摘要：由于现有神经网络方法泛化性能的局限性、医学影像参差不齐的质量以及肿瘤的不规则性和浸润性,应用神经网络全自动分割方法的效果无法令人满意.为了充分地利用不同图像特有的信息,提出融合空间信息的先验嵌入网络的新范式.在神经网络中引入基于图像空间位置的先验信息引导模型聚焦于病灶区域,学习肿瘤的判别性特征并排除无关信息,从而增强模型对于特征的选择能力并提高分割精度.使用医学图像分割框架2D U-Net和3D nnU-Net分别作为主干网络,在肝肿瘤分割任务上采用LiTS数据进行实验.经过5折交叉验证,先验嵌入网络在训练集上的分割精度比2D U-Net提高22.4%;在测试集上比集成式nnU-Net提高1.2%,比非集成式nnU-Net提高4.4%.

摘要：胜任力导向医学教育已引起全球医学界的关注与投入,然而西方发展出的主流胜任力导向医学教育框架仍缺乏足够文献研究及其适用性的相关资料。本研究以系统方式检索相关西方文献,并分析整理予国内参考。针对胜任力导向医学教育领域探索,进行欧美文献研究,并系统检视整理此概念的执行、课程设计及评估工具等数据为关心毕业后医学教育的同仁提供参考,作为创新开发中国的胜任力训练指标及各种相关设计的建议基础。综述胜任力导向医学教育、核心胜任力领域、里程碑、可信赖专业活动的定义与等级及其相互关系,整理出评估核心胜任力领域的工具。系统梳理西方毕业后医学教育主流方式大纲,以便医学教育专家与临床教师提出融合国际方向,与国内各区历史、社会文化、医疗执业场所等背景的中国创新胜任力导向医学教育框架。本研究整理的细节规划,从建立指标、设计发展、成效评估等实际可执行工具,为国内同道应用与转化构建符合中国特色的胜任力导向医学教育提供参考,以呼应当前中国对于医学发展与医疗照护的社会需求。