全文获取类型
收费全文 | 1621篇 |
免费 | 435篇 |
国内免费 | 80篇 |
专业分类
耳鼻咽喉 | 17篇 |
儿科学 | 8篇 |
妇产科学 | 10篇 |
基础医学 | 125篇 |
口腔科学 | 45篇 |
临床医学 | 285篇 |
内科学 | 157篇 |
皮肤病学 | 7篇 |
神经病学 | 30篇 |
特种医学 | 221篇 |
外科学 | 148篇 |
综合类 | 519篇 |
预防医学 | 181篇 |
眼科学 | 103篇 |
药学 | 79篇 |
11篇 | |
中国医学 | 110篇 |
肿瘤学 | 80篇 |
出版年
2024年 | 153篇 |
2023年 | 395篇 |
2022年 | 376篇 |
2021年 | 386篇 |
2020年 | 324篇 |
2019年 | 145篇 |
2018年 | 79篇 |
2017年 | 12篇 |
2016年 | 9篇 |
2015年 | 2篇 |
2014年 | 9篇 |
2013年 | 12篇 |
2012年 | 17篇 |
2011年 | 17篇 |
2010年 | 21篇 |
2009年 | 14篇 |
2008年 | 24篇 |
2007年 | 18篇 |
2006年 | 13篇 |
2005年 | 16篇 |
2004年 | 13篇 |
2003年 | 9篇 |
2002年 | 6篇 |
2001年 | 14篇 |
2000年 | 9篇 |
1999年 | 6篇 |
1998年 | 5篇 |
1997年 | 2篇 |
1996年 | 3篇 |
1995年 | 1篇 |
1994年 | 8篇 |
1993年 | 2篇 |
1992年 | 4篇 |
1991年 | 2篇 |
1990年 | 4篇 |
1989年 | 4篇 |
1987年 | 2篇 |
排序方式: 共有2136条查询结果,搜索用时 15 毫秒
31.
32.
中医药是中华民族的瑰宝,随着人工智能(Artificial Intelligence,AI)的迅猛发展,中医药与AI的结合将可以为中医药的传承和现代化提供助力。本研究将从搭建AI中医专家系统入手,阐述AI对提高中医诊断的作用,物联网搭建AI中医药服务,存在的问题和对策,以及中医药人工智能化的前景,以图为中医药的发展提供新的思路和方法。 相似文献
33.
目的评估并比较基于不同机器学习算法建立的乳腺癌超声影像组学预测模型的诊断性能。 方法回顾性收集2017年1月至2019年4月就诊皖南医学院第一附属医院、有明确病理结果的乳腺肿块病例828例,以2018年8月31日为节点将其分为训练集(526例)和验证集(302例),提取肿块的超声影像组学特征并进行特征筛选,运用k最近邻(kNN)、逻辑回归(LR)、朴素贝叶斯(NB)、随机森林(RF)和支持向量机(SVM)5种机器学习算法分别建立预测模型,使用重复交叉验证方法做内部验证,计算比较各模型的敏感度、特异度、阳性预测值(PPV)和阴性预测值(NPV),并实施外部验证,绘制ROC曲线并比较ROC曲线下面积(AUC)以评价模型的鉴别诊断性能,绘制校准曲线评价模型校准度。 结果从提取的109个影像组学特征中筛选出19个特征建立了5种机器学习算法模型。在内部验证中,5种模型的敏感度、特异度、PPV、NPV比较,总体差异均有统计学意义(P均<0.001)。LR模型的特异度、PPV、NPV中位数分别为0.769、0.816、0.778,3项指标均高于其他4种模型;敏感度中位数为0.824,高于kNN、RF和SVM模型。此外,SVM模型的特异度、PPV、NPV中位数分别为0.706、0.774、0.759,虽均低于LR模型,但均高于其他3种模型。在外部验证中,LR、SVM、RF、kNN和NB的AUC依次为0.890、0.832、0.821、0.746和0.703,其中LR与SVM的AUC差异有统计学意义(P=0.012);此外,各模型在校准性能上表现并不一致,LR和SVM模型的校准曲线显示乳腺癌实际概率与预测概率之间的一致性较好。 结论以超声影像组学特征为基础,运用不同机器学习算法建立的乳腺癌超声预测模型,均表现出较高的诊断性能,其中LR模型表现最为突出;选择合适的机器学习算法有助于进一步提高预测模型的诊断性能,提供更加准确的量化预测结果。 相似文献
34.
急性呼吸窘迫综合征(ARDS)在临床治疗中个体化差异较大,精准医疗的需求明显。以人工智能为代表的大数据分析技术可以在ARDS早期预警、表型分析和机械通气智能调节方面给予临床医生帮助,推动患者诊疗的精准化实施。目前大数据技术在ARDS的应用还处于起步阶段,未来发展潜力巨大。 相似文献
35.
目的 评估基于脑电小波指数的人工智能给药系统在临床中应用的可行性和安全性。方法 入选择期行腹腔镜结直肠癌根治术患者52例,以随机数字表法分为人工智能给药组(IT组)和手动调节组(CT组)。IT组在麻醉诱导和维持阶段均由人工智能给药系统基于脑电小波指数自动调节瑞芬太尼和丙泊酚输注速率。CT组在麻醉诱导和维持阶段均采用恒速泵来手动调节瑞芬太尼和丙泊酚输注速率。2组均设定目标镇静指数(WLi)、镇痛指数(PTi)为40~60。记录患者术中瑞芬太尼和丙泊酚用药剂量、干预调节的次数;记录患者诱导前(T0)、诱导后(T1)、手术开始即刻(T2)、手术开始后1 h(T3)、手术结束时(T4)的心率(HR)、平均动脉压(MAP)、血压差(ΔP);记录术中给予血管活性药物的剂量、麻醉结束后拔管时间、术后麻醉恢复室(PACU)停留时间、不同血压水平持续时间占总手术时长的百分比、术中不良事件和术后7 d内的并发症。结果 与CT组相比,IT组术中丙泊酚的用量及干预调节次数明显降低(P<0.05);IT组术中低血压总占比及血管活性药物使用剂量明显低于CT组(P<0.05);2组术中不良事件发生率及术... 相似文献
36.
通过对古代舌诊文献梳理归纳,以及对现代齿痕舌深度研究,追溯其源流,探讨其临床意义。通过文献梳理发现齿痕舌在古文献提及很少,直到清代才有相关记载并赋予其临床意义,但描述多为复合舌象,其临床意义为气虚、脾虚、阳虚、寒湿、气滞血瘀。现代研究继承清代的成果,齿痕舌与气虚、阳虚、痰湿相关,同时与亚健康相关,系统阐释了齿痕舌的临床意义。基于人工智能对舌象齿痕的提取,以及对齿痕舌的客观量化,指出目前研究的不足,展望了人工智能与诊断结合的应用前景。 相似文献
37.
目的探讨采用基于"人工智能(AI)的骨龄辅助评价系统(上海初云医疗科技有限公司与四川大学华西第二医院合作开发)"(以下简称为AI系统)对完全性生长激素缺乏症(CGHD)患儿诊断及骨龄评价准确性。 方法选择2014年7月至2019年11月,于四川大学华西第二医院确诊的66例来自四川地区CGHD患儿为研究对象,纳入研究组。选择同期于病例收集医院儿童保健科进行骨龄测定的67例来自四川地区身高达标儿童作为对照,纳入对照组。对每例受试儿进行左手腕关节正位X射线摄片骨龄测定,由2位医师采用《TW2骨龄评分法中国未成年人南方标准》(以下简称为TW2CHN)》与《TW3骨龄评分法标准》(以下简称为TW3),盲法评价受试儿TW2CHN-桡、尺、掌指骨(RUS)与TW2CHN-腕骨(carpal)、TW2CHN-20、TW3-RUS及TW3-carpal骨龄(以下简称为5种传统骨龄),以及以同性别、年龄身高达标儿童5种传统骨龄为标准,计算受试儿5种传统骨龄百分位数。同时,采用AI系统分别对每例受试儿采取TW2CHN与TW3法,评价其AI-TW2CHN-RUS、AI-TW2CHN-carpal、AI-TW2CHN-20、AI-TW3-RUS及AI-TW3-carpal骨龄(以下简称为5种AI骨龄)及其相应百分位数。以上述5种传统骨龄+5种AI骨龄(以下简称为10种骨龄)相应的P50、P25、P10、P3值(统称为Pn值)作为诊断CGHD患儿临界值,分别计算其诊断CGHD患儿的敏感度、特异度、约登(Youden)指数、准确率、阳性似然比、阴性似然比、阳性预测值、阴性预测值。采用Kappa值评价2组受试儿5种传统骨龄百分位数与对应的5种AI骨龄百分位数评价结果的一致性,以及2位医师对2组受试儿TW2CHN-RUS骨龄百分位数评价结果一致性。绘制上述10种骨龄百分位数诊断CGHD患儿的受试者工作特征(ROC)曲线,并计算曲线下面积(AUC)。采用配对t检验,对2组受试儿TW2CHN骨龄与TW3骨龄进行比较。本研究遵循的程序符合2013年新修订的《世界医学协会赫尔辛基宣言》要求。2组受试儿年龄、性别构成比等一般临床资料比较,差异均无统计学意义(P>0.05)。 结果①采用10种骨龄的Pn值分别作为诊断CGHD临界值,对133例受试儿CGHD诊断结果显示,除了TW3-RUS骨龄中,以骨龄≤P10作为诊断CGHD患儿临界值时的诊断准确率最高(85.0%),TW2CHN-RUS、TW2CHN-carpal、TW2CHN-20、TW3-carpal、AI-TW2CHN-RUS、AI-TW2CHN-carpal、AI-TW2CHN-20、AI-TW3-carpal、AI-TW3-RUS骨龄中,均为以骨龄≤P25作为临界值时,对CGHD的诊断准确率最高,分别为81.9%、75.2%、88.0%、78.2%、75.2%、73.6%、81.2%、72.9%、78.9%。②一致性检验结果显示,2组受试儿TW2CHN-RUS与AI-TW2CHN-RUS、TW2CHN-carpal与AI-TW2CHN-carpal、TW2CHN-20与AI-TW2CHN-20、TW3-RUS与AI-TW3-RUS、TW3-carpal与AI-TW3-carpal骨龄百分位数评价结果均为中等一致性,Kappa值分别为0.445、0.578、0.570、0.446、0.430(均为P<0.001)。③对2位医师对2组受试儿TW2CHN-RUS骨龄百分位数评价结果进行一致性检验显示,其Kappa值为0.790(P<0.001),一致性较高。④绘制10种骨龄百分位数评价结果诊断CGHD的ROC曲线分析结果显示,TW2CHN-RUS、TW2CHN-carpal、TW2CHN-20、TW3-carpal、TW3-RUS、AI-TW2CHN-RUS、AI-TW2CHN-carpal、AI-TW2CHN-20、AI-TW3-carpal、AI-TW3-RUS骨龄百分位数诊断CGHD患儿的AUC分别为0.932、0.859、0.915、0.895、0.844、0.823、0.805、0.866、0.860、0.764(均为P<0.001)。⑤133例受试儿的TW3-RUS、TW3-carpal、AI-TW3-RUS、AI-TW3-carpal骨龄,均分别显著低于TW2CHN-RUS、TW2CHN-carpal、AI-TW2CHN-RUS、AI-TW2CHN-carpal骨龄,并且差异均有统计学意义(t=21.746、25.287、16.498、9.290,P<0.001)。 结论TW2CHN法、TW3法对CGHD患儿骨龄评价及诊断均有临床价值,TW2CHN-RUS骨龄对于CGDH患儿诊断效能高。四川地区儿童TW3骨龄较TW2CHN骨龄低,TW3法可能不完全适用于四川地区儿童骨龄评价。AI系统对于四川地区CGHD患儿骨龄评价结果与传统骨龄评价结果具有中等一致性,可为临床医师评价受试儿骨龄提供帮助。 相似文献
38.
39.
目的:分析人工智能(AI)辅助系统在宫颈病变细胞学诊断中的应用效果。方法:收集宫颈液基薄层细胞学(TCT)标本2 719例,同时进行AI辅助阅片和人工阅片,比较两者的一致性。以活体组织检查结果为金标准,比较AI辅助阅片和人工阅片的准确性,诊断高级别病变及癌的敏感性、特异性及ROC曲线下面积。结果:AI辅助阅片和人工阅片的细胞学分级诊断结果基本一致。AI辅助阅片在诊断低级别病变及炎症的准确率高于人工阅片(P<0.01)。在诊断高级别病变及癌方面,AI辅助阅片敏感性为82.1%,高于人工阅片的敏感性48.3%;AI辅助阅片特异度为94.3%,略低于人工阅片的特异度95.0%;AI辅助阅片的ROC曲线下面积为0.882,大于人工阅片的ROC曲线下面积0.717(P<0.01)。结论:AI辅助阅片在宫颈癌诊断方面准确度较高,不仅能提高宫颈癌筛查的覆盖率,而且能提高筛查质量,能够在广大人群中得到广泛推广。 相似文献
40.