目的:以库伯理论为基础，探究体验式学习在"知识""情感""行动"3个层面的阶梯性学习路径及其内在逻辑。设计"基于成长体验的个体发展报告（experience-based individual development interpretation，EBIDI）"学习法，并在"儿童生长与发展"课程中加以实施并评价其效果。方法:2016至2019年在卫生教育专业本科学生中开展了EBIDI学习法，运用个案资料分析中的"抽象化阶梯法"对学生的个人成长反思报告和小组案例调研分析报告进行分析，剖析EBIDI学习法的应用成效，并根据结果对"三层面、六阶梯"的体验式学习模型进行阐释。结果:体验式学习可分为内省式体验和观察式体验2种方式，其学习成效表现为认同/领悟与评判/应用2个层次。EBIDI主要通过4个路径达成学习效果：在内省式学习过程中深刻阐释概念、在情景再现中促进学习迁移、在案例探究中尝试评判和创新，以及依托浓厚兴趣唤起情感与动机以增强学习动力。结论:EBIDI及其所依托的体验学习模型可为体验式学习的路径设计和效果评价提供一种理论框架，可为青少年健康教育活动课程方案设计提供一种视角。

目的:设计一种结合迁移学习和多模态特征融合的肺功能预测方法，旨在提升特发性肺纤维化（IPF）患者肺功能预测的准确性。方法:首先，对CT影像和临床文本数据进行预处理，并设计自适应模块寻找最适合IPF患者的肺功能衰减函数。其次，特征提取模块包括CT特征提取、临床文本特征提取和肺功能特征提取3个子模块，以全面提取特征。然后，使用多模态特征预测网络全面评估肺功能的衰减情况。最后，对预训练模型进行微调以提升模型的预测性能。结果:针对OSIC肺纤维化进展比赛数据集，通过自适应模块发现线性衰减假设更符合患者肺功能衰减趋势。不同模态数据预测实验表明，加入临床文本特征的模型预测能力优于只使用CT影像的模型，使用CT影像＋临床文本特征＋肺功能特征的模型预测效果最优。结合迁移学习和多模态特征融合的肺功能预测方法改进的拉普拉斯对数似然（LLLm）为?6.706 5、均方根误差（RMSE）为184.5和平均绝对误差（MAE）为146.2，在性能上优于其他方法。且预训练模型相较于零基础训练模型具有更高的预测精度。结论:设计的结合迁移学习和多模态特征融合的肺功能预测方法有效地预测了IPF患者在不同周数的肺功能状态，为患者的健康管理和疾病诊断提供了重要的支持。

目的:探讨达芬奇机器人手术系统模拟训练器在肝胆外科临床教学中的应用。方法:将来自重庆医科大学2019级临床医学专业的76名学生分为试验组和对照组。理论知识方面，两组采用相同的教学方法；实践操作方面，试验组采用达芬奇机器人手术系统模拟训练器（da Vinci robot surgical system simulation trainer，DVST）进行训练，对照组采用腹腔镜模拟训练器（laparoscopic simulation trainer，LST）进行训练。3个月后考核微创手术的两种基本技能：夹豆和缝合打结。采用SPSS 23.0进行独立样本 t检验。 结果:使用DVST考核，试验组拣豆（个/min）结果为（16.92±2.81），对照组为（11.68±3.31）；试验组缝合打结（次/10 min）结果为（12.02±2.04），对照组为（7.79±1.89），试验组得分优于对照组（ P<0.05）。使用LST考核时，试验组与对照组结果差异无统计学意义。问卷调查显示，试验组在提升对肝胆外科知识的学习兴趣、提升对肝胆外科手术系统的认识等5项问题的得分高于对照组（ P<0.05）。 结论:DVST运用于肝胆外科临床教学能显著提高学生微创手术技能，其仿真场景有助于激发学生自发进行训练的热情，有助于提高学生的临床思维能力。同时，在培养学生技能迁移能力方面，DVST明显优于LST。因此，DVST具有良好的教学应用价值，值得推广。

目的:探讨基于人工智能的11~13 +6周胎儿三维超声腭骨自动断层成像提取关键切面方法的可行性。 方法:选取于2020年5月至2021年4月于深圳市罗湖区人民医院超声科与华中科技大学协和深圳医院超声科进行孕11~13 +6周产前超声检查的胎儿容积数据235例，由超声医师A和B进行三维容积数据采集。所有数据由超声医师C进行离线标注。超声医师D对所有纳入数据进行断层成像操作，保存断层图像并记录耗时，获得医师组数据。标注后数据随机分为训练集与测试集进行模型迁移学习与测试，采取4-折交叉验证，记录模型输出的测试集图像及耗时，获得智能组数据。由1名高年资超声医师对两组数据图像进行图像分析。通过比较医师组与智能组所得鼻后三角切面(RTP)评分、RTP获取率、断层获取率、耗时差异，验证智能模型的可行性。 结果:①医师组与智能组RTP评分总体分布差异无统计学意义[5(5，6)分比5(5，6)分， Z＝0.355， P＝0.722]，RTP获取率差异无统计学意义(78.72%比76.60%，χ 2＝0.55， P＝0.458)。两组获取RTP的一致性、相关性较高(Kappa＝0.645，φ＝0.646，均 P<0.001)。②医师组有效层数为9(8，9)层，智能组为8(7，9)层，医师组断层获取率大于智能组(78.72%比68.51%，χ 2＝12.52， P＝0.001)。两组在获取断层的一致性与相关性中等(Kappa＝0.503，φ＝0.521，均 P<0.001)。③智能组耗时明显短于医师组[1.50(1.23，1.75)s比26.94(22.28，30.48)s， Z＝11.440， P<0.001]。 结论:本研究模型能快速准确地实现11~13 +6周胎儿腭骨关键切面提取与断层成像。

目的:观察基于眼底彩色照相的常见眼底疾病六分类智能辅助诊断轻量化模型的诊断价值。方法:应用研究。采集南京医科大学附属眼科医院和浙江省数理医学学会智能眼科数据库的2 400张彩色眼底像数据集，该数据集经脱敏处理及眼底病专科医师标注，包括糖尿病视网膜病变、青光眼、视网膜静脉阻塞、高度近视、老年性黄斑变性、正常眼底像各400张。训练时使用迁移学习方法，将经典分类模型VGGNet16、ResNet50、DenseNet121和轻量化分类模型MobileNet3、ShuffleNet2、GhostNet在ImageNet数据集上训练获得的参数迁移到六分类常见眼底疾病智能辅助诊断模型作为初始化参数，进行训练并获得最新模型。选取临床患者彩色眼底像1 315张作为测试集。评价指标包括灵敏度、特异性、准确度（Accuracy）、F1-Score和诊断试验的一致性（Kappa值）；比较不同模型的受试者工作特征曲线以及曲线下面积值。结果:与经典分类模型比较，3种轻量化分类模型的储存大小和参数量均显著降低，其中ShuffleNetV2平均每张识别时间较经典分类模型VGGNet16快438.08 ms。3个轻量化分类模型的准确度均>80.0%；Kappa值均>70.0%，具有显著一致性；对正常眼底图像诊断的灵敏度、特异性、F1-Score均≥98.0%；宏观F1分别为78.2%、79.4%、81.5%。结论:基于眼底彩色照相的常见眼底疾病智能辅助诊断轻量化模型识别准确率高、速度快；储存大小和参数量均较经典分类模型显著降低。

目的:采用深度迁移学习方法实现基于正位X线图像的股骨头坏死（osteonecrosis of femoral head，ONFH）、发育性髋关节发育不良（developmental dysplasia of hip，DDH）与其他常见髋关节疾病的鉴别诊断。方法:回顾性收集2018年1月至2020年12月在广州中医药大学第一附属医院就诊的ONFH、DDH及原发性髋关节骨关节炎、非感染性炎性髋关节病、股骨颈骨折等髋关节疾病患者的髋关节正位X线图像，建立临床数据集。通过图像旋转、翻转形式的数据增强方法扩展数据集，然后将数据集随机平分为训练集和测试集。将可迁移归一化技术引入ResNet-152深层神经网络模型，替换原有的批归一化技术，建立新的深度迁移学习模型。通过训练集训练该模型，随后评价该模型在测试集基于髋关节正位X线图像实现人工智能区分ONFH、DDH及其他髋关节疾病的效果。结果:临床数据集共纳入1 024髋的正位X线图像，共计542髋ONFH、296髋DDH、186髋其他髋关节疾病（原发性骨关节炎56髋、非感染性炎性髋关节病85髋、股骨颈骨折45髋）。通过数据增强方法扩展为包含6 144髋的数据集。在训练集上对深度迁移学习模型进行100 050次训练。该模型区分ONFH及其他髋关节疾病的二分类准确率最佳值达95.80%，区分ONFH、DDH及其他髋关节疾病的三分类准确率最佳值达91.40%。模型重复训练至50 000次后分类准确率达到平台期。二分类及三分类任务平台期的准确率平均为95.35%[95% CI（95.33%，95.37%）]和90.85%[95% CI（90.82%，90.87%）]。 结论:深度迁移学习模型在初诊环节，可基于简便、经济的正位X线图像区分ONFH、DDH与其他的常见髋关节疾病。

目的:通过分析慢性鼻窦炎伴鼻息肉（CRSwNP）的转录组测序数据，鉴定与氧化应激相关的诊断标志物，并初步探究其在CRSwNP中的作用。方法:使用4个CRSwNP测序数据集，运用差异表达基因（differentially expressed genes，DEGs）分析、加权基因共表达网络分析（weighted gene co-expression network analysis，WGCNA）和3种机器学习方法筛选Hub基因，并通过外部数据集、临床样本实时荧光定量聚合酶链反应（real-time quantitative polymerase chain reaction，Real-time qPCR）及免疫荧光染色进行验证，通过受试者工作特征曲线（ROC）评估基因诊断效能，并对这些基因进行功能和通路富集分析、免疫相关性分析及细胞群定位，构建竞争性内源RNA（competing endogenous RNA，CeRNA）网络并预测潜在靶向药物。采用SPSS 26.0和Graphpad Prism9软件进行统计分析及作图。结果:通过数据分析和临床验证，我们在4 138个DEGs中发现 CP、 SERPINF1和 GSTO2是与CRSwNP相关的氧化应激标志物。CRSwNP中 CP和 SERPINF1表达上升， GSTO2表达下降，差异具有统计学意义（ P<0.05）；曲线下面积（AUC）>0.7，显示其为有效诊断指标。功能分析表明，这些基因主要与脂质代谢、细胞黏附迁移、免疫等功能相关。单细胞数据分析及免疫荧光染色发现 SERPINF1主要分布在上皮细胞、基质细胞和成纤维细胞， CP主要分布在上皮细胞， GSTO2在鼻息肉的上皮细胞及成纤维细胞中仅有少量分布。随后，我们构建了 CP和 GSTO2的CeRNA调控网络，并预测了靶向 CP的潜在药物。 结论:本研究鉴定并通过临床样本验证发现 CP、 SERPINF1和 GSTO2可作为CRSwNP氧化应激相关的诊疗标志物。

目的:针对CBCT图像中肿瘤与周围组织对比度低的缺点，研究一种适合于CBCT图像中中心型肺癌的自动分割方法。方法:收集221例中心型肺癌患者，其中176例行CT定位，45例行强化CT定位。将强化CT图像分别设置为肺窗和纵隔窗，并与首次CBCT验证图像进行弹性配准获得配对数据集；然后将配对数据集传入cycleGAN网络进行风格迁移，使得CBCT图像可分别转化为肺窗和纵隔窗下的"强化CT"；最后经风格迁移后的图像被载入UNET-attention网络对大体肿瘤体积进行深度学习。通过戴斯相似性系数(DSC)、豪斯多夫距离(HD)和受试者工作特征曲线下面积(AUC)对分割结果进行评价。结果:经风格迁移后肿瘤与周围组织对比度明显增强，采用cycleGAN+UNET-attention网络的DSC值为0.78±0.05，HD值为9.22±3.42，AUC值为0.864。结论:采用cycleGAN+UNET-attention网络可有效对CBCT图像中中心型肺癌进行自动分割。

目的:针对目标用户的脑电识别问题，提出了基于共同空间模式（CSP）与迁移学习的脑电识别方法。方法:首先对脑电数据进行预处理，选择事件相关去同步（ERD）现象存在明显差异的时间窗0.5～2.5 s及包含α和β波的宽频带8～30 Hz脑电，然后对多用户利用CSP分别提取特征得到特征向量，最后利用迁移学习进行目标用户的脑电识别。结果:用户aa在Cz通道处想象右手的ERD高于想象双脚的ERD。用户aa、al、av、aw、ay的分类正确率分别为93.8%、100.0%、84.2%、94.6%、94.4%，平均分类正确率为92.4%，优于常用分类器SVM和期望最大化EM，仅比竞赛第一名清华大学所采用的方法低1.8%。结论:基于CSP与迁移学习的脑电识别方法能够利用非目标用户提高目标用户的脑电识别性能，对运动想象脑-机接口系统的研究具有重要意义。

目的:建立基于深度学习光相干断层扫描（OCT）图像眼底病变的眼底智能辅助诊断系统，初步评估其应用价值。方法:诊断性试验研究。2016年至2019年期间于浙江大学医学院附属第二医院眼科中心就诊的25 000例患者的25 000张OCT图像作为眼底智能辅助诊断系统的训练集和验证集。其中，黄斑前膜、黄斑水肿、黄斑裂孔、脉络膜新生血管（CNV）、老年性黄斑变性（AMD）各5 000张。训练集、验证集分别为18 124、6 876张。通过迁移学习Attention ResNet结构算法，对OCT图像进行特征性病变识别，通过特定程序提取疾病特征，根据目标病变的统计特征，将给定的图像与其他类型的疾病进行区分。初步形成黄斑前膜、黄斑水肿、黄斑裂孔、CNV、AMD的模型算法，建立5种模型的眼底智能辅助诊断系统。应用受试者工作特征曲线及曲线下面积（AUC）、灵敏度、特异性评估眼底智能辅助诊断系统中各模型辅助诊断的性能。结果:眼底智能辅助诊断系统中，黄斑前膜模型辅助诊断的灵敏度、特异性分别为93.5%、99.23%，AUC为0.983 7；黄斑水肿辅助诊断的灵敏度、特异性分别为99.02%、98.17%，AUC为0.994 6；黄斑裂孔模型辅助诊断的灵敏度、特异性分别为98.91%、99.91%，AUC为0.996 2；CNV模型辅助诊断的灵敏度、特异性分别为97.54%、94.71%，AUC为0.987 5；AMD模型辅助诊断的灵敏度、特异性分别为95.12%、97.09%，AUC为0.985 3。结论:基于深度学习OCT图像眼底病变的眼底智能辅助诊断系统对于辅助诊断黄斑前膜、黄斑水肿、黄斑裂孔、CNV、AMD的诊断性能较高。