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.

目的:开发并评估一种针对治疗计划系统（TPS）的调强放疗（IMRT）无监督自动计划方案，使其能够模拟人工进行治疗计划的自动优化。方法:回顾性分析2022年3月至2023年3月浙江省肿瘤医院已经完成放疗的25例胃癌患者资料，患者年龄40~60岁，其中训练集7例，测试集18例。所有患者均采用相同的临床处方剂量标准45 Gy分25次，并接受飞利浦大孔径腹部CT扫描，扫描层厚为5 mm。基于深度强化学习（DRL）框架，提出一种多智能体优化决策网络（MOPN），对多个优化目标进行调整，从而模拟临床人工计划设计的过程。所有病例的自动计划方案均借助Eclipse脚本应用程序接口（ESAPI）进行代码编程，由MOPN模型自动生成。利用Wilcoxon符号秩检验比较自动计划方案与人工计划方案在相关剂量学指标间的差异。结果:初始优化目标经过MOPN调整后，自动计划的平均得分由（576.1±221.2）分上升至（1852.8±294.9）分。与临床人工计划相比，MOPN自动计划在脊髓D max、肝D mean和肝V 5 Gy方面分别降低了21.4%、9.8%和11.5%。 结论:MOPN模型借助ESAPI工具完成了与TPS的数据互通，同时也实现了胃癌IMRT治疗计划的自动化设计。经过训练的MOPN模型可以模仿计划者在优化过程中的人为操作来调整多个目标，逐步改善计划质量。

目的:评价我国非公立医院组织能力及其成熟度的现状，为促进其可持续发展提供参考依据。方法:于2019年5—11月采用目的抽样方法，选取持续经营5年及以上的非公立医院进行问卷调查，从定位、规范、整合、决策、执行、监督、营销、凝聚、风险、创新、学习和领导能力12个方面对医院的组织能力进行自评。借鉴已有模型构建经营困难型、基本稳定型、稳步发展型、开拓进取型和创立品牌型5个由低到高的成熟度模型级别。采用因子分析法进行结构效度分析，对调查问卷进行描述性分析，根据组织能力自评得分计算成熟度得分。结果:调查45家非公立医院，收回有效问卷450份。因子分析将组织能力分为基础能力、核心能力和发展能力。医院组织能力平均得分为4.14分；发展能力得分(3.87分)低于基础能力(4.16分)和核心能力(4.06分)。80.00%的非公立医院处于基本稳定型或稳步发展型阶段。结论:非公立医院整体成熟度偏低，基础能力和核心能力较好，而发展能力较弱，忽视了创新及学习型组织的建设。

目的:应用注意力机制网络的多实例学习（Attention-MIL）框架技术，实现慢性胃炎多项指标的自动识别。方法:收集2018年1月1日至12月31日复旦大学附属肿瘤医院诊断为胃炎活检病例1 015例和上海市浦东医院诊断为胃炎活检病例115例，所有病理切片经扫描仪进行数字化处理，转化为全载玻片成像（whole slide imaging，WSI），WSI标签依据胃炎病理报告，包含活动性、萎缩和肠化3项指标。所有的WSI分为训练集、单一测试集、混合测试集和外部测试集，Attention-MIL模型在3个测试集上评价自动识别的准确性。结果:Attention-MIL模型在240例WSI单一测试集上的受试者工作特征曲线下面积（AUC）值分别为：“活动性”0.98，“萎缩”0.89，“肠化”0.98，3项指标的平均准确率为94.2%。模型在117例WSI混合测试集上的AUC值分别为：“活动性”0.95，“萎缩”0.86，“肠化”0.94，3项指标的平均准确率为88.3%。模型在115例WSI外部测试集上的AUC值分别为：“活动性”0.93，“萎缩”0.84，“肠化”0.90，3项指标的平均准确率为85.5%。结论:在慢性胃炎的人工智能辅助病理诊断中，Attention-MIL模型的诊断准确性非常接近病理医师的诊断结果，这种弱监督下的深度学习模式适于病理人工智能技术的实际应用。

目的:探讨机器学习层次聚类算法用于先天性眼球震颤（CN）眼动波形自动分类和波形诊断的可行性。方法:回顾性病例系列研究。收集2018年12月至2019年9月就诊于天津市眼科医院的90例（90只眼）CN患者资料，其中男性67例，女性23例，年龄（12±9）岁。所有患者采用高速视频眼动仪记录眼动波形。对标准化后的眼动波形进行无监督机器学习层次聚类分析，获得可视化分类结果并予以波形命名，统计每种波形的发生比例，分析波形成分与CN患者视功能的相关性。统计学方法为独立样本 t检验和Pearson相关性分析。 结果:在90例（90只眼）CN患者的46 620个有效眼动波形中，通过机器学习层次聚类算法自动分出7种波形，分别命名为波形Ⅰ（14 259个，30.59%）、波形Ⅱ（11 498个，24.66%）、波形Ⅲ（4 083个，8.76%）、波形Ⅳ 1（5 430个，11.65%）、波形Ⅳ 2（3 451个，7.40%）、波形Ⅳ 3（3 015个，6.47%）及波形Ⅳ 4（2 663个，5.71%）；有2 221个（4.76%）波形未分类。波形Ⅰ、Ⅱ、Ⅲ分别与3种CN基本眼动波形即速度递增型冲动型、速度递减型冲动型及钟摆型波形相符，波形Ⅳ 1~4为复杂波形。波形Ⅰ、Ⅱ、Ⅲ及Ⅳ 1~4在90例患者中的发生比例依次为78.89%（71例）、41.11%（37例）、17.78%（16例）、20.00%（18例）、7.78%（7例）、15.56%（14例）和11.11%（10例）。38例（42.22%）患者仅表现为1种眼动波形，其余52例（57.78%）同时存在2种或2种以上眼动波形，其中23例（25.56%）存在3种或3种以上眼动波形，5例（5.56%）存在4种眼动波形。患者眼动波形中波形Ⅰ所占比例与最佳矫正视力（最小分辨角对数视力）有显著相关性（ r=-0.39； P<0.01），波形Ⅱ所占比例与最佳矫正视力无相关性（ P>0.05）。以波形Ⅰ为主导的CN患者的最佳矫正视力（0.19±0.14）优于以波形Ⅱ为主导的CN患者（0.45±0.37），差异有统计学意义（ t=2.77； P<0.05）。 结论:机器学习层次聚类算法可实现CN眼动波形的自动分类和波形诊断，为CN的精准诊断与评估提供辅助依据。

目的:深入了解青少年特应性皮炎（AD）患者在校期间疾病管理的体验。方法:本研究为质性研究。采用目的抽样法，于2022年1—11月选取南方医科大学皮肤病医院皮肤科收治的17例青少年AD住院患者为研究对象，进行半结构式访谈。根据Colaizzi 7步法对访谈内容进行整理分析。结果:青少年AD患者在校期间疾病管理体验主要包括学习生活受到疾病影响（学习注意力不集中、睡眠障碍、容貌焦虑与负性社交）；疾病管理应对冲突（皮肤保湿护理与时空冲突、皮损发作与体育运动冲突、复诊与上课冲突）；需求支持不足（专业知识指导来源不足、老师对疾病认识不足、缺乏长期治疗的监督指导）3个主题。结论:青少年AD患者在校学习生活受到疾病反复发作的困扰，缺乏良好的管理方法并且学校社会支持不足。医护人员应为患者及其家长、学校老师科普疾病知识，指导疾病规范管理方法，解决青少年AD患者在校期间疾病管理困境，提高患者疾病管理能力。

线上线下混合式教学是转变高等教育授课模式的关键环节，作为一种新型的教学模式应用于医学教育中，面临诸如过多强调学生自主学习能力、对学生监管不到位和难以构建医学系统整体观等问题。本研究为推动医学院校混合式教学改革，提出了精心设计课程内容，科学安排线上授课时长；采取多种方式全方位跟进，构建"全课程"监督体系；混合式教学始终贯穿医学整体观，培养综合型人才等措施。

目的:对比线性回归模型与四种机器学习算法对临床医学研究生学习行为的预测效能，探讨不同预测模型的优缺点和适用性。方法:以全国6 922名临床医学研究生的调查数据为例，通过自评学习行为量表获得综合得分；在训练集中，分别利用Lasso线性回归和人工神经网络、决策树、Bootstrap随机森林、提升树四种监督式机器学习算法建立预测模型；对验证集数据进行预测并比较不同模型的预测效能。结果:临床医学研究生学习行为综合得分为（3.31±0.54），总体达标率为74.02%。在线性回归模型中，年龄、学校级别、学位类型、学习兴趣、压力和满意度对学习行为的影响差异有统计学意义；在对验证集的预测中，线性回归模型的敏感度为0.484，特异度为0.914，准确率为0.801。四种机器学习算法的各项指标均高于线性回归模型，其中随机森林的提升度最高。结论:线性回归模型对研究生学习行为的预测效果良好，机器学习在预测准确性上优于线性回归模型，但传统线性回归模型在计算效率和可解读性上具有一定优势。

掌握学习是一种基于胜任力的混合教育方法。掌握学习将复杂的医学教育内容按照难度分解为若干教学单元，每个教学单元均设定最低通过标准，通过形成性评价，检验学习者是否达到掌握标准，通过-继续学习/不通过-重复学习，最终达到"掌握"的目的。达到掌握标准的学习者通常能够在临床实践中更自如地运用知识，降低被监督程度，并通过自己的判断完成更复杂任务。

近视发生的低龄化趋势及高度近视患病率升高已成为危害我国儿童青少年眼健康的重大公共卫生问题，给我国的社会公共卫生工作造成沉重的负担和经济损失，降低儿童青少年近视的发生及进展是我国提出的战略目标。儿童青少年近视是一种多因素眼病，涉及教育过程、学习环境、学习用具和学生用眼行为等。近年来的研究发现，儿童青少年用眼行为干预更符合眼和身心健康的自然规律。中华预防医学会公共卫生眼科分会　北京预防医学会公共卫生眼科学专委会针对目前儿童青少年近视防控过程中存在的问题，经广泛调查研究并总结相关的实践经验，讨论形成《关于加强儿童青少年近视防控用眼行为干预的倡议及实施方法共识(2023)》，提出儿童青少年近视防控用眼行为干预大处方，具体措施包括儿童青少年近视防控预警系统的建立和使用、儿童青少年学习过程中的用眼方法、户外活动行为监督、家校对近视预防机制的联动、儿童青少年近视防控用眼行为干预大处方的科普宣教等，从卫生经济学和卫生保健的角度提出最经济、更合理、安全有效、易普及、可推广的近视防控措施。