智能问答系统在医学领域的应用研究

智能问答系统可以快速、准确地为用户提供信息服务,是自然语言处理领域的备受关注的研究方向。在医学知识服务领域,也具有很好的应用前景和发展空间。论文首先简述了医学领域智能问答系统的研究情况,其次就医学智能问答系统中的问题分析、信息检索、答案抽取三个组成部分及其关键技术进行了分别阐述;最后对其在中医方面的应用进行了阐述,并对医学智能问答系统的进一步发展提出了展望。     

AI赋能医学遗传学教学

人工智能(AI)是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。目前的人工智能主要有机器人领域、语言识别领域、图像识别领域和专家系统等。赋能教育教学,助教师一臂之力是AI应用的一个重要方面。随着AI与教育融合的深入,教师将与智能教学助理协同工作。本文以我们的"机器人""小优"赋能医学遗传学教学为例介绍AI在教学上的实际应用。     

人工智能在口腔疾病诊断中的研究进展

人工智能（AI）作为一种新兴的科学技术逐渐渗透到各个专业领域并开拓未知之地。目前,AI在医学领域推动智能医学的迅速发展,是现代医学未来的发展方向之一。文章简要阐述了AI的基本概念,综述了AI在口腔外科领域、口腔内科领域、口腔修复学领域、口腔正畸学领域诊断口腔疾病的发展现状和存在的问题及未来展望。现阶段AI辅助诊断处于初级阶段,随着临床诊疗数字化技术和便携式实验室诊断仪器的研发,将扩大AI学习的数据来源,使得数据不仅仅局限于传统的影像资料,还包括疾病生物标志物、各类光谱信号、大数据文本资料等,甚至是打破数据之间的壁垒,利用各类数据整合出混合数据库,建立临床大数据疾病预警系统,诊病于未病之时。     

医学免疫学课程特点及学习要点

医学免疫学是生物学、基础医学、临床医学、预防医学和兽医学等学科中重要的核心课程[1],亦是参加执业医师考试必考的基础课程,其理论及技术在医学和生命科学相关领域已广泛应用[2]。可见,要想成为一名合格的医生,必须学好医学免疫学。笔者执教医学免疫学近30年,常受邀解答学生提出的各种疑问,现结合教学体会,谈几点看法供参考。     

利用水凝胶设计组织再生微环境

水凝胶如何为细胞、组织的生长提供三维微环境已成为组织工程和再生医学领域的研究热点,生物活性分子修饰获得的智能水凝胶是能够促进组织再生的重要生物材料。根据水凝胶的来源,可将其分为天然和合成水凝胶两种类型。水凝胶的设计策略主要包括凝胶降解敏感位点的设计、生物黏附性的获得、生长因子和细胞因子对凝胶的修饰以及再生组织的血管重建。此外,本文以智能水凝胶在软骨组织工程、神经组织工程等方面的应用为例,阐述了水凝胶在组织工程和再生医学领域的突出研究进展。     

“三全育人”理念下医学留学生医德教育创新模式研究

随着我国改革开放的不断深入和国际影响力的提升,中国已成为除美国、英国之外的全球第三大留学目的国。仅2018年1年,就有来自196个国家和地区的近5万名留学生来华学习[1]。留学生群体数量的增加,一方面增强了我国经济和教育水平,同时也在留学生教育方面提出了更多挑战。来华留学生对于专业的选择逐渐呈现出多元化发展的趋势,从早期单纯的汉语专业逐步扩展到经济、机械制造、医学等多领域。其中,医学留学生数量的增幅更是达到了50%。为了促进来华医学留学生教育事业的健康发展,教育部颁发了《来华留学生医学本科(英语授课)试行质量控制标准及相关规定》,提出在注重医学技能的同时也要培养学生良好的职业道德[2]。     

希望理论: 一个新的心理发展视角

从二十世纪五十年代起 ,心理学和精神医学领域开始关注“希望” (ｈｏｐｅ)这个概念 ,很多的研究都证明个人内在的希望水平的高低与其心理发展和健康状况有显著的相关 (例如 ,Ｆｒｅｎｃｈ [1] ,195 2 ;Ｍｅｎｎｉｎｇｅｒ[2 ] ,195 9;Ｆｒａｎｋ[3 ] ,1968;Ｌａｚａｒｕｓ[4]     

医学图像深度学习处理方法的研究进展

由于医学图像数据爆炸式增长,传统依靠医生人工对医学图像进行分析诊断,不仅工作效率低下,工作量大,还容易误诊、漏诊。随着人工智能(artificial intelligence,AI)技术的发展与应用,机器学习(machine learning,ML),尤其是深度学习(deep learning,DL)在医学图像分析领域发挥着越来越重要的作用。本文对DL在医学图像自动分割和分类识别中的研究进展进行综述,为DL在解决医学图像分析诊断方面提供有益参考。     

观察动物微循环的实验方法

<正>微循环学是医学领域中一门新兴的边缘学科,在Johansen等[1]撰写的两栖类动物微循环一书中介绍青蛙肺的微循环是1661年由Malpighi观察到,之后Krogh(1921年)、Landis(1926年)、Fulton(1941年)观察了两栖类动物蛙的舌和肠系膜微循环     

培养医学生机器学习的实践素养

机器学习(ML)正快速发展为可辅助特定医学决策的临床人工智能(AI)系统.但是,目前ML面临临床数据不均一性高、临床任务机器转化难度大等限制因素.未来"智能"医生应当主导围绕临床目标和临床数据的医学和AI的创新.因此,在医学生实习或住院医师培训中以案例学习的形式,加入对ML所需最小样本量的估算和数据高级特征的临床解读等...