全文获取类型
收费全文 | 11019篇 |
免费 | 634篇 |
国内免费 | 127篇 |
专业分类
耳鼻咽喉 | 28篇 |
儿科学 | 23篇 |
妇产科学 | 18篇 |
基础医学 | 359篇 |
口腔科学 | 127篇 |
临床医学 | 1121篇 |
内科学 | 304篇 |
皮肤病学 | 63篇 |
神经病学 | 48篇 |
特种医学 | 377篇 |
外国民族医学 | 1篇 |
外科学 | 329篇 |
综合类 | 1915篇 |
预防医学 | 4099篇 |
眼科学 | 142篇 |
药学 | 2374篇 |
28篇 | |
中国医学 | 306篇 |
肿瘤学 | 118篇 |
出版年
2024年 | 303篇 |
2023年 | 805篇 |
2022年 | 788篇 |
2021年 | 736篇 |
2020年 | 481篇 |
2019年 | 208篇 |
2018年 | 116篇 |
2017年 | 83篇 |
2016年 | 99篇 |
2015年 | 202篇 |
2014年 | 568篇 |
2013年 | 500篇 |
2012年 | 698篇 |
2011年 | 751篇 |
2010年 | 759篇 |
2009年 | 777篇 |
2008年 | 674篇 |
2007年 | 589篇 |
2006年 | 524篇 |
2005年 | 501篇 |
2004年 | 402篇 |
2003年 | 269篇 |
2002年 | 108篇 |
2001年 | 91篇 |
2000年 | 64篇 |
1999年 | 42篇 |
1998年 | 29篇 |
1997年 | 99篇 |
1996年 | 63篇 |
1995年 | 90篇 |
1994年 | 97篇 |
1993年 | 133篇 |
1992年 | 47篇 |
1991年 | 35篇 |
1990年 | 23篇 |
1989年 | 20篇 |
1988年 | 1篇 |
1987年 | 3篇 |
1986年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 31 毫秒
1.
2.
罗国辉 《中国医院建筑与装备》2020,(1):18-22
物联网(Internet of Things,简称"IoT")技术是当前世界新一轮科技和经济发展的战略制高点之一。物联网是由传感技术感知物体,按照固定的协议实现任何时候物与物之间、人和物之间、人与人之间的互联互通,实现智能化识别、定位、跟踪及管理的网络,是信息技术和传感控制技术两者融合的产物。简单来说,物联网就是可以让人们所关注的事物在任何地方、任何时候都能被监控,其具有全面感知、可靠传递以及智能处理3个特点。物联网的核心是智能化,其在医院中的应用主要是实现对人的智能化医疗和对物的智能化管理工作,例如:实现婴儿防盗、无线输液管理、移动门诊输液管理等功能;用于医疗资产管理、资产定位,提升医疗器械调度效率。 相似文献
3.
4.
正目前,临床上对于直肠癌常用的影像评估方法有MRI、螺旋CT、PET-CT、直肠腔内超声(ERUS)等。而MRI作为首选检查方式,对肿瘤位置、浸润深度、淋巴结转移、血管侵犯、环周切缘及周围器官侵犯等方面的评估均具有明显优势~([1-2])。通过MRI诊断淋巴结的方法通常是影像科医师逐层浏览每一幅图像,从中识别淋巴结的形状、界限及密度来判断,这种传统方式耗时较长且存在主观偏倚,导致 相似文献
5.
阐述当前“人工智能+X”背景下市场对医学信息管理专业人才能力的需求,分析医学信息管理专业人才培养现状,提出从重塑学科人才培养目标、优化课程内容与课程设置、建设“双师型”导师队伍、搭建多方协同共建共享在线平台及设立“政用产学研”联合培养基地等方面探索医学信息管理专业研究生培养模式,以期培养适应人工智能时代发展,具备学科优势特色的高层次、高水平、高质量的复合型、应用型、创新型人才。 相似文献
6.
7.
目的:探讨六西格玛管理方案在口腔科器械管理中的应用效果。方法:研究时间为2018~2019年,自2019年1月起针对口腔科器械管理问题进行制度调整,全面实行六西格玛管理方案,通过定义、测量、分析、改进、控制5个步骤对管理内容进行优化,使口腔科全体医护人员都能够参与到器械管理工作中来,提高器械管理效果,2018年为实施前,2019年为实施后。比较实施前后器械管理评分,并采用问卷调查法了解实施前后口腔科医护人员对管理方案的满意度。结果:实施后口腔科的器械准备、器械维护、检修登记、器械交接等评分,均显著高于实施前(P<0.05)。实施后口腔科医生、护士对器械管理方案的满意度评分,均显著高于实施前(P<0.05)。结论:将六西格玛管理方案应用于口腔科的器械管理工作中,能够显著提升器械管理效果,使医护人员全面参与到器械管理工作中来,改善了医护人员对管理方案的满意度评价。 相似文献
8.
《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
9.