《工程科学学报》：“健康中国”行动下的智慧医疗

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度

结合影像学和人工智能技术对病灶进行无创性定量分析是目前智慧医疗的一个重要研究方向。针对肝细胞癌（Hepatocellular carcinoma, HCC）分化程度的无创性定量估测方法研究，结合放射科医师的临床读片经验，提出了一种基于自注意力指导的多序列融合肝细胞癌组织学分化程度无创判别计算模型。以动态对比增强核磁共振成像（Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）的多个序列为输入，学习各时序序列及各序列的多层扫描切片在分化程度判别任务的权重，加权序列中具有的良好判别性能的时间和空间特征，以提升分化程度判别性能。模型的训练和测试在三甲医院的临床数据集上进行，实验结果表明，本文所提出的肝细胞癌分化程度判别模型取得相比几种基准和主流模型最高的分类计算性能，在WHO组织学分级任务中，判别准确度、灵敏度、精确度分别达到80%，82%和82%

《工程科学学报》：基于数据融合的智能医疗辅助诊断方法

0 概述 0.1 激光器的基本结构 0.2 激光器的分类及其主要输出特性 1 固体激光器 1.1 固体激光工作物质 1.2 光泵浦系统 1.3 工作物质的热效应及其散热 1.4 掺钛宝石激光器 2 气体激光器 2.1 气体放电激励基础 2.2 He-Ne激光器 3 染料激光器 4 光纤激光器 可分为基于非线性效应的光纤拉曼激光器和基于受激辐射的掺杂光纤激光器。 大多采用激光二极管泵浦。 实质上是一种特殊形态的固体激光器； 广泛应用于光通信、光传感、激光加工、激光医疗、激光印刷等领域

延安大学：《社会统计学 Social Statistics》课程教学资源（调查问卷）延安农村新型合作医疗状况调查

 基本理论介绍  物资管理  设备管理  药品管理  低值易耗品管理  案例介绍  美国大型医疗设备管理案例

第一节 概述 • 定义、基本特征、分类、分级 第二节 突发环境污染事件的危害 • 对人群健康的危害 • 对社会安定和经济发展的影响 第三节 突发环境污染事件的应急准备 • 坚持预防为主的原则 • 组建指挥协调系统 • 建立应急预案和预警系统 • 切实做好应急保障 • 加强应急管理科学研究 第四节 突发环境污染事件的应急处理 • 紧急启动预警系统 — 快速执行应急响应— 立即实施应急监测 — 迅速进行事故抢险— 开展紧急医疗救助 — 应急终止及后期处置

复旦大学：《社会发展与健康》教学论文_非法医疗机构及非法行医行为的分析与应对

�第一章 总则 第二章 基本养老保险 第三章 基本医疗保险 第四章 工伤保险 第五章 失业保险 第六章 生育保险 第七章 社会保险费征缴 第八章 社会保险基金 第九章 社会保险经办 第十章 社会保险监督 第十一章 法律责任 第十二章 附则