全文获取类型
收费全文 | 101篇 |
免费 | 7篇 |
国内免费 | 1篇 |
专业分类
基础医学 | 1篇 |
临床医学 | 11篇 |
内科学 | 1篇 |
特种医学 | 15篇 |
外科学 | 3篇 |
综合类 | 36篇 |
预防医学 | 42篇 |
出版年
2024年 | 1篇 |
2023年 | 2篇 |
2022年 | 3篇 |
2021年 | 2篇 |
2020年 | 2篇 |
2019年 | 5篇 |
2018年 | 1篇 |
2016年 | 2篇 |
2014年 | 3篇 |
2013年 | 2篇 |
2012年 | 8篇 |
2011年 | 10篇 |
2010年 | 10篇 |
2009年 | 3篇 |
2008年 | 3篇 |
2007年 | 7篇 |
2006年 | 16篇 |
2005年 | 4篇 |
2004年 | 5篇 |
2003年 | 2篇 |
2001年 | 3篇 |
2000年 | 3篇 |
1999年 | 3篇 |
1997年 | 3篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 2篇 |
1990年 | 1篇 |
排序方式: 共有109条查询结果,搜索用时 46 毫秒
1.
2.
<正> 坏死性结肠炎临床上并不少见,但涉及整个结肠并发大量气腹报道较少,笔者遇到一例并经手术证实,现报道如下。 相似文献
3.
支气管动脉灌注化疗联合直线加速器放射治疗Ⅲa期非小细胞肺癌 总被引:1,自引:1,他引:0
目的 研究支气管动脉灌注化疗联合直线加速器放射治疗Ⅲa期非小细胞肺癌 (NSCLC)的可行性及临床价值。方法 76例NSCLC患者随机分成A、B 2组 ,A组先行 2次支气管动脉灌注化疗 (BAI) ,第 2次BAI 1~ 2周后再行直线加速器放射治疗 (RT) ;B组单纯行 2次BAI (对照组 )。结果 临床疗效 ,A组 (BAI RT)和B组 (BAI)分别为 89.47%和 60 .5 3% (Ρ <0 .0 1) ;1、3年生存率 ,A、B组分别为 81.5 8%、5 0 .0 0 %和 60 .5 3%、2 1.0 5 % ( 0 .0 1<Ρ <0 .0 5 )。结论 支气管动脉灌注化疗联合直线加速器放射治疗Ⅲa期非小细胞肺癌的临床疗效和患者 1、3年生存率均显著提高 相似文献
4.
目的探讨基于CT的影像组学模型对腺性膀胱炎(CG)与膀胱癌的鉴别诊断效能。方法回顾性分析经病理证实的40例CG (CG组)和70例膀胱癌(膀胱癌组),均于术前接受盆腔平扫和三期增强CT扫描。分别在平扫、动脉期、静脉期及延迟期CT图像上勾画三维容积感兴趣区(VOI),提取影像组学特征。将按7∶3随机将患者分入训练集与测试集。对各期CT影像组学特征数据行归一化处理,以最小冗余最大相关法(mRMR)、最小绝对收缩和选择算法(LASSO)及5折交叉验证进行特征降维;采用多因素Logistic回归分析建立影像组学模型。以受试者工作特征(ROC)曲线评价各模型的诊断效能,采用Delong检验评价其效能差异,以决策曲线分析评估模型临床应用价值。采用Hosmer-Lemeshow检验和校正曲线评估模型拟合度。结果分别基于平扫、动脉期、静脉期、延迟期影像组学特征建立了模型1、2、3、4,各纳入4、7、5及6个特征;其鉴别诊断CG与膀胱癌的曲线下面积(AUC)均0.80,且Delong检验表明不同模型间AUC值差异无统计学意义(P均0.05)。模型2在测试组的AUC=0.939,高于其他模型。决策曲线分析表明,模型2用于临床鉴别CG与膀胱癌的净获益最高,Hosmer Lemeshow拟合优度检验显示模型2预测结果与实际结果差异无统计学意义(训练集:χ~2=8.75,P=0.36;测试集:χ~2=4.72,P=0.79);校正曲线显示模型2的拟合效果较好。结论基于各时相盆腔CT影像组学模型均可用于辅助临床鉴别诊断CG与膀胱癌,其中基于动脉期影像组学模型的诊断效能最高。 相似文献
5.
6.
7.
本文详细叙述了美国GP公司TM210运动负荷平板系统由于仪器比较老,而且是在DOS状态下工作,运行程序经常无缘无故出错,经过一段时间的摸索,找到了简单的方法,迅速修复,保证了设备的正常运行。 相似文献
8.
9.
【摘要】目的:探讨基于常规MRI的影像组学模型对预测软组织肉瘤(STS)复发的价值。方法:回顾性分析2012年1月-2021年6月在本院经手术病理证实的92例STS患者的临床和影像资料。术后每3个月进行一次影像学检查,随访时间至少12个月以上,根据随访结果有无复发或远处转移分为复发组(27例),无复发组(65例)。采用完全随机方法将所有患者按7:3的比例分为训练集(n=65)和验证集(n=27)。使用ITK-SNAP软件,分别在T1WI和压脂T2WI上逐层沿肿瘤边缘手动勾画ROI并进行三维融合(VOI),然后使用AK软件提取纹理特征,使用最小冗余最大相关(mRMR)和最小绝对值收敛和选择算子(LASSO)回归分析方法分别对T1WI序列、压脂T2WI序列和联合序列的纹理特征进行降维和筛选,并建立影像组学模型,根据各个组学特征的权重系数计算影像组学评分(Radscore),运用100次留组交叉验证(LGOCV)方法来评估模型的可靠性。将临床病理、常规MRI特征与预测效能最高的影像组学模型的Radscore相结合,采用多因素logistic回归(LR)、随机森林(RF)和支持向量机(SVM)三种机器学习算法分别建立机器学习模型。采用受试者工作特征(ROC)曲线评价各模型的预测效能,应用决策曲线分析(DCA)评估模型的临床应用价值。结果:临床模型在训练集和验证集中预测STS复发的ROC曲线下面积(AUC)分别为0.71(95%CI:0.58~0.85)和0.74(95%CI:0.52~0.97)。基于T1WI、压脂T2WI和联合序列的影像组学模型在训练集中预测STS复发的AUC分别为0.81(95%CI:0.70~0.93)、0.92(95%CI:0.86~0.99)和0.91(95%CI:0.84~0.99),在验证集中分别为0.84(95%CI:0.63~1.00)、0.92(95%CI:0.81~1.00)和0.86(95%CI:0.72~1.00)。采用机器学习算法构建的LR、RF和SVM模型在训练集中预测STS复发的AUC分别为0.93(95%CI:0.87~0.99)、0.91(95%CI:0.84~0.99)和0.77(95%CI:0.63~0.91),在验证集中分别为0.93(95%CI:0.83~1.00)、0.86(95%CI:0.71~1.00)和0.83(95%CI:0.66~1.00)。DCA分析结果表明,压脂T2WI和联合序列的影像组学模型、以及LR和RF模型的临床受益均较好。结论:基于常规MRI序列中的压脂T2WI和联合序列构建的影像组学模型对预测STS复发具有较高的预测效能和较好的临床受益,基于不同机器学习算法构建的预测模型的预测效能并无明显提高。 相似文献