5种深度学习方法进行对比,实现更好的Cobb角测量结果.结论 本研究可以准确识别和定位X线图像中椎骨,帮助医生测量AIS患者的Cobb角,为临床AIS诊断、手术计划和脊柱健康分析提供决策支持.