引論：我們?yōu)槟砹?3篇精準(zhǔn)醫(yī)學(xué)綜述范文，供您借鑒以豐富您的創(chuàng)作。它們是您寫作時(shí)的寶貴資源，期望它們能夠激發(fā)您的創(chuàng)作靈感，讓您的文章更具深度。
篇1
精準(zhǔn)醫(yī)療是通過基因組、蛋白質(zhì)組等組學(xué)技術(shù)和其他前沿科技， 依據(jù)患者內(nèi)在生物學(xué)信息及臨床特點(diǎn)， 在分子學(xué)水平為疾病提供更加精細(xì)的分類及診斷， 從而對(duì)患者進(jìn)行個(gè)性化精準(zhǔn)治療的一種新型醫(yī)療模式[1]。2011 年美國相關(guān)學(xué)者首次提出精準(zhǔn)醫(yī)療的概念[2]。2015年美國總統(tǒng)奧巴馬在國情咨文中談到“人類基因組計(jì)劃”， 并宣布實(shí)施精準(zhǔn)醫(yī)療計(jì)劃將這一研究推向新的[3]。
惡性腫瘤已成為目前全球主要的死亡原因之一， 其是一類基因性疾病， 大多具有自己獨(dú)特的基因印記和變異類型， 基因組發(fā)生的突變， 可以影響細(xì)胞信號(hào)、染色體、表觀調(diào)節(jié)及代謝等過程。這些研究成果很早已被利用在腫瘤的治療中， 許多針對(duì)這些特異基因改變及表觀遺傳學(xué)改變的靶向藥物已經(jīng)上市或正在研發(fā)。腫瘤的精準(zhǔn)醫(yī)療通常分為3個(gè)步驟：基因及表觀遺傳學(xué)檢測(cè)、大數(shù)據(jù)分析和臨床藥物應(yīng)用[1]。
1 基因及表觀遺傳學(xué)檢測(cè)
基因是指攜帶有遺傳信息的DNA或RNA序列， 是控制性狀的基本遺傳單位。基因通過指導(dǎo)蛋白質(zhì)的合成來表達(dá)自己所攜帶的遺傳信息， 從而控制生物個(gè)體的性狀表現(xiàn)。基因檢測(cè)是通過對(duì)血液、其他體液或細(xì)胞的DNA檢測(cè)， 獲得腫瘤單核苷酸有義突變、拷貝數(shù)變異、融合基因等基因變異的信息。彌漫大B細(xì)胞淋巴瘤（DLBCL）曾一度認(rèn)為是一類性質(zhì)單一的疾病， 但近年發(fā)現(xiàn)DLBCL中具有不同的基因表達(dá)亞型， 如GCB（germinal-center B-cell-like）、ABC（activated B-cell-like）， 其起源于B細(xì)胞分化的不同階段， 具有不同的生物學(xué)特性， ABC亞型中的基因變異可以引起NF-κB的活性改變， 導(dǎo)致預(yù)后不良[4]， 這已被臨床實(shí)踐所證實(shí)。
表觀遺傳學(xué)就是研究基因表達(dá)的學(xué)科， 是指基因表達(dá)的改變不依賴于基因信息的改變， 而是依賴于DNA甲基化和組蛋白的化學(xué)修飾。這些異常改變?cè)谝欢l件下可以向正常逆轉(zhuǎn)。腫瘤發(fā)生過程最常見的表觀遺傳學(xué)改變?yōu)橐职┗騿?dòng)子區(qū)CpG島的甲基化， 其引起的表達(dá)沉默可以影響腫瘤相關(guān)信號(hào)通路[5]。DNA甲基化是真核細(xì)胞的表觀遺傳修飾之一， 甲基化程度愈高， 基因的表達(dá)則降低。骨髓異常增生綜合征存在p15、p16、降鈣素基因等一系列抑癌基因的過度甲基化， 使抑癌基因表達(dá)受抑制， 細(xì)胞易于形成惡性克隆[6]。其他表觀遺傳學(xué)改變?nèi)缃M蛋白的乙酰化、磷酸化等也均可影響基因的轉(zhuǎn)錄活性[5]。隨著二代基因測(cè)序技術(shù)及大規(guī)模多水平組學(xué)生物學(xué)技術(shù)的興起， 腫瘤精準(zhǔn)醫(yī)療有了越來越強(qiáng)的技術(shù)基礎(chǔ)。
2 大數(shù)據(jù)分析
目前已經(jīng)知道人類各種正常組織的基因及基因表達(dá)， 患者的基因及基因表達(dá)都有了參考標(biāo)準(zhǔn)， 基因表達(dá)數(shù)據(jù)的分析與建模已成為生物信息學(xué)研究領(lǐng)域中的重要課題。人類的基因數(shù)目很大， 基因及其表達(dá)的變異信息數(shù)據(jù)庫也十分龐大， 從海量的組學(xué)數(shù)據(jù)中提取有價(jià)值的數(shù)據(jù)， 就要祛除大量的“無關(guān)信息”， 這需要具有極高精確性的分析模型與分析方法， 全球很多學(xué)者均致力于該領(lǐng)域的研究。如人類腫瘤基因圖譜計(jì)劃（TCGA）， 就是應(yīng)用基因組分析技術(shù)， 特別是采用大規(guī)模的基因組測(cè)序方法， 將人類全部癌癥（近期目標(biāo)為50種包括亞型在內(nèi)的腫瘤）的基因組變異圖譜繪制出來， 并進(jìn)行系統(tǒng)分析， 旨在找到所有致癌和抑癌基因的微小變異， 其中包含體細(xì)胞突變、拷貝數(shù)變異、mRNA表達(dá)、蛋白質(zhì)表達(dá)等各類信息。這一計(jì)劃整合了約7000種人類腫瘤的復(fù)雜分子網(wǎng)絡(luò)[7]。2012年， 國際千人基因組計(jì)劃團(tuán)隊(duì)發(fā)表了1092個(gè)人類基因數(shù)據(jù)， 繪制了人類基因組遺傳多態(tài)性圖譜[8]。這些均表明人群中存在大量的遺傳變異， 從而造成腫瘤細(xì)胞生物學(xué)行為和藥物療效等方面的差異。
3 臨床藥物應(yīng)用
腫瘤的精準(zhǔn)醫(yī)療就是以大數(shù)據(jù)分析結(jié)果作為參考， 給予患者個(gè)體化的藥物治療方案， 再根據(jù)治療結(jié)果進(jìn)行反饋， 確認(rèn)更多有價(jià)值的基因及蛋白組靶點(diǎn)， 開發(fā)更多的藥物， 保證精準(zhǔn)醫(yī)療的不斷完善。在應(yīng)用這些藥物治療腫瘤之前， 必須明確腫瘤中是否包含這些藥物所靶向的改變， 也只有這一部分患者才會(huì)對(duì)上述治療敏感。而對(duì)于無特異性基因改變或表觀遺傳學(xué)改變的腫瘤患者， 上述治療除了無效， 還會(huì)帶來一定的毒副反應(yīng)。
1997年11月上市的利妥昔單抗是抗CD20人鼠嵌合抗體， 是第1個(gè)應(yīng)用于臨床腫瘤的靶向治療藥物， 已成為治療彌漫大B細(xì)胞淋巴瘤及濾泡淋巴瘤等CD20陽性的淋巴瘤的一線藥物[9]。伊馬替尼通過抑制bcr/abl融合基因的酪氨酸激酶活性、PDGFR和干細(xì)胞因子受體c-kit的活性， 治療慢性粒細(xì)胞白血病、Ph染色體陽性的急性淋巴細(xì)胞白血病和胃腸間質(zhì)瘤[10， 11]。曲妥珠單抗僅適用于HER2基因陽性的乳腺癌患者[12]。而阿扎胞苷則是首個(gè)被美國食品和藥物管理局（FDA）批準(zhǔn)的去甲基化的表觀遺傳藥物， 用于骨髓增生異常綜合征的治療[13]。均顯示出了顯著的療效， 堪稱精準(zhǔn)醫(yī)療的典范。可以看出， 可供選擇的藥物的多少直接關(guān)系到治療的成敗。研究表明， 這些靶向藥物除了單用， 還能相互或與化療藥物聯(lián)用， 以進(jìn)一步提高臨床療效。例如利妥昔單抗聯(lián)合CHOP方案治療DLBCL， 可以提高緩解率， 延長(zhǎng)患者的生存時(shí)間， 是目前國際上治療DLBCL的一線方案。
4 小結(jié)
當(dāng)前的腫瘤治療正逐漸從宏觀層面對(duì)“病”用藥向更微觀的對(duì)“基因、表觀遺傳”用藥轉(zhuǎn)變， 精準(zhǔn)醫(yī)療可以實(shí)現(xiàn)“同病異治”或“異病同治”， 已成為腫瘤治療的一個(gè)趨勢(shì)。但目前該治療模式仍需進(jìn)一步完善， 需要發(fā)現(xiàn)更多的目標(biāo)靶向， 建立更完善的疾病知識(shí)網(wǎng)絡(luò)和新分類系統(tǒng)， 建立更精確、可靠的組學(xué)數(shù)據(jù)標(biāo)準(zhǔn)化整合模型， 研發(fā)更多有效、低毒的靶向藥物。腫瘤的精準(zhǔn)醫(yī)療之路任重道遠(yuǎn)。
參考文獻(xiàn)
[1] Mirnezami R， Nicholson J， Darzi A. Preparing for precision medicine. N Engl J Med， 2012， 366（6）：489-491.
[2] National Research Counci US Committee. Toward Precision Mdedicine：Building a Knowledge Network for Biomedical Research and a New Taxonomy of Disease.M. Washington DC：National Academies Press， 2011：2115-2116.
[3] Collins FS， Varmus H. A new initiative on precision medicine. N Engl J Med， 2015（372）：793-795.
[4] Alizadeh AA， Eisen MB， Davis RE， et al. Distinct types of diffuse large B-cell lymphoma identified by gene expression profiling.Nature， 2000（403）：503-511.
[5] 付小兵， 韓為東， 時(shí)占祥.生物治療中的轉(zhuǎn)化醫(yī)學(xué).西安：第四軍醫(yī)大學(xué)出版社， 2014：216-250.
[6] 柯晴， 岑洪， 胡曉華. 去甲基化藥物地西他濱治療血液系統(tǒng)惡性腫瘤的研究進(jìn)展. 醫(yī)學(xué)綜述， 2010， 16（7）：1068-1070.
[7] John N Weinstein， Eric A Collisson. The Cancer Genome AtlasPan-Cancer analysis project. Nature Genetlcs， 2013， 45（10）：1113-1120.
[8] Abecasis GR， Auton A， Brooks LD， et al. An integrated map of genetic variation from 1， 092 human genomes J. Nature， 2012（491）： 56-65.
[9] Colombat P， Salles G， Brousse N， et al. Rituximab as single first-line therapy for patients with follicular lymphoma with a low tumor burden：clinical and molecular evaluation. Blood， 2001（97）：101-106.
[10] Cohen MH， Williams G， Johnson JR， et al. Approval summary forimatinib mesylate capsules in the treatment of chronic myelogenousleukemia. Clin Cancer Res， 2002， 8（5）：935-942.
[11] Dagher R， Cohen MH， Williams G， et al. Approval summary： imatinibmesylate in the treatment of metastatic and/or unresectablemalignant gastrointestinal stromal tumors. Clin Cancer Res， 2002， 8（10）：3034-3038.
篇2
腦微出血（cerebral microbleeds CMBs）最初是在2005年開始被發(fā)現(xiàn)，因?yàn)槠湓谂R床醫(yī)學(xué)表現(xiàn)上沒有明顯的特征，只有在MRI技術(shù)T1成像作用下才表現(xiàn)為圓形或者是斑點(diǎn)狀的低信號(hào)或者是信號(hào)缺失的情況[1]，隨著醫(yī)學(xué)技術(shù)的發(fā)展，在T2加權(quán)像中表現(xiàn)更加清楚。腦微出血真正被提出研究是在2009年，但是因?yàn)楦嗳鄙俨“Y樣本的研究和討論，至今還是因?yàn)槿狈Ω泳珳?zhǔn)的定位定義研究。
2、CMBs常見發(fā)病群體
目前的研究結(jié)果顯示，腦微出血發(fā)病群體多數(shù)體現(xiàn)在老年人身上[2]。年紀(jì)的增加，由于人體的腦內(nèi)微小血管病變的可能更大，所致腦微出血現(xiàn)象更加的頻繁。
出現(xiàn)CMBs的人群當(dāng)中，在腦出血病人中導(dǎo)致CMBs發(fā)生的概率是最高的，多達(dá)33%-80%的范圍，其次是腦梗塞病癥的病人發(fā)生CMBs的概率是26%，正常人發(fā)生腦微出血的可能性在5%-6.4%。從上面這個(gè)數(shù)據(jù)中可以看出，臨床表現(xiàn)出來的腦出血會(huì)導(dǎo)致CMBs并況，危險(xiǎn)進(jìn)一步增加。
CMBs病癥除了有一些共同群體的現(xiàn)象之外，其常見發(fā)病的部位依次表現(xiàn)在皮質(zhì)及皮質(zhì)下白質(zhì)，其次CMBs體現(xiàn)在基底核及丘腦、腦干，最后是小腦[3]。國外腦微出血研究人員Lee在針對(duì)CMBs多發(fā)性部位的研究當(dāng)中，發(fā)現(xiàn)CMBs與原發(fā)性腦內(nèi)出血之間的關(guān)系非常密切。皮質(zhì)及皮質(zhì)下白質(zhì)因?yàn)樯鲜龅年P(guān)系，所以皮質(zhì)及皮質(zhì)下白質(zhì)和腦微出血關(guān)聯(lián)強(qiáng)度最高，發(fā)病率也更高。除了Lee的研究之外，Ying-Fa Chen等醫(yī)學(xué)家在研究過程中，也發(fā)現(xiàn)了再M(fèi)RI檢測(cè)結(jié)果中，缺血性腦卒中的病患位于基底核和丘腦部位的CMBs病灶和pICH的病灶相關(guān)[4]。
導(dǎo)致腦微出血發(fā)病的病因因多數(shù)是因?yàn)楦哐獕骸⒌矸蹣友茏冃缘鹊任ｋU(xiǎn)因素[5]。對(duì)于這些腦微出血病癥的相關(guān)因素，需要進(jìn)一步的研究探討，找到更加精準(zhǔn)的病因。根據(jù)研究顯示，CMBs除了和人的年齡、血壓、還有就是心臟疾病方面相關(guān)[6]。在近一兩年更有提出與低密度脂蛋白有關(guān)系，這些相關(guān)因素需要我們進(jìn)一步的探討。
3、CMBs發(fā)病機(jī)制與原理
當(dāng)前腦微出血因?yàn)槠渥陨聿“Y與出血性腦血管疾病的關(guān)聯(lián)性，所以其也成為預(yù)測(cè)腦血管疾病的因子之一[7]。所以CMBs受到了現(xiàn)代神經(jīng)科研究領(lǐng)域的高度關(guān)注，但是由于還未能夠根據(jù)臨床研究對(duì)CMBs進(jìn)行精準(zhǔn)定義，同時(shí)發(fā)病機(jī)制也還處在探討階段。
從當(dāng)前探討階段的研究結(jié)果可以得出，腦微出血是因?yàn)槲⒀艿氖艿綋p傷而引起的臨床病變，這種微出血血管損傷嚴(yán)重程度的提升，直接體現(xiàn)在病變的嚴(yán)重化，出血表現(xiàn)更為明顯。病理學(xué)研究結(jié)果中，我們發(fā)現(xiàn)CMBs病癥多數(shù)發(fā)現(xiàn)是位于腦內(nèi)微小動(dòng)脈或者是更細(xì)微動(dòng)脈瘤的旁邊，從而能夠推測(cè)出高血壓是導(dǎo)致形成腦微出血病癥的因素之一[8]。
4、腦微出血的危險(xiǎn)因素
隨著現(xiàn)代醫(yī)學(xué)技術(shù)的進(jìn)步，MRI檢測(cè)新技術(shù)之磁敏感加權(quán)成像（SWI）在臨床醫(yī)學(xué)方面應(yīng)用范圍更為的廣泛。CMBs被認(rèn)為和認(rèn)知知障礙、腦實(shí)質(zhì)出血 、腦腦卒中、高血壓、糖尿病及動(dòng)脈粥樣硬化等等相關(guān)危險(xiǎn)因素有相關(guān)性[9]。在新醫(yī)學(xué)領(lǐng)域技術(shù)的支持下也可以進(jìn)一步研究CMBs，取得更好的進(jìn)展，為CMBs病因的診治、病癥防治以及預(yù)后判斷等方面帶來成效。
在前人的研究基礎(chǔ)上，可以看出CMBs與腦出血病癥表現(xiàn)有非常明顯的相關(guān)性 ，所以CMBs也是目前臨床醫(yī)學(xué)研究中對(duì)出血性微血管病進(jìn)行預(yù)測(cè)的一個(gè)指標(biāo)[10]。現(xiàn)在醫(yī)學(xué)手段中，經(jīng)常采用的檢測(cè)CMBs的方法主要有：MRI檢查方法、血液指標(biāo)檢測(cè)方法、統(tǒng)計(jì)學(xué)方法、磁敏感加權(quán)成像（SWI）等方式方法[11]。
5、針對(duì)低密度脂蛋白（LDL）的CMBs分析
針對(duì)低密度脂蛋白(LDL)的CMBs分析是采用了MRI檢測(cè)新技術(shù)中SWI技術(shù)，結(jié)合血液指標(biāo)的檢測(cè)，最后統(tǒng)計(jì)學(xué)計(jì)算方式，對(duì)比觀察CMBs患者和無CMBs患者的數(shù)據(jù)[12]。從數(shù)據(jù)對(duì)照中進(jìn)行研究探討CMBs和LDL之間的作用關(guān)系。
分析研究發(fā)現(xiàn)，對(duì)比了CMBs患者與無CMBs對(duì)照組之間的纖維蛋白原水平變化方面沒有明顯的差別,也就是說CMBs病患自身具有的凝血機(jī)制沒有很大的變化[13]。但是我們從上面的表格當(dāng)中，可以看出CMBs病癥患者的低密度脂蛋白（LDL）較低，比無CMBs一組病患來得低。這一現(xiàn)象也表明證實(shí)了卒中強(qiáng)化降脂研究中國提出的，低水平LDL會(huì)導(dǎo)致腦微出血的發(fā)病率的增加 。
CMBs發(fā)病機(jī)制原理可能是因?yàn)楹侠淼难降慕档停艜?huì)導(dǎo)致維持小血管壁的完整性降低，微小血管受損發(fā)生[14]。低水平LDL會(huì)對(duì)小血管壁的完整性形成損壞，從而引起了血管周圍含鐵血黃素沉積 ，在MRI技術(shù)中顯示出了信號(hào)缺失的病癥 ,這也就是CMBs病癥發(fā)生的一個(gè)因素。
經(jīng)過國內(nèi)外醫(yī)學(xué)家的研究探討，有多例CMBs病患病癥體現(xiàn)為信號(hào)缺失，然后導(dǎo)致了微小血管旁邊的含鐵血黃素沉積，這個(gè)進(jìn)一步的證實(shí)了上面的CMBs發(fā)病因素理論[15]。同時(shí)經(jīng)過上面的討論，得出CMBs 患者自身的總膽固醇（CHOL） 水平來得更好。CHOL水平高對(duì)高血壓影響大，會(huì)導(dǎo)致微小血管的舒張功能降低，血管收縮反應(yīng)是由于ET釋放，使得小血管的通透性也增加了，引起腦微出血的概率增加。
6、高血壓
從上面的研究分析當(dāng)中，可以得出一個(gè)結(jié)論腦微出血相關(guān)影響因素包含了血脂的影響,所以對(duì)CMBs患者來說，必須把血脂水平維持在一個(gè)正常范疇，防止腦微出血的嚴(yán)重化[16]。從研究分析中發(fā)現(xiàn)，那些CMBs患者和沒有患上CMBs患者之間，在年齡、高血壓病、糖尿病、腔隙性腦梗塞 、舒張壓 、收縮壓、以及LDL 等心腦血管危險(xiǎn)因素的癥狀表現(xiàn)上都有所差異。
影響CMBs計(jì)數(shù)的因素有高血壓、 腔隙性腦梗塞 、收縮壓、 舒張壓有關(guān)聯(lián)。CMBs的分級(jí)與年齡 、高血壓、腔隙性腦梗塞、 收縮壓 、舒張壓有關(guān)聯(lián)[17]。把病患針對(duì)有無CMB對(duì)比，進(jìn)行與心腦血管等因素的二分類回歸統(tǒng)計(jì)分析中，可以看出高血壓以及腔隙性腦梗塞等危險(xiǎn)因素，對(duì)CMBs 的發(fā)生概率影響是明顯的，所以高血壓對(duì)動(dòng)脈硬化影響，也對(duì)CMBs產(chǎn)生關(guān)聯(lián)性。
7、腦微出血與其他腦血管病
因?yàn)槟X白質(zhì)中血液供源于各深穿支動(dòng)脈，這些微小動(dòng)脈是腦終末動(dòng)脈，微小動(dòng)脈之間之間側(cè)支循環(huán)來得稀疏或者沒有循環(huán)， 一旦末端微小血管出現(xiàn)了病變，就會(huì)導(dǎo)致腦腦白質(zhì)區(qū)域血液循環(huán)工學(xué)的變化，使得腦室旁出現(xiàn)水腫與酸中毒發(fā)炎，這也就導(dǎo)致伴隨LA患病率的增加[18]。CMBs的病因特征和LA病因特征都是屬于微小血管的病變范疇，根據(jù)這個(gè)可以推導(dǎo)出兩者之間的病理學(xué)原理是相似甚至共同。腦微血管（CMBs）發(fā)病會(huì)使得血管壁脆性更高，血管損傷容易出血，但是血管損傷未完全破裂的時(shí)候，也有可能導(dǎo)致節(jié)段性血管閉塞的發(fā)生，從而出現(xiàn)缺血性損傷的病癥現(xiàn)象。因此可以得出，CMBs病變能夠造成出血性腦損害，也可能會(huì)導(dǎo)致缺血性腦損害。
認(rèn)知功能是人腦神經(jīng)中樞中的一項(xiàng)高級(jí)功能。隨著老齡化的日益增多，人群中患有認(rèn)知功能障礙與癡呆現(xiàn)象的人也越來越多了。CMBs和認(rèn)知功能之間關(guān)系與相互的作用，也是CMBs相關(guān)因素研究一個(gè)方向。臨床研究表現(xiàn)中可以看出CMBs患者發(fā)病和前額部、執(zhí)行功能的損傷有影響，所以CMBs病癥研究對(duì)長(zhǎng)期認(rèn)知功能的影響體現(xiàn)出發(fā)生概率的預(yù)示作用[19]。
在臨床醫(yī)學(xué)中抗血小板聚集治療在針對(duì)動(dòng)脈硬化性疾病預(yù)防治療中運(yùn)用范圍廣。經(jīng)過對(duì)上千例高齡患者的針對(duì)性研究中，發(fā)現(xiàn)了沒有服用抗血栓藥物的高齡患者在MRI檢測(cè)檢查中，腦微出血（CMBs）癥狀出現(xiàn)更為普遍[20]。但是大量服用抗血栓藥物也會(huì)導(dǎo)致后期CMBs現(xiàn)象更為明顯。負(fù)責(zé)本次CMBs與抗血栓藥物關(guān)系研究的醫(yī)者認(rèn)為，對(duì)于一些患心臟病或者中風(fēng)的患者來說，抗血栓藥物使用效果還是利大于弊。但是對(duì)于另一些特殊人群，例如CMBs患者而言，一些抗血栓藥物的長(zhǎng)期使用還是弊端顯著的。
從上面的討論中，我們可以得出，雖然腦微出血和其他腦血管疾病有一定的共通性。但是由于從宏觀大血管病和微觀小血管病之間還是存在著差異性。在治療方面的共同性還有有所差別的，所以關(guān)于CMBs的治療還需進(jìn)一步的研究探索。
8、結(jié)語與展望
腦微出血（cerebral microbleeds CMBs）作為一種新形態(tài)的腦小血管病癥，使得我們對(duì)腦血管基本方面的認(rèn)識(shí)從整體走入細(xì)節(jié)，從針對(duì)大血管關(guān)注轉(zhuǎn)變?yōu)樾⊙芗膊〉难芯俊MBs病癥是醫(yī)學(xué)新技術(shù)MRI推廣使用之后提出的一種形態(tài)學(xué)變化，其臨床病癥的表現(xiàn)和多個(gè)危險(xiǎn)因素相關(guān)，更加精準(zhǔn)的發(fā)病機(jī)制原理需要進(jìn)一步的臨床研究討論。
CMBs多個(gè)相關(guān)因素在國內(nèi)外的研究文獻(xiàn)中都有提高與證明，本文中進(jìn)一步針對(duì)CMBs因素進(jìn)行探討與研究。雖然針對(duì)CMBs的探討有了階段性的進(jìn)展，但對(duì)其機(jī)制的研究樣本還是不夠全面，在其診斷、防治、治療與預(yù)后等方面還需要進(jìn)一步研究實(shí)踐。相信隨著醫(yī)學(xué)技術(shù)的發(fā)展，能夠在以后找到更好的突破口，完全了解和治療CMBs。
參考文獻(xiàn):
[1]黎杏群.腦出血中西醫(yī)現(xiàn)代研究與臨床.人民軍醫(yī)出版社,2012-04
[2]王崢.腦血管病發(fā)病因素的相關(guān)性研究.東南大學(xué)出版社,2011-09
[3]金永娟.李宏妹.朱文云等.高血脂對(duì)血細(xì)胞和血管內(nèi)皮細(xì)胞的損傷[J].中國微循環(huán)，2012,6（1）；22-24
[4]吳文海.缺血性腦卒中患者腦微出血的危險(xiǎn)因素及其對(duì)認(rèn)知功能的影響[J],浙江臨床醫(yī)學(xué),2013年 第2期
[5]范慧敏,張微微,黃勇華等.缺血性腦血管病患者腦微出血的危險(xiǎn)因素及其對(duì)認(rèn)知功能的影響[J].中國腦血管病雜志,2011-08
[6]韋鐵民, 呂玲春, 周利民, 等. 腦微出血的磁共振診斷研究進(jìn)展[J]. 中華醫(yī)學(xué)雜志, 2013, 93(025): 2007-2009.
[7]王小強(qiáng), 吳君倉, 張繼, 等. 急性腦梗死患者腦微出血的相關(guān)危險(xiǎn)因素分析[J]. 中華老年心腦血管病雜志, 2012, 14(4): 386-389.
[8]謝宗志, 李浩, 游潮. 腦出血早期血腫擴(kuò)大的研究進(jìn)展[J]. 中國腦血管病雜志, 2012, 9(008): 435-440.
[9]史蕙青. 腦微出血相關(guān)因素分析[J]. 中國實(shí)用神經(jīng)疾病雜志, 2012, 15(21): 18-19.
[10]程新旺, 周東. 腦微出血研究進(jìn)展[J]. 華西醫(yī)學(xué), 2012, 27(8): 1276-1279.
[11] 吉鳳, 王世民, 于蘭. 老年腦梗死患者伴腦微出血的臨床觀察[J]. 中華老年心腦血管病雜志, 2012, 14(1): 11-13.
[12]王小強(qiáng), 吳君倉. 腦微出血對(duì)認(rèn)知功能的影響及其發(fā)病機(jī)制研究進(jìn)展[J]. 中華神經(jīng)科雜志, 2012, 45(003): 192-194.
[13]黃信全. 124 例缺血性腦血管病患者腦微出血相關(guān)危險(xiǎn)因素分析[J]. 醫(yī)學(xué)綜述, 2013, 19(8): 1510-1511.
[14] 馮潔, 劉運(yùn)海. 腦微出血研究進(jìn)展[J]. 中國神經(jīng)免疫學(xué)和神經(jīng)病學(xué)雜志, 2012, 19(3): 157-160.
[15]王紹娟, 王利偉, 黃海青, 等. 磁敏感成像序列在腦微出血診斷中的價(jià)值[J]. 磁共振成像, 2013, 4(5): 335-338.
[16]劉毅, 師敬飛, 段云霞, 等. 缺血性卒中溶栓后出血預(yù)測(cè)因素的研究進(jìn)展[J]. 中國腦血管病雜志, 2012, 9(009): 499-504.
[17]劉慧, 謝明. 腦梗死后出血轉(zhuǎn)化危險(xiǎn)因素的相關(guān)性研究[J]. 中國當(dāng)代醫(yī)藥, 2013, 19(30): 53-54.
篇3
1 文獻(xiàn)檢索工具
醫(yī)院管理中文獻(xiàn)檢索方法包括較多內(nèi)容，其中檢索方式、檢索工具是影響檢索效率的重要因素，本文著重從分析了在醫(yī)院管理中，最適用于醫(yī)院醫(yī)務(wù)人員的常用的文獻(xiàn)檢索工具與檢索方法。
1.1 檢索方式
文獻(xiàn)檢索方式可分為計(jì)算機(jī)文獻(xiàn)檢索、手工檢索兩種方式，其中手工檢索并不需要特殊設(shè)備，由管理人員人工查找，方法相對(duì)簡(jiǎn)單，但工作量較大，檢索效率較低。計(jì)算機(jī)文獻(xiàn)檢索基于計(jì)算機(jī)快速的運(yùn)算能力及查找功能，直接從信息量龐大的管理文獻(xiàn)中檢索出所需文獻(xiàn)。計(jì)算機(jī)文獻(xiàn)檢索不僅檢索效率高，大大減少勞動(dòng)量，而且查找精準(zhǔn)度較高，檢索方法靈活，是當(dāng)前醫(yī)院管理文獻(xiàn)檢索應(yīng)用的主要方法。
文獻(xiàn)數(shù)據(jù)庫有時(shí)并非是對(duì)全部的臨床試驗(yàn)文獻(xiàn)進(jìn)行了收錄，即便被收錄，也可能由于在數(shù)據(jù)庫中使用的術(shù)語不易被識(shí)別出是臨床試驗(yàn)而不能被檢索出來。因此，手工文獻(xiàn)檢索可以作為計(jì)算機(jī)文獻(xiàn)檢索的一個(gè)補(bǔ)充。
1.2 檢索工具
不同的管理文獻(xiàn)檢索方式采用的檢索工具有所區(qū)別，其中手工檢索方式中荷蘭的《醫(yī)學(xué)文摘》、美國的《醫(yī)學(xué)索引》以及《全國報(bào)刊索引-自然科學(xué)技術(shù)版》等是主要的檢索數(shù)據(jù)庫。計(jì)算機(jī)檢索方式中比較常用的中文檢索數(shù)據(jù)庫有《維普中文生物醫(yī)學(xué)期刊數(shù)據(jù)庫》、《中國期刊全文數(shù)據(jù)路》、《中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫》、《CNKI中國知識(shí)資源數(shù)據(jù)庫》、《萬方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)》、《讀秀學(xué)術(shù)搜索》等。常用的外文檢索數(shù)據(jù)庫有《Medline》、《Embase》、《OVID》、《Pubmed》、《Clinical Trinals》、《Cochrane Library》等。
在文獻(xiàn)檢索時(shí)無論采用何種檢索工具，與文獻(xiàn)原文存在一定的時(shí)差，例如，手工檢索需要等待一定的時(shí)間待刊物出版后才能檢索到最新文章，而計(jì)算機(jī)檢索需要事先對(duì)文獻(xiàn)原文進(jìn)行掃描處理存儲(chǔ)到特定的數(shù)據(jù)庫才能被檢索到。
1.3 免費(fèi)醫(yī)學(xué)信息資源
網(wǎng)絡(luò)免費(fèi)醫(yī)學(xué)信息資源是指可以在線免費(fèi)獲得的，具有學(xué)術(shù)研究?jī)r(jià)值的信息資源，能極大的方便用戶對(duì)學(xué)術(shù)信息的獲取，降低成本。在醫(yī)院管理中，是用戶首要的文獻(xiàn)檢索方法。
（1）搜索引擎。搜索引擎是自動(dòng)從互聯(lián)網(wǎng)搜集信息，可以滿足用戶檢索所需內(nèi)容的網(wǎng)頁索引，是用戶獲得免費(fèi)醫(yī)學(xué)信息資源最快捷的工具。網(wǎng)絡(luò)上免費(fèi)學(xué)術(shù)搜索引擎主要有“谷歌學(xué)術(shù)”、“微軟學(xué)術(shù)”、“百度”等。更為專業(yè)一點(diǎn)的醫(yī)學(xué)類搜索引擎有“Medical World Search”、“Medical Matrix”、“MedSite”、“Healthlinks”，專業(yè)類搜索引擎收錄了與醫(yī)療衛(wèi)生相關(guān)的服務(wù)、商業(yè)、科研、教育、臨床試驗(yàn)、視聽等信息的查詢，便更能幫助臨床醫(yī)生、科研人員快速準(zhǔn)確地在互聯(lián)網(wǎng)上查找醫(yī)學(xué)信息。
（2）開放存取學(xué)術(shù)資源。開放存取學(xué)術(shù)文獻(xiàn)具有數(shù)字化、網(wǎng)絡(luò)存檔、免費(fèi)獲取的特點(diǎn)。網(wǎng)絡(luò)上綜合類開放存取資源有“DOAJ”、“Socolar”、“High Wire Press”、“國家科學(xué)圖書館機(jī)構(gòu)知識(shí)庫”、“MIT Open Course Ware”、“OADT”等。作為醫(yī)院醫(yī)務(wù)人員，更常用的是醫(yī)學(xué)類開放存取資源，如“PUBMED”、“生物醫(yī)學(xué)中心”、“公共醫(yī)學(xué)中心”、“Free Medical Journals”、“Medscape”、“BMJ”、“科學(xué)公共圖書館”、“HINARI”等，這類專業(yè)類信息資源，內(nèi)容涵蓋面廣，是專門為臨床醫(yī)學(xué)工作者提供信息交流的平臺(tái)。
2 文獻(xiàn)檢索方法應(yīng)用原則
醫(yī)學(xué)文獻(xiàn)資源豐富、數(shù)量龐大，因此檢索時(shí)應(yīng)遵守一定的原則，縮短文獻(xiàn)檢索時(shí)間，提高檢索效率。經(jīng)大量實(shí)踐表明，進(jìn)行醫(yī)學(xué)文獻(xiàn)檢索時(shí)注重遵守以下原則可在一定程度上提高文獻(xiàn)檢索效率。
2.1 目的明確
醫(yī)學(xué)文獻(xiàn)檢索應(yīng)遵守目的明確原則，以達(dá)到事半功倍的檢索效果。眾所周知，醫(yī)學(xué)文獻(xiàn)是諸多專家智慧的集中，內(nèi)容涵蓋范圍廣，具有較高的參考價(jià)值，從浩瀚的文獻(xiàn)中檢索到所需資源并非易事，因此，明確所要檢索文獻(xiàn)的目的，在涵蓋范圍廣的數(shù)據(jù)庫中進(jìn)行檢索，可顯著提高檢索效率。
2.2 思路清晰
調(diào)查發(fā)現(xiàn)，部分人員進(jìn)行文獻(xiàn)檢索時(shí)，沒有明確的思路指引，結(jié)果雖然檢索到所需文獻(xiàn)，但花費(fèi)較長(zhǎng)時(shí)間。為防止這一不良情況的發(fā)生，檢索醫(yī)學(xué)文獻(xiàn)時(shí)應(yīng)遵守思路清晰原則，即，檢索之前應(yīng)明確檢索方式、采用何種檢索工具、以及怎樣設(shè)置檢索條件等內(nèi)容，做到心中有數(shù)才能在最短的時(shí)間內(nèi)要到要檢索的內(nèi)容。
另外，醫(yī)學(xué)文獻(xiàn)檢索時(shí)還應(yīng)注重臨近文獻(xiàn)的檢索。檢索過程中可能出現(xiàn)與待檢索題目或條件未安全匹配的情況，這就需要檢索人員注重臨近時(shí)間文獻(xiàn)的檢索。
3 文獻(xiàn)檢索方法應(yīng)用
文獻(xiàn)檢索方法實(shí)際應(yīng)用時(shí)可采取以下策略，以提高文獻(xiàn)檢索效率與質(zhì)量。
3.1 明確信息資源分類
醫(yī)學(xué)信息資源按其使用性質(zhì)分為RCT（CCT）信息源、系統(tǒng)綜述信息源、循證醫(yī)學(xué)研究方法信息源三類。不同類別的信息資源檢索工具略有不同。原始研究是指根據(jù)隨機(jī)對(duì)照試驗(yàn)（RCT）與臨床對(duì)照試驗(yàn)（CCT）得出研究結(jié)果的文獻(xiàn)，這類信息源主要分布在各種科技期刊、會(huì)議文獻(xiàn)、科技報(bào)告、學(xué)位論文及其他內(nèi)部刊物。 系統(tǒng)綜述是一種全新的文獻(xiàn)綜合方法，是指針對(duì)某一具體的臨床問題，系統(tǒng)全面的搜索已發(fā)表的臨床研究，采用臨床流行病學(xué)嚴(yán)格評(píng)價(jià)文獻(xiàn)的原則和方法，篩選出符合質(zhì)量標(biāo)準(zhǔn)的文獻(xiàn)進(jìn)行定量或定性合并，得出可靠的綜合結(jié)論。系統(tǒng)綜述信息源主要分布在一些綜合類數(shù)據(jù)庫如Medline， Pubmed，及Cochrane系統(tǒng)綜述數(shù)據(jù)庫等。循證醫(yī)學(xué)則強(qiáng)調(diào)任何醫(yī)療決策應(yīng)建立在臨床研究證據(jù)的基礎(chǔ)上，并結(jié)合個(gè)人經(jīng)驗(yàn)制定出病人治療措施。其研究方法包括證據(jù)摘要、綜合證據(jù)、系統(tǒng)證據(jù)，信息源主要分布在UP TO DATE， BMJ-Clinical Evidence數(shù)據(jù)庫等。
3.2 把握文獻(xiàn)檢索細(xì)節(jié)
檢索醫(yī)學(xué)文獻(xiàn)時(shí)應(yīng)根據(jù)不同的檢索目的，充分把握文獻(xiàn)檢索細(xì)節(jié)。一般情況下，每年均會(huì)出現(xiàn)一些新的醫(yī)學(xué)內(nèi)容的文獻(xiàn)，為使檢索到的文獻(xiàn)與當(dāng)今醫(yī)院發(fā)展實(shí)際適應(yīng)，檢索時(shí)應(yīng)將重點(diǎn)放在最近1～2年的文獻(xiàn)上。同時(shí)，保證了文獻(xiàn)時(shí)間外，還應(yīng)選擇權(quán)威性較高的文獻(xiàn)，這樣以來檢索出的文獻(xiàn)基本能夠滿足人們的需求。不過如檢索文獻(xiàn)的目的是科研選題，針對(duì)性會(huì)大大提高，對(duì)文獻(xiàn)檢索的要求較高，此時(shí)檢索文獻(xiàn)應(yīng)注重兩點(diǎn)：其一，檢索文獻(xiàn)的內(nèi)容應(yīng)具有較強(qiáng)的專業(yè)性，文獻(xiàn)研究?jī)?nèi)容深入；其二，擴(kuò)大檢索文獻(xiàn)范圍。另外，如為研究某個(gè)實(shí)際問題而撰寫論文，分兩種檢索情況：如果撰寫的論文為綜述，應(yīng)根據(jù)綜述研究的范圍，詳細(xì)列出檢索提綱，而后逐一針對(duì)性的檢索相關(guān)文獻(xiàn)；如果撰寫的是一般論文，可結(jié)合論文研究實(shí)際，直接檢索相關(guān)的文獻(xiàn)，以支撐某個(gè)觀點(diǎn)。
3.3 注意檢索途徑與檢索詞
文獻(xiàn)檢索一般會(huì)涉及檢索詞，所謂檢索詞主要指文獻(xiàn)關(guān)鍵詞、主題詞以及內(nèi)容分類號(hào)等，為人們檢索提供便利。目前計(jì)算機(jī)文獻(xiàn)檢索方法應(yīng)用率較高，其中檢索詞包括提名、關(guān)鍵詞、刊名、作者、機(jī)構(gòu)、文摘等內(nèi)容，達(dá)到提高文獻(xiàn)檢索效率。另外，在選擇文獻(xiàn)檢索途徑時(shí)應(yīng)注重考慮以下內(nèi)容：首先，選擇合適的檢索詞。合適的檢索詞能夠幫助人們迅速找到所需文獻(xiàn)，減少系統(tǒng)檢索文獻(xiàn)工作量及時(shí)間。例如，當(dāng)需要檢索有關(guān)“腎上腺素”類的文獻(xiàn)時(shí)，將關(guān)鍵詞設(shè)置為“腎上腺素”便能迅速找到有關(guān)腎上腺素的文獻(xiàn)。其次，規(guī)范檢索語言。通常情況下，文獻(xiàn)檢索數(shù)據(jù)庫都有相關(guān)的檢索說明，為保證檢索結(jié)果的準(zhǔn)確性，應(yīng)嚴(yán)格依據(jù)檢索說明進(jìn)行操作；最后，靈活設(shè)置檢索時(shí)間范圍。文獻(xiàn)檢索數(shù)據(jù)中會(huì)記錄文獻(xiàn)發(fā)表時(shí)間，因此，進(jìn)行文獻(xiàn)檢索操作時(shí)應(yīng)結(jié)合檢索內(nèi)容特點(diǎn)，適當(dāng)?shù)臄U(kuò)大或縮小檢索文獻(xiàn)時(shí)間范圍，以達(dá)到最快找到所需文獻(xiàn)的目的。
需要注意的是，在文獻(xiàn)檢索中，有時(shí)因?yàn)閿?shù)據(jù)庫中一些新入庫的記錄有的無主題詞，有的歲進(jìn)行了計(jì)算機(jī)標(biāo)引，但不規(guī)范，這就需要將主題詞檢索和關(guān)鍵詞檢索結(jié)合起來制定檢索策略。另外，有些研究者為了獲取與文獻(xiàn)中的研究結(jié)果相反的文章，也會(huì)對(duì)原始研究文獻(xiàn)后面所列的參考文獻(xiàn)進(jìn)行檢索。
3.4 靈活采用檢索方法
醫(yī)學(xué)文獻(xiàn)檢索方法包括分段法、倒查法以及順查法，其中順查法的檢索時(shí)間起點(diǎn)為課題起始時(shí)間，由遠(yuǎn)到近對(duì)文獻(xiàn)進(jìn)行檢索。此種文獻(xiàn)檢索方法具有檢索全面的優(yōu)點(diǎn)，但因檢索時(shí)會(huì)將時(shí)間段內(nèi)所有文獻(xiàn)檢索出來，檢索工作量較大，投入的時(shí)間成本較高。倒查法與順查法剛好相反，其優(yōu)點(diǎn)在于能及時(shí)檢索出近期文獻(xiàn)，尤其對(duì)于研究新課題時(shí)可采用此種檢索方法。分段法檢索可以是時(shí)間的分段，也可以是內(nèi)容的分段，其中時(shí)間的分段通過設(shè)置檢索時(shí)間段實(shí)現(xiàn)，內(nèi)容的分段一般先利用順查法檢索出部分文獻(xiàn)，而后對(duì)其參考文獻(xiàn)進(jìn)行檢索，最終達(dá)到找到所需文獻(xiàn)的目的。
4 總結(jié)
醫(yī)院管理中工作的實(shí)施及相關(guān)課題的研究過程中通常需要檢索相關(guān)文獻(xiàn)，以找到相關(guān)參考做法，以及現(xiàn)階段醫(yī)院科研方面獲得的成果。當(dāng)今醫(yī)學(xué)文獻(xiàn)數(shù)量龐大，怎樣快速及時(shí)找到所需文獻(xiàn)是人們需要認(rèn)真思考的問題，一方面需要人們明確檢索目的，熟練掌握先進(jìn)的文獻(xiàn)檢索方法。另一方面，不斷總結(jié)文獻(xiàn)檢索技巧，結(jié)合自身實(shí)際加以靈活運(yùn)用。
參考文獻(xiàn)
[1]儲(chǔ)曉紅. 安徽省醫(yī)院管理文獻(xiàn)計(jì)量學(xué)分析及其對(duì)醫(yī)院管理創(chuàng)新研究的啟示[D].安徽醫(yī)科大學(xué)，2003.
[2]呂冰. 我國醫(yī)學(xué)文獻(xiàn)檢索教學(xué)管理存在的問題及對(duì)策[D].東北大學(xué)，2010.
篇4
現(xiàn)代醫(yī)學(xué)的進(jìn)步離不開工程技術(shù)的發(fā)展。一定程度上來說，技術(shù)的進(jìn)步很大程度上決定了醫(yī)學(xué)的基礎(chǔ)與臨床進(jìn)展。X線、彩超、CT、核磁共振等影像學(xué)檢查設(shè)備以及各類的生化診斷設(shè)備極大提高了臨床診斷的水平；腹腔鏡手術(shù)設(shè)備、達(dá)芬奇手術(shù)設(shè)備等，使大部分手術(shù)得以高效、安全的完成；電子病歷系統(tǒng)、各類遠(yuǎn)程檢測(cè)設(shè)備等極大提高了醫(yī)療的效率與安全性［2］。進(jìn)入21世紀(jì)以來，人工智能和機(jī)器學(xué)習(xí)等技術(shù)也正在推動(dòng)醫(yī)學(xué)進(jìn)入新的革命，智能診斷、圖像識(shí)別、診療建議等又將極大促進(jìn)醫(yī)學(xué)的快速發(fā)展。在這一背景下，迎接時(shí)代的變化，積極儲(chǔ)備相關(guān)交叉學(xué)科的基本知識(shí)與素養(yǎng)，是每一個(gè)優(yōu)秀醫(yī)生以及醫(yī)學(xué)生終身學(xué)習(xí)中的重要內(nèi)容。
2工程學(xué)思維的內(nèi)涵
工程是一種造物活動(dòng)。工程在醫(yī)學(xué)中的應(yīng)用主要體現(xiàn)在醫(yī)學(xué)診斷治療工具的發(fā)明和應(yīng)用。工程思維是工程活動(dòng)的靈魂，其特征體現(xiàn)在系統(tǒng)性、集成性、跨學(xué)科性、創(chuàng)造性和復(fù)雜性等方面［3］。跨學(xué)科性指其涉及自然科學(xué)、技術(shù)學(xué)、人文等多領(lǐng)域的問題，而單一學(xué)科很難進(jìn)行解決。工程思維簡(jiǎn)單來說就是應(yīng)用各種知識(shí)綜合起來解決具體的實(shí)踐問題；在醫(yī)學(xué)范疇里，我們可以簡(jiǎn)化地說，它是一種利用工科技術(shù)系統(tǒng)性解決某種醫(yī)學(xué)問題的實(shí)踐［4］。醫(yī)學(xué)生本科教育目前主要體現(xiàn)在醫(yī)學(xué)基礎(chǔ)理論的學(xué)習(xí)與初步實(shí)踐認(rèn)知方面，跨學(xué)科的教育在國內(nèi)醫(yī)學(xué)教學(xué)中相對(duì)缺失。我們結(jié)合自身的團(tuán)隊(duì)特色，在本科生醫(yī)學(xué)教育上有意識(shí)地嘗試增強(qiáng)學(xué)生工程思維的培養(yǎng)，希望學(xué)生能夠發(fā)現(xiàn)問題、分析問題，并嘗試通過一些初步的工程實(shí)踐來解決問題。由于醫(yī)學(xué)生本身的知識(shí)結(jié)構(gòu)，解決方案可能比較簡(jiǎn)單，沒有深入問題的核心，但是，我們相信這種工程思維思考問題的方法對(duì)于醫(yī)學(xué)生在今后的發(fā)展具有長(zhǎng)遠(yuǎn)的意義。
3工程思維培養(yǎng)在本科生臨床醫(yī)學(xué)教學(xué)中的實(shí)踐
團(tuán)隊(duì)長(zhǎng)期以來在醫(yī)工結(jié)合領(lǐng)域的研究與探索取得了一定的成績(jī)。團(tuán)隊(duì)承擔(dān)了國家自然科學(xué)基金重大項(xiàng)目精準(zhǔn)微創(chuàng)手術(shù)器械的創(chuàng)新與制造，完成了國內(nèi)第一例國產(chǎn)手術(shù)機(jī)器人的臨床手術(shù)運(yùn)用。同時(shí)，我們擁有一支較為強(qiáng)大的醫(yī)學(xué)、工程學(xué)背景的專家教授團(tuán)隊(duì)，承擔(dān)著中南大學(xué)自主設(shè)置二級(jí)學(xué)科醫(yī)學(xué)設(shè)備技術(shù)學(xué)的教學(xué)工作。結(jié)合我們的學(xué)科特點(diǎn)與基礎(chǔ)，在本科生的教學(xué)中進(jìn)行了一些嘗試與探索，以初步培養(yǎng)醫(yī)學(xué)生的工程學(xué)思維。醫(yī)學(xué)的基礎(chǔ)理論是目前醫(yī)學(xué)臨床醫(yī)學(xué)專業(yè)本科生教育的主要內(nèi)容，結(jié)合他們的知識(shí)背景，我們通過學(xué)術(shù)講座、興趣小組、實(shí)踐項(xiàng)目三個(gè)主要內(nèi)容，針對(duì)不同的學(xué)生進(jìn)行由淺入深的實(shí)踐探索。
3．1定期舉行相關(guān)的學(xué)術(shù)講座
醫(yī)學(xué)生的工程學(xué)知識(shí)相對(duì)缺乏，工程學(xué)醫(yī)師相對(duì)薄弱。對(duì)此，我們組織相關(guān)的專家聯(lián)系醫(yī)工結(jié)合的研究熱點(diǎn)與基本學(xué)科思維特點(diǎn)開展相關(guān)講座。在本學(xué)期中，我們開展的醫(yī)生在醫(yī)工結(jié)合中的角色、手術(shù)機(jī)器人發(fā)展歷程、手術(shù)機(jī)器人研究熱點(diǎn)初探、3D打印在醫(yī)療中的應(yīng)用進(jìn)展、人工智能＋醫(yī)療應(yīng)用場(chǎng)景幾何等學(xué)術(shù)講座，受到學(xué)生的熱烈歡迎，并引發(fā)學(xué)生的積極討論和廣泛交流。
3．2組織興趣小組
在學(xué)術(shù)講座后，許多感興趣的同學(xué)與我們進(jìn)行了進(jìn)一步的溝通，也帶來了許多鮮活的想法。為了給這些同學(xué)們提供更好服務(wù)和交流的平臺(tái)，我們組織了本科生醫(yī)工結(jié)合興趣小組。在興趣小組中，我們通過小組例會(huì)、自主學(xué)習(xí)指導(dǎo)、綜述寫作幾種形式開展相關(guān)的教育實(shí)踐探索。我們根據(jù)同學(xué)們的時(shí)間定期組織小組例會(huì)。通過組織小組會(huì)議，學(xué)生與老師直接溝通，相互激發(fā)出很多鮮活的想法，實(shí)現(xiàn)了教學(xué)相長(zhǎng)。我們根據(jù)同學(xué)們的興趣，系統(tǒng)性地給同學(xué)們推薦了相關(guān)的書目與網(wǎng)絡(luò)學(xué)習(xí)資源，并定期予以相關(guān)的答疑，為學(xué)有余力的同學(xué)提供自主學(xué)習(xí)的資源與指導(dǎo)。我們還結(jié)合同學(xué)們自身的情況，組織同學(xué)們開展一些基礎(chǔ)的科研培養(yǎng)，如教授學(xué)生中英文相關(guān)文獻(xiàn)的檢索與閱讀，并在此基礎(chǔ)上，鼓勵(lì)學(xué)有余力的同學(xué)針對(duì)某一問題查閱資料、撰寫綜述。通過這些措施，同學(xué)們的視野和能力得到了很大的進(jìn)步。
3．3鼓勵(lì)開展相關(guān)項(xiàng)目
篇5
新媒體是網(wǎng)絡(luò)技術(shù)支撐下出現(xiàn)的媒體形態(tài)，可分為網(wǎng)絡(luò)新媒體、移動(dòng)新媒體和數(shù)字新媒體［1］。目前以門戶網(wǎng)站、搜索引擎、簡(jiǎn)易信息聚合（RSS）、電子郵件／即時(shí)通訊／電子書、網(wǎng)絡(luò)雜志／電子雜志等為主。融合的寬帶信息網(wǎng)絡(luò)，是各種新媒體形態(tài)依托的共性基礎(chǔ)。終端移動(dòng)性，是新媒體發(fā)展的重要趨勢(shì)。相對(duì)于報(bào)刊、戶外、廣播、電視4大傳統(tǒng)媒體，新媒體被形象地稱為“第5媒體”。依托它可便捷地實(shí)現(xiàn)預(yù)防醫(yī)學(xué)信息文獻(xiàn)實(shí)時(shí)精準(zhǔn)傳播。任何情報(bào)文獻(xiàn)的學(xué)術(shù)價(jià)值，都是在流動(dòng)中形成與體現(xiàn)，在共享中最終實(shí)現(xiàn)。
2共享思路
理論上一個(gè)長(zhǎng)遠(yuǎn)的合理文獻(xiàn)信息的資源共享體系，包括共建與共知。共建是共享的物質(zhì)基礎(chǔ)，共知又是共建和共享的理論基礎(chǔ)，三者相互依存，缺一不可。資源共享的手段是館際合作，通過館際互借、網(wǎng)上文獻(xiàn)傳遞、原文復(fù)制和聯(lián)合咨詢達(dá)到資源共知共享，帶動(dòng)資源優(yōu)化配置，拓展共享的渠道，提高共享效率，保證共享的后續(xù)發(fā)展。目前我省各縣（市、區(qū)）疾控機(jī)構(gòu)共享的路線基本以本中心文獻(xiàn)信息庫為主體，依托網(wǎng)絡(luò)環(huán)境下的新媒體呈放射狀傳播。隨著交流的頻繁與深入，不斷梳理溝通渠道，加強(qiáng)了解與協(xié)作，文獻(xiàn)信息共享服務(wù)途徑將由單向輸出逐步演變?yōu)閷?shí)際意義上的共知、共建與共享，做到以文獻(xiàn)信息資源的共享，來促進(jìn)實(shí)體與虛擬館藏文獻(xiàn)信息資源的豐富與發(fā)展。新媒體具有全天候和全覆蓋性的特征，可使不同區(qū)域網(wǎng)絡(luò)連接起來，實(shí)現(xiàn)廣域范圍的資源共享。調(diào)查顯示，我省基層單位均擁有互聯(lián)網(wǎng)，工作人員基本可在崗位上自由上網(wǎng)，這為文獻(xiàn)信息的傳播提供了硬件服務(wù)支持。具體操作思路如下。
2．1設(shè)立聯(lián)系窗口
可在中心網(wǎng)站設(shè)立一扇和圖書情報(bào)室的聯(lián)系窗口，成為與基層單位科研人員、圖書情報(bào)人員業(yè)務(wù)聯(lián)系的紐帶，及時(shí)接收和回應(yīng)科研人員對(duì)預(yù)防醫(yī)學(xué)文獻(xiàn)信息的需求。為了使專業(yè)人員能夠更方便快捷地閱讀到本中心網(wǎng)站的最新信息，網(wǎng)站可推出RSS聚合資訊服務(wù)，利用互聯(lián)網(wǎng)支撐下的新媒體傳播渠道，圍繞預(yù)防醫(yī)學(xué)工作性質(zhì)及當(dāng)前的工作任務(wù)，不斷補(bǔ)充豐富RSS訂閱源，對(duì)預(yù)防醫(yī)學(xué)專業(yè)信息加以及時(shí)、廣泛、深度的挖掘與規(guī)范化的學(xué)科整合，豐富虛擬文獻(xiàn)信息資源，科研人員可有的放矢地瀏覽查詢最新信息與科研動(dòng)態(tài)，避免在茫茫網(wǎng)絡(luò)中毫無頭緒、費(fèi)時(shí)費(fèi)力。
2．2通過微搏共享
可利用微博實(shí)現(xiàn)文獻(xiàn)信息共享。據(jù)新華網(wǎng)報(bào)道，微博注冊(cè)用戶2011年底已超過3億。用戶可以通過網(wǎng)頁、WAP頁面、手機(jī)短信消息（字?jǐn)?shù)140字以內(nèi)）或上傳圖片，即時(shí)瀏覽最新信息，隨時(shí)隨地參與分享與討論。一些有影響力的醫(yī)藥衛(wèi)生媒體和部分省市的疾控中心，•72•海峽預(yù)防醫(yī)學(xué)雜志2012年6月第18卷第3期StraitJPrevMed，Jun2012，Vol．18，No．3已在新浪開設(shè)官方認(rèn)證的微博交流渠道：例如健康報(bào)官方微博北京市疾控中心長(zhǎng)沙市疾控中心等。還可同步申請(qǐng)微博的官方網(wǎng)盤，它是一款云存儲(chǔ)網(wǎng)盤，用來存儲(chǔ)海量文件，并支持分享文檔、音樂、視頻等任意文件到微博、郵箱、QQ／MSN等。科研人員利用它可同步分享預(yù)防醫(yī)學(xué)情報(bào)訊息，保存到微盤的文件可自動(dòng)同步到電腦、手機(jī)等設(shè)備，無需攜帶電腦、移動(dòng)硬盤，只要能聯(lián)網(wǎng)，隨時(shí)隨地即可訪問到圖文并茂的專業(yè)文獻(xiàn)信息。
2．3提供PDF文獻(xiàn)
在為基層科研人員提供實(shí)體館藏的醫(yī)學(xué)文獻(xiàn)信息服務(wù)時(shí)，可利用掃描儀將讀者急需的文獻(xiàn)轉(zhuǎn)換成PDF格式，通過各類網(wǎng)絡(luò)郵箱傳送到讀者的終端接收器。PDF頁面最大優(yōu)點(diǎn)是保證文獻(xiàn)文本的準(zhǔn)確性與相關(guān)圖像的精準(zhǔn)性。
篇6
作者：孟凡皓1，朱智慧1，張小輝2，張韜1(1中國醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)院，北京100032；2深圳羅湖區(qū)人民醫(yī)院)
經(jīng)過近幾年的快速發(fā)展，虛擬現(xiàn)實(shí)(VR)和增強(qiáng)現(xiàn)實(shí)(AR)這兩項(xiàng)技術(shù)為我們的生活帶來很多改變，也逐漸被應(yīng)用于醫(yī)學(xué)領(lǐng)域。VR是多種技術(shù)的高度結(jié)合，包括了模擬環(huán)境、感知、自然技能和傳感設(shè)備等方面；它利用計(jì)算機(jī)生成一種模擬環(huán)境，可以讓使用者完全沉浸到該環(huán)境中，并且通過有觸感反饋功能的控制器與虛擬環(huán)境進(jìn)行互動(dòng)。而AR可以實(shí)時(shí)計(jì)算攝影機(jī)影像位置、角度，配合圖像圖形技術(shù)，在屏幕上把虛擬圖像疊加在現(xiàn)實(shí)世界并進(jìn)行互動(dòng)。目前，已有報(bào)道在微創(chuàng)肝臟手術(shù)[1]中運(yùn)用AR技術(shù)將肝臟內(nèi)部的血管和腫瘤的位置顯示在術(shù)區(qū)，也有學(xué)者嘗試將AR和MR技術(shù)應(yīng)用于神經(jīng)外科[2]和泌尿外科[3]等學(xué)科。早在1997年Wagner等[4]介紹了AR的概念，并首次在AR設(shè)備的輔助下完成正頜手術(shù)；2001年Thomas等[5]開發(fā)的Impulse2000訓(xùn)練系統(tǒng)，可以模擬患者口腔內(nèi)患齲情況，用于醫(yī)學(xué)生臨床技能練習(xí)。近5年來，VR與AR技術(shù)在口腔醫(yī)學(xué)中的應(yīng)用范圍越來越廣泛，主要包括臨床教學(xué)、術(shù)前設(shè)計(jì)和術(shù)中導(dǎo)航3個(gè)方面。現(xiàn)就VR和AR在口腔醫(yī)學(xué)中的應(yīng)用進(jìn)展綜述如下。
1臨床教學(xué)
頭頸部解剖結(jié)構(gòu)復(fù)雜，在狹小的范圍內(nèi)可能同時(shí)存在腺體、肌肉、神經(jīng)和血管等重要組織；在教學(xué)過程中僅依靠課本或視頻資料缺乏立體感和層次感，而尸體標(biāo)本數(shù)量有限、價(jià)格高昂，這都為教學(xué)增加了困難。將VR技術(shù)應(yīng)用到頭頸解剖教學(xué)中，可生動(dòng)、立體地展現(xiàn)復(fù)雜的解剖結(jié)構(gòu)。2012年，李陽等[6]利用Dextroscope系統(tǒng)進(jìn)行上頜動(dòng)脈下頜段的三維解剖研究，并與實(shí)際標(biāo)本進(jìn)行對(duì)照，為減少上頜動(dòng)脈下頜段的術(shù)中損傷提供解剖依據(jù)。結(jié)果表明虛擬解剖組所測(cè)得的相關(guān)數(shù)據(jù)與尸體組測(cè)得的實(shí)體數(shù)據(jù)一致，提示該技術(shù)具有可靠性與一定的優(yōu)越性。
操作技能的練習(xí)所用耗材成本較高，借助VR和AR系統(tǒng)，可為醫(yī)學(xué)生提供逼真的操作練習(xí)環(huán)境。目前已有用于正頜外科手術(shù)培訓(xùn)的VR手術(shù)模擬系統(tǒng)[7，8]，該系統(tǒng)可以為使用者反饋操作的力度和器械運(yùn)轉(zhuǎn)的速度，并能提示操作者截骨角度和距離與術(shù)前設(shè)計(jì)方案之間是否存在偏差。Miki等[9]介紹了一種模擬內(nèi)窺鏡輔助下完成頜下腺切除術(shù)的VR培訓(xùn)系統(tǒng)，并通過試驗(yàn)證實(shí)，初學(xué)者經(jīng)過7次練習(xí)后均更加熟練，手術(shù)所需時(shí)間較一開始明顯縮短。下牙槽神經(jīng)阻滯麻醉是頜面外科中一項(xiàng)基礎(chǔ)操作，但如果操作不慎可能會(huì)引起麻醉效果不佳或麻藥入血等問題，甚至造成更嚴(yán)重后果。Correa等[10]介紹了一種用于下牙槽神經(jīng)阻滯麻醉訓(xùn)練的VR系統(tǒng)，可以評(píng)估注射位置和深度是否正確，并且提供近乎真實(shí)的進(jìn)針感覺反饋。也有學(xué)者將傳統(tǒng)教材與AR技術(shù)相結(jié)合[11]，開發(fā)了一本貴金屬高嵌體預(yù)備教材，通過識(shí)別課本上每一章節(jié)的特殊“標(biāo)識(shí)物”，AR設(shè)備就會(huì)將相應(yīng)的操作過程以三維圖像的方式呈現(xiàn)在眼前，仿佛老師在眼前演示一樣。2013年，Kikuchi等[12]介紹了一種用于練習(xí)預(yù)備金屬烤瓷冠的VR系統(tǒng)。Llena等[13]對(duì)AR技術(shù)在培訓(xùn)醫(yī)學(xué)生窩洞預(yù)備中的效果和使用滿意度進(jìn)行研究，發(fā)現(xiàn)僅在一類洞的深度和二類洞頰、舌向預(yù)備范圍上與傳統(tǒng)教學(xué)方法相比有差異。彭春等[14]對(duì)VR技術(shù)在口腔正畸進(jìn)修醫(yī)師教學(xué)中的應(yīng)用效果進(jìn)行探討，主要是進(jìn)行虛擬正畸托槽粘貼和排牙培訓(xùn)，通過培訓(xùn)后進(jìn)行問卷調(diào)查和理論成績(jī)對(duì)比發(fā)現(xiàn)，VR技術(shù)可顯著提高臨床進(jìn)修醫(yī)師的學(xué)習(xí)主動(dòng)性，利于對(duì)口腔正畸教學(xué)要點(diǎn)的理解，提高口腔正畸臨床操作技能的掌握，有助于口腔正畸臨床進(jìn)修醫(yī)師教學(xué)。
近幾年，伴隨著VR模擬系統(tǒng)在口腔教學(xué)中越來越多的應(yīng)用，比如大阪大學(xué)的HAP-DENT、伊利諾伊州的Periosim、荷蘭穆格Simodont和北京大學(xué)口腔醫(yī)院的iDental等系統(tǒng)，有諸多學(xué)者對(duì)VR和AR技術(shù)在口腔教學(xué)中的應(yīng)用效果進(jìn)行研究。2015年Wang等[15]對(duì)iDental系統(tǒng)的精確度進(jìn)行評(píng)估，并分別從主觀和客觀上評(píng)價(jià)該系統(tǒng)在模擬牙體預(yù)備這項(xiàng)操作時(shí)的應(yīng)用效果，發(fā)現(xiàn)還需在該系統(tǒng)中加入頰黏膜和支點(diǎn)才能更真實(shí)地還原口腔內(nèi)操作環(huán)境。Ioannou等[16]對(duì)VR手術(shù)模擬器和動(dòng)物模型的培訓(xùn)效果進(jìn)行了對(duì)比研究，結(jié)果表明VR手術(shù)模擬器可以減少培訓(xùn)的成本，并且培訓(xùn)的效果也要優(yōu)于傳統(tǒng)的動(dòng)物模型試驗(yàn)。2016年，英國的Mirghani等[17]對(duì)Simodont牙科VR模擬器在口腔教學(xué)應(yīng)用中的效果進(jìn)行評(píng)估，發(fā)現(xiàn)Simodont評(píng)分結(jié)果可以反映出大一與大五學(xué)生的水平差異。
2術(shù)前設(shè)計(jì)
頜面外科手術(shù)因其特殊的手術(shù)部位，手術(shù)的難度與風(fēng)險(xiǎn)較大，而且患者對(duì)美觀有較高的要求；術(shù)前對(duì)病變情況進(jìn)行充分評(píng)估，可以更好地確定切除范圍，降低手術(shù)風(fēng)險(xiǎn)。VR和AR技術(shù)可以根據(jù)患者的CT或MRI數(shù)據(jù)進(jìn)行三維重建，完整呈現(xiàn)病變的位置以及與重要解剖結(jié)構(gòu)的關(guān)系，可以幫助醫(yī)生在術(shù)前更好地進(jìn)行手術(shù)規(guī)劃與方案設(shè)計(jì)；并且，VR技術(shù)憑借其出色的沉浸感和觸覺反饋設(shè)備，甚至可讓醫(yī)生在術(shù)前模擬手術(shù)，使手術(shù)更加安全、高效。Olsson等[18]運(yùn)用VR技術(shù)模擬游離腓骨肌皮瓣重建下頜骨手術(shù)，可以通過VR系統(tǒng)在術(shù)前模擬腫瘤切除、腓骨重建方案設(shè)計(jì)及受區(qū)血管選擇，可以減小術(shù)中風(fēng)險(xiǎn)，獲得更好的手術(shù)效果。此外，有學(xué)者將VR技術(shù)應(yīng)用于正畸和阻塞性呼吸暫停低通氣綜合征治療等方面。2016年Medellin-Castillo等[19]介紹了一種具有觸覺反饋功能的VR系統(tǒng)，可以將二維圖像上的標(biāo)志點(diǎn)準(zhǔn)確還原到三維重建模型上，幫助醫(yī)生準(zhǔn)確確定頭影測(cè)量標(biāo)志點(diǎn)，減少誤差和設(shè)計(jì)時(shí)間；并且，對(duì)需要正頜的患者，該系統(tǒng)還可以設(shè)計(jì)手術(shù)方案。李陽等[20]運(yùn)用DextroscopeVR系統(tǒng)，借助CT數(shù)據(jù)進(jìn)行重建與融合，獲得上呼吸道的三維圖像，在三維模型上對(duì)上氣道狹窄的區(qū)域進(jìn)行測(cè)量，并根據(jù)測(cè)量結(jié)果，為患者選擇相應(yīng)的手術(shù)方案進(jìn)行治療。結(jié)果發(fā)現(xiàn)術(shù)后上氣道的狹窄部位均明顯擴(kuò)大，各區(qū)段體積至少增大2倍以上，取得了良好的治療效果。VR技術(shù)可以將二維CT、MRI數(shù)據(jù)以三維立體的形式呈現(xiàn)在醫(yī)生的眼前，讓醫(yī)生更加直觀地了解病變信息。
3術(shù)中導(dǎo)航
傳統(tǒng)術(shù)中導(dǎo)航只能顯示二維圖像，并且術(shù)者需要反復(fù)觀察屏幕與術(shù)區(qū)，這無疑增添了很多不便。AR技術(shù)憑借其與身邊環(huán)境實(shí)時(shí)交互的特點(diǎn)，可以將術(shù)前設(shè)計(jì)方案或是重要的解剖結(jié)構(gòu)以三維圖像的形式投射在術(shù)區(qū)，使術(shù)者實(shí)現(xiàn)裸眼觀察。2013年，Suenaga等[21]使用3DAR技術(shù)在實(shí)物模型上模擬截骨手術(shù)，以評(píng)估該系統(tǒng)的精準(zhǔn)度和可行性。結(jié)果發(fā)現(xiàn)術(shù)者裸眼所看到的圖像位置不會(huì)隨觀察的角度而改變，而且圖像與實(shí)物重合的精確度可以達(dá)到1mm以下。2013年Lin等[22]介紹了一種基于AR技術(shù)的口腔種植系統(tǒng)，并通過術(shù)后CT數(shù)據(jù)來評(píng)估術(shù)前虛擬設(shè)計(jì)方案與實(shí)際預(yù)備位點(diǎn)之間的誤差。結(jié)果發(fā)現(xiàn)，總共完成的40例種植體的位置均在安全范圍內(nèi)，深度和角度上的誤差是可以接受的。2015年，Liu等[23]利用AR技術(shù)在錐形束CT血管造影引導(dǎo)下行機(jī)器人舌癌切除手術(shù)，并與X線透視引導(dǎo)技術(shù)相對(duì)比，發(fā)現(xiàn)切除范圍更理想，并能更好地保護(hù)舌動(dòng)脈等重要組織。雖然，現(xiàn)在大多數(shù)關(guān)于AR技術(shù)在術(shù)中應(yīng)用還停留在實(shí)驗(yàn)階段，但已有學(xué)者嘗試佩戴AR設(shè)備完成正頜手術(shù)，術(shù)中指導(dǎo)上頜骨的截骨和就位。2016年Zhu等[24]運(yùn)用AR技術(shù)在頜面外科手術(shù)中將下牙槽神經(jīng)管的位置投射到術(shù)區(qū)，避免了術(shù)中損傷重要神經(jīng)。臨床中已經(jīng)有20例應(yīng)用經(jīng)驗(yàn)，包括偏突頜畸形、半側(cè)顏面短小和下頜角肥大等患者的整形手術(shù)，所有病例術(shù)后通過CT驗(yàn)證都取得了滿意的結(jié)果；除1例術(shù)后出現(xiàn)血腫外，其余均未發(fā)生并發(fā)癥。這也為AR技術(shù)在術(shù)中的導(dǎo)航應(yīng)用帶來了啟發(fā)。
2016年P(guān)rofeta等[25]將AR技術(shù)和單光子發(fā)射計(jì)算機(jī)斷層成像術(shù)(SPECT)相結(jié)合用于檢測(cè)頭頸部腫瘤患者淋巴結(jié)轉(zhuǎn)移與分布的情況，并借助AR技術(shù)來輔助完成淋巴結(jié)活檢手術(shù)。該實(shí)驗(yàn)結(jié)合了γ探頭(類似于傳統(tǒng)放射引導(dǎo)手術(shù))和追蹤系統(tǒng)(類似于導(dǎo)航設(shè)備)，為患者注射γ放射性同位素后，立即檢測(cè)頭頸部放射活性的分布情況，并以此來推斷有無可疑轉(zhuǎn)移淋巴結(jié)，最終借助AR技術(shù)以圖像的形式將可疑淋巴結(jié)直接疊加顯示在術(shù)區(qū)，讓醫(yī)生裸眼就可以準(zhǔn)確看到淋巴結(jié)的位置。
4小結(jié)
目前，已有許多學(xué)者嘗試將AR和VR應(yīng)用于口腔醫(yī)學(xué)的各領(lǐng)域當(dāng)中，相較于傳統(tǒng)技術(shù)具有如下優(yōu)勢(shì)。①臨床教學(xué)：VR憑借完全沉浸式的特點(diǎn)和觸控設(shè)備實(shí)現(xiàn)交互反饋，可以為醫(yī)學(xué)生提供逼真的練習(xí)環(huán)境，節(jié)省教學(xué)成本。②術(shù)前設(shè)計(jì)：AR和VR都可以完全真實(shí)的還原患者的病灶位置、與重要解剖結(jié)構(gòu)的毗鄰關(guān)系等重要信息，不僅可用于設(shè)計(jì)手術(shù)方案，還可以用于與患者術(shù)前溝通，讓患者及家屬更好地了解手術(shù)風(fēng)險(xiǎn)或預(yù)后情況。③術(shù)中導(dǎo)航：AR憑借其可以與真實(shí)環(huán)境進(jìn)行交互的優(yōu)勢(shì)，并且可以裸眼觀察，讓術(shù)者更好地了解病情。所以，AR與VR在醫(yī)學(xué)領(lǐng)域中有巨大的應(yīng)用潛力。隨著技術(shù)的不斷發(fā)展，VR和AR技術(shù)在醫(yī)學(xué)中也將實(shí)現(xiàn)廣泛應(yīng)用。目前已有學(xué)者完成AR技術(shù)與手術(shù)機(jī)器人結(jié)合完成下頜角切除術(shù)的可行性試驗(yàn)，同一個(gè)標(biāo)本的兩側(cè)下頜角分別通過機(jī)器人和醫(yī)生完成，對(duì)比發(fā)現(xiàn)并沒有明顯差異。VR和AR技術(shù)的應(yīng)用必將為醫(yī)生提供更多的幫助，讓手術(shù)變得更加精準(zhǔn)、客觀和高效，進(jìn)一步提高醫(yī)療服務(wù)質(zhì)量，使患者和醫(yī)生都能從中獲益。
參考文獻(xiàn)：
[1]HaouchineN，CotinS，PeterlikI，etal.Impactofsofttissueheterogeneityonaugmentedrealityforliversurgery[J].IEEETransVisComputGraph，2015，21(5)：584-597.
[2]Kersten-OertelM，GerardI，DrouinS，etal.Augmentedrealityinneurovascularsurgery：feasibilityandfirstusesintheoperatingroom[J].IntJComputAssistRadiolSurg，2015，10(11)：1823-362.
[3]DickeyRM，SrikishenN，LipshultzLI，etal.Augmentedrealityassistedsurgery：aurologictrainingtool[J].AsianJAndrol，2016，18(5)：732-734.
篇7
0 前言
隨著我國高等教育逐步實(shí)現(xiàn)大眾化，高校貧困生問題也漸漸凸現(xiàn)。貧困大學(xué)生與普通大學(xué)生生比較起來，存在主客觀上的心理弱勢(shì)，面臨著疊加性挫折或持久性挫折。關(guān)于逆商視角下貧困生思想狀況問題的已有研究表明，高校貧困生的整體思想狀況與心理健康水平低于普通大學(xué)生，并未實(shí)現(xiàn)“精神脫貧”，對(duì)于貧困大學(xué)生的精準(zhǔn)扶貧不只是經(jīng)濟(jì)上的精準(zhǔn)，也要在思想政治建設(shè)和心理健康的培育上實(shí)現(xiàn)精準(zhǔn)，才能幫助學(xué)生真正“脫貧”。要讓家庭經(jīng)濟(jì)貧困的大學(xué)生能從容應(yīng)付挫折，立于不敗之地。
1 國內(nèi)外研究現(xiàn)狀述評(píng)
1.1 國外針對(duì)大學(xué)生逆商的研究現(xiàn)狀
逆商（AQ）譯自英文 Adversity Quo-tient，全稱為逆境商數(shù)，也被稱為挫折商或逆境商，是保羅?史托茨于20世紀(jì)90年代中期提出來的概念，用以衡量人們面對(duì)挫折、擺脫困境和超越困難的能力。國外對(duì)于大學(xué)生耐挫能力及逆商教育等方面的研究一直是一個(gè)頗受關(guān)注的領(lǐng)域，主要都圍繞逆境的概念展開。其中，較為著名的是多拉德的理論“逆境一攻擊理論”即“攻擊行為往往是逆境的結(jié)果”；此外，巴克爾等著名的兒童侵犯行為實(shí)驗(yàn)也展現(xiàn)逆境與攻擊行為之間的關(guān)系。在一些教育發(fā)達(dá)國家，學(xué)者們關(guān)于逆境商的理論與原理方面有了較深刻的認(rèn)識(shí)，研究的深度和廣度也達(dá)到較高的水平。
1.2 國內(nèi)針對(duì)大學(xué)生逆商的研究現(xiàn)狀
國內(nèi)對(duì)于大學(xué)生逆商的研究頗多，但主要集中于在學(xué)校和社會(huì)中如何提高大學(xué)生的逆商能力，以及逆商能力對(duì)于大學(xué)生日后的工作發(fā)展的相關(guān)性研究。張定強(qiáng)，曹春艷以西北師范大學(xué)為例調(diào)查師范大學(xué)生逆商現(xiàn)狀并對(duì)師范教育進(jìn)行了反思；龔曉會(huì)等人在逆商教育研究中采用了實(shí)驗(yàn)研究的方法，使逆商教育研究進(jìn)一步科學(xué)化；唐新華將CDIO 教學(xué)模式應(yīng)用于工程學(xué)生的逆境商教育中，這是逆商教育在實(shí)踐領(lǐng)域的一次突破；魯楠從家庭、學(xué)校、社會(huì)、自身四個(gè)角度分析了影響高職學(xué)生逆商的因素，并提出了逆商提高的建議；呂靜提出了在素質(zhì)拓展活動(dòng)中開展逆商教育，是逆商教育實(shí)踐中的又一創(chuàng)新。
1.3 國內(nèi)外對(duì)于貧困大學(xué)生逆商的研究綜述
在CNKI中以“貧困大學(xué)生逆商教育”檢索論文94篇。可見，目前對(duì)貧困與逆商之間關(guān)系的研究高度不夠，在提高逆商措施等方面實(shí)踐性不強(qiáng)。國內(nèi)關(guān)于貧困生問題的研究主要是政策、體制、以及多元視角層面上，如杜志麗研究發(fā)現(xiàn)，與非貧困生相比，貧困大學(xué)生更多地采用不成熟型的心理防御機(jī)制來減輕或接觸心理緊張和壓力；雷生的研究表明，貧困大學(xué)生的社會(huì)支持狀況低于非貧困大學(xué)生。曹旭探討團(tuán)體心理輔導(dǎo)對(duì)改善貧困大學(xué)生在人際交往上敏感、缺乏自信心的作用。從目前相關(guān)的文獻(xiàn)資料看，研究者們對(duì)貧困生逆商視角下的思想狀況的調(diào)查與施教對(duì)策方面研究較少，因此一線的學(xué)生思想政治教育工作者應(yīng)該立足現(xiàn)實(shí)，有針對(duì)性地開展相關(guān)研究，同時(shí)創(chuàng)新研究方法，提高研究水平。
2 主要研究?jī)?nèi)容
貧困大學(xué)生問題的研究已成為社會(huì)各界共同關(guān)注的話題，但從全面的角度，跨學(xué)科的角度研究高校貧困生的思想政治教育仍有必要，仍是個(gè)新課題。采用文獻(xiàn)分析法、問卷調(diào)查法等方法對(duì)高校貧困生逆商視角下的思想狀況做深入研究，進(jìn)行保羅?史托茲編制的《逆境反應(yīng)量表》（Adver sity Response Profile，ARP量表）測(cè)試，并編制《逆商視角下高校貧困生思想狀況調(diào)查表》，從個(gè)體心理和情緒的角度考察高校貧困生的逆商水平，用以了解貧困大學(xué)生在學(xué)習(xí)生活中的主要挫折源，以及挫折事件發(fā)生后的生理、心理和行為上的反應(yīng)，并研究其認(rèn)知結(jié)構(gòu)、歸因模式、社會(huì)支持系統(tǒng)狀況以及個(gè)體的挫折應(yīng)對(duì)方式等。
參考文獻(xiàn)
[1] 薛峰，魯武霞，余圣陶等.高校貧困大學(xué)生逆境商的培養(yǎng).常州大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）.2013.14（5）：121-123.
[2] Almeida，A.Development of a Programmed for Enhancing the Adversity Q uotient of Junior College Student [EB/O L].http：//peak .2009（8）.
[3] Zhou，H.J.AQ and Academic Performance among College Student [EB/O L].http：//peak .2009（5）.
[4] 袁滿，汪金川.思想政治課中學(xué)生的逆商培養(yǎng)策略-以《思想道德修養(yǎng)與法律基礎(chǔ)》課程為例[J].學(xué)校黨建與思想教育，2012（12）：46-47.
[5] 張定強(qiáng)，曹春艷.師范大學(xué)生逆商現(xiàn)狀的調(diào)查及對(duì)師范教育的反思-以西北范大學(xué)為例[J].當(dāng)代教育與文化，2011（2）.
[6] 唐新華.CDIO工程教育在推進(jìn)工程應(yīng)用型本科學(xué)生逆商教育中的作用研究[J].教育與職業(yè)，2010（3）.
篇8
本體模塊位于整個(gè)分類框架的中間層，是框架的核心部分，也是整個(gè)分類系統(tǒng)的理論基礎(chǔ)。本體有多種用途，可以利用本體庫中的標(biāo)準(zhǔn)本體文件或是手工構(gòu)建的本體作為背景知識(shí)，提供語義信息構(gòu)建分類模型，也可以利用本體對(duì)特征向量進(jìn)行降維（長(zhǎng)文本）或添加主題詞擴(kuò)充特征向量（短文本），提高分類效率，當(dāng)然本體中包含的信息越完備，取得的分類結(jié)果越準(zhǔn)確。
1.3 分類模塊
分類模塊主要是利用傳統(tǒng)分類算法或本體構(gòu)建分類模型，其主要功能是實(shí)現(xiàn)分類，對(duì)未知文本進(jìn)行判別，將其劃分到所屬的類別中。
2 關(guān)鍵技術(shù)研究動(dòng)態(tài)
2.1 特征處理
近年來，特征處理過程（對(duì)高維特征向量進(jìn)行降維和對(duì)稀疏特征向量進(jìn)行擴(kuò)充）越來越多地被人們重視，高維稀疏的特征空間中缺少對(duì)分類給力的特征項(xiàng)，包含過多冗余信息和噪音數(shù)據(jù)，對(duì)分類效果起反作用。從知識(shí)發(fā)現(xiàn)的角度看，識(shí)別出預(yù)測(cè)結(jié)果中的低維特征是非常有用的，消除無關(guān)和冗余的數(shù)據(jù)特征，提高數(shù)據(jù)挖掘的效率，改善預(yù)測(cè)精準(zhǔn)性等學(xué)習(xí)性能。
特征降維[9]是從初始高維特征集合中選出低維特征集合，并根據(jù)一定的評(píng)估準(zhǔn)則最優(yōu)化縮小特征空間的過程，主要有特征選擇和特征重構(gòu)兩類。特征選擇的本質(zhì)是對(duì)原高維特征空間的約簡(jiǎn)，即在不損傷分類精度的前提下，盡量減少特征空間中的索引項(xiàng)的數(shù)目，降低向量空間的維數(shù)。較為典型的特征選擇方法有文檔頻度、互信息、信息增益、X2統(tǒng)計(jì)量等。Yang yiming[10-11]等人在reuters-21578和一部分Reuters Corpus Version1（RCV1）語料庫上分別采用文檔頻度、互信息、信息增益、X2統(tǒng)計(jì)量等方法對(duì)特征向量進(jìn)行降維，然后用Naive Bayesian, Rocchio, kNN和SVM等分類算法進(jìn)行多角度實(shí)驗(yàn)，結(jié)果表明SVM和X2統(tǒng)計(jì)的組合方法優(yōu)于其它的方法。特征重構(gòu)[12]又稱特征抽取，是基于特征項(xiàng)之間的語義相關(guān)性、類內(nèi)文本聚合程度、類間離散程度的影響力等方面因素，對(duì)文本特征集進(jìn)行壓縮，把原來的特征向量轉(zhuǎn)換成為一個(gè)不同的更緊湊的新低維空間。例如主成成分分析（PCA），線性區(qū)分分析（LDA），潛在語義索引（LSI）等。
還有其他降維方法，如利用通用本體和領(lǐng)域本體提供的概念層次語義結(jié)構(gòu)實(shí)現(xiàn)降維。采用本體中概念及概念間的語義關(guān)系并結(jié)合潛在語義索引算法對(duì)特征空間進(jìn)行降維，可以提高分類性能。文獻(xiàn)[13]提出基于WordNet語義詞典和隱含語義索引(LSI)模型的英文文本分類方法，用WordNet中語義集代替單詞構(gòu)成特征向量，然后利用LSI模型進(jìn)一步深入挖掘語義集的概念間的深層聯(lián)系，將語言知識(shí)和概念索引有效地融合到文本向量空間的表示中，對(duì)特征向量進(jìn)行降維，并分別用Naive Bayes和簡(jiǎn)單向量距離算法實(shí)現(xiàn)分類，實(shí)驗(yàn)結(jié)果表明準(zhǔn)確率都隨著語義分析的深入逐步提高，充分表明語義挖掘?qū)ξ谋痉诸惖闹匾浴Ｎ墨I(xiàn)[14]也利用WordNet通用本體和潛在語義索引算法，實(shí)現(xiàn)了對(duì)信息檢索中的文檔向量進(jìn)行降維，取得較好的效果，該方法也適用于大規(guī)模的文檔集。文獻(xiàn)[15]利用潛在語義索引和領(lǐng)域本體實(shí)現(xiàn)文本特征的降維和分類，該方法適用于對(duì)領(lǐng)域內(nèi)的文本集分類。近年來，基于分形的方法也得到人們關(guān)注[16]。采用分形的思想，可以較準(zhǔn)確地估計(jì)出數(shù)據(jù)的本征維[17]，為進(jìn)一步地降維提供指導(dǎo)性的參考。
對(duì)于新聞標(biāo)題，廣告語，電影預(yù)告等短文本進(jìn)行預(yù)處理后得到稀疏的特征向量，缺少對(duì)分類給力的特征項(xiàng)，為解決其稀疏問題除了要去掉冗余和噪音特征項(xiàng)外，還需要利用語義詞典或本體對(duì)文本向量進(jìn)行特征擴(kuò)充，添加對(duì)分類起正面作用的特征項(xiàng)，輔助指導(dǎo)分類。文獻(xiàn)[18]提出一個(gè)基于短文本的半監(jiān)督的分類通用框架，適用于從Web搜索結(jié)果到醫(yī)學(xué)等眾多不同領(lǐng)域的文本分類。利用潛在主題分析模型如pLSA、LDA等和機(jī)器學(xué)習(xí)方法如最大熵和支持向量機(jī)等，從大規(guī)模外部語料庫中抽取出潛在主題詞擴(kuò)充特征向量，提高分類器的覆蓋范圍。
2.2 分類模型
隨著本體的發(fā)展，近年來有許多國內(nèi)外學(xué)者將本體引入到文本挖掘的各個(gè)應(yīng)用領(lǐng)域，基于本體的分類是研究熱點(diǎn)之一，下面通過幾個(gè)典型實(shí)例進(jìn)一步說明該研究的特點(diǎn)及進(jìn)展。
Gu等人[19]提出一個(gè)基于SARS本體的文本分類模型，利用本體中層次概念結(jié)構(gòu)構(gòu)建向量空間模型，為分類提供領(lǐng)域知識(shí)。同時(shí)從預(yù)處理后的文本集中抽取出主題詞構(gòu)成詞典，用來不斷擴(kuò)充和完善SARS本體，一方面可以構(gòu)建本體向量，另一方面可以解決傳統(tǒng)分類方法中存在的特征向量的高維稀疏問題。基于該分類模型構(gòu)建的原型系統(tǒng)，對(duì)200篇有關(guān)SARS信息的文檔進(jìn)行分類，其分類結(jié)果的精準(zhǔn)率和召回率最高分別可達(dá)到0.93和0.95。
Probowo[20]等人根據(jù)DDC（Dewey Decimal Classification）和LCC（Library ofCongress Classification）的特點(diǎn)，建立了一種DDC-LCC映射關(guān)系，利用基于DDC和LCC兩種分類模式的Web網(wǎng)頁構(gòu)建本體庫，并映射到DDC和LCC兩個(gè)分類模式，給出了DDC-LCC和基于本體的分類模式之間的映射的形式化定義。這種映射關(guān)系能夠提供度量Web網(wǎng)頁和類別的相似度的方法，并結(jié)合本體中的概念與實(shí)例的語義關(guān)系和層次結(jié)構(gòu)關(guān)系，輔助對(duì)Web網(wǎng)頁進(jìn)行分類，取得較好效果。
Song[21]等人在2005年提出了一種利用Web網(wǎng)頁中抽取的語法知識(shí)構(gòu)建領(lǐng)域本體的方法，并利用領(lǐng)域本體的層次結(jié)構(gòu)、概念特征及概念間的關(guān)系和屬性等領(lǐng)域知識(shí)對(duì)Web網(wǎng)頁分類。首先利用自然語言處理技術(shù)對(duì)Web文檔進(jìn)行詞性標(biāo)注和語法分析等預(yù)處理，抽取出重要概念術(shù)語構(gòu)建層次結(jié)構(gòu)，進(jìn)而利用層次結(jié)構(gòu)的語義關(guān)系構(gòu)建領(lǐng)域本體。然后對(duì)從Web網(wǎng)頁中抽取的概念術(shù)語進(jìn)行權(quán)重計(jì)算構(gòu)建文本向量，通過計(jì)算文本向量與本體構(gòu)成的類別向量之間的相似度實(shí)現(xiàn)對(duì)在線的Web網(wǎng)頁進(jìn)行自動(dòng)實(shí)時(shí)分類。與傳統(tǒng)的貝葉斯分類器和TF-IDF分類器進(jìn)行實(shí)驗(yàn)對(duì)比，分別對(duì)從雅虎的經(jīng)濟(jì)新聞網(wǎng)站抽取的Cooperatives，employment，F(xiàn)inance，Marketing，Organizations，Trades等幾個(gè)類別的文本集進(jìn)行分類實(shí)驗(yàn)，三個(gè)分類器的F1指標(biāo)平均值分別為0.92，0.82，0.79，基于本體的分類器有效地提高了分類性能。
2007年，文獻(xiàn)[22]提出一個(gè)基于本體的Web文檔的分類方法和自動(dòng)構(gòu)建本體的方法，并對(duì)分類后的文檔進(jìn)行排序。基于WordNet的同義詞集用經(jīng)驗(yàn)?zāi)Ｊ椒纸釫MD（Earth Mover’s Distance）算法計(jì)算概念的相似度，根據(jù)相似度得分對(duì)已有的本體進(jìn)行擴(kuò)充和維護(hù)，然后把本體作為類別向量對(duì)Web文檔進(jìn)行實(shí)時(shí)分類，最后用排序算法對(duì)分類結(jié)果中的Web文檔集合進(jìn)行排序，為信息檢索提供基礎(chǔ)。分別采用KNN和SVM算法對(duì)從網(wǎng)站上搜集的2000個(gè)Web文檔進(jìn)行實(shí)驗(yàn)，本文提出的方法得到召回率和精準(zhǔn)率明顯優(yōu)于KNN方法，召回率與SVM算法相比相當(dāng)略有提高，但精準(zhǔn)率約有降低。
文獻(xiàn)[15]提出一個(gè)文本分類的通用框架，并將潛在語義索引算法（LSI）和領(lǐng)域本體引入到該框架中實(shí)現(xiàn)對(duì)領(lǐng)域內(nèi)文本集進(jìn)行分類。潛在語義索引算法可以有效解決特征向量的高維和稀疏的問題，提高文本分類的精確度。領(lǐng)域本體具有豐富的領(lǐng)域內(nèi)專用術(shù)語，可以為分類提供背景知識(shí)。利用潛在語義索引算法和領(lǐng)域本體實(shí)現(xiàn)的分類器可以有效的提高分類的性能，其精準(zhǔn)率、召回率和F1度量值的平均值都略高于傳統(tǒng)樸素貝葉斯分類器的實(shí)驗(yàn)結(jié)果。
文獻(xiàn)[23]將本體知識(shí)作為背景知識(shí)應(yīng)用到文本表示中，實(shí)現(xiàn)對(duì)文本的分類。對(duì)XML文本進(jìn)行解析，從XML文本的元素中抽取術(shù)語構(gòu)建特征向量，并充分利用XML文本的特殊結(jié)構(gòu)，并對(duì)其進(jìn)行標(biāo)注，將文本標(biāo)簽及標(biāo)簽路徑結(jié)構(gòu)也作為特征用來擴(kuò)展文本向量，并結(jié)合通用本體WordNet構(gòu)建更豐富特征的特征向量，即將twings和tag paths的信息添加到文本向量中，并找出與twings和tag paths的信息相對(duì)應(yīng)的WordNet中的同義詞集合，對(duì)一詞多義和多詞同義現(xiàn)象進(jìn)行詞義消解。如doctor有兩個(gè)詞義，醫(yī)生和博士，分別與WordNet中的兩個(gè)同義詞集{dentist, therapist, psychologist }和{professor, associated}相對(duì)應(yīng)，要結(jié)合上下文的背景確定選擇哪個(gè)同義詞集，擴(kuò)充特征向量。該方法對(duì)XML文本進(jìn)行分類取得較好的分類效果。
2.3 性能評(píng)測(cè)
2.3.1 數(shù)據(jù)集
對(duì)分類模型進(jìn)行性能評(píng)價(jià)的前提是在相同的運(yùn)行平臺(tái)上對(duì)統(tǒng)一的標(biāo)準(zhǔn)文本集進(jìn)行實(shí)驗(yàn)。目前常用的標(biāo)準(zhǔn)文本集有Reuters-21578，20-Newgroups及其他文本集等。Reuters-21578 文本集是目前國際上比較常用的標(biāo)準(zhǔn)語料庫[24]，來源于1987年路透社的新聞專線的新聞材料，主要用于文本分類系統(tǒng)測(cè)試，該語料庫分為135個(gè)類別，共包含21578篇文本。20-Newgroups[25]是卡內(nèi)基梅隆大學(xué)的McCallum等開發(fā)的Rainbow系統(tǒng)的標(biāo)準(zhǔn)數(shù)據(jù)庫，有20個(gè)類的新聞組討論英文文章分別存放在20個(gè)目錄下，每個(gè)目錄的名字作為一個(gè)新聞組類別，每類大約1000篇文本。對(duì)于不同的分類方法進(jìn)行性能評(píng)測(cè)也可以采用特定領(lǐng)域的文本集如茶領(lǐng)域文本、酒領(lǐng)域文本等。
2.3.2 評(píng)價(jià)指標(biāo)
經(jīng)過分類后可以產(chǎn)生四種結(jié)果，如表1所示。
其中TC表示本屬于該類別，且被正確地判斷為屬于該類別的文本數(shù)；TW表示為本不屬于該類別，卻被錯(cuò)誤地判斷為屬于該類別的文本數(shù)；FC表示本屬于該類別，卻被錯(cuò)誤地判斷不屬于該類別的文本數(shù)，F(xiàn)W表示本不屬于該類別，也被正確地判斷不屬于該類別的文本數(shù)。
通常采用精準(zhǔn)率（precision），召回率（recall），正確率（accuracy），錯(cuò)誤率（fallout），誤差率（error）等評(píng)價(jià)指標(biāo)對(duì)分類器的性能進(jìn)行評(píng)測(cè)[26]。其公式如下：
precision=TC/(TC+FC),
recall=TC/(TC+TW),
accuracy=(TC+FW)/(TC+FC+TW+FW),
fallout=TW/(FC+TW),
error=(TW+FC)/(TC+FC+TW+FW)
要對(duì)分類器的整體性能進(jìn)行評(píng)測(cè)，采用F1_Measure度量[27]指標(biāo)，其公式如(1)所示。其中，β是召回率和精準(zhǔn)率的相對(duì)權(quán)重。β等于1時(shí)兩者同等重要，β大于1時(shí)，精準(zhǔn)率更重要一些，β小于1時(shí)召回率更重要一些。
（1）
F1度量指標(biāo)是對(duì)精準(zhǔn)率和召回率兩個(gè)指標(biāo)的綜合，分別反映分類效果的兩個(gè)不同方面，它們是互為消長(zhǎng)的關(guān)系，不可能兩全其美，其精準(zhǔn)率高，召回率低，反之亦然。根據(jù)分類實(shí)驗(yàn)的具體情況，在兩者之間取得一個(gè)平衡點(diǎn)，使分類的精準(zhǔn)率和召回率都取得較高值，β通常取值為1/2和1。
3 主要挑戰(zhàn)及研究進(jìn)展
3.1 領(lǐng)域本體的構(gòu)建不完善
基于本體的分類方法主要是利用領(lǐng)域本體或通用本體對(duì)領(lǐng)域內(nèi)的數(shù)據(jù)的描述，從中獲取知識(shí)或規(guī)則指導(dǎo)分類，領(lǐng)域本體構(gòu)建的完善與否將直接影響分類的性能。目前已建立了一系列的領(lǐng)域本體的構(gòu)建工程方法，涌現(xiàn)出許多理論、技術(shù)、描述語言和構(gòu)建工具。但是手工構(gòu)建本體需要用戶逐個(gè)輸入大量知識(shí)，費(fèi)時(shí)費(fèi)力，是一項(xiàng)繁瑣而辛苦的任務(wù)，還會(huì)導(dǎo)致知識(shí)獲取的瓶頸，要構(gòu)建完備的領(lǐng)域本體也是許多研究學(xué)者一直著力解決的難題。因此，如何降低構(gòu)建本體的開銷，根據(jù)已有數(shù)據(jù)資源實(shí)現(xiàn)半自動(dòng)化或自動(dòng)化構(gòu)建本體，這是本體學(xué)習(xí)所要研究的內(nèi)容，是一個(gè)具有重要研究?jī)r(jià)值的課題[28]。
3.2 領(lǐng)域本體可重用性差
本體的目的就是知識(shí)的重用和共享，但領(lǐng)域本體必須是依賴特定領(lǐng)域的，才能具有良好的領(lǐng)域知識(shí)表達(dá)能力，領(lǐng)域本體的可重用性一直是一個(gè)難以解決問題。
不同本體的構(gòu)建者開發(fā)的本體所描述的領(lǐng)域可能相關(guān)或重疊，使用的建模方法、建模工具和建模描述語言也不盡相同，從而形成大量異構(gòu)本體。如何在構(gòu)建新本體時(shí)重用現(xiàn)有的本體，實(shí)現(xiàn)對(duì)本體的重用、更新和維護(hù)已經(jīng)成為本體領(lǐng)域新的研究熱點(diǎn)，本體標(biāo)準(zhǔn)化和模塊化構(gòu)建可以為解決本體的可重用性和面向特定領(lǐng)域提供一種新思路。如何找出多個(gè)已有本體之間存在的語義聯(lián)系，對(duì)多個(gè)領(lǐng)域本體進(jìn)行映射和合并，這就是本體集成所研究的內(nèi)容，即集成不同組織開發(fā)的不同語言和不同組織方式的本體，以解決不同應(yīng)用中的信息異構(gòu)問題，也是目前研究的一個(gè)熱點(diǎn)[29]。
3.3 通用本體缺少領(lǐng)域術(shù)語
較為典型的通用本體有HowNet[30]，WordNet[31]等。HowNet又稱知網(wǎng)，是一個(gè)用于自然語言處理的在線常識(shí)知識(shí)庫，包含中文詞典中概念之間的關(guān)系，屬性之間的關(guān)系以及與中文對(duì)應(yīng)的英文的概念及屬性關(guān)系，常用來輔助對(duì)中文文本進(jìn)行分類。WordNet是美國普林斯頓大學(xué)認(rèn)知科學(xué)實(shí)驗(yàn)室的George A.Miller 教授負(fù)責(zé)開發(fā)的基于心理語言學(xué)規(guī)則的英文詞典，它以同義詞集為單位組織信息，對(duì)查詢結(jié)果的演繹比較符合人類思維定式。許多研究學(xué)者根據(jù)WordNet的特點(diǎn)，將其應(yīng)用到文本分類中作為背景知識(shí)指導(dǎo)分類，已經(jīng)取得了一定的成果。通用本體不但可以結(jié)合分類算法構(gòu)建分類模型，還可以對(duì)文本向量進(jìn)行特征處理，能有效提高特征向量中的特征項(xiàng)對(duì)分類所起到的正面作用。通用本體是通用詞匯的集合，包含的詞匯量很多，涉及范圍廣，但缺少對(duì)特定領(lǐng)域的專業(yè)詞匯的描述，不適合指導(dǎo)特定領(lǐng)域的文本分類。領(lǐng)域本體可以彌補(bǔ)通用本體的不足，綜合采用通用本體和領(lǐng)域本體可以更好的提高分類的性能。
3.4 本體的推理能力利用不充分
Perez[32]等人認(rèn)為本體中包含類，關(guān)系，函數(shù)，公理和實(shí)例等5個(gè)基本建模元語，可以從不同層次的形式化模式上給出領(lǐng)域內(nèi)的概念與概念之間相互關(guān)系，提供對(duì)該領(lǐng)域知識(shí)的共同理解。其中公理是對(duì)本體中概念及其關(guān)系的約束，是對(duì)知識(shí)進(jìn)行推理和驗(yàn)證的基礎(chǔ)，而OWL（Web Ontology Language）本體描述語言是基于描述邏輯的形式化的本體描述方法，具有強(qiáng)大的演繹推理能力，利用推理機(jī)制進(jìn)行分類并結(jié)合本體中用于描述屬性和類型的詞匯，會(huì)進(jìn)一步提高分類效果。然而，本體中強(qiáng)大的機(jī)器推理機(jī)制的功能并沒有完全發(fā)揮出來，對(duì)本體中概念、實(shí)例和屬性等特征也缺乏深層次的語義分析，本體中概念關(guān)系、實(shí)例、屬性類型等特征對(duì)分類過程所起的作用不大。如何充分利用本體所提供的機(jī)器推理機(jī)制及深層次的語義關(guān)系，實(shí)現(xiàn)對(duì)文本數(shù)據(jù)進(jìn)行深度挖掘是研究學(xué)者關(guān)注的熱點(diǎn)問題。
4 總結(jié)
本文提出一個(gè)基于本體庫的文本分類通用框架，并分別從特征處理，分類模型和性能評(píng)測(cè)等多方面歸納總結(jié)了現(xiàn)有基于本體的文本分類研究中存在一些問題及研究進(jìn)展，希望上述工作可以給相關(guān)的文本分類的研究提供有益的參考。
參考文獻(xiàn)：
[1] Sebastiani Fabrizio. Machine Learning in Automated Text Categorization [J]. ACM Computing Surveys, 2002,34(1):1-47.
[2] Lewis D D. Naive (Bayes) at forty：The Independence assumption in information retrieval[C]//Proc of the 10th European Conference on Machine Learning. Chemnitz, Germany, 1998:4-15.
[3] Yang Yiming, Liu Xin. A Re-examination of Text Categorization Methods[C]//Proceedings of the 22th Annual ACM International Conference on Research and Development in Information Retrieval (SIGIR-99).Berkeley, CA, 1999.42-49.
[4] Joachims T.Text categorization with support vector machines：Learning with Many Relevant Features[C]//Proceedings of European conference on Machine learning.1998.1-7.
[5] Wiener E, Pedersen J O, Weigend A S.A Neural Network Approach to Topic Spotting[C]//Proc of the 4th annual Symposium on Document Analysis and Information Retrieval.1995.317-332.
[6] 蘇金樹，張博鋒，徐昕.基于機(jī)器學(xué)習(xí)的文本分類技術(shù)研究發(fā)展[J].計(jì)算機(jī)軟件學(xué)報(bào),2006,17(9):1848-1859.
[7] 孫娜.基于本體和潛在語義索引算法的文本分類方法研究[D].長(zhǎng)春:東北師范大學(xué),2009.
[8] Yang Xi-quan, Sun Na, Zhang Ye, et al. General Framework for Text Classification based on Domain Ontology [C]//Proc of 3rd International Workshop on Semantic Media Adaptation and Personalization, 2008:147-152.
[9] 胡潔.高維數(shù)據(jù)特征降維研究綜述[J].計(jì)算機(jī)應(yīng)用研究,2008-9,25(9):2601-2606.
[10] Yang Timing, Pedersen J O. A comparative study on feature selection in text categorization[C]//Fisher DH. Proceedings of the 14th International Conference on Machine Learning.Nashville：Morgan Kaufmann Publishers, 1997.412-420.
.
[11] Rogati Monica, Yang Yiming．High-Performing feature selection for text classification[C]//DavidG, Kalpakis K, Sajda Q,et al．Proceedings of the 11th ACM International Conference on Information and Knowledge Management．McLean：ACM Press,2002.659-661．
[12] 劉海峰,王元元,張學(xué)仁,等.文本分類中基于位置和類別信息的一種特征降維方法[J].計(jì)算機(jī)應(yīng)用研究,2008,25(8):2292-2294.
[13] LV Lin, LIU Yu-shu, LIU Yan. Realizing English Text Classification with Semantic Set Index Method[J]. Journal of Beijing University of Posts and Telecommunications, 2006(2):22-25.
[14] Pavel Moravec, Michal Kolovrat, Vaclav Snasel.LSI vs.Wordnet Ontology in Dimension Reduction for Information Retrieval[C].Snasel C V,Pokorny J,Richta K.Dateso Technical University of Ostrava, Dept of Computer Science, 2004.18-26.
[15] Xi-Quan Yang, Na Sun. The application of latent semantic indexing and ontology in text classification[J]. International Journal of Innovative Computing, Information and Control(IJICIC)，2009, 5(12):1-9.
[16] Camastra F, Vinciarelli A. Estimating the Intrinsic Dimension of Data with a Fractal-based Method[J]. IEEE Transaction On Pattern Analysis and Machine Intelligence,2002,24(10)：1404-1407．
[17] Tolle c R, Mc Junkin T R, Gorisch D J．Suboptimal Minimum cluster Volume cover-based Method for Measuring Fractal Dimension[J]. IEEE Transaction Pattern Analysis and Machine Intelligence, 2003,25(1):32-41．
[18] Xuan-Hieu Phan, Le-Minh Nguyen, Susumu Horiguchi. Learning to Classify Short and Sparse Text & Web with Hidden Topics from Large-scale Data Collections[C]. WWW 2008 / Refereed Track: Data Mining-Learning, Beijing, China,2008:91-100.
[19]Huazhen Gu, Kuanjiu Zhou. Text Classification Based on Domain Ontology[J]. Journal of Communication and Computer, 2006,3(5):29-32.
[20] Prabowo Rudy, Jackson Mike, Burden Peter, et al. Ontology-Based Automatic Classification for the Web Pages: Design, Implementation and Evaluation[C]//Proc of the 3rd International Conference on Web Information Systems Engineering, IEEE Computer Science,2002.182-191.
[21] Song Mu―Hee，Lim Soo?Yeon，Kang Dong-Jin，et a1．Automatic Classification of Web Pages based on the concept of Domain Ontology[C]//Proceedings of the 12th Asia-Pacific Software Engineering Conference(APSEC’05)，IEEE Computer Science，2005．645-651.
[22] Fang Jun，Guo Lei，Wang Xiao Dong,et a1．Ontology―Based Automatic Classification and Ranking for Web documents[C]//Proceedings of 4th International Conference on Fuzzy Systems and Knowledge Discovery(FSKD 2007)，IEEE Computer Science.2007:627-631.
[23] Martin Theobald, Ralf Schenkel, Gerhard Weikum. Exploiting Structure, Annotation, and Ontological Knowledge for Automatic Classification of XML[C]//Data International Workshop on the Web and Databases (WebDB).San Diego, California, 2003:1-6.
[24] David D.Lewis.Reuters-21578 text categorization test collection Distribution 1.0 README file(v1.2)[EB/OL].[1997-09-06]/~lewis.
[25] McCallum，Andrew Kachites. Bow:A toolkit for statistical language modeling, text retrieval, classification and clustering[EB/OL].[1998-09-12]cs.cum.edu/-mccallum/bow.
[26] Xiaoxun Zhang, Xueying Wang, Honglei Guo,et al. FloatCascade Learning for Fast Imbalanced Web Mining[C].WWW 2008 / Refereed Track: Data Mining - Learning,April 21-25,2008,Beijing,China,71-80.
[27] 李保利,陳玉忠，俞士汶.信息抽取研究綜述[J].計(jì)算機(jī)工程與應(yīng)用,2003(10):1-5.
[28] 杜小勇,李曼,王珊.本體學(xué)習(xí)研究綜述[J].軟件學(xué)報(bào),2006,17(9):1837-1847.
[29] 范莉婭,王愛民,肖田元.本體集成方法評(píng)價(jià)指標(biāo)體系及其應(yīng)用研究[J].計(jì)算機(jī)集成制造系統(tǒng),2007,13(5):911-917.
篇9
紅細(xì)胞平均指數(shù)包括有平均紅細(xì)胞體積（MCV）、平均紅細(xì)胞血紅蛋白含量（MCH）、平均紅細(xì)胞血紅蛋白濃度（MCHC）三個(gè)參數(shù)[1]，上述三項(xiàng)紅細(xì)胞平均值可幫助臨床對(duì)貧血進(jìn)行診斷。筆者對(duì)200例研究對(duì)象聯(lián)合檢測(cè)MCV、MCH、MCHC結(jié)果進(jìn)行了對(duì)比分析，現(xiàn)具體報(bào)道如下：
1 資料與方法
1.1 一般資料
200例研究對(duì)象均為2010年1月～2012年1月本院就診者，分為缺鐵性貧血組、正常組各100例，均行MCV、MCH、MCHC聯(lián)合檢測(cè)；缺鐵性貧血組年齡（31±17）歲，男性62例，女性38例；正常組年齡（32±18）歲，男性63例，女性37例；兩組一般資料差異無統(tǒng)計(jì)學(xué)意義（P > 0.05）。
1.2 檢測(cè)方法
1.3 統(tǒng)計(jì)學(xué)分析
3 討論
缺鐵性貧血是由于鐵攝入量不足、吸收、轉(zhuǎn)運(yùn)障礙、大量丟失、鐵利用功能下降等，導(dǎo)致紅細(xì)胞內(nèi)鐵含量下降而形成缺鐵性貧血[2]。IDA屬于小細(xì)胞低色素性貧血，較常見，其發(fā)病率呈逐年增加趨勢(shì)，且發(fā)展中國家、經(jīng)濟(jì)落后地區(qū)、孕婦、哺乳期婦女、嬰幼兒發(fā)病率明顯增高。IDA對(duì)于嬰幼兒的智能發(fā)育產(chǎn)生不良影響，可引起嬰幼兒智能發(fā)育緩慢、行為出現(xiàn)異常[3]，長(zhǎng)期IDA對(duì)兒童腦部發(fā)育產(chǎn)生不可逆損傷而形成終身性影響，故對(duì)IDA患者做到早診斷、早治療非常重要。目前，檢測(cè)紅細(xì)胞平均指數(shù)等化驗(yàn)室血液檢查是臨床診斷IDA的主要手段。
MCV、MCH、MCHC三個(gè)參數(shù)統(tǒng)稱為紅細(xì)胞平均指數(shù)，于1979年時(shí)，Bassmaan就早已提出了貧血的MCV、RDW分類法[4]，而近年來隨著化驗(yàn)醫(yī)療設(shè)備的不斷進(jìn)步，MCV、MCH、MCHC檢測(cè)結(jié)果日益精準(zhǔn)，該檢查項(xiàng)目在較多疾病的診斷工作中逐漸得到了廣泛應(yīng)用，而檢測(cè)紅細(xì)胞平均指數(shù)診斷IDA也備受臨床醫(yī)師和檢驗(yàn)師的青睞和關(guān)注，目前已被作為診斷缺鐵性貧血的重要參考指標(biāo)[5]。本次研究結(jié)果顯示，缺鐵性貧血組的100例研究對(duì)象的MCV、MCH、MCHC值顯著較對(duì)照組低，且P < 0.01；100例缺鐵性貧血患者中顯示MCV、MCH、MCHC均下降者共96例，約占到96%，僅有4例顯示正常，原因可能為患者處于早期缺鐵，輕度缺鐵但可滿足幼紅細(xì)胞合成血紅蛋白，使得患者的血紅蛋白量水平和細(xì)胞形態(tài)均無顯著變化；由此可見，MCV、MCH、MCHC的檢測(cè)對(duì)于臨床診斷缺鐵性貧血具有極高的參考價(jià)值。MCV、MCH、MCHC中，MCV可體現(xiàn)出紅細(xì)胞體積的總體改變，MCH、MCHC可將紅細(xì)胞內(nèi)血紅蛋白的含量水平準(zhǔn)確地反映出來；MCV是國內(nèi)外用于鑒別診斷貧血的主要指標(biāo)[6]，但其只能反映紅細(xì)胞體積大小及不均一性，卻不可體現(xiàn)紅細(xì)胞內(nèi)血紅蛋白含量的變化情況，故需要聯(lián)合MCH、MCHC進(jìn)行檢測(cè)，方可提高缺鐵性貧血的診斷準(zhǔn)確性[7-9]。
總之，臨床診斷缺鐵性貧血的實(shí)驗(yàn)檢測(cè)指標(biāo)雖然眾多，但由于骨髓涂片鐵染色及血清鐵蛋白的檢測(cè)工作繁瑣、緩慢，而僅把MCV做為診斷依據(jù)，又不能了解紅細(xì)胞內(nèi)的血紅蛋白含量水平狀態(tài)；而MCV、MCH、MCHC三項(xiàng)參數(shù)聯(lián)合檢測(cè)不僅可獲得極高的陽性率和準(zhǔn)確率，且操作簡(jiǎn)便快捷，故可作為臨床診斷缺鐵性貧血的首選指標(biāo)。
[參考文獻(xiàn)]
[1] 姜曉萍，陳波，解晶，等. 紅細(xì)胞參數(shù)及鐵代謝指、標(biāo)在鑒別缺鐵性貧血與慢性病貧血中的臨床意義[J]. 中國傷殘醫(yī)學(xué)，2009，17（3）：21-22.
[2] 常玉榮，葛慶峰，何曉娟，等. 289例貧血患者紅細(xì)胞參數(shù)分析[J]. 中國老年學(xué)雜志，2008，28（14）：82-83.
[3] 沈健，陸燕，盛紅斌，等. 嬰幼兒缺鐵性貧血現(xiàn)狀及影響因素[J]. 浙江預(yù)防醫(yī)學(xué)，2011，23（1）：71-72.
[4] 江燕，趙琳. 缺鐵性貧血的診治進(jìn)展[J]. 醫(yī)學(xué)綜述，2011，17（10）：71-73.
[5] 冼中任，陳秋霞，朱伯珍，等. 紅細(xì)胞參數(shù)對(duì)輕型β-地中海貧血與缺鐵性貧血鑒別診斷的價(jià)值[J]. 檢驗(yàn)醫(yī)學(xué)與臨床，2011，8（2）：42-43.
[6] 黃品. 血紅細(xì)胞四項(xiàng)參數(shù)診斷缺鐵性貧血的臨床價(jià)值[J]. 中外健康文摘，2011，8（44）：49-50.
[7] 周建中. 紅細(xì)胞參數(shù)在缺鐵性貧血診斷中的應(yīng)用評(píng)價(jià)[J]. 國際檢驗(yàn)醫(yī)學(xué)雜志，2011，32（7）：87-88.
篇10
1資料與方法
1.1一般資料 選擇2013年6月～2014年6月本院的165例孕婦臨床資料作為研究對(duì)象，按照不同孕周分成三組，每組55例孕婦，孕早期組：孕婦年齡19～38歲，平均（24±5.20）歲，平均孕周（13.00±1.00）w，均是初產(chǎn)婦；孕中期組：孕婦年齡19～39歲，平均（25±5.10）歲，平均孕周（24.00±1.00）w，均是初產(chǎn)婦；孕完期組：孕婦年齡20～38歲，平均（24±6.20）歲，平均孕周（33.00±1.00）w，初產(chǎn)婦。
1.2 方法 由專業(yè)人士一對(duì)一定期追蹤至產(chǎn)后第5 d，在孕婦12 w建立圍生期基線資料，詳細(xì)記錄不同組別的孕婦每人每天的平均膳食攝入量，對(duì)各類膳食予以方差分析，采用實(shí)物頻數(shù)法及24 h膳食回顧法進(jìn)行調(diào)查，再分別記錄產(chǎn)婦前3 d的膳食成分，克為單位并估計(jì)攝入量，從而計(jì)算每天的食物攝入量。根據(jù)中國膳食營養(yǎng)攝入量進(jìn)行分析，同時(shí)記錄同時(shí)期孕婦的體質(zhì)量增加量，并記錄不同孕周產(chǎn)婦的每天每人的營養(yǎng)攝入量[2]。
1.3觀察指標(biāo)與判定標(biāo)準(zhǔn) 比較不同孕周產(chǎn)婦的膳食攝入量和推薦量。比較不同孕周產(chǎn)婦體質(zhì)量增加和BMI增值變化[3]。
1.4統(tǒng)計(jì)學(xué)分析 研究數(shù)據(jù)均用SPSS 21.0軟件分析，用均數(shù)標(biāo)準(zhǔn)差（x±s）表計(jì)量資料，用t進(jìn)行組間比較；用百分比（%）表計(jì)數(shù)資料，用χ2進(jìn)行組間比較，當(dāng)P
2 結(jié)果
2.1比較不同孕周產(chǎn)婦的膳食攝入量與推薦量 三組產(chǎn)婦孕周膳食攝入量（除蛋類）均隨著妊娠期的增加而增加，孕中期孕婦的膳食攝入增加量最大，孕早期孕婦膳食攝入量最少，孕中期孕婦膳食攝入量（除水果）最多，見表1。
2.2比較不同孕周產(chǎn)婦體質(zhì)量增加和BMI增值變化 孕早期的孕婦體質(zhì)量增加最少，孕中期的孕婦體質(zhì)量增加最多，且BMI增值和孕周體質(zhì)量增加結(jié)果相一致，見表2。
3 討論
隨著社會(huì)的進(jìn)步，人們生活水平的提高，孕婦更加注重妊娠期營養(yǎng)攝入，因?yàn)闋I養(yǎng)攝入量直接影響母嬰身體健康，但是目前仍沒有完整的標(biāo)準(zhǔn)指導(dǎo)不同孕周產(chǎn)婦膳食攝入 量[4]。本文旨在探究孕婦妊娠期膳食攝入與體質(zhì)量增加的相關(guān)性，通過將本院的孕婦按照不同孕周時(shí)間進(jìn)行分組，分為孕早期、中期、晚期組別，由專業(yè)人士從孕周12 w隨訪追蹤至產(chǎn)后第5 d，每天記錄不同種類食物攝入量，并與推薦量比較，再分析不同孕周產(chǎn)婦體質(zhì)量增加及BMI增值的變化。
結(jié)果顯示：三組產(chǎn)婦孕周膳食攝入量（除蛋類）均隨著妊娠期的增加而增加，孕中期孕婦的膳食攝入增加量最大，孕早期膳食攝入量最少，孕中期孕婦膳食攝入量（除水果）最多，膳食攝入總量過多，尤其是蛋類、水果、動(dòng)物肉類，表明三組孕婦均存在膳食結(jié)構(gòu)比例不均衡現(xiàn)象。分析原因可能在于：南方盛產(chǎn)水果，孕婦在妊娠期會(huì)分泌更多的胃酸，而吃水果可以緩解胃部不適感[5]。但有研究顯示：孕婦水果攝入量過多會(huì)導(dǎo)致孕婦體質(zhì)量增加較其他季節(jié)增加更為迅速，偏愛攝入富含維C水果，會(huì)增加分娩巨大兒幾率[6]。而豆制品、魚蝦海鮮攝入量不足有可能與南方地區(qū)海鮮價(jià)格過高有關(guān)，雜糧及蔬菜攝入量不足會(huì)減少維生素B的攝入，從而增加妊娠期肥胖及便秘幾率[7]。
同時(shí)結(jié)果顯示：孕早期的孕婦體質(zhì)量增加最少，孕中期孕婦體質(zhì)量增加最多，且BMI增值和孕周體質(zhì)量增加結(jié)果相一致，表明不同孕周產(chǎn)婦的膳食攝入量和孕婦妊娠期的體質(zhì)量增加呈正相關(guān)。分析原因，本次研究孕婦體質(zhì)量增加約為17.60 kg，遠(yuǎn)大于報(bào)道顯示健康孕婦妊娠期體質(zhì)量增加應(yīng)控制的16kg，可能與本研究孕婦膳食攝入總量明顯大于推薦量有關(guān)[8]。
綜上所述，孕婦妊娠期膳食攝入量與體質(zhì)量增加呈正相關(guān)，但膳食攝入結(jié)構(gòu)不科學(xué)，需作相關(guān)調(diào)整，以保證孕婦及胎兒健康。
參考文獻(xiàn)：
[1]黃曉玲，黃，陳琴.孕婦妊娠期膳食攝入與體質(zhì)量增加的相關(guān)性研究[J].重慶醫(yī)學(xué)2012，41（32）：3412-3414.
[2]中國營養(yǎng)學(xué)會(huì).中國居民膳食指南[M].拉薩：人民出版社，2008：358.
[3]康乃富，李永華.營養(yǎng)教育對(duì)孕婦妊娠結(jié)局及膳食攝入的影響[J].中華行為醫(yī)學(xué)與腦科學(xué)雜志m2012，21（7）：619-621.
[4]丁曉華，劉小玲，田莉.妊娠期膳食對(duì)妊娠期高血壓疾病的影響[J].中華護(hù)理雜志2014，49（10）：1198-1121.
[5]黃莉莉，羅小銘，談曄，等.廣州地區(qū)食物頻率問卷信度和效度研究[J].中華疾病控制雜志m2013，17（8）：711-714.
篇11
1 人工智能及其在醫(yī)學(xué)上的應(yīng)用
AI是一個(gè)廣義的術(shù)語，指的是機(jī)器或計(jì)算程序執(zhí)行具有人類智能特征的任務(wù)的能力，如模式識(shí)別和解決問題的能力等。AI可以通過彌補(bǔ)人類智能，使現(xiàn)有醫(yī)療診斷和預(yù)后價(jià)值最大化，同時(shí)使醫(yī)師負(fù)擔(dān)最小化，從而顯著改善健康診療過程和結(jié)果。AI在臨床實(shí)踐中的應(yīng)用預(yù)示著醫(yī)學(xué)領(lǐng)域一個(gè)更為劇烈變化時(shí)代的到來，在影像學(xué)方面尤其如此。一項(xiàng)通過分析科學(xué)網(wǎng)數(shù)據(jù)庫的研究[3]發(fā)現(xiàn)，目前AI在醫(yī)學(xué)的研究領(lǐng)域主要集中在大數(shù)據(jù)分析、腦卒中康復(fù)、心臟手術(shù)和醫(yī)療診斷和預(yù)后預(yù)測(cè)等方面。其中，用于醫(yī)學(xué)診斷、預(yù)后預(yù)測(cè)和分類的神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)是主要熱點(diǎn)，占所有文獻(xiàn)的26%；而未來最引人關(guān)注的研究主題是基于AI的微創(chuàng)手術(shù)。然而，關(guān)于AI數(shù)據(jù)管理、模型可靠性、模型臨床效用驗(yàn)證等問題尚未進(jìn)行廣泛研究。
2 人工智能的機(jī)器學(xué)習(xí)法
大數(shù)據(jù)是一個(gè)經(jīng)常用來描述大量收集數(shù)據(jù)的術(shù)語，如來自大型生物信息庫的基因組數(shù)據(jù)、電子健康記錄檔案和大型研究隊(duì)列數(shù)據(jù)以及影像學(xué)掃描數(shù)據(jù)等。AI系統(tǒng)通過識(shí)別和提取一組觀測(cè)數(shù)據(jù)（數(shù)據(jù)集）的模式來自主獲取知識(shí)的過程稱為機(jī)器學(xué)習(xí)（machine learning,ML）。ML是人工智能的一個(gè)組成部分，描述為計(jì)算機(jī)從經(jīng)驗(yàn)中學(xué)習(xí)的過程，并在沒有事先知識(shí)的情況下執(zhí)行預(yù)定的任務(wù)[4]。機(jī)器學(xué)習(xí)可以進(jìn)一步分為監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)，這取決于用于學(xué)習(xí)的樣本是否完全標(biāo)記、部分標(biāo)記或未標(biāo)記。ML的典型例子是人工神經(jīng)網(wǎng)絡(luò)，后者基于人類大腦的神經(jīng)元及其連接，神經(jīng)元之間的相互依賴關(guān)系反映出不同的權(quán)重，每個(gè)神經(jīng)元接受多個(gè)輸入，所有的輸入一起決定了神經(jīng)元的激活。通過樣本訓(xùn)練找到這些合適權(quán)重的過程就是學(xué)習(xí)。學(xué)習(xí)過程的復(fù)雜性和所需的樣本量隨著神經(jīng)元數(shù)量的增加而增加。由于計(jì)算能力和樣本大小的限制，機(jī)器學(xué)習(xí)應(yīng)用程序的成功依賴于從原始樣本中手工提取特征來減少神經(jīng)元的數(shù)量。為了解決這一問題，人們提出了深度學(xué)習(xí)的方法，即自動(dòng)學(xué)習(xí)代表性的樣本。深度學(xué)習(xí)是指一種特別強(qiáng)大的ML方法，它利用卷積神經(jīng)網(wǎng)絡(luò)模擬人類的認(rèn)知，常用于影像模式識(shí)別和分類。
模型訓(xùn)練是所有ML類型的共同過程，它是利用模型分析所提供的數(shù)據(jù)中的各種特性來學(xué)習(xí)如何生成輸出標(biāo)簽的過程[5]。如在超聲心動(dòng)圖中，一個(gè)模型可以分析各種特征，如左心室壁厚度和左心室射血分?jǐn)?shù)，以確定患者是否具有特定的條件。然而，在分析中包含不相關(guān)的特征可能會(huì)導(dǎo)致模型過度擬合，從而在呈現(xiàn)新數(shù)據(jù)集時(shí)降低其準(zhǔn)確性。這強(qiáng)調(diào)了擁有一個(gè)能夠代表總體的訓(xùn)練數(shù)據(jù)集的重要性。數(shù)據(jù)集的質(zhì)量對(duì)于最終ML模型的質(zhì)量至關(guān)重要。盡管ML算法可以使用小數(shù)據(jù)集或大數(shù)據(jù)集進(jìn)行訓(xùn)練，但大數(shù)據(jù)集可以最大限度地提高訓(xùn)練算法的內(nèi)部和外部有效性，降低過度擬合的風(fēng)險(xiǎn)。正確模型的選擇通常取決于操作員的專業(yè)知識(shí)、數(shù)據(jù)集的性質(zhì)和最終人工智能系統(tǒng)的目的。
3 人工智能在心血管超聲的應(yīng)用
心血管成像領(lǐng)域，包括超聲心動(dòng)圖、心臟計(jì)算機(jī)斷層掃描、心臟磁共振成像和核成像，具有復(fù)雜的成像技術(shù)和高容量的成像數(shù)據(jù)，處于精準(zhǔn)心臟病學(xué)革命的前沿。然而，在基于AI的臨床轉(zhuǎn)化方法中，心血管成像一直落后于腫瘤學(xué)等其他領(lǐng)域。人工智能在超聲心動(dòng)圖中的應(yīng)用包括自動(dòng)心室定量和射血分?jǐn)?shù)計(jì)算、應(yīng)變測(cè)量和瓣膜形態(tài)及功能評(píng)估以及ML在心臟疾病自動(dòng)診斷中的應(yīng)用。
3.1 心室定量和EF自動(dòng)化。
自動(dòng)心室量化和EF計(jì)算的算法旨在提供準(zhǔn)確、快速和可重復(fù)的心尖視圖分類、解剖標(biāo)志檢測(cè)、心室壁分割和心內(nèi)膜跟蹤。有研究[6]比較了AI軟件自動(dòng)測(cè)量（AutoEF）和手工追蹤雙平面Simpson法測(cè)量左室EF的準(zhǔn)確性，并與心臟MRI進(jìn)行了比較。結(jié)果表明AutoEF與手動(dòng)雙平面Simpson法測(cè)得的EF相關(guān)性較好，且與MRI相關(guān)性良好，但AutoEF低估了左室舒張末期容積（EDV）和收縮期末期容積（ESV）。此外，在不同切面，測(cè)量的準(zhǔn)確性存在差異，以胸骨旁長(zhǎng)軸切面的準(zhǔn)確性最高，達(dá)96%，而在心尖切面時(shí)整體精度降低（84%）。腔室定量和左室EF測(cè)量的中位數(shù)絕對(duì)偏差在15%～17%，其中ESV的絕對(duì)偏差最小；左房容積和左室EDV被高估。
3.2 心肌運(yùn)動(dòng)和應(yīng)變測(cè)量。
Kusunose等[7]研究發(fā)現(xiàn)與傳統(tǒng)二維超聲心動(dòng)圖相比，利用深度卷積神經(jīng)網(wǎng)絡(luò)可更好的檢測(cè)區(qū)域壁運(yùn)動(dòng)異常并區(qū)分冠狀動(dòng)脈梗死區(qū)域。Cikes等[8]利用復(fù)雜超聲心動(dòng)圖數(shù)據(jù)（整個(gè)心動(dòng)周期的左室容積和變形數(shù)據(jù)，而不是單個(gè)數(shù)據(jù)點(diǎn)）和臨床參數(shù)的ML算法識(shí)別心衰并對(duì)心臟再同步化治療的反應(yīng)進(jìn)行評(píng)估，證實(shí)通過整合臨床參數(shù)和全心周期成像數(shù)據(jù)，無監(jiān)督的ML可以為表型異質(zhì)性心力衰竭隊(duì)列提供一個(gè)有臨床意義的分類，并可能有助于優(yōu)化特定治療的反應(yīng)率。另有研究證實(shí)[9-10],ML算法有助于區(qū)分縮窄性心包炎、限制性心肌病以及肥厚性心肌的重塑。Zhang等[11]采用AI軟件和手工勾畫對(duì)左室心肌的縱向應(yīng)變進(jìn)行了比較研究。發(fā)現(xiàn)AI自動(dòng)測(cè)量的心肌全局縱向應(yīng)變與手動(dòng)應(yīng)變變化最小（絕對(duì)值為1.4%～1.6%）。
3.3 心臟瓣膜評(píng)估。
有學(xué)者[12]采用AI軟件對(duì)二尖瓣幾何形狀進(jìn)行測(cè)量，測(cè)量參數(shù)包括二尖瓣環(huán)面積、瓣環(huán)高度和寬度、瓣葉連合間距、前后葉長(zhǎng)度等。發(fā)現(xiàn)相對(duì)于常規(guī)超聲心動(dòng)圖，所有評(píng)估的成像參數(shù)均獲得了更好的觀察者間一致性，而且所花費(fèi)的時(shí)間明顯較少。Prihadi等[13]研究證實(shí)，經(jīng)食管超聲心動(dòng)圖AI軟件能夠精確地對(duì)主動(dòng)脈瓣結(jié)構(gòu)以及冠狀動(dòng)脈開口進(jìn)行測(cè)量和定位，且與多層螺旋CT的測(cè)量結(jié)果具有良好的相關(guān)性。
4 展望
在海量醫(yī)學(xué)信息和影像數(shù)字化日益積累的現(xiàn)代醫(yī)學(xué)時(shí)代，AI和ML為疾病診斷和風(fēng)險(xiǎn)預(yù)測(cè)等問題提供了新的解決方案。通過AI對(duì)超聲心動(dòng)圖數(shù)據(jù)進(jìn)行預(yù)測(cè)、建模和精確分析，可以幫助超聲醫(yī)師快速、準(zhǔn)確地處理大量心臟超聲影像學(xué)數(shù)據(jù)，既有利于應(yīng)對(duì)當(dāng)前醫(yī)療信息數(shù)量的急劇增長(zhǎng)，又有利于提高處理數(shù)據(jù)信息的能力。未來，針對(duì)AI的研究應(yīng)關(guān)注超聲圖像數(shù)據(jù)特征定義及其提取方法的標(biāo)準(zhǔn)化，以確保可推廣性和可再現(xiàn)性，促進(jìn)AI向更加個(gè)性化的醫(yī)療模式轉(zhuǎn)變。此外，AI系統(tǒng)與遠(yuǎn)程醫(yī)療等軟件的集成，將使智能心臟超聲診斷系統(tǒng)滲透到資源消耗負(fù)擔(dān)最繁重的地區(qū)，提高經(jīng)濟(jì)效益。
參考文獻(xiàn)
[1]Oikonomou EK,Siddique M,Antoniades C.Artificial intelligence in medical imaging:A radiomic guide to precision phenotyping of cardiovascular disease[J].Cardiovasc Res,2020,Feb 24;cvaa021.
[2]Dey D,Slomka PJ,Leeson P,et al.Artificial Intelligence in Cardiovascular Imaging:JACC State-of-the-Art Review[J].J Am Coll Cardiol,2019,73(11):1317-1335.
[3]Tran BX,Latkin CA,Vu GT,et al.The Current Research Landscape of the Application of Artificial Intelligence in Managing Cerebrovascular and Heart Diseases:A Bibliometric and Content Analysis[J].Int J Environ Res Public Health,2019,16(15):2699.
[4]Gandhi S,Mosleh W,Shen J,et al.Automation,machine learning,and artificial intelligence in echocardiography:A brave new world[J].Echocardiography,2018,35(9):1402-1418.
[5]Alsharqi M,Woodward WJ,Mumith JA,et al.Artificial intelligence and echocardiography[J].Echo Res Pract,2018,5(4):R115-R125.
[6]Xu B,KocyigitD,Grimm R,et al.Applications of artificial intelligence in multimodality cardiovascular imaging:A state-of-theart review[J].Prog Cardiovasc Dis,2020,19;S0033-0620(20)30060-8.
[7]Kusunose K,Abe T,Haga A,et al.A Deep Learning Approach for Assessment of Regional Wall Motion Abnormality From Echocardiographic Images[J].JACC Cardiovasc Imaging,2020,13(2 Pt 1):374-381.
[8]Cikes M,Sanchez-Martinez S,Claggett B,et al.Machine learningbased phenogrouping in heart failure to identify responders to cardiac resynchronization therapy[J].Eur J Heart Fail,2019,21(1):74-85.
[9]Narula S,Shameer K,Salem Omar AM,et al.Machine-Learning Algorithms to Automate Morphological and Functional Assessments in 2D Echocardiography[J].J Am Coll Cardiol,2016,68(21):2287-2295.
[10]Sengupta PP,Huang YM,Bansal M,et al.Cognitive machine-learning algorithm for cardiac imaging:a pilot study for differentiating constrictive pericarditis from restrictive cardiomyopathy[J].Circ Cardiovasc Imaging 2016,9(6):e004330.
篇12
肺癌是我國發(fā)病率最高的惡性腫瘤，其發(fā)病率和病死率均居全國首位，迫切期望人們突破傳統(tǒng)思維，尋找新的治療方法。因此，探索新的治療方法可顯著提高肺癌治療水平。
人們期望分子靶向治療能像現(xiàn)代戰(zhàn)爭(zhēng)中的巡航導(dǎo)彈，自動(dòng)尋敵、精準(zhǔn)定點(diǎn)殺滅癌細(xì)胞；或者像現(xiàn)代戰(zhàn)爭(zhēng)中精確鉆地的炸彈，能定向阻斷癌細(xì)胞增殖，轉(zhuǎn)移信號(hào)傳導(dǎo)，進(jìn)而破壞癌細(xì)胞代謝[1]。近年來，腫瘤分子靶向治療已經(jīng)進(jìn)入了一個(gè)全新的時(shí)代。這些領(lǐng)域包括具有靶向性的表皮生長(zhǎng)因子受體（EGFR）抑制劑；針對(duì)某些特定細(xì)胞標(biāo)志物的單克隆抗體；針對(duì)某些癌基因和腫瘤標(biāo)記物的藥物；抗腫瘤血管生成的藥物及基因治療等。本文就肺癌的分子靶向治療藥物的新進(jìn)展進(jìn)行綜述。
一、靶向治療概念
分子靶向治療是治療肺癌的新途徑，分子靶向治療是以腫瘤細(xì)胞具有的特異性（或相對(duì)特異）的分子為靶點(diǎn)，應(yīng)用分子靶向藥物特異性阻斷該靶點(diǎn)的生物學(xué)功能，從分子水平來逆轉(zhuǎn)腫瘤細(xì)胞的惡性生物學(xué)行為，從而達(dá)到抑制腫瘤生長(zhǎng)，甚至腫瘤消退的目的。
靶向治療可稱為“有的放矢”的治療，屬于病理生理治療。分為：器官靶向、細(xì)胞靶向和分子靶向。分子靶向是指在腫瘤細(xì)胞分子生物學(xué)的基礎(chǔ)上，將腫瘤細(xì)胞膜上或細(xì)胞內(nèi)特異性表達(dá)的結(jié)構(gòu)分子作為靶點(diǎn)，使用某些能與這些靶分子特異結(jié)合的抗體、配體、基因等，封閉腫瘤發(fā)展過程中的關(guān)鍵受體，糾正其病理過程，從而達(dá)到直接治療目的的一類療法。
二、以EGFR為靶點(diǎn)的治療[2]
1.易瑞沙（Gefitinib，Iressa，吉非替尼）是一種口服的小分子EGFR酪氨酸激酶抑制劑，首先被用于治療晚期非小細(xì)胞肺癌 （NSCLC）。在影響緩解率和預(yù)后的因素中， 已肯定了女性、腺癌、無吸煙史，東方人種預(yù)后較好。
2.埃羅替尼（Erlotinib，Tarceva）是一種口服小分子EGFR酪氨酸激酶抑制劑。Ⅱ期臨床實(shí)驗(yàn)結(jié)果報(bào)道， 埃羅替尼單藥治療晚期 NSCLC緩解率為10%～30%。
3.西妥昔單抗（Cetuximab，C225）是一種特異性阻斷EGFR的IgG1單克隆抗體。
三、以VEGF為靶點(diǎn)的治療[2]
貝伐單抗（Avastin，Bevacizumab） 是人源化抗VEGF單抗， 可以占據(jù)VEGF，使之不能與受體結(jié)合。血管生成在NSCLC的發(fā)生和發(fā)病中起著十分重要的作用，抑制新生血管的生成是NSCLC 靶向治療的一個(gè)熱點(diǎn)。Avastin的主要毒副反應(yīng)是肺出血，咯血，主要發(fā)生在鱗癌、中央性病灶和有空洞病灶的患者。
四、多靶點(diǎn)聯(lián)合治療[3]
肺癌的發(fā)生發(fā)展過程涉及多基因、多環(huán)節(jié)、多步驟，癌細(xì)胞的信號(hào)傳導(dǎo)調(diào)控網(wǎng)絡(luò)系統(tǒng)錯(cuò)綜復(fù)雜，腫瘤血管及淋巴管生成營養(yǎng)供給、癌細(xì)胞轉(zhuǎn)移等過程及調(diào)控更是撲朔迷離。分子靶向治療藥物有效率大多僅在10%左右，因此多靶點(diǎn)聯(lián)合治療將成為未來的發(fā)展方向。
五、以Her22為靶點(diǎn)的治療[2]
赫賽汀（Transtuzumab， Herceptin）是人源化的抗Her22單克隆抗體，與腫瘤細(xì)胞的Her22具有高度的親和力，呈高度特異性結(jié)合。其作用機(jī)制是與腫瘤細(xì)胞的Her22特異性結(jié)合，阻斷細(xì)胞內(nèi)生長(zhǎng)信號(hào)的傳導(dǎo)，抑制腫瘤細(xì)胞的生長(zhǎng)，并誘導(dǎo)體內(nèi)NK細(xì)胞和巨噬細(xì)胞攻擊腫瘤細(xì)胞。
六、基因治療
腫瘤的基因治療可簡(jiǎn)單概括為：將核苷酸轉(zhuǎn)移到靶細(xì)胞中，以擾亂或糾正某些病理生理過程，或通過其他物質(zhì)和手段，以糾正靶細(xì)胞中的基因或基因產(chǎn)物的異常表達(dá)。但癌基因異常是復(fù)雜而多途徑的，需進(jìn)一步完善基因治療的技術(shù)水平及效果評(píng)價(jià)體系。
七、未來肺癌靶向治療需解決的問題[1]
回顧肺癌靶向治療的諸多進(jìn)展，未來仍還有許多問題需要解決：
①靶向治療藥物如何才能只作用于肺癌腫瘤細(xì)胞靶點(diǎn)，而不作用于正常細(xì)胞的相同靶點(diǎn)？
②臨床上如何通過檢測(cè)一些指標(biāo)了解靶向治療藥物對(duì)肺癌產(chǎn)生作用？
③怎樣確定靶向治療藥物的最佳生物學(xué)劑量？我們有充分的理由相信，隨著對(duì)人類基因組學(xué)中功能性基因組和支配腫瘤的基因組的深入了解，肺癌的治療必將進(jìn)入一個(gè)嶄新的時(shí)代。
參考文獻(xiàn)：
篇13
1國內(nèi)外對(duì)低劑量CT掃描技術(shù)的研究差異
國外子20世紀(jì)80年代就開始對(duì)低劑量CT掃描技術(shù)進(jìn)行研究，在基礎(chǔ)研究方面有完整的科研團(tuán)隊(duì)及前沿的設(shè)備，并涉及多個(gè)學(xué)科，分工合作，具有較強(qiáng)的研究實(shí)力，臨床應(yīng)用方面也覆蓋了眾多項(xiàng)目，不斷地向器官病種的具體細(xì)化方向進(jìn)行研究，運(yùn)用多種設(shè)備急性對(duì)比研究，各種檢查條件及設(shè)備之間進(jìn)行相互驗(yàn)證，能有效的對(duì)低劑量CT掃描的價(jià)值進(jìn)行有效的評(píng)價(jià)。我國開始對(duì)其的研究?jī)H10年的歷史，對(duì)于CT低劑量的掃描技術(shù)的基礎(chǔ)研究比較少，主要是集中在心臟和肺部，主要是關(guān)于如何在保證圖像質(zhì)量的基礎(chǔ)上減少輻射劑量，對(duì)于器官的研究還不多見，主要是對(duì)不同參數(shù)下進(jìn)行低劑量掃描所產(chǎn)生的影像之間的差別比較，從2007年開始，該研究的報(bào)道越來越多［2］。
2低劑量CT掃描的意義
國際放射防護(hù)委員會(huì)（ICRP）提倡，在進(jìn)行X線檢查時(shí)要遵循實(shí)踐正當(dāng)性及防護(hù)最優(yōu)化的原則。以最小的代價(jià)及患者接受的最小劑量來獲得有價(jià)值的臨床診斷影像，進(jìn)而進(jìn)行精準(zhǔn)的診斷的全過程中有系統(tǒng)、有計(jì)劃的活動(dòng)。ICRP認(rèn)為，如果受檢者棘手的X線輻射劑量增加1mSv將會(huì)讓惡性腫瘤的發(fā)病率增加5/10萬，CT掃描技術(shù)的廣泛應(yīng)用，電離放射風(fēng)險(xiǎn)成為非常嚴(yán)重的社會(huì)問題和醫(yī)療問題。低劑量CT掃面技術(shù)能夠有效的降低輻射帶來的風(fēng)險(xiǎn)和危害；在CT血管成像上低劑量CT掃描可以降低對(duì)比劑（含碘）的使用劑量及注射的流率，可以有效的控制和減少特殊人群（老年體弱、腎病高危者、心功不全等）因注射對(duì)比劑而引起的不良反應(yīng)的發(fā)生；該技術(shù)還可以降低對(duì)CT球管及探測(cè)器的損耗，可以有效的降低運(yùn)營CT的成本。
3低劑量CT掃面和圖像質(zhì)量的關(guān)系
在保持良好圖像質(zhì)量的前提下最大限度地減少輻射劑量時(shí)放射科醫(yī)師必須關(guān)注和完成的任務(wù)。適度的CT掃描圖像偽影和噪聲是完全可以接受的，噪聲＜27HU，不會(huì)對(duì)診斷產(chǎn)生比較明顯的不利影響，設(shè)定此值為接受的噪聲值。
3.1低劑量CT掃描圖像偽影和噪聲和使用的設(shè)備、設(shè)置的掃描參數(shù)、患者的個(gè)體差異等情況有關(guān)。X線的劑量和信噪比呈正相關(guān)，劑量越低，信噪比也就下降的十分明顯。在實(shí)際使用中不能一味地減少輻射劑量，還可以通過設(shè)置適宜的參數(shù)并采用圖像重建的方法進(jìn)行彌補(bǔ)，降低其對(duì)圖像質(zhì)量的影響到最低。
3.2低劑量CT掃描圖像偽影和噪聲還和患者的體質(zhì)量指數(shù)（BMI）、體型等有關(guān)，在進(jìn)行掃描前根據(jù)患者的大致體型和BMI調(diào)整適宜的掃描參數(shù)，改變一成不變的固定參數(shù)掃描模式，不同的設(shè)備、檢查目的的不同、患者間的個(gè)體差異、不同疾病和部位等因素的綜合分析來調(diào)整適宜的低劑量掃面參數(shù)和方案，實(shí)現(xiàn)合理的個(gè)體化掃描。
4存在的問題
目前，在臨床上沒有廣泛的開展低劑量CT掃描技術(shù)主要是由于該技術(shù)會(huì)導(dǎo)致CT掃描圖像偽影和噪聲增加，部分醫(yī)生認(rèn)為不能對(duì)圖像質(zhì)量進(jìn)行保證，同時(shí)國家一級(jí)醫(yī)學(xué)影像學(xué)專業(yè)內(nèi)也沒有關(guān)于低劑量CT掃描技術(shù)的規(guī)范及量化標(biāo)準(zhǔn)。我國對(duì)該技術(shù)基礎(chǔ)研究比較薄弱，研究方法也十分單一和粗糙，臨床應(yīng)用的研究也存在很大的局限性，缺乏公認(rèn)可行的評(píng)價(jià)方法和指標(biāo)。該研究涉及到的領(lǐng)域比較多，遇到的問題也十分多，一家醫(yī)院或者一個(gè)單位是不能完成對(duì)其的系統(tǒng)研究，必須要進(jìn)行多中心研究。衛(wèi)生部門行政領(lǐng)導(dǎo)和科室醫(yī)師也要理解、支持、配合影像科醫(yī)師應(yīng)用低劑量CT掃描技術(shù)。
5研究前景
我國對(duì)于胸部低劑量CT的研究比較完善，對(duì)于腹部使用低劑量CT掃描所得到的圖像評(píng)估還在摸索階段。降低管電流降低輻射劑量是目前研究較多且最具潛力的方法，但是如果降低管電流隨之就會(huì)降低低密度分辨率，不能很好顯示肝臟等腹腔內(nèi)的實(shí)質(zhì)性器官，有些學(xué)者采用在升高管電流的同時(shí)降低電壓啦實(shí)現(xiàn)低劑量對(duì)腹部的實(shí)質(zhì)性器官掃描的目的。低劑量CT掃描雖然會(huì)增加圖像噪聲，但是所得到的圖像質(zhì)量及信息可以滿足臨床診斷的要求，在某種程度上還可以讓病變的部位的顯示更具有可視性，能夠減少受檢者者所接受的輻射劑量，也明顯的降低了球管工作時(shí)的負(fù)擔(dān)，有效的延長(zhǎng)了其使用的壽命，節(jié)約資源。
