简介：摘要目的探讨基于案例学习(case-based learning，CBL)的口腔修复学在线学习系统的应用效果。方法采用问卷调查方法。选择2019年在北京大学口腔医院修复科进行临床实习的北京大学2016级、2017级口腔临床医学专业硕士研究生及2011级、2012级八年制口腔医学专业学生25人为研究对象，这些研究对象(以下简称学生)利用非工作时间参加CBL的口腔修复学在线学习系统学习一周。所有学生在参加本研究之前均已接受CBL的传统(非在线)学习系统培训，临床实习均在8个月以上。学习结束后，采用自制调查问卷对学生使用在线学习系统及传统(非在线)学习系统的方便性、是否可以提高思辨能力和是否有利于提高接诊能力进行评估，采用配对t检验比较2种学习系统的差别。结果CBL的口腔修复学在线学习系统与CBL的传统的(非在线)学习系统相比具有更好的方便性[(4.20±0.82)分比(3.80±0.41)分]，其差异具有统计学意义(P＝0.01)；在提高学生的思辨能力方面，学生对2个学习系统之间评价得分为[(4.06±0.89)分比(3.84±0.37)分]，差异无统计学意义(P＝0.13)；学生认为在线学习系统与传统非在线学习系统相比，有助于提高其临床接诊能力[(4.00±0.82)分比(3.76±0.44)分]，其差异具有统计学意义(P＝0.03)。此处，72.0%(18/25)以上的学生接受并愿意继续使用在线学习系统，40.0%(10/25)的学生愿意利用零星时间进行学习。结论CBL的口腔修复学在线学习系统具有良好的方便性、实用性，是大部分学习者可以接受的一种学习方式。

简介：摘要加拿大英属哥伦比亚大学的灵活学习计划包括创新教学方法、强化学生体验、拓展继续教育、扩展桥梁计划和加强国际学术合作。这种教学策略为我国高等医学院校实施"以学生为中心"的教学改革提供了诸多借鉴，可以从更新教育理念、采取符合学生认知的教学改革、针对学生的个体差异实施多样化教学等方面完善我们的教学改革。

简介：

简介：摘要目的评估和比较以问题为基础的学习（problem-based learning，PBL）和Sandwich教学在《实验针灸学》中的学生学习过程体验。方法61名学生分别随机分为PBL学习（n=30）和Sandwich学习（n=31）两组。两组学生完成学习过程评价和学习喜爱偏好的调查问卷，并通过课后小测验评价其学习效果。结果PBL学习和Sandwich学习两组学生都对讨论参与度、多角度讨论、学习体验、团队效率等方面表示肯定。PBL学习的最大优点是讨论积极，各抒己见；最大缺点是讨论方向太多。Sandwich学习的最大优点是反复讨论，很充分；最大缺点是重复讨论时间不够。相较于传统教学，学生大部分都是喜欢PBL学习（63%）或Sandwich学习（76%）。课后小测验成绩Sandwich学习高于PBL学习。结论PBL和Sandwich教学合理运用到中医实验课程能让学生有很好的学习体验。

简介：

简介：

简介：

简介：摘要人工智能在近年来已广泛应用于社会各个领域，取得巨大成就。但公众对人工智能的认知仍存在一定误区，笔者就人工智能的当前定义、主要思想及方法做了简要回顾；对当前主流的人工智能技术——机器学习及不足做简要介绍。介绍当前人工智能在医学领域中的应用。相信随着技术的进步，在可见的未来，人工智能将作为医师的强有力的助手，减轻医师负担，减少误诊、误治，提高医疗救治水平。

简介：摘要：背景问题基于问题的学习（PBL）已在医学课程中广泛用于早期培训，但尚未广泛探索其在临床依恋中的应用。目的本研究旨在评估一种新的模型“基于临床问题的学习”（CPBL），以促进临床基础过程中的学习技能，态度和知识。CPBL模型采用PBL原理，并将其应用于临床基础过程中的学习。真实的患者遭遇会以一系列广泛定义的病例类型为指导，以确保课程覆盖。通过在差异诊断和问题列表中讨论历史记录和检查，学生可以建立与临床技能，疾病机制和临床管理有关的学习目标。在临床实习中，基于临床问题的学习受到了好评。关键要素是学习频率。

简介：摘要：肺部切片具有数据样本大、切片多、肺结节在图像在位置不同，形态各异的特点。传统医生诊疗使得肺结节检测冗杂，且以人工的方法看图更显得效率低下。而传统分割方法局限性强，人工操作需求大，不满足全自动化的要求。而深度学习可以自动提取特征，减少了人为操作，减少错误判断。本文主要探讨如何使用机器学习进行肺图像的分割与精准的肺结节检测并比较几种深度学习诊断方法。

简介：摘要肾上腺碰撞瘤(ACT)指不同病理类型的肿瘤共存于同一肾上腺组织内，但并不相互掺混，此类病例报道较少。本例患者为40岁男性，体检时发现右肾上腺肿瘤，术前实验室检查提示肿瘤无功能；MRI显示右肾上腺区域混杂信号，碰撞瘤可能。遂在全麻下行腹腔镜下右肾上腺肿瘤切除术；术后病理提示肾上腺髓脂肪瘤和节细胞神经瘤的碰撞组合，现对该患者随访一年，病情平稳，无复发及转移。此类ACT发生率低，诊疗方法同一般肾上腺肿瘤，两种病理类型均为良性者，预后良好；发生机制可能与局部激素环境有关；相关研究有待进一步深入。

简介：摘要：根据中职学校学生的实际情况来看，他们普遍缺乏学习兴趣、没有清晰的学习目标以及学习习惯等。通过激发学生学习兴趣及其学习动机，有利于培养他们的健康学习心理。基于此，本文分析了中职机械专业学生的学习心理，并提出了相关训练路径，包括激发学生学习动机、激发学生学习兴趣以及利用有效的训练方法。

简介：摘要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。

简介：摘要目的探索建立基于深度迁移学习的人工智能肺癌辅助诊断系统并评估其应用价值。方法收集2016至2019年之间首都医科大学附属北京胸科医院保存的519例肺部组织切片（包括正常肺、腺癌、鳞状细胞癌和小细胞癌），扫描成数字切片，分为316张训练集和203张内部测试集。训练集由病理医师进行标注，使用基于ResNet-50的DeepLab v3图像分割模型建立肺部癌区像素级识别模型。在模型训练过程中，将胃部癌区识别模型的参数作为初始值，通过迁移学习策略对肺部癌区识别模型参数进行二次训练优化。再分别利用首都医科大学附属北京胸科医院的203张内部测试集以及从美国癌症影像档案（TCIA）数据库获得的1 081张外部测试集对已建立的辅助诊断模型进行验证。结果在较少样本量的情况下，迁移学习模型比普通模型显示出更好的识别准确度［曲线下面积（AUC）值0.988∶0.971，Kappa值0.852∶0.832］。此外，对外部测试集，该研究建立的迁移学习模型诊断AUC值为0.968，Kappa=0.828，表示该模型具有很好的推广性。结论该研究建立的人工智能肺癌病理辅助诊断方法具有较好的准确性和外部推广性。随着病理人工智能研究的不断深入，迁移学习方法有助于缩短诊断模型训练周期，提高诊断模型的准确性。

简介：摘要：中药是我国民族文化的瑰宝，历经了数千年的发展，且我国拥有众多的药用资源。然而，目前中药产业发展并不理想，特别是中药人才数量骤减，限制了中药行业的发展。针对中药特色技术的传承学习，是知识技术的继承，也是中医药文化的继承。传承学习不仅保证了我国中医药文化的传承，也为医院药房人才培养提供了帮助。本文简要分析了中药传承学习较为常见的方式，并提出带教模式以及集中培训两种方法，以讨论中药传承学习在医院药房的运用。

简介：摘要雨课堂为移动学习和即时互动教学提供了方便快捷的学习平台。暨南大学基础医学院病理学系在前期积累的学习资源基础上，利用雨课堂作为教学辅助，完善课程资源平台建设和资源发布功能，构建无时空限制的教学互动方式，创建全过程、多元化的学习评价体系，从教学资源建设、教学互动、学习过程监督和教学评价方面进行改革，发挥雨课堂移动教学及互动教学功能，有利于提高病理教学的信息化水平。

简介：无

简介：摘要循证医学起源于流行病学之时便已经形成了一系列严格的方法。这些方法可用于评估基于假设的实证研究在评价诊断试验、结局预测工具和干预措施方面的有效性、影响力和适用性。机器学习是人工智能的一部分，它使用计算机程序识别海量数据集中的模式和关联，然后将这些模式和关联整合到用于辅助诊断和预测结局（包括对治疗的反应）的算法中。这两个领域如何相互关联？他们有何异同，如何各有千秋？两者可否相互借鉴和补充以使临床决策更为明智和有效？

简介：摘要目的了解医学研究生碎片化学习现状，探讨碎片化学习在医学研究生学习中的优势及其存在的问题。方法本研究采用问卷调查方法。2019年5月，选取上海交通大学医学院2019级14个专业的293名医学研究生为研究对象，对其进行医学专业碎片化学习现状的问卷调查。通过SPSS 25.0统计学软件对数据进行分析。结果79.5%(233/293)的研究生存在碎片化的学习行为；65.9%(193/293)的研究生认为碎片化学习对其专业学习利大于弊；59.7%(175/293)的研究生表示碎片化学习在学习方面提供的帮助有限。医学研究生认为碎片化学习在医学专业学习中具备的前3位优势是：碎片化学习有效利用了碎片时间[83.3%(244/293)]；学习资源丰富[59.7%(175/293)]；知识新颖，时效性强[50.5%(148/293)]。碎片化学习在研究生中存在的主要问题排在前3位的是：知识掌握不牢固[68.3%(200/293)]；学习内容不系统[63.1%(185/293)]；时间被分割，难以集中注意力[46.8%(137/293)]。结论医学研究生中普遍存在碎片化的学习行为，但其碎片化学习能力有待提高；碎片化学习具有提高时间利用率、学习资源丰富、知识新颖的优势，但是研究生的碎片化学习效率和学习效果均有待提高。

简介：摘要近年来，大数据、人工智能和云计算等技术的快速发展给医疗健康领域带来巨大机遇和挑战。以深度学习（deep learning，DL）为代表的人工智能研究方法在耳鼻咽喉头颈外科疾病诊疗、预后分析及病因研究等方面发挥日益重要的作用。DL不仅与专家诊断水平相当，而且节约时间和经济成本，但也存在获取高质量大数据和临床推广运用等多方面难题。本文对其相关研究进行回顾分析，探讨其临床运用价值及面临的挑战。