目的 探讨机器学习(ML)算法结合能谱CT定量参数和临床模型在预测胃腺癌(GAC)患者淋巴血管浸润(LVI)和神经周围浸润(PNI)的潜在价值.方法 收集2017年12月-2022年5月经病理证实的GAC患者114例.研究参数涉及血清肿瘤标志物、CT-TN分期、CT评估壁外血管浸润(CT-EMVI)以及能谱CT定量参数.通过WEKA软件的Best-First算法进行特征筛选,并运用贝叶斯网络(BN)及支持向量机(SVM)算法建立模型.结果 相较于LVI/PNI阴性组,LVI/PNI阳性组中CT-T3～4期、CT-N阳性、CT-EMVI阳性、血清肿瘤标志物[糖类抗原(CA)72-4和CA19-9]更为常见,能谱CT参数也更高,差别均有统计学意义(P＜0.05).经特征选择,关键变量包括CT-T分期、CT-EMVI、VP-NIC和EP-70 keV CT值.基于这些变量,分别使用BN和SVM构建临床参数模型、能谱CT参数模型和混合模型,共6个模型.6个模型均展现了高预测性能,无过拟合现象.BN的混合模型预测性能最佳,AUC值为0.890～0.933,Delong检验显示其在统计学上具有显著优势(P＜0.05);而SVM的混合模型与另外2种模型间的差别无统计学意义(P＞0.05).结论 结合临床和能谱CT参数的ML模型能够高效能评估GAC患者的LVI和PNI状态,其中BN混合模型的准确性最高.

目的 对法医人类学遗骸识别研究领域的文献进行计量学分析,描述当前的研究现状并预测未来的研究热点.方法 基于Web of Science信息服务平台(以下简称"WoS")中核心数据库(Web of Science Core Collection,WoSCC)检索和提取的数据,分析1991—2022年遗骸识别研究的发展趋势和主题变化.运用python 3.9.2和Gephi 0.10对法医人类学遗骸识别相关研究的发文趋势、国家(地区)、机构、作者和主题进行网络可视化分析.结果 获得法医人类学遗骸识别相关英文文献873篇.发表文献数量最多的期刊是Forensic Science International(164篇),发文最多的国家(地区)是中国(90篇),Katholieke Univ Leuven(荷兰,21篇)是发表英文文献最多的机构.主题分析结果显示,人类遗骸研究的热点是遗骸的性别鉴定和年龄推断,并且常用的遗骸是牙齿.结论 法医人类学遗骸识别研究领域的发文量具有明显的阶段性,然而,国际合作与国内合作的范围尚显局限.传统的遗骸识别主要依赖于骨盆、颅骨和牙齿等关键部位.未来的研究热点将聚焦于利用机器学习和深度学习技术,对多种骨骼遗骸进行更为精准和高效的鉴定.

目的 本研究基于半监督算法残差网络(semi-supervised algorithm Residual network,SMRNet)的深度学习方法,探索其在计算机辅助自主分析膝关节MRI诊断前交叉韧带(anterior cruciate ligament,ACL)损伤方面的应用.方法 使用100名经过关节镜确认的ACL损伤患者和100名关节镜确认无ACL损伤的患者的术前MRI图像.在选取适当层面后,裁剪并用于SMRNet的训练.SMRNet对单个MRI切片上ACL损伤的概率进行最终判断.4名临床医师对相同图像进行读片诊断.结果 SMRNet分类的敏感性、特异性、准确性、阳性预测值和阴性预测值分别为97.00％、94.00％、95.50％、94.17％和96.91％.医师的整体阅片情况类似,敏感性区间91.00％～96.00％、特异性区间90.00％～94.00％、准确性区间90.50％～95.00％、阳性预测值区间90.09％～94.12％、阴性预测值区间90.90％～95.92％,二者差异无统计学意义(P＞0.05).结论 经过训练的SMRNet模型在ACL损伤检测上超越部分临床医师,为膝关节MRI诊断提供高效可靠方法,展现深度学习在医学影像的潜力.未来,SMRNet有望成为膝关节MRI诊断的重要工具,为患者提供更精准的诊疗方案.

病案科应急预案适用范围是发生电脑网络系统被非法入侵、火灾等事故时的应急救援工作,预案编制目的是高效有序开展抢险救援,尽快恢复工作秩序,工作原则是以人为本、人与病案兼顾、统一领导,科室现场应急指挥职责是负责与医院应急总指挥联系、组织实施预案.病案科存在网络信息安全、火灾、浸水、触电、失窃、治安及地震等七种事故风险,应对这些风险事故的主要应急措施包括:对网络病毒险情采取隔离网络或隔离中毒计算机措施,对火灾险情采取灭火、排除有毒烟气、转移受威胁病案等措施,对漏水浸水险情需要切断来水并尽快将水淹病案干燥处理,对失窃及治安险情需要及早报告医院及报警.事故善后工作主要是恢复病案信息数据、稳定员工情绪、恢复正常工作秩序.应急预案附则列明应急通讯具体联系方式、科室备用钥匙存放地点、应急疏散通道、伤员急救方法等.科室定期组织员工学习应急预案、定期演练预案内容及适时修改完善预案.

目的 探讨优化网络资源前置的PBL联合CBL教学法在儿科麻醉专科医师教学中应用的效果.方法 选择2021年3月1日-2022年11月30日在某儿童医院进行儿科麻醉专科医师培训的学员共30人,试验组与对照组各15人.试验组采用优化网络资源前置的PBL联合CBL教学法,对照组采用传统教学法,采用测验成绩及调查问卷相结合方式进行教学评价.计量资料组间比较采用t检验,计数资料采用卡方检验,P＜0.05为差异有统计学意义.结果 试验组总成绩(90.7±4.8 vs 77.1±8.1)分、理论知识成绩(46.7±4.9 vs 40.7±7.0)及病例分析成绩(44.1±3.6 vs 37.0±6.5)分均高于对照组(P＜0.05).学员调查问卷中试验组比对照组更容易激发学生学习兴趣、增强自主学习意识、培养临床思维,且教学满意度高于对照组(P＜0.05).上级医师评价调查问卷中试验组的得分均高于对照组(P＜0.05).结论 采用优化网络资源前置的PBL联合CBL不仅能够提高学员的理论测验成绩,而且能够提升其临床实践中的综合管理能力,改善教学质量.

医学图像是医生对患者进行病情诊断和治疗规划的有力工具.现今对于医学图像的分割不再局限于手工分割方法,通过传统方法与深度学习方法来实现医学图像分割已经取得更好、更准确的结果.本文基于近年来一些较为出众的医学图像创新分割方法进行综述,通过阐述深度学习方法如SAM、SegNet、Mask R-CNN和U-NET以及传统方法如活动轮廓模型、阈值分割模型创新等,对比各种图像分割方法的异同点,对医学图像分割方法做出总结与展望.以此来帮助学者们更好地了解目前的研究进展与未来的发展趋势.

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.

当前初中生物学的课程学习往往是通过不同的单元进行的,单元之间既分离又统一,教师如何通过合理的教学方法和策略使学生掌握正确的学习方式,明确各章节之间的知识逻辑关系很关键.因此,初中生物学教师需要在教学过程中,注重单元教学的整体性,为学生构建明确的知识网络,转变传统的教学理念和观点,从核心素养培养目标出发,提高初中生物学课堂教学的有效性.

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.

目的 探索基于深度学习实现丘脑底核脑深部电刺激术(subthalamic nucleus deep brain stimulation,STN-DBS)自动化核团标注、手术靶点定位及电极植入路径规划.方法 来自北部战区总医院神经外科行双侧STN-DBS手术的155例患者的影像资料.首先,采用3D UX Net卷积神经网络基于MRI图像提取深度学习特征并完成丘脑底核(subthalamic nucleus,STN)及红核(red nuclei,RN)的分割;然后通过算法实现丘脑底核的自动化靶点定位;最后在规定的皮层入路点范围区域内生成不多于4根的电极植入路径.通过人工审查验证靶点及电极植入路径的临床可行性.结果 通过3D UX Net卷积神经网络算法进行核团分割,红核分割性能的Dice值为0.90.STN分割性能的Dice值为0.84.自动化生成STN靶点经人工审查验证可行的坐标与人工手术规划STN靶点坐标的欧几里得距离为(1.2±0.4)mm.25例测试集中自动化STN靶点定位及电极植入路径通过人工审查可行有20例(20/25),自动化靶点定位及电极路径与人工规划靶点及路径差异无统计学意义(P=0.059).结论 3D UX Net卷积神经网络可以较精确地分割STN及红核,通过自动化靶点定位及路径规划的STN-DBS手术计划临床可行且耗时短,可以为临床医生手术前规划提供参考.