简介:摘要:目的:为普及大学生艾滋病健康教育提供有效方法,研究网络微课模式对大学生艾滋病教育健康的影响。方法:选取2020年我院财经系参与防艾网络课程学习本科学生254人作为观察组,对我院经管系同期未学习防艾网课的240人,两组参加防艾试卷测试,对比观察组与对照组两组学生的测试结果。结果:观察组学生考试合格率为96.77%,对照组学生考试合格率为63.75%。结论:“网络微课”模式对大学生学习防艾知识起到了相当积极的作用,完成了防艾知识覆盖,考试量化取得了良好的结果。
简介:摘要:目的基于网络平台的儿科患儿护理效果研究。方法选取我院2020年2月-2022年2月收治的住院患儿80例,根据组间基础资料均衡可比原则分为对照组与观察组各40例,其中对照组行儿科常规护理流程,观察组在常规护理的基础上进行风险防范护理。比较两组患儿临床护理效果(含病房管理、基础护理、健康教育、心理护理及病历书写)、风险事件发生率及患儿家属满意度。结果实施风险防范护理后,观察组病房管理、基础护理、健康教育、心理护理及病历书写各项护理效果评分均明显高于对照组,差异有统计学意义(P<0.05)。观察组患儿治疗期间不良事件发生率为2.00%,低于对照组的14.00%,但差异无统计学意义(P>0.05);观察组家属满意度为96.00%,明显高于对照组80.00%,差异有统计学意义(P<0.05)。结论在儿科中开展风险防范护理可显著提升临床护理质量及患儿家属的满意度,并有望降低风险事件发生率。
简介:摘要:随着信息技术的快速发展和医疗领域的信息化进程,医院的网络系统已经成为医院运营的核心基础设施。然而,随之而来的是医院网络面临的威胁和安全风险也越来越多。网络攻击、数据泄露和系统崩溃等事件已经引起了医院和患者的关注。因此,研究医院网络安全成为提高医院信息化水平、保护患者隐私和确保医疗服务正常运作的重要课题。本文从全光网络的视角出发,对医院网络安全进行了深入研究,并探讨了应对策略。
简介:随着计算机技术、通讯枝术和数控技术的发展以及制造自动化的需要,DNC技术得到越来越广泛的应用。目前,以CIMS为代表的企业信息化理念已经受到现代化企业越来越多的重视,DNC也逐渐由单一的程序传输演变为集分布式程序通讯、程序编辑与仿真、数控程序管理等强大功能于一体的综合系统,DNC成为MES等系统的最重要一环。文章讨论了基于DNC的网络制造技术在高校中的研究与应用,分析了基于DNC的网络制造系统的组成及特点,总结了网络制造系统实现的功能和关键技术,并强调了数字化设计与网络制造在先进制造技术中的地位及意义。
简介:(广州市第十二人民医院广东广州510000)摘要医疗设备管理中最重要的部分就是医疗设备档案管理,而基于网络平台的医疗设备档案管理,是对医院的医疗设备档案进行动态和静态相结合的方法进行综合管理。运用了网络平台技术、专业数据处理软件和计算机技术。基于网络平台的医疗设备档案管理,更加方便与医院管理者对本院医疗设备进行远程网络管理,提高管理效率,降低了管理难度。使医院的医疗设备包括采购记录、实用情况、维修情况、折旧情况等有了全面直观的把握,更加精确的进行分配使用。使得医院真正实现无纸办公,达到医疗卫生资源信息共享,提高了医院的最大经济效益和社会效益。
简介:摘要目的探讨利用深度学习在图像处理上的优势与放疗结合是否会使放疗过程更加智能化。方法生成对抗网络(GAN)是一种利用神经网络的生成模型,输入相关特征可生成高质量剂量分布图像。先使用随机无条件GAN进行模拟分布数据的验证,再使用条件GAN(cGAN)训练肿瘤病例的DICOMRT数据,利用靶区和器官轮廓信息直接生成剂量分布图。结果对于理想数据验证,GAN生成模拟分布效果优良,通过提取靶区轮廓和真实剂量切片数据使用cGAN训练,得到病例计划靶体积和危及器官的剂量分布。结构中预测值与真实剂量之间最大值和平均值的绝对误差评价表现为[3.57%,3.37%](计划靶体积)、[2.63%,2.87%](脑)、[1.50%,2.70%](临床靶体积)、[3.87%,1.79%](大体肿瘤体积)、[3.60%,3.23%](危及器官-1)、[4.40%,3.13%](危及器官-2)。结论利用GAN模型可以生成模拟分布数据,同时结合先验知识的cGAN模型可以建立靶区和器官信息与剂量分布之间的关系。通过输入靶区和器官轮廓信息直接快速生成对应的剂量分布,是剂量预测的一种有效尝试。
简介:摘要目的探讨基于网络平台多学科参与的术前访视健康教育系统的构建及在普外科患者中的应用效果。方法选择2018年1月至12月在中山市人民医院中心手术室行全身麻醉下普外科择期手术的患者为研究对象,按单双日分为试验组和对照组。实验组采用基于网络平台的多学科术前访视,共纳入630例患者;对照组采用常规术前访视,共纳入559例患者。通过视觉模拟量表评价2组患者访视前后的焦虑程度的改变情况,采用t检验比较组间差异。通过调查问卷评价2组患者的访视效果,应用χ2检验比较组间差异。通过满意度调查表对2组患者的满意度进行评价,采用秩和检验比较组间整体满意度的差异。结果访视后试验组焦虑评分低于对照组[(1.69±1.19)分vs(3.23±0.93)分],差异具有统计学意义(t=56.628,P<0.001)。针对访视效果的调查问卷,在是否了解手术麻醉的基本过程,是否了解麻醉风险,是否了解术后镇痛的相关知识,是否按照指引安排饮食,是否按照指引着装与穿戴、是否排空膀胱6项内容中,试验组均要高于对照组,差异均具有统计学意义(P均<0.05)。试验组满意度总体要高于对照组,差异具有统计学意义(Z=9.852,P<0.001)。结论基于网络平台多学科参与的术前访视系统,能有效减轻患者的手术应激,改善访视效果,提高患者的满意度,提高手术室工作质量。
简介:摘要目的研究和搭建人工智能深度学习网络,在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型,实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双通道池化共四个模块。将Kaggle中正常人和Figshare中肿瘤患者的脑部MRI图像进行数据集组合,对提出的模型进行训练和性能评估,优化网络超参数,提高分类准确率。结果在352张MRI图像上测试模型,仅使用多尺度输入模块时,得到平均分类准确率为96.59%。添加下采样模块后,准确率达到98.58%。对比最大池化、均值池化和双通道池化,准确率分别为96.02%、97.16%、98.58%。多尺度残差网络对脑肿瘤具有很好的分类效果,对胶质瘤、脑膜瘤、垂体瘤和正常无肿瘤图像的分类准确率分别为99.14%、99.14%、99.42%和99.42%。结论MRI是一种典型的检查脑肿瘤的医学成像方法,但放射科专家手工对脑肿瘤进行准确分类极具主观性和不确定性。提出的多尺度残差网络能为脑肿瘤自动分类提供有效的方法,且该网络提高了MRI脑肿瘤分类的准确率,很好地解决了梯度消失问题,提升了模型的泛化能力。