目的 了解护生对大语言模型聊天机器人的使用体验,为规范使用大语言模型聊天机器人提供参考.方法 采用描述性质性研究方法,以目的抽样法选取15名来自4所医学院校的护生进行半结构式访谈.使用内容分析法对访谈资料进行分析、归纳并提炼主题.结果 共提炼出4个主题:使用体验感多样化;使用场景差异化;使用潜在问题;自我感知需求和期待.结论 护理教育和管理者应引领护生树立正确使用大语言模型价值观,制定相关使用准则规范其使用,还须加强培训和护理伦理建设,促进大语言模型在护理教育中的创新融合.

目的 探究医生对人工智能辅助诊疗系统(aided diagnosis and treatment system,ADTS)的采纳意愿及其影响因素,厘清ADTS推行的重要环节,进而提出优化技术、管理的建议.方法 在整合型技术接受使用模型的基础上添加感知风险、认知信任、法律监管等因素设计问卷,在预调研修正后对226份正式回收问卷数据进行信度和效度分析、假设检验、结构方程模型拟合,得到医生ADTS采纳意愿关系链模型.结果 绩效期望、认知信任、社会影响对医生的行为意愿产生直接正向影响,其中社会影响的作用效果最大;促成因素、法律监管等存在间接影响.研究还发现,使用过ADTS的医生在绩效期望、努力期望、学习适应性等多方面赋分较高.结论 落实ADTS应用应重视培训科普、建立运维体系、完善风险责任规制,需要多方合力.

目的通过与并行采集(parallel imaging,PI)对比,探讨人工智能辅助压缩感知(artificial intelligence-assisted compressed sensing,ACS)技术对肩关节MRI扫描时间和图像质量的影响,并优化扫描方案.材料与方法前瞻性纳入2023年11月至2024年2月在我院行肩关节MRI检查的70例患者,扫描序列采用快速自旋回波序列包括斜冠状位T1加权成像(oblique coronal T1-weighted,OCor T1WI)、斜冠状位T2加权频率选择脂肪抑制成像(oblique coronal T2-weighted with fat saturation,OCor T2WI-fs)、斜矢状位质子密度(proton density,PD)加权频率选择脂肪抑制成像(oblique sagittal PD-weighted with fat saturation,OSag PDWI-fs)、横断面PD加权频率选择脂肪抑制成像(transverse PD-weighted with fat saturation,Tra PDWI-fs),分别采用ACS和PI两种加速采集技术.比较两种技术的扫描时间.测量冈上肌肌腹和肱骨头的信号强度及背景标准差,并计算信噪比(signal-to-noise ratio,SNR).采用李克特量表对图像质量进行评分.结果相较于PI,采用ACS缩短了33.5％的扫描时间.采用ACS采集的图像伪影更少,骨骼肌肉的噪声更小,在图像质量主观评分上均高于采用PI的图像,差异均有统计学意义(P均<0.05).OCor T1WI、OCor T2WI-fs和Tra PDWI-fs序列中采用ACS的图像在冈上肌和肱骨头的SNR均高于采用PI的图像,差异均有统计学意义(P均<0.001).OSag PDWI-fs序列中图像冈上肌的SNR采用ACS与PI差异无统计学意义(P>0.05),图像肱骨头的SNR采用ACS采集的图像高于PI的图像,差异有统计学意义(P均<0.001).结论与传统的PI相比,采用ACS在肩关节MRI中可实现更高效且稳定的快速成像方案,提高图像质量,缩短扫描时间,提高患者耐受程度,具有较好的临床应用价值.

2022-2035年是上海建设成为更可持续韧性生态之城的关键发展期,面对当前复杂、严峻的自然灾害形势,城市综合防灾减灾任务更加艰巨.城市治理的"最后一公里"就在社区,为进一步夯实基层自然灾害应对韧性,提升防灾减灾能力,加强社区自然灾害综合监测预警网络研究,通过分析上海市社区自然灾害特点,提出一种综合监测预警的方法和网络,通过若干物联感知传感器持续监测和智能终端分析研判的密切配合,以实现对社区灾情态势、社区灾害风险完成实时的评估和预警.经过在典型社区中的实践验证,该系统初步实现了数据监测、风险研判、预报预警等功能,提升了社区防灾减灾和应急管理能力水平.

目的:探讨基于人工智能辅助压缩感知（ACS）的单次激发心脏T 2加权黑血序列（T 2W-DB）在临床心脏MR检查的应用价值 。方法:前瞻性收集2021年8至12月在华中科技大学同济医学院附属同济医院38例因临床需要行心脏MR检查的患者。所有患者均进行左心室连续短轴面常规T 2W-DB序列和单次激发ACS T 2W-DB序列扫描，记录采集时间，分别对这两组序列的图像质量采用客观定量和主观评分两种评估方法进行分析。图像质量客观定量评价分别计算两组序列图像的中间段室间隔心肌信噪比（SNR）、室间隔与血池的对比噪声比（CNR）和锐利度。图像质量主观评价分别对两组序列图像的总体图像质量、血池抑制效果及右心室游离壁、左心室游离壁、室间隔的可视性进行Likert量表评分。分别采用组内相关系数和Kendall W系数评价测量者间图像质量的客观定量指标和观察者间主观评分的一致性，并采用配对 t检验或Wilcoxon检验比较常规T 2W-DB和单次激发ACS T 2W-DB的图像质量客观定量指标、主观评分以及采集时间。 结果:单次激发ACS T 2W-DB和常规T 2W-DB在测量者间图像质量客观定量指标和观察者间主观评分具有较好的一致性（ P值均<0.05）。相较于常规T 2W-DB［（85.8±14.7）s］，单次激发ACS T 2W-DB［（16.9±3.0）s］缩短了采集时间，差异具有统计学意义（ t=35.42， P?0.001）。相较于常规T 2W-DB的SNR（66.4±29.0）和CNR（61.8±28.6），单次激发ACS T 2W-DB具有更高的SNR（110.8±36.8）和CNR（88.2±31.1），差异具有统计学意义（ t值分别为-8.13、-5.89， P?0.001）。相较于常规T 2W-DB［（4.6±0.6）分］，单次激发ACS T 2W-DB［（4.7±0.5）分］具有更好的血池抑制效果，差异具有统计学意义（ Z=-2.64， P=0.008）。在总体图像质量及右心室游离壁、左心室游离壁、室间隔的可视性上差异没有统计学意义（ P>0.05）。 结论:与常规T 2W-DB序列相比，左心室单次激发ACS-T 2W-DB序列可以显著缩短采集时间并得到更好的图像质量。

通过机器学习算法挖掘常规检验的血细胞分析参数，构建抑郁症诊断及与焦虑症鉴别诊断的预测模型。利用2020—2021年北京朝阳医院和河北医科大学第一医院血细胞分析参数进行研究，收集研究对象22项血细胞分析检验项目及年龄、性别参数，探索采用支持向量机、决策树、朴素贝叶斯、随机森林和多层感知器多种机器学习技术构建抑郁症预测模型。结果显示，基于健康人群和抑郁症组血细胞分析参数，构建的随机森林模型预测抑郁症发生准确率高达0.99，F1为0.975，受试者工作特征曲线下面积和平均精准度分别为0.985和0.967。血小板参数变化是影响抑郁症发生的重要因素。而基于抑郁症组和焦虑症组的血细胞分析数据，构建的随机森林鉴别诊断模型显示出最高的预测准确性（0.68）和AUC（0.622）。年龄和血细胞参数及红细胞平均体积对该模型贡献最大。综上，本研究通过挖掘血细胞分析项目，初步建立了抑郁症预测及与焦虑症的鉴别诊断模型，显示了机器学习模型在精神疾病中更为客观的评估价值。

随着大数据时代的到来，人工智能得以在医疗领域崭露头角并实现了飞速发展，尤其在肿瘤诊断方面存在巨大潜能。人工智能利用自动化图像分割及提取等关键技术，在实现短时间内对大量肿瘤信息汇总分析的同时，还可以反映现实环境中成像数据的分布，使肿瘤诊断从主观感知转向客观科学，从而高效精确地协助医师的诊断，为诊疗计划的制订和预后的判断提供坚实的基础。笔者拟对人工智能在肿瘤诊断中的关键技术及当前的应用进行综述。

目的:了解基层卫生人员对移动医疗的采纳现状和感知效用，为基层医疗卫生机构通过信息化减负、增效、赋能提供策略建议。方法:于2019年7月，对来自11家基层医疗卫生机构的91位不同岗位的职工，就"移动医疗的采纳和感知效用"话题进行深入访谈；利用Nvivo11质性研究软件对访谈记录进行编码编目，采用响应率、普及率、列联表描述感知效用的分布。结果:调研地基层卫生人员广泛采纳移动医疗，主要包括智能手机应用和便携医疗设备；感知效用正、负效用的响应率分别为78.97%和21.03%，排名前五的感知效用为工作创新、工作效率提升、网络效用、数据驱动的资源配置和技术超载，累积响应率为73.80%;各岗位感知效用有统计学差异，管理和公共卫生人员的普及率更高。结论:目前调研地基层移动医疗发展处于初级阶段，正向集成阶段过渡；创新和提效的初代效用已经显现，网络效应、资源配置、临床决策支持等高阶效用值得期待；同时要警惕移动医疗的双刃剑，理性对待发展中的技术超载、技术投资、信息鸿沟等问题。

目的:设计并开发适合脑卒中吞咽障碍患者的吞咽功能训练系统，在充分体验的基础上调查患者对该系统的接受度。方法:该系统由多学科团队共同设计，针对脑卒中吞咽障碍患者，结合虚拟现实技术（VR），实现形象化、趣味性的知识指导，系统性、针对性的吞咽功能训练，实时性、反馈式的监督与回顾。2022年3—5月采用便利抽样法选取首都医科大学附属北京朝阳医院的39例脑卒中吞咽障碍患者，在充分体验该系统的基础上从感知有用性、感知易用性、感知易学性、感知适用性、感知安全性、感知满意度及使用意向7个维度对该系统进行评价。结果:39例脑卒中吞咽障碍患者康复训练系统的接受度评价得分162（147，170）分；不同文化程度、工作类型、每天使用智能手机累计时间、吞咽训练的学习愿望，对VR设备或技术是否了解、是否认为吞咽训练重要的患者康复训练系统的接受度评价得分比较，差异具有统计学意义（ P<0.05）。 结论:本系统得益于VR的可视化效果以及良好的沉浸感，相较于传统方式，增加了康复训练过程的趣味性、沉浸感、反馈性，患者对该系统的接受度较高，可推广使用。

目前，世界上存在着大量下肢运动功能障碍的特殊人群，无法进行正常行走或运动。下肢外骨骼康复机器人技术的发展可以帮助他们完成正常站立、行走等基本行动功能，并改善其身体机能状况和生活质量。下肢康复外骨骼机器人系统是以人为中心的人机协同智能系统，其首要任务是理解人的运动意图，并对运动姿态做出准确的判断，与人体协同运动产生助行、助力等行为。现有的人机交互感知系统的研究方法主要涉及生物电信号和力/力矩等物理信号。为充分发挥生物信号的快速、全局性以及物理信号的持续、稳健性，确保人机交互控制系统的稳定性，本文从人机协调运动控制机理展开，对不同的意图感知方法对获取人体运动意图的影响进行综述，并对存在的问题进行分析，总结出多模态信息融合技术对提高人机系统的协调控制重要性，为提高人和机器自主决策能力以及外骨骼机器人感知系统的优化设计提供一定的参考。