简介：本研究报告一例由学习压力引发情绪问题的心理咨询个案。咨询师运用合理（理性）情绪疗法,结合共情、倾听、鼓励、解释、指导、自我开放、影响性概述等技术,对求助者进行心理咨询。经过5次咨询,求助者紧张焦虑情绪明显好转,改变不合理认知,取得良好效果。

简介：摘要解剖学是一门重要的基础课，诸多因素导致学生解剖学效果不理想，本人总结多年解剖学教学经验，教学中引导学生学习解剖学时，做到“五勤”(勤动脑、勤动眼、勤动口、勤动耳和勤动手），取得较好效果。

简介：摘要自学习健康系统(learning health system, LHS)作为学习患者真实体验的平台，从临床环境和其他健康相关事件中获取大数据，分析数据以产生新的知识，进而应用这些知识持续地指导临床决策和实践，在提高照护质量和降低医疗成本方面有重要价值。作者对LHS的作用模型、组织架构、基础设施框架、核心特征要素框架和研究者的核心能力框架等方面进行综述；建议我国在引进及本土化应用LHS中应整合多源异构的医疗信息平台数据、加强医疗机构和多学科团队间的协作等。

简介：目的了解医学生自主学习的现状,为开展自主学习指导提供参考依据。方法采用《大学生自主学习调查问卷》对1305名医学生进行现况调查。结果有72.1%的医学生喜欢自己所学的专业;7.7%的医学生有经常逃课的经历,72.6%的学生偶尔逃课;43.3%的医学生认为学习成绩不能反映能力;当考试成绩不理想时,有78.7%的学生会自责;在专业学习中遇到困难时,93.7%会寻找各种方式解决问题;89.7%的学生对学习成绩要求优良和中等。有52.1%的医学生每天的学习时间是2～4h;学习地点集中在教室、宿舍和图书馆,66.9%的学生会制定学习计划;经常进行课前预习和课后复习的学生分别占6.0%和19.6%;经常到图书馆借书或查找资料的学生占14.7%。男女在部分学习态度与学习习惯上的构成差异有统计学意义（p〈0.05或p〈0.01）。结论医学生具有一定的自主学习能力,但在学习习惯方面还有待加强。可通过开展研究性学习和全方位的学习指导,提高医学生的自主学习能力。

简介：摘要结合两年来在耳鼻喉科实习经历，总结自己的心得体会。

简介：摘要对于小学生来说，初学一种不同于母语的新课程是有一定难度的，要有一个循序渐进的环节布局和有效途径的实施。教学中，要注重学生学习兴趣的培养和学习主动性的发挥，还应该营造宽松、民主、和谐的教学氛围，鼓励学生大胆说、大胆演；并且借助多媒体辅助教学，提高课堂教学有效性。

简介：摘要：我国对护理人员的需求越来越高，但是护理人数却不是很多，而在高职院校中开展护理操作是教学的重点，也是反映学生护理水平的重要依据，为了更好的让学生掌握扎实的护理技能，进行小组学习方法是当下训练的重点。本文通过对高职护理操作训练小组学习方法进行探讨，以2021年3月-2021年6月在我校50名护理实习生进行研究，实验组和对照组均为25人，对两组的无菌技术、静脉输液、吸氧、生命体征等护理操作进行考核，并且进行评价，继而可以在小组学习中有效增强学生的学习效果，培养同学之间的合作精神，为今后的护理实践奠定基础。

简介：摘要：本文提出了一种基于机器学习的眼底图像检测方法、装置及系统，其中主要包括：获取待检测的眼底图像；对所述眼底图像整体区域进行第一特征集检测；对所述眼底图像中特定区域进行第二特征集检测，所述第一特征中的特征的显著度大于第二特征集中的特征的显著度；基于机器学习对检测的结论进行判定得到最终检测结果。每种类型的特征分开检测，互不影响，可以较为精确的判断每个特征的类别，同时进行多种类别多种显著度的特征的检测，可以高效精确的对眼底图像进行检测。

简介：摘要  目的：以《易经》象数为基础探索它的应用性。结果：认识到冉雪峰走出了开创性的第一步，生物遗传密码又有很好的证明，我们只有略微地补充。讨论：对象数的相互作用和相互转化进行粗略讨论。

简介：摘要：本文提出了一种基于机器学习的眼底图像检测方法、装置及系统，其中主要包括：获取待检测的眼底图像；对所述眼底图像整体区域进行第一特征集检测；对所述眼底图像中特定区域进行第二特征集检测，所述第一特征中的特征的显著度大于第二特征集中的特征的显著度；基于机器学习对检测的结论进行判定得到最终检测结果。每种类型的特征分开检测，互不影响，可以较为精确的判断每个特征的类别，同时进行多种类别多种显著度的特征的检测，可以高效精确的对眼底图像进行检测。

简介：

简介：

简介：摘要：近年来，机器学习模型通过对大量眼部影像数据进行分析，能实现精准眼部疾病检测，提高了诊断的准确性和效率。然而在应用过程中，存在数据质量不足、模型性能不稳定等问题。为此，本文结合实际情况对现有困境作出分析，并给出具体应对措施，旨在推动眼科医学的发展与进步。

简介：摘要目的探讨基于MRI的深度学习（DL）影像组学机器学习模型在术前区分病理低级别和高级别软组织肉瘤（STS）的价值。方法回顾性纳入2007年11月至2019年5月青岛大学附属医院经病理证实的151例STS患者为训练集、山东第一医科大学附属山东省立医院和河北医科大学附属第三医院的131例STS患者为外部验证集。根据法国国家癌症研究中心（FNCLCC）肿瘤分级标准，STS病理分级低级别（FNCLCCⅠ和Ⅱ级）161例，高级别（FNCLCCⅢ级）121例。分别提取病灶的手工影像组学（HCR）特征和DL影像组学特征，分别基于HCR特征、DL特征和两者组合特征，建立决策树、逻辑回归、支持向量机（SVM）3种分类器的机器学习模型，采用受试者操作特征曲线下面积（AUC）评价各机器学习模型预测高级别和低级别STS的效能，确定最优机器学习模型。采用单因素和多因素logistic回归筛选临床和影像学特征，建立临床影像学模型。结合最优机器学习模型和临床影像学模型，建立列线图，采用AUC来评估各模型和列线图的预测性能，AUC间比较采用DeLong检验。采用Kaplan-Meier生存曲线和log-rank检验评价最优机器学习模型在STS患者无进展生存期（PFS）风险分层中的表现。结果基于HCR和DL组合影像组学特征的SVM机器学习模型的AUC最大，在训练集和外部验证集中预测STS分级分别为0.931（95%CI 0.889~0.973）和0.951（95%CI 0.904~0.997），为最优机器学习模型。临床影像学模型在训练集和外部验证集中的AUC分别为0.795（95%CI 0.724~0.867）和0.615（95%CI 0.510~0.720），列线图分别为0.875（95%CI 0.818~0.932）和0.786（95%CI 0.701~0.872）。外部验证集中，最优影像组学机器学习模型预测STS分级的性能优于列线图和临床影像学模型（Z=3.16、6.07，P=0.002、<0.001）。最优影像组学机器学习模型预测的高级别和低级别STS患者的PFS差异有统计学意义（训练集χ²=43.50，P<0.001；外部验证集χ²=70.50，P<0.001）。结论基于MRI的DL影像组学模型可有效预测STS的FNCLCC肿瘤分级，其中HCR和DL组合影像组学特征的SVM分类器模型效能最佳，并有望对患者预后进行风险分层。

简介：

简介：安徽省立医院、安徽省立体定向神经外科研究所为全国立体定向神经外科培训中心,现定于2008年4月18日～4月23日在安徽省合肥市举办第二十届全国立体定向技术推广学习班[立体定向和功能性神经外科技术继教学习班,项目编号:2008-04-04-023(国)],授予国家级继续教育学分10分,现通知如下:

简介：

简介：摘要为更好地了解高职学生的学习态度，本文自编高职学生学习态度问卷，共四个因子目标性与自主性、兴趣、过程与结果的评价、老师与专业影响。四个因子均具有良好的信度与效度。经过对579名学生的调查得出①学习态度存在性别差异，其中，男生在学习的目标性与自主性显著低于女生；②不同年级在学习目标与自主性、过程与结果的评价方面存在显著差异。③家庭经济影响学生学习目标性与自主性。

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：