全文获取类型
收费全文 | 7880篇 |
免费 | 544篇 |
国内免费 | 191篇 |
专业分类
耳鼻咽喉 | 92篇 |
儿科学 | 79篇 |
妇产科学 | 98篇 |
基础医学 | 904篇 |
口腔科学 | 1493篇 |
临床医学 | 806篇 |
内科学 | 738篇 |
皮肤病学 | 49篇 |
神经病学 | 224篇 |
特种医学 | 287篇 |
外科学 | 1169篇 |
综合类 | 1091篇 |
预防医学 | 464篇 |
眼科学 | 147篇 |
药学 | 635篇 |
5篇 | |
中国医学 | 171篇 |
肿瘤学 | 163篇 |
出版年
2024年 | 31篇 |
2023年 | 241篇 |
2022年 | 450篇 |
2021年 | 488篇 |
2020年 | 434篇 |
2019年 | 274篇 |
2018年 | 199篇 |
2017年 | 188篇 |
2016年 | 198篇 |
2015年 | 198篇 |
2014年 | 414篇 |
2013年 | 454篇 |
2012年 | 411篇 |
2011年 | 432篇 |
2010年 | 340篇 |
2009年 | 350篇 |
2008年 | 301篇 |
2007年 | 284篇 |
2006年 | 309篇 |
2005年 | 284篇 |
2004年 | 245篇 |
2003年 | 237篇 |
2002年 | 211篇 |
2001年 | 147篇 |
2000年 | 140篇 |
1999年 | 122篇 |
1998年 | 98篇 |
1997年 | 114篇 |
1996年 | 103篇 |
1995年 | 90篇 |
1994年 | 101篇 |
1993年 | 70篇 |
1992年 | 86篇 |
1991年 | 52篇 |
1990年 | 56篇 |
1989年 | 45篇 |
1988年 | 41篇 |
1987年 | 54篇 |
1986年 | 47篇 |
1985年 | 42篇 |
1984年 | 37篇 |
1983年 | 30篇 |
1982年 | 14篇 |
1981年 | 28篇 |
1980年 | 23篇 |
1979年 | 15篇 |
1978年 | 14篇 |
1977年 | 24篇 |
1976年 | 14篇 |
1974年 | 10篇 |
排序方式: 共有8615条查询结果,搜索用时 15 毫秒
1.
2.
3.
目的通过检查有龋及无龋母亲的口腔卫生状况,并通过随访收集其婴儿1个月(1月龄)及6个月(6月龄)的唾液样本测序分析,观察母亲患龋情况对其婴儿口腔微生物多样性的影响。方法通过筛查收集1月龄婴儿的唾液样本;于首次采样时记录母亲的口腔卫生状况,根据母亲患龋情况将婴儿分为母亲有龋组(简称有龋组)和母亲无龋组(简称无龋组),跟踪随访至婴儿6个月时再次收集唾液样本。通过高通量测序的方法,分析婴儿不同月龄微生物多样性的变化。结果本研究随访受试者10例(男6例,女4例),其中有龋组7例,无龋组3例,各组间的微生物群落多样性Shannon指数均无显著性差异(P>0.05)。无龋组婴儿1月龄至6月龄时微生物群落的物种组成有较大变化;有龋组婴儿在1月龄和6月龄时组内各样本间物种组成均差异较大;1月龄时两组微生物群落较相似,而至6月龄时两组婴儿唾液的物种组成已开始发生变化。结论有龋组婴儿口腔内菌群多样性总体高于无龋组,在1月龄至6月龄间婴儿口腔内微生物物种的多样性及丰度均有了不同程度的提高。 相似文献
4.
目的探讨后外侧结构重建对后外侧入路人工股骨头置换术术后早期关节脱位的影响。方法选取2016年9月至2017年8月于我院行后外侧入路初次人工股骨头置换术的股骨颈骨折患者60例,根据术中是否修补关节囊及外旋肌群分为重建组(33例:舌形切开关节囊,术中将关节囊及外旋肌群原位缝合在大转子后方及臀中肌肌腱附着处)和对照组(27例:切除关节囊后,术中未进行外旋肌群修复重建)。比较两组的手术情况及术后近期关节功能情况。结果重建组的手术时间为(45.0±15.3) min,长于对照组的(35.0±12.4) min (P <0.05)。重建组术腔引流量为(200.0±80.0) m L,少于对照组的(420.0±120.6) m L (P <0.05)。重建组的早期脱位率为0.000%(0例),与对照组的7.407%(2例)比较无统计学差异(P>0.05)。重建组术后Harris评分为(92.0±3.4)分,高于对照组的(88.2±5.0)分(P <0.05)。结论在后外侧入路人工股骨头置换过程中行后外侧结构重建能够有效减少术腔引流量,提高髋关节Harris评分,对维持髋关节软组织平衡具有重要意义。 相似文献
5.
6.
《Gait & posture》2022
BackgroundParkinson’s disease (PD) is a chronic and progressive neurodegenerative disease with no cure, presenting a challenging diagnosis and management. However, despite a significant number of criteria and guidelines have been proposed to improve the diagnosis of PD and to determine the PD stage, the gold standard for diagnosis and symptoms monitoring of PD is still mainly based on clinical evaluation, which includes several subjective factors. The use of machine learning (ML) algorithms in spatial-temporal gait parameters is an interesting advance with easy interpretation and objective factors that may assist in PD diagnostic and follow up.Research questionThis article studies ML algorithms for: i) distinguish people with PD vs. matched-healthy individuals; and ii) to discriminate PD stages, based on selected spatial-temporal parameters, including variability and asymmetry.MethodsGait data acquired from 63 people with PD with different levels of PD motor symptoms severity, and 63 matched-control group individuals, during self-selected walking speed, was study in the experiments.ResultsIn the PD diagnosis, a classification accuracy of 84.6 %, with a precision of 0.923 and a recall of 0.800, was achieved by the Naïve Bayes algorithm. We found four significant gait features in PD diagnosis: step length, velocity and width, and step width variability. As to the PD stage identification, the Random Forest outperformed the other studied ML algorithms, by reaching an Area Under the ROC curve of 0.786. We found two relevant gait features in identifying the PD stage: stride width variability and step double support time variability.SignificanceThe results showed that the studied ML algorithms have potential both to PD diagnosis and stage identification by analysing gait parameters. 相似文献
7.
8.
《Clinical oncology (Royal College of Radiologists (Great Britain))》2022,34(2):e97-e103
Modern artificial intelligence techniques have solved some previously intractable problems and produced impressive results in selected medical domains. One of their drawbacks is that they often need very large amounts of data. Pre-existing datasets in the form of national cancer registries, image/genetic depositories and clinical datasets already exist and have been used for research. In theory, the combination of healthcare Big Data with modern, data-hungry artificial intelligence techniques should offer significant opportunities for artificial intelligence development, but this has not yet happened. Here we discuss some of the structural reasons for this, barriers preventing artificial intelligence from making full use of existing datasets, and make suggestions as to enable progress. To do this, we use the framework of the 6Vs of Big Data and the FAIR criteria for data sharing and availability (Findability, Accessibility, Interoperability, and Reuse). We share our experience in navigating these barriers through The Brain Tumour Data Accelerator, a Brain Tumour Charity-supported initiative to integrate fragmented patient data into an enriched dataset. We conclude with some comments as to the limits of such approaches. 相似文献
9.
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
10.