简介：摘要目的探讨深度学习重建（DLR）较混合迭代重建（Hybrid IR）在改善胸部低剂量CT（LDCT）图像质量方面的效果。方法回顾性分析2020年10月至2021年3月在北京协和医院行胸部LDCT体检或因肺内结节定期复查的77例患者。对所有入组患者的影像资料进行不同算法重建，获得标准级别Hybrid IR图像、标准和强级别DLR图像。在3种图像的肺实质、主动脉、肩胛下肌及腋下脂肪内选取感兴趣区并测量其CT值和标准差，用于计算信噪比（SNR）和对比噪声比（CNR）。同时，由2名影像医师按照Likert 5分量表法对图像质量进行主观评分，且记录肺磨玻璃结节（GGN）的数量，并对其显示情况进行评分。2名医师评分不一致时由第3名医师评分决定。采用Kruskal-Wallis非参数检验对3种图像的主观和客观评分进行分析，若总体存在差异，则用Bonferroni校正检验进行组内两两比较。结果3种图像在肺实质、主动脉、肩胛下肌及腋下脂肪处的CT值差异均无统计学意义（P均>0.05），而图像噪声、SNR和图像的CNR差异均有统计学意义（P均<0.05）。其中标准级别Hybrid IR图像、标准和强级别DLR图像的CNR分别为0.71（0.49，0.88）、1.06（0.78，1.32）和1.14（0.84，1.48）。标准级别和强级别DLR图像均较标准级别Hybrid IR图像的主观和客观噪声低及SNR和CNR高，差异均有统计学意义（P均<0.05）。在对主要解剖结构（肺裂、肺血管、气管和支气管、淋巴结、胸膜和心包）和GGN的显示上，标准级别和强级别DLR图像评分明显优于Hybrid IR图像，差异均有统计学意义（P均<0.05）。结论与Hybrid IR相比，DLR可以明显降低LDCT图像的噪声，且对GGN的显示良好，有助于在较低辐射剂量水平时保证图像质量，从而改善采用CT行肺癌筛查及肺结节随访的安全性。

简介：摘要目的通过深度学习(DL)PET图像重建方法，提升不同采集时间18F-脱氧葡萄糖(FDG)PET图像质量。方法回顾性分析2020年9月至10月间山西医科大学第一医院核医学科45例恶性肿瘤患者[男20例、女25例，年龄(52.0±13.6)岁]PET图像。选择原始列表模式PET数据的短时30 s/床位PET图像作为输入，采用Unet网络，以全剂量标准采集时间(3 min)PET图像为模型判别标准，建立DL图像重建模型，以预测全剂量PET图像。分别对DL、30 s、90 s和120 s 4组图像进行图像质量评估及定量分析。采用5分法主观评估4组的图像质量。分别测量各组图像肝本底及肿瘤病灶定量参数：最大标准摄取值(SUVmax)、平均标准摄取值(SUVmean)、标准差(SD)、信噪比(SNR)、对比度噪声比(CNR)及一阶纹理特征(偏度、峰度、均匀度和熵)。采用Kappa检验、χ2检验、单因素方差分析(最小显著差异t检验)进行数据分析。结果4组图像质量评分具有高度一致性(Kappa＝0.799，P<0.001)，DL组评分≥3分共6例，30 s、90 s和120 s组评分≥3分别有4、7和8例(χ2＝125.47，P<0.001)。DL组肝SD明显低于30 s组(0.26±0.07与0.43±0.11；F＝3.58，t＝-7.91，P<0.05)，SNR高于30 s组(11.04±4.36与5.41±1.41；F＝10.22，t＝5.40，P<0.05)；DL组肝SD及SNR与90 s组一致(0.39±0.16, 8.46±3.34；t值：-0.87和2.17，均P>0.05)。在18个高摄取肿瘤病灶中，DL组病灶SNR及CNR均高于30 s组(60.21±29.26与38.38±16.54，22.26±15.85与15.41±9.51；F值：13.09和7.05，t值：5.20和4.04，均P<0.001)。4组肝一阶纹理特征差异有统计学意义(F值：4.30~9.65，均P<0.05)，但DL组与120 s组间差异无统计学意义(t值：-1.25~0.15，均P>0.05)。结论DL重建模型能较好地改善短帧PET图像质量，可以满足临床诊断、疗效评估和组学研究的需求。

简介：摘要目的探究深度学习算法（DLR）在胰腺低剂量CT扫描中改善图像质量的价值。方法前瞻性收集2020年8月至12月在北京协和医院进行腹部胰腺增强检查的68例患者，采用随机区组法分为正常剂量组和低剂量组，各34例，正常剂量组扫描管电压为120 kV，低剂量组管电压为100 kV。所有患者均行平扫、动脉期、实质期、延迟期扫描。低剂量组4期图像分别采用滤波反投影（FBP）、混合模型迭代算法（AIDR）和DLR 3种方法重建图像，正常剂量组4期图像均采用AIDR重建图像，分别记为LD-FBP、LD-AIDR、LD-DLR、RD-AIDR。测量胰腺的CT值、噪声值（SD），计算信噪比（SNR）、对比噪声比（CNR），不同重建方法图像间各参数的比较采用单因素方差分析，两两比较采用LSD法；对每组图像进行主观评分，多组间比较采用Kruskal-Wallis检验。结果正常剂量组和低剂量组患者胰腺平扫、动脉期、实质期、延迟期不同重建方法图像间胰腺CT值、SD、SNR、CNR差异均有统计学意义（P均<0.05）。实质期和延迟期图像LD-FBP、LD-AIDR、LD-DLR图像CT值均高于RD-AIDR图像（P均<0.05）；4期图像间SD、SNR两两比较差异均有统计学意义（P均<0.05）；4期LD-FBP、LD-DLR与RD-AIDR的CNR差异有统计学意义（P均<0.05），RD-AIDR的CNR优于LD-FBP，LD-DLR优于RD-AIDR。DLR算法对胰腺4期图像的SD、SNR、CNR均有改善，其中对SNR的改善增强图像更为显著，对CNR的改善平扫期和延迟期更为显著。胰腺4期不同算法重建图像主观评分差异均有统计学意义（P均<0.001）。LD-DLR与RD-AIDR评分差异无统计学意义（平扫、动脉期、实质期、延迟期Z值分别为1.00、2.24、0.45、1.34，P值分别为0.317、0.025、0.655、0.180）。结论DLR技术可以在降低胰腺CT辐射剂量的同时改善图像质量，满足诊断需求，在胰腺低剂量增强CT检查中可降低噪声，提高图像的信号SNR和CNR。

简介：摘要目的分析不同教学模式下和有不同学习动机的学生的线上学习行为与学习效果，为优化线上教学提供参考。方法选择2019和2020年参与中南大学生理学小规模限制性在线课程（small private online course，SPOC）和同年参与大规模在线开放课程（massive open online courses，MOOC）的学生，探讨不同教学模式下的线上学习行为和不同学习动机的学生的学习效果。从学习投入、互动行为和学习动机3方面分析学生的线上学习行为。采用SPSS 25.0软件，用函数计算、频率统计、回归分析、秩和检验、相关性检验、卡方检验等统计学方法进行数据分析。结果2020年SPOC学习者的学习参与度（z=14.36，P<0.001）和人机、人际互动学习水平（z=-11.70、-16.18，P均<0.001）均高于2019年。2019年、2020年的学生整体互动行为与成绩呈中等相关（r=0.42、0.52，P均<0.001），且人际互动行为相关更强（r=0.60、0.55，P均<0.001）。2019年SPOC和MOOC学习者的成绩构成不同（χ2=857.45，P<0.001）。外部动机的SPOC学习者学习效果优于内部动机的MOOC学习者（z=-28.42，P<0.001）。结论学校所采用的教学模式通过学生的在线学习投入和互动学习行为影响学习效果，学生自身的学习动机也对其在线学习效果起到关键作用。

简介：摘要目的通过基于卷积神经网络深度学习方法从增强CT合成平扫CT图像，临床主观和客观评估合成平扫CT图像(DL-SNCT)与金标准平扫CT图像的相似性，探讨其潜在临床价值。方法同时行常规平扫和增强CT扫描的患者34例，通过深度学习模型将增强CT图像合成DL-SNCT图像，以平扫CT图像为金标准，主观评价DL-SNCT的图像质量(评价指标包括解剖结构清晰度、伪影、噪声、图像结构完整性、图像变形，均采用4分制)；利用配对t检验比较DL-SNCT与金标准平扫CT图像不同血供特点的解剖部位(主动脉、肾脏、肝实质、臀大肌)以及不同强化模式的肝脏病变(肝癌、肝血管瘤、肝转移瘤、肝囊肿)的CT值。结果主观评价上，DL-SNCT图像在伪影、噪声、图像结构完整性、图像变形方面评分都达到4分，与平扫CT图像评分相一致(P>0.05)；在解剖结构清晰度方面评分略低于平扫CT图像[(3.59±0.70)分vs. 4分)]，差异有统计学意义(Z＝－2.89，P <0.05)。对于不同解剖部位而言，DL-SNCT图像主动脉、肾脏的CT值显著高于平扫CT图像(t＝－12.89、－9.58，P <0.05)，而肝实质、臀大肌CT值与平扫CT图像差异无统计学意义(P>0.05)。对于不同强化模式肝脏病变而言，DL-SNCT图像肝癌、肝血管瘤、肝转移瘤的CT值显著高于平扫CT图像(t＝－10.84、－3.42、－3.98，P <0.05)，而肝囊肿CT值与平扫CT图像差异无统计学意义(P>0.05)。结论DL-SNCT在图像质量上以及一些强化方式比较单一的解剖部位的CT值已接近金标准平扫CT，但对于强化程度变化大的解剖部位，以及有着不同强化模式的肝脏病变，DL-SNCT在临床应用前还有很大的改进空间。

简介：摘要目的构建智能消化内镜质控系统并评估其在胃肠镜检查中的质量监控作用。方法基于医学数字成像与通信协议，获取武汉大学人民医院消化内镜中心2016年12月—2018年10月胃肠镜检查患者的电子医疗记录和图像，采用深度卷积神经网络和深度强化学习方法开发智能消化内镜质控系统。该系统运用回盲部识别模型、体内外图像识别模型以及胃的26个部位识别模型，监控达盲率、肠镜退镜时间、胃镜检查时间、胃镜检查覆盖部位数等质控指标。随机选取武汉大学人民医院消化内镜中心2019年3—11月83例胃镜检查和205例肠镜检查患者的图像，测试智能消化内镜质控系统质量控制功能的准确性。结果智能消化内镜质控系统由胃镜质量分析、肠镜质量分析组成，可随时自动生成包含各质控指标的内镜医师胃肠镜检查质控报告。该系统监控的达盲率、肠镜退镜时间、胃镜检查时间和胃镜检查覆盖部位数的准确率分别为92.5%(172/186)、91.7%(188/205)、100.0%(83/83)和89.3%(1 928/2 158)。结论智能消化内镜质控系统可实现胃肠镜检查的质量监控作用，以便内镜医师了解自身的工作情况，从而提升胃肠镜检查质量。

简介：摘要目的探讨深度学习图像重建（DLIR）算法在低kV逆血流扫描下肢动脉CT血管成像（CTA）中对图像质量的影响。方法回顾性收集2021年1月至3月50例于福建医科大学附属协和医院因临床可疑下肢动脉疾病而行低kV逆血流扫描下肢动脉CTA患者的CT原始数据，分别使用具有3种混合权重的自适应统计迭代重建（ASIR-V）算法（ASIR-V 20%、ASIR-V 50%、ASIR-V 80%）、3种重建强度（高、中、低）的DLIR算法（DLIR-H、DLIR-M、DLIR-L）在0.625 mm上重建薄层轴面图像。在每组图像上测量近端腹主动脉、远端腹主动脉、左右髂总动脉、左右股动脉（上段）、左右股浅动脉（中段）、左右腘动脉的CT值、噪声（SD）值，并计算信噪比（SNR）和对比噪声比（CNR）。由两名医师采用4分法将下肢血管分成4个节段对图像的噪声和锐利度进行主观评价。统计学分析采用单因素方差分析评估图像质量主观评分及客观评价指标的差异。结果随着ASIR-V重建权重的增加和DLIR重建强度的增加，各测量层面的SD值逐渐降低，SNR值和CNR值逐渐增高（P均<0.05）。6种重建方式中，DLIR-H重建与ASIR-V80%重建具有较低的SD值及较高的SNR与CNR值（P均<0.05）。与ASIR-V20%和ASIR-V50%相比，DLIR-H组具有更低的SD值，更高的SNR和CNR值（P均<0.05）；但DLIR-H组与ASIR-V80%相比，SD、SNR和CNR值的差异无统计学意义（P均>0.05）。主观评分结果显示，在腹主动脉-足部动脉全程，DLIR-H组噪声评分为最优，锐利度评分也明显高于ASIR-V80%（P均<0.05）。结论深度学习重建可以显著降低下肢动脉CTA图像的噪声，提升图像质量。在DLIR（H、M、L）3种深度学习重建算法中，DLIR-H的降噪效能以及在图像噪声和锐利度的平衡中表现最佳，具有最高的图像质量。

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：摘要目的基于学习者学习效果的视角，构建在线学习资源评价体系对在线课程资源进行评估，为提升在线学习资源的应用成效和建设水平提供合理化建议。方法以成都某医学院在线学习平台中的课程资源为研究对象，通过德尔菲法构建在线课程资源评价指标体系、权重设计和评分标准，收集课程资源提供、课程资源利用及其学习者学习效果相关信息，并按照标准形成评分。结果课程资源学习效果评价的分值为(7.5±0.9)分。不同课程类型在学习效果评分上差异具有统计学意义(F＝14.12，P<0.01)，其中省级精品网络课程、校级优秀网络课程、校级一般网络课程评分分别为[20(10，23)]分、[17(14，21)]分和[14(5，20)]分。结论提高在线课程资源质量、优化资源利用是推进精品在线学习资源建设和提升学习效果的有效途径。

简介：摘要空军军医大学第二附属医院内分泌教学组开展了基于超星学习通移动学习平台在内分泌课程教学中的应用与探索。通过问卷调查学生认为采用移动学习模式，理论知识的掌握和知识记忆方面与传统课堂教学差异无统计学意义；而移动教学课堂气氛轻松活跃，有助于提高学生学习兴趣和自主学习的能力，课后问题能及时反馈解决。本院通过内分泌教学组对内分泌课程采用超星学习通APP，期望对未来医学课程移动教育模式的开展提供积极参考。

简介：摘要目的分析生理学课程线上翻转课堂教学中学生的学习体验与学习偏好，以期为线上教学资源的提供和教学方式的设计提供参考。方法本研究采用问卷调查方法。2020年3月至4月，选取中南大学湘雅医学院2018级五年制临床医学专业147名学生为研究对象，在生理学课程授课第一周和第五周分别对学生的线上学习体验和学习偏好进行调查，通过配对秩和检验、配对卡方检验等进行数据分析。结果共有140名学生参加了2次调查。学生对线上翻转课堂的满意度评分分别为4(3，4)和4(4，4)，喜爱度评分均为4(3，4)，同一学生的2次调查结果显示，第二次调查的满意度和喜爱度评分比第一次调查的评分均有提高，其差异均具有统计学意义(Z＝-2.513，P＝0.012；Z＝-2.704，P＝0.007)。2次调查中分别有56.4%(79/140)和50.0%(70/140)的学生偏好15分钟短视频，43.6%(61/140)和50.0%(70/140)的学生偏好45分钟长视频，同一学生在2次调查中对不同时长录播课程视频偏好变化的差异无统计学意义(χ2＝1.641，P＝0.200)；55.7%(78/140)和60.0%(84/140)的学生偏好直播课程，44.3%(62/140)和40.0%(56/140)的学生偏好录播课程，同一学生在2次调查中对不同授课形式偏好变化的差异无统计学意义(χ2＝0.500，P＝0.480)。结论学生对生理学课程线上翻转课堂的学习体验良好，对不同时长的录播课程视频、录播课程与直播课程有着不同的学习偏好，线上教学资源的提供和教学方式设计应当兼顾不同学生群体的需求。

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：摘要目的通过与多模型迭代重建算法（ASiR-V）对比，探讨深度学习图像重建（DLIR）算法在低辐射剂量下对乏血供肝转移瘤CT图像质量及检出效能的影响。方法前瞻性收集2021年1月至4月郑州大学第一附属医院因乏血供肝转移病变需行全腹部增强CT的56例患者，增强后第1静脉期均行常规辐射剂量（400 mA）CT扫描，根据第2静脉期管电流的不同将患者分为A（280 mA，19例）、B（200 mA，19例）、C（120 mA，18例）组。各组第1静脉期和第2静脉期图像均进行权重为60%的ASiR-V（ASiR-V60%）和高强度的DLIR（DLIR-H）重建。图像质量客观评价指标包括噪声、肝脏的信噪比（SNR肝脏）和门静脉的信噪比（SNR门静脉）、病灶的对比噪声比（CNR病灶），主观评价指标包括总体图像质量评分、病灶显示能力评分、诊断信心度评分，并记录各组有效辐射剂量（ED）和病灶检出率。采用配对t检验比较ASiR-V60%和DLIR-H图像间客观指标的差异，采用配对资料的Wilcoxon符号秩和检验比较主观评价指标。结果第2静脉期A、B、C组ED分别为（5.56±0.35）、（3.88±0.23）、（2.42±0.23）mSv。A、B、C组第2静脉期的ED分别比第1静脉期的ED降低30%、50%、70%。随着辐射剂量的降低，噪声逐渐增加，CNR病灶、SNR肝脏、SNR门静脉逐渐降低。在相同辐射剂量条件下，DLIR-H的图像的客观评价指标均优于ASiR-V60%，差异有统计学意义（P均<0.001）。各组的主观评分随辐射剂量的降低而降低，在相同辐射剂量条件下，DLIR-H的总体图像质量、病灶显示能力和诊断信心评分均高于ASiR-V60%（P均<0.001）。A组的ASiR-V60%和DLIR-H均将全部病灶检出，检出率为100%（84/84），B组检出率均为92.0%（75/81），C组检出率均为88.0%（79/89）。结论与ASiR-V60%相比，DLIR-H在低辐射剂量下均可提高总体图像质量及乏血供肝转移病灶的显示能力，增加诊断信心。

简介：摘要视知觉学习是指通过特定的视知觉任务训练使视觉系统对外界信息感知能力显著提高的方法。视知觉学习具有相对特异性、相对迁移性以及时间属性，在弱视、斜视等眼病的临床治疗方面具有良好的效果，近年来在视功能检查和改善方面也有新的应用。同时，随着功能性磁共振成像技术的运用，关于视知觉学习的脑区探索也已取得新的进展。现笔者对视知觉学习的发展历程、神经机制、学习方法、功能应用以及影响因素进行综述。

简介：摘要目的分析基于学习通平台的对分课堂教学实践中学生的学习行为。方法在预防医学专业儿童少年卫生学课程中开展基于学习通平台的对分课堂教学实践。收集学习通上的数据，分析学生学习行为，包括访问量及其规律、作业提交完成率及时长、任务点完成率、参与讨论数等。用问卷调查学生对学习效果的评价。采用SPSS 17.0进行Mann-Whitney U、Kruskal-Wallis H检验和卡方检验。结果99名学生在84天内访问40 322次，在讨论课当天出现大高峰，在16:00—20:00访问量最高，29.3%（29/99）的学生访问天数<40。作业提交完成率为98.0%（582/594），31.1%（181/582）的人次提交作业时长<6 h。任务点完成率为99.0%（3 919/3 960）。学生参与讨论数为3（2，7）。86.9%~90.9%的学生认为5个方面的学习效果部分达到或基本达到。结论学生学习行为总体表现良好，但参与讨论数较少，部分学生被动学习，需进一步改进教学措施。

简介：

简介：摘要随着科技的进步与时代的发展用于远程教学和课堂教学的学习管理系统对于大众来说已不再陌生，学习管理系统很好的将传统的教学方式和数字化教学相结合。而社交网络也逐渐成为每个人生活中必不可少的一个重要工具，在本文中笔者首先对学习管理系统进行介绍，然后就社交网络与体育学习管理系统面临的挑战进行分析并针对社交网络融入到学习管理系统展开讨论。

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：摘要现在计算机的发展越来越快，现在计算机在视觉领域的主流算法就变成了深度学习的目标检测和图像分割算法，虽然场景文字检测任务有时候会受到目标检测和图像的影响，在现在这几年也有了很大的突破。

简介：摘要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。