全文获取类型
收费全文 | 2372篇 |
免费 | 475篇 |
国内免费 | 99篇 |
专业分类
耳鼻咽喉 | 19篇 |
儿科学 | 17篇 |
妇产科学 | 13篇 |
基础医学 | 153篇 |
口腔科学 | 68篇 |
临床医学 | 406篇 |
内科学 | 242篇 |
皮肤病学 | 10篇 |
神经病学 | 39篇 |
特种医学 | 273篇 |
外科学 | 192篇 |
综合类 | 736篇 |
预防医学 | 264篇 |
眼科学 | 132篇 |
药学 | 127篇 |
26篇 | |
中国医学 | 133篇 |
肿瘤学 | 96篇 |
出版年
2024年 | 266篇 |
2023年 | 638篇 |
2022年 | 605篇 |
2021年 | 583篇 |
2020年 | 352篇 |
2019年 | 146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 | 17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2946条查询结果,搜索用时 15 毫秒
1.
2.
《影像诊断与介入放射学》2020,(2):135-137
近十年来,人工智能(artificial intelligence,AI)在医学领域发展迅速,很大程度上得益于机器学习(machine learning,ML)技术的发展与进步,而机器学习也成为医学领域创新的新引擎。医学成像领域中,机器学习对图像重组、病变分割、计算机辅助检测(computer-aided detection,CADe)和诊断(computer-aided diagnosis,CADx)等方面的优化产生了积极影响[1,2]。与传统的医学图像分析技术相比,机器学习技术不需要由医学及技术领域专家为特定分析制定明确相关的功能。 相似文献
3.
生物医学知识整合论(X) 总被引:3,自引:3,他引:0
本文从联结度演化的角度描述了人工智能各种知识表达的关系。还讨论了人工智能领域(AI)和数学领域旷日持久的哲学争论与生物医学知识整合论(BMKI)在生物医学知识属性探讨中发现、提出和得出的一系列讨论或结论的同源性、对应性、互析(晰)性。并首次提出如下新概念:准无穷概念及其在理性与非理性相互转化中的作用;准物理性知识概念及其对物理系统的开放性、不可确定性的依附性;“大或空闻”概念及其与科学联想的关系等。笔者相信在生物医学信息学(BMI)的知识工程学的发展中,将不可避免地会遇到这些新概念。 相似文献
4.
5.
6.
背景 近年来,人工智能(AI)在医学领域发展迅速,在糖尿病视网膜病变(DR)中的应用范围不断扩展。目的 通过文献计量分析总结AI在DR领域的应用情况,阐明AI在DR领域相关研究的现状、热点和新兴趋势,以期为未来的研究提供思路。方法 以Web of Science数据库为来源,检索建库至2022-11-04的AI应用于DR领域的相关文献,运用CiteSpace软件对纳入文献进行发文量、国家、机构、作者、共被引和关键词的文献计量学分析。结果共获得1 770篇文献,2011年1月至2022年11月发文量总体呈上升趋势,2021年发文量达峰值(402篇)。中国是发文量(440篇)位居第1的国家,英国为中心性(0.26)最高的国家。机构合作网络图谱共纳入436家机构,以中山大学和首都医科大学为代表。作者合作网络图谱共纳入601位作者,以JIA Y L和HWANG T为代表。GULSHAN V、ABRàMOFF M D与TING D W 3位高被引作者对该领域做出了重要贡献。Ophthalmology、Invest Ophth Vis Sci和Ieee T Med Imaging是AI应用于DR领... 相似文献
7.
目的:调查医学生对人工智能(AI)及其医疗应用等问题的认知和态度,为新时期医学教育改革提供参考。方法:对上海市3所医学院的医学生展开网络问卷调查,问卷围绕AI相关问题进行设计,包括对AI及其医疗应用的了解程度及态度、如何应对AI相关职业竞争力、对现代医学教育看法等问题。结果:605份有效问卷中,539名医学生表示对AI医疗应用有一定了解,但程度较浅。多数医学生意识到AI医疗应用将带来职业挑战并期待将AI纳入医学教育。同时,他们认为现代医学教育应强化培养创新思维、批判性思维、交流沟通技能等。结论:医学生对AI带来的职业挑战认识清晰,对学习AI知识有明确的需求,医学教育应合理融入AI内容。 相似文献
8.
以ChatGPT为代表的生成式人工智能的迅速发展对高等教育教学产生着日益深远的影响。那么,生成式人工智能会给医学课程考核带来怎样的机遇和挑战?医学教师应该如何应对这一现状?文章基于米勒金字塔评价体系对医学课程考核方法进行了系统梳理,并从学习者的信息查询、信息甄别和信息应用三方面分析了生成式人工智能如何影响医学课程中的各级各类考核,发现上述影响主要集中在以文章写作为代表的“知道”和“理解”层面的考核中。在对医学课程考核中存在的问题进行分析和讨论的基础上,文章最后建议医科教师应该以积极的姿态拥抱人工智能新技术,并通过建立融合人工智能技术的多元化医科课程考核体系、强化人工智能时代医学生信息素养和元认知能力培养等手段践行课程考核改革,发展人工智能时代医学课程考核新形态。 相似文献
9.
专家系统是人工智能领域的重要分支。医学诊断专家系统可以作为医生诊断的一种辅助工具。本文以医学诊断专家系统理论研究、专项医学诊断专家系统和神经网络专家系统等三方面,对医学诊断专家系统的进展进行了回顾。 相似文献
10.