首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   523篇
  免费   200篇
  国内免费   18篇
耳鼻咽喉   8篇
儿科学   3篇
妇产科学   2篇
基础医学   98篇
口腔科学   10篇
临床医学   97篇
内科学   38篇
神经病学   30篇
特种医学   72篇
外科学   45篇
综合类   158篇
预防医学   58篇
眼科学   19篇
药学   33篇
  1篇
中国医学   43篇
肿瘤学   26篇
  2024年   9篇
  2023年   215篇
  2022年   142篇
  2021年   134篇
  2020年   106篇
  2019年   48篇
  2018年   28篇
  2017年   6篇
  2016年   5篇
  2015年   9篇
  2014年   5篇
  2013年   3篇
  2012年   3篇
  2011年   2篇
  2010年   2篇
  2009年   2篇
  2008年   8篇
  2007年   4篇
  2006年   6篇
  2005年   1篇
  2004年   2篇
  2002年   1篇
排序方式: 共有741条查询结果,搜索用时 15 毫秒
1.
2.
目的 本研究旨在探讨原发性高血压患者脉图参数与心血管危险分层的相关性,为原发性高血压患者心血管风险事件预警提供中医特色的依据。方法 采集435例原发性高血压患者的症状体征、脉象信息、生化指标等,分为低中危组、高危组、很高危组,采用单因素方差分析、秩和检验、有序logistic回归分析等方法,探讨原发性高血压患者脉图参数与心血管危险分层的相关性。结果 ①高血压低中危组→高危组→很高危组患者病程逐渐延长,两两组间比较有统计学差异;②高血压低中危组→高危组→很高危组患者的脉图参数H3/H1、H4/H1逐渐上升;高血压患者很高危组H5/H1、T1/T低于低中危组;③有序logistic回归分析结果显示,脉图参数T1、T4、T5、T为影响因素。结论 病程、血脂、肾功能是高血压患者心血管危险分层的影响因素之一。心血管危险分层等级的升高与脉图参数H3/H1、H4/H1、T5、T的升高及H5/H1、T4、T1的降低相关,说明脉图能一定程度上反映原发性高血压患者血管壁增厚、血管内壁受损、血管硬化及左心室收缩功能的减退程度。  相似文献   
3.
裴生新  张竞  张中  彭玉兰   《四川医学》2022,43(9):928-931
<正>2020年全球癌症报告统计显示,乳腺癌已超过肺癌成为全球内最高发的癌症[1]。乳腺癌的早期诊断是乳腺癌控制的关键步骤,早期的检测往往意味着乳腺癌患者可以获得更好的治疗以及远期预后[2]。现阶段,针对乳腺肿瘤的早期诊断主要依赖于影像检查和病理活检[3]。其中影像学检查中超声检查较其他方法具有无辐射、快速、价格低廉、便捷等特点,是乳腺肿瘤快速筛查的有效手段。但是在目前的影像诊断中,主要是基于医师的主观评估,缺乏定量诊断的依据。近年来,  相似文献   
4.
目的 探讨基于一般线性模型(GLM)的机器学习方法在血氧水平依赖功能磁共振成像(BOLD-fMRI)定位脑胶质瘤患者个体化运动功能中的应用价值。方法 前瞻性研究。纳入2017年11月—2021年11月西安交通大学第一附属医院神经外科确诊为脑胶质瘤且病灶位于大脑运动功能区的38例患者作为机器学习模型的验证集(男25例、女13例,年龄24~69岁),同期招募健康志愿者50例作为模型的训练集(男26例、女24例,年龄22~68岁)。采用独立成分分析法(ICA),随机提取98例人类连接组计划(HCP)受试者的静息态功能核磁共振(rs-fMRI)特征。依据健康志愿者的rs-fMRI和基于任务的功能磁共振(tb-fMRI)的相关性,训练基于GLM的机器学习模型。观察项目:(1)采用Pearson相关系数(CC)分析比较GLM预测的激活与实际激活的相似度。(2)采用Dice系数(DC)作为模型预测效能的定量指标,比较GLM与ICA方法的预测效能。结果 (1)胶质瘤患者基于GLM的机器学习方法所预测的激活与实际tb-fMRI的功能激活相似度高[(89.47% (34/38)的患者CC值>0.30)]。(2)胶质瘤患者GLM预测任务态运动功能激活的效能,DC为0.34(0.27,0.42),优于ICA方法的效能DC 0.26(0.16,0.30),差异有统计学意义(Z=-3.88,P<0.001);GLM在肿瘤半球的预测效能优于ICA方法,DC分别为0.36(0.17,0.48)和0.34(0.04,0.45),差异有统计学意义(Z=-2.43,P=0.015);2种方法在非肿瘤半球的预测效果均显著高于肿瘤半球(Z=-4.33、-3.59,P值均<0.001)。结论 基于GLM的机器学习方法能够很好地在术前利用rs-fMRI数据预测出胶质瘤患者的tb-fMRI运动功能激活,且其预测效果好于ICA方法。  相似文献   
5.
放射治疗是癌症的主要治疗手段之一,以机器学习为代表的人工智能飞速发展,可应用于放射治疗临床实践的各个环节,包括临床决策支持、自动勾画靶区、预测疗效和副反应等,提高准确性与效率。尽管面临着结构化数据缺乏、模型可解释性差等挑战,机器学习在放射治疗中的应用将日趋深刻而广泛。本文从机器学习简介、在放射治疗中的临床应用研究进展和挑战与解决之道等3个方面展开综述。  相似文献   
6.
近年来,人工智能在心律失常领域展现出巨大的潜力。智能研究和心律失常的结合给疾病的预防、诊断和治疗带来巨大变革。本文将就人工智能分别在心律失常诊断、挖掘疾病新特征、建立疾病预测模型、局限性及展望四个方面作一阐述。  相似文献   
7.
目的 利用宫颈MRI图像提取影像组学特征,建立随机森林模型识别ⅠA期宫颈癌与高级别鳞状上皮内病变(high-grade squamous intraepithelial lesion,HSIL).材料与方法 回顾性分析经手术病理证实的43例ⅠA期宫颈癌患者与51例HSIL患者,按照4:1的比例设置训练集(ⅠA=34,HSIL=41)与测试集(ⅠA=9,HSIL=10).收集其术前MRI图像,经预处理后上传至影像组学云平台,分别在OSag-T2WI、OAx-T1WI以及OAx-T2FS上逐层手动勾画宫颈,获得宫颈三维容积感兴趣区(volume of interest,VOI),提取组学特征.采用方差阈值分析法(Variance Threshold)、单变量特征选择法(SelectKBest)以及最小绝对值收缩和选择法(least absolute shrinkage and selection operator,LASSO)进行数据降维、特征选择.采用随机森林模型进行机器学习,绘制ROC曲线,分析不同序列组学模型的诊断效能.结果 基于OSag-T2WI、OAx-T1WI、OAx-T2FS以及OSag-T2WI联合OAx-T2FS分别得到8个、10个、6个以及9个有效特征.以OSag-T2WI联合OAx-T2FS的组学特征值建立的随机森林模型诊断效能最高,AUC为0.89[95%CI(0.74~1.00)];基于OAx-T1WI的模型诊断效能最低,AUC为0.51[95%CI(0.23~0.78)].结论 基于MRI的影像组学随机森林模型可以较好地在没有明确病灶的情况下区分ⅠA期宫颈癌与HSIL,对于术前减少侵入性检查与指导术式有着重大的意义.  相似文献   
8.
阿尔茨海默病(AD)是一种最常见的神经退行性疾病,且已有研究证实其表型易受遗传因素的影响。近年来,随着多模态脑成像和高通量基因组学在医学影像中广泛应用,通过数据挖掘、数学建模等方法,探索影像与基因的关联分析已成为新的热点。目前,用影像与基因特征联合分析来研究AD,并在AD的早期诊断、分类和预后分析等方面该技术的应用已经取得了重大的进展。首先对影像与基因特征分析技术进行概述,然后阐述了统计学及机器学习方法在影像与基因特征联合分析中的应用,最后对该技术的发展前景进行了展望。  相似文献   
9.
目的 筛选新生儿发生败血症休克的危险因素,建立新生儿败血症休克临床预测模型。方法 选取2016年1月1日—2019年12月31日重庆医科大学7家附属医疗机构中患有败血症的新生儿,根据是否发生败血症休克分为研究组和对照组。采用单因素分析、LASSO和logistic回归分析筛选危险因素。采用logistic、极端梯度提升(XGBoost)、随机森林(RF)、分类回归树(CART)和人工神经网络(ANN)建立新生儿败血症休克预测模型,根据灵敏度、特异度、曲线下面积等指标评估模型性能。结果 本研究中,共有339名败血症新生儿发生败血症休克,1 356名败血症新生儿未发生败血症休克。单因素分析筛选出31项差异指标,多因素分析筛选出12项独立危险因素。测试集中,logistic、XGBoost、RF、CART、ANN模型的曲线下面积分别为0.856 (0.809~0.903),0.861 (0.819~0.904),0.880 (0.838~0.922),0.835 (0.790~0.881),0.808 (0.756~0.860)。结论 本文构建的五种预测模型相对稳定,其中,RF模型的预测性能最佳,能为新生儿败血症休克提供较好的预测。  相似文献   
10.
脑部胶质瘤是临床中常见的一种原发性脑肿瘤,具有复发率高、死亡率高以及治愈率低的特点。常规临床诊断主要依靠计算机断层扫描(CT)和磁共振成像(MRI)检查技术进行鉴别。随着成像技术和机器学习方法的不断发展,多模态影像智能分析技术已经逐步成为研究热点,在脑胶质瘤的病灶分割测量、肿瘤分级、预后生存周期预测和基因型辨别等方面具有重要的应用前景。本文重点介绍基于机器学习和多模态影像在脑胶质瘤临床辅助诊断和预后评估中的应用进展。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号