教学课程资源库 更多>>

关键词： 超声检查   医学影像技术   医学检查   非侵入性   现代医学   疾病诊断   传播特性   诊断依据  

摘要： 超声检查,作为一种非侵入性的医学影像技术,广泛应用于医学检查和疾病诊断中。它利用超声波在人身体内的传播特性形成图像,帮助医生观察并分析人体内部的结构和功能。该技术不仅具有无创和无痛的优点,而且操作简便,为医生提供了精确的诊断依据,成为现代医学中极为重要的一环。

关键词： 国家级学术期刊   获奖情况   数据库收录   中国科学院   《中国医学影像技术》  

摘要： 《中国医学影像技术》杂志是由中国科学院主管,中国科学院声学研究所主办的国家级学术期刊,被数据库收录及获奖情况如下.

关键词： 多模式整合教学法   医学影像学   考核成绩   解决问题能力   综合能力  

摘要： 研究多模式整合教学法对医学影像学教学效果的作用。方法 选择2024.3-2024.10本院接受带教的医学影像学实习生40名,数字随机分组法分作研究组(多模式整合教学法)和对照组(常规教学模式),单组20名,分析不同教学模式的带教效果。结果 带教后,研究组实习生考核成绩明显高于对照组,P<0.05;研究组实习生解决问题能力高于对照组,P<0.05;带教后,研究组综合能力高于对照组,P<0.05。结论 运用多模式整合教学法对医学影像学实习生带教可提升考核成绩,使其解决问题能力、综合能力显著提升,可运用。

关键词： 临床决策支持系统   医学工程   手术导航   区块链   医学数据   智能化管理   知识图谱   医学影像  

摘要： 为深入挖掘AI在医学工程领域的应用潜力,搭建前沿学术交流的平台,我刊“论著-AI与医学工程”栏目特面向全国征稿。该栏目主要报道AI与医学工程领域的基础理论与实践应用,选题包括但不限于:(1)AI算法与模型在医学工程领域的研究及应用,如算法创新、医学信号处理、生成式模型应用、医学知识图谱构建与应用等;(2)AI与医学影像,如智能诊断系统研发、影像重建与增强、影像组学、图像识别处理等;(3)AI与临床医学工程,如智能医疗设备的研发与应用、手术导航与辅助装置研发与应用、医疗设备性能预测与故障诊断系统研发与应用等;(4)AI与智能化医院建设,如AI在医疗设备资源配置与管理中的应用、临床决策支持系统的构建及验证、影像智能化管理与诊断系统构建与应用、智能导诊系统构建及应用、基于区块链的医学数据深度挖掘与知识发现系统构建等;(5)AI医学装备的伦理与监管,如国内外政策对比研究、分类监管策略研究、算法安全性评估体系构建、数据质量监管……

关键词： 人工智能   医学影像   实验教学  

摘要： 文章首先对人工智能进行了概述,然后说明了医学影像实验教学现状,接着分析了医学影像实验教学对人工智能的需求,最后探究了人工智能在医学影像实验教学中的应用效果,结果显示,在实施分组教学之前,两组学生在理论知识考核成绩和教学满意度方面并未显示出明显的差异;然而在实施分组教学之后,实验组学生的理论知识考核成绩和教学满意度均显著高于对照组学生。

关键词： 机器学习   人工智能   口腔颌面部肿瘤   医学影像  

摘要： 口腔颌面部肿瘤是口腔颌面外科的常见疾病,严重威胁患者健康与生存。近年来,机器学习技术在医学影像分析中的应用愈加广泛深入,通过对临床影像进行分析,可辅助临床医师进行肿瘤诊断、治疗等工作,提高医疗效率。本文主要聚焦近年来机器学习技术在口腔颌面部肿瘤影像分析方面的应用和进展。

关键词： 医学影像学   基于讲授学习   基于案例学习   雨课堂  

摘要： 目的:探讨基于雨课堂的LBL联合CBL教学方法在临床医学本科专业医学影像学理论课堂中的教学效果。方法:采用实验对照方法,选择桂林医学院2019级临床医学本科专业7―10班共258名学生,7―8班133名学生为A组,9―10班125名学生为B组,A组采用传统的多媒体讲授式教学方法(LBL),B组采用基于“雨课堂”教学工具的LBL联合CBL教学方法。使用SPSS 22.0统计软件分析数据,考试分数采用t检验,问卷调查分数采用秩和检验。结果:A组学生平均成绩为(77.7±5.2)分,B组学生平均成绩为(84.6±5.6)分,两组成绩差异有统计学意义(t=5.252,P<0.05);A、B两组学生评出的教学效果均为满意,A组平均值为4.03分,B组平均值为4.50分,经秩和检验两组分数差异有统计学意义(z=2.896,P<0.05)。结论:在临床医学本科的医学影像学理论课程中,利用雨课堂教学工具,在课时数量不增加的情况下,实现了LBL和CBL的联合,取得了较好的教学效果。

关键词： 大规模数据   虚拟现实场景   动画制作   模型训练   医学影像   电影特效   研究与发展   娱乐行业  

摘要： 近年来,基于大规模数据训练的生成式AI模型已在创建新数据(包括文字、图像、视频、音频等)方面展现出了卓越的性能,也从VAE和GAN时代发展到了如今的大模型时代。年初,OpenAl提出Sora模型,实现了文本到视频的完美转换,让人难以分清AI和现实的界限。近日,世界首个通用大型生成式医学影像模型(MINIM)被研发出来,用于合成海量医学影像数据,为医学影像领域的大模型训练注入了“新燃料”,为下游医疗健康应用指出了一条崭新的道路。生成式AI模型的应用可涵盖各行各业,比如,在气象行业,该模型可以用来模拟地球,帮助人们更准确地预报天气和自然灾害,在娱乐行业,无论是游戏建模、虚拟现实场景建设,还是动画制作、电影特效生成等,都能够利用生成式AI模型来简化内容创作流程。

关键词： 住院医师   规范化培训   多学科诊疗   医学影像学   临床教学   放射科  

摘要： 目的探讨亚专业分组联合多学科诊疗(multidisciplinary treatment,MDT)教学模式在放射科住院医师规范化培训教学中对住培学员综合应用能力提升的价值。方法选取2021年6月—2022年12月重庆医科大学附属第二医院的32名住培学员(面向全社会招录,包括影像专业12名、临床专业20名)分为试验组和对照组,每组16名。试验组将影像专业及临床专业学员分配至神经肌骨组、心胸组和腹部组,并采用模拟MDT模式进行日常教学活动;对照组中影像专业学员采用常规轮转三个亚专业组,以及临床专业学员根据专业分配入亚专业组进行常规教学。对比2组柯氏评估模型以及结业评价成绩的差异。结果在柯氏评估模型中,试验组的学员评价评分[(88.11±2.30)分]和出科技能阅片成绩[(87.27±4.06)分]高于对照组[(85.00±3.85)分、(83.73±4.56)分],差异有统计学意义(P<0.05),而2组的一对一阅片评分、出科理论考核成绩差异无统计学意义(P>0.05)。在专科学员结业评价中,试验组的影像报告质量评分[(88.69±3.16)分]和住培小讲座评价[(83.65±2.56)分]均高于对照组[(86.08±3.63)分、(81.36±2.77)分],差异有统计学意义(P<0.05),而2组的科研成果评价、临床日常沟通评价差异无统计学意义(P>0.05)。结论亚专业分组联合MDT教学模式能充分调动住培学员的主观能动性,有效提高学员的临床实践能力以及学员满意度,实现了教学互补、全面提高的目的,提高了放射科住培学员的教学收益。