简介：摘要随着现代信息技术的迅速发展，基于微信等平台在虚拟空间通过视频课件学习并在实体空间组织答疑辅导的混合式教学方法已经成为医学专业网络公共选修课程教学的良好选择。本文以北京大学医学部开设的2门基于微信公众平台的网络公共选修课程为例，阐述了基于微信平台的混合式教学方法在网络公共选修课程中的设计步骤、教学实施过程和教学评价手段，并对其教学效果进行了调查分析。结果表明，基于微信平台的混合式教学方法有利于提高学生的学习积极性，帮助学生充分利用碎片化时间完成学习，从而提高了教学质量。

简介：摘要胃肠间质瘤（GIST）的诊断和治疗已日趋标准化和规范化。近20年来，随着分子水平发病机制的揭示和小分子酪氨酸激酶受体抑制剂的成功应用，GIST治疗已经成为精准医疗时代最经典的实体肿瘤靶向治疗成功范例之一。2020年2月，美国国家综合癌症网络（NCCN）发布了最新版的《软组织肉瘤临床实践指南（2019年第6版）》，与既往版本相比，新版指南中的一大亮点是更新了靶向新药avapritinib的治疗推荐，进一步推动了GIST的精准靶向治疗。

简介：摘要目的评估新的多阶段三维（3D）深度卷积神经网络的计算机辅助诊断（CAD）系统在低剂量螺旋CT（LDCT）肺癌筛查中的应用价值。方法回顾性分析河南省肿瘤医院2013年11月至2017年12月8 850例肺癌筛查志愿者共1 111个肺结节的基线LDCT影像资料及肺癌患者的临床信息，所有纳入本研究的人群均作了至少一次LDCT，阅片方式包括目视检测（VD）、CAD及VD结合CAD方式；肺结节的诊断标准以2名胸部影像专业高年资医师最终达成的一致性意见作为真结节(有分歧时由第3名主任医师决定）。针对结节数目、结节类型及结节的Lung-RADS分类，比较3种阅片方式的肺结节（或肺癌）的检出率、漏诊率及假阳性率。组间比较采用χ²检验。结果与VD方式比较，CAD及VD+CAD方式结节检出率明显升高（分别为94.2%、95.7%、80.1%），漏诊率明显减低（分别为5.8%、4.3%、19.9%），差异具有统计学意义（χ²=101.650、128.500，P<0.05）；与VD方式比较，CAD方式与VD+CAD方式对Lung-RADS分类结节（χ²=25.083、23.449，P<0.05）及不同类型结节（χ²=6.955、6.821，P<0.05）的检出率明显升高，而CAD方式与VD+CAD方式对Lung-RADS分类结节及不同类型的检出率差异无统计学意义（P>0.05）。VD方式与VD+CAD方式在肺癌阳性预测率、漏诊率及假阳性率无明显差异；与VD方式与VD+CAD方式比较，CAD方式对肺癌的阳性预测率明显降低，漏诊率及假阳性率明显升高。结论VD结合CAD的方式能够在降低假阳性结节检出的基础上，提高真性肺结节检出率，可作为城市人群LDCT肺癌筛查的首选方法。

简介：摘要目的利用扩散张量成像(diffusion tensor imaging，DTI)测量一氧化碳中毒后迟发性脑病(delayed encephalopathy after acute carbon monoxide poisoning，DEACMP)患者脑结构网络改变，探讨DEACMP认知障碍的神经影像学机制。材料与方法分别对25例DEACMP患者和25例年龄、性别匹配的健康对照者(healthy controls，HCs)进行DTI扫描。应用自动解剖标签AAL模板将全脑共划分为90个区域。采用连续示踪法重建出脑纤维束连接网络和脑结构加权网络，并在构建出的两种不同网络基础上，用图论方法进行分析。采用两独立样本t检验比较DEACMP组和HCs组的网络特征参数。提取不同脑区的网络特征参数，分析DEACMP组与认知功能障碍的相关性。结果两组被试均显示出"小世界"属性。DEACMP组的最短路径长度增加(Lp=0.86±0.05)，全局效率(Eglob=9.60±2.65)和局部效率(Eloc=17.98±3.89)下降。而且，DEACMP组的默认网络、突显网络、中央执行网络及视觉区域的核心节点减少(P<0.05，FDR校正)。DEACMP组左侧杏仁核节点度值与简易智力状态检查量表(simple intelligence status check scale，MMSE)、蒙特利尔认知评估(montreal cognitive assessment，MoCA)评分呈明显正相关(r=0.863，P=0.001；r=0.525，P=0.021)；左侧舌回节点度值与MoCA评分呈正相关(r=0.406，P=0.019)，与临床痴呆评定量表(clinical dementia rating scale，CDR)评分呈负相关(r=-0.563，P=0.016)。DEACMP组右侧背外侧额上回节点效率值与CDR评分呈负相关(r=-0.377，P=0.031)。结论DEACMP患者网络拓扑属性及节点的差异变化可显示DEACMP患者相关大脑区域特别是脑高级功能损害的程度。

简介：摘要目的探究自我管理网络支持模式对初发中青年型糖尿病患者自我管理知识及血糖指标的影响。方法选取2015年8月至2016年8月收治的初发中青年型糖尿病患者104例，按照入院先后顺序分为两组，各52例。对照组行常规护理，观察组行自我管理网络支持模式护理。对比两组护理前后抑郁症发生率、体重指数、舒张压、收缩压、糖化血红蛋白变化、自我管理知识评分及网络平台模块知识浏览率。结果观察组护理后抑郁发生率低于对照组；观察组护理后体重指数、舒张压、收缩压及糖化血红蛋白均低于对照组，自我管理知识得分高于对照组；观察组护理后浏览饮食知识、运动知识、口服药知识、胰岛素知识、自我监测知识、并发症知识、心理专区人数好于对照组，差异均有统计学意义(均P<0.05)。结论初发中青年型糖尿病患者应用自我管理网络支持模式可提高其自我管理知识，降低血糖指标。

简介：摘要目的探讨使用U-Net深度学习网络对MRI表观扩散系数（ADC）图像中前列腺癌（PCa）自动分割及定位的可行性。方法回顾性搜集2017年6月1日至2019年3月31日北京大学第一医院因临床怀疑PCa拟行前列腺穿刺的男性患者的临床和影像资料。共纳入245例患者，根据病理结果将所有患者分为PCa组（n=184）与非PCa组（n=61），并随机分为训练集（PCa 129例，非PCa 19例）、验证集（PCa 18例，非PCa 3例）和测试集（PCa 37例，非PCa 39例）。由1名放射科医师依据病理结果在ADC图上勾画PCa癌灶，并通过前列腺腺体分割模型将测试集前列腺腺体自动划分6分区。经过前列腺腺体自动分割等预处理后，采用U-Net深度学习网络进行PCa分割模型的训练。以医师标记结果为金标准，用Dice相似系数（DSC）评价AI模型对测试集PCa癌灶的分割效果。并分别以患者及病灶为单位评价模型对PCa的检出效能，以6分区法评价模型对癌灶自动定位的准确性。结果测试集中，医师标注癌灶51个，最大径线为（1.9±0.7）cm，6分法癌灶分区456个（PCa区122个、非PCa区334个）。以病灶为单位，AI模型对测试集PCa的分割DSC为（70.2±21.7）%，检出癌灶的灵敏度94.1%（48/51）。以患者为单位，AI模型检出PCa患者灵敏度为97.3%（36/37），特异度为66.7%（26/39），准确度为81.6%（62/76）。AI模型对PCa癌灶定位分区的准确度为90.8%（414/456），对癌区检出的灵敏度为95.1%（116/122），特异度为89.2%（298/334）。结论U-Net深度学习模型对MRI ADC图像中PCa的检出具有较高的灵敏度，对PCa 6分区定位具有较高的准确度，预测结果可自动填写入结构化报告，进一步提高了临床工作效率。

简介：摘要目的探讨基于U-Net神经网络的肥厚型心肌病（hypertrophic cardiomyopathy ，HCM）与高血压性左心室肥厚（hypertensive left ventricular hypertrophy，HLVH）的磁共振图像定量分析与鉴别。材料与方法回顾性分析2017年国际医学图像计算和计算机辅助干预协会（Medical Image Computing and Computer Assisted Intervention Society，MICCAI)一项心脏疾病自动诊断挑战项目中包含的100例心脏疾病患者以及2014年7月至2019年3月上海交通大学医学院附属仁济医院确诊的45例HCM与48例HLVH患者。MICCAI数据集作为训练集和验证集，随机挑选5例HCM病例和5例HLVH病例作为测试集，得到一个基于U-Net的心脏自动分割神经网络。对所有入组的HCM与HLVH患者的心脏磁共振图像进行自动分割并提取多项量化参数，采用独立t检验比较各项量化参数在HCM组与HLVH组间的差异，采用多因素logistic回归法对有统计学差异的变量进一步分析建模，使用4折交叉验证方法结合ROC法对模型的分类性能进行验证。结果55项量化参数中有13项在HCM组与HLVH组之间存在显著性差异，有3项指标对两者的鉴别分类具有显著性影响。4折交叉验证得到的ROC曲线下面积分别为0.939、0.984、0.972和0.963，其中最佳模型对应的测试集准确率为86.96% (20/23)。结论U-Net神经网络分割心脏磁共振影像可以提供更多量化信息，有助于鉴别肥厚型心肌病与高血压性左心室肥厚。

简介：摘要目的以新型冠状病毒肺炎（简称新冠肺炎）湿热蕴肺证为例，探讨证候的症状间关系及其对证候诊断的贡献度，为建立证候诊断依据提供方法学支持。方法基于654份新冠肺炎患者的临床调查数据，以湿热蕴肺证为例，采用SPSS Modeler 14.1软件，结合关联规则与贝叶斯网络数据挖掘技术，探讨症状间关系并明确症状（群）对证候诊断的贡献度。结果654份新冠肺炎临床资料中涉及湿热蕴肺证患者121例，其中出现频率>40%的症状有发热（53.72%）、咳嗽（47.93%）、舌质红（45.45%）、脉数（43.80%）、苔腻（42.15%）、苔黄（41.32%）、乏力（40.50%）和纳呆（40.50%）。关联规则分析显示，二项关联关系较强的症状群包括发热、口渴，胸闷、气促，咳嗽、痰黄等；三项关联关系较强的症状群包括咳嗽、痰黄、痰黏稠，纳呆、呕恶、头身困重，发热、口渴、乏力等。以湿热蕴肺证（是＝1，否＝0）为目标变量，以出现频率>15%的症状为输入变量，建立贝叶斯网络模型，得出湿热蕴肺证症状（群）概率分布表，其中发热的父节点（每个输入变量的上级节点）只有1个（湿热蕴肺证），条件概率是0.54；咳嗽的父节点有痰黄、湿热蕴肺证，表示在湿热蕴肺证中咳嗽与痰黄存在直接因果关系，且在有痰黄的条件下，咳嗽的条件概率为0.99。常见症状（群）及其对湿热蕴肺证诊断的贡献度为：发热、口渴（0.47），咳嗽、痰黄（0.49），胸闷、气促（0.46），纳呆、头身困重（0.61），苔黄腻、脉滑数（0.95）。结论关联规则结合贝叶斯网络在阐释症状间关系及其对证候诊断的贡献度具有一定的可行性和客观性，为建立证候诊断依据提供了方法学支持。

简介：无