目的 探究讲授式教学法(lecture based learning,LBL)、以问题为基础的教学方法(problem-based learning,PBL)、慕课(massive open online course,MOOC)联合翻转课堂对于临床医学专业留学生临床实习效果的影响。方法选取2018年6月-2019...目的 探究讲授式教学法(lecture based learning,LBL)、以问题为基础的教学方法(problem-based learning,PBL)、慕课(massive open online course,MOOC)联合翻转课堂对于临床医学专业留学生临床实习效果的影响。方法选取2018年6月-2019年6月在哈尔滨医科大学附属第一医院6年制临床医学毕业实习阶段留学生共80名作为研究对象,随机分成4组,每组20人,分别采用4种不同教学模式进行神经内科实习教学:1组采用LBL教学法;2组采用PBL教学法;3组采用LBL联合PBL教学法;4组采用LBL+PBL+慕课联合翻转课堂。课后向每名同学发放调查问卷以此了解学生的满意情况,实习结束以后对4组学生进行理论和临床技能综合考试。以评估留学生的临床知识掌握能力、临床技能操作能力、临床病例分析能力。结果 第4组学生临床知识掌握能力、临床技能操作能力、临床病例分析能力均高于其他3组留学生,差异有统计学意义(P <0.05);第4组学生在专业知识涵盖满意度、临床思维培养满意度、教学体验满意度3个方面评分高于其他3组学生,差异有统计学意义(P <0.05)。结论 在留学生临床实习教学中采用LBL+PBL+MOOC联合翻转课堂教学模式效果显著,能有效激发学生的主观能动性,培养学生自主学习和分析问题的能力,提高学生的学习成绩及临床知识掌握能力、临床技能操作能力、临床病例分析能力,提升整体教学效果和教学满意率。展开更多
为提高蒙皮损伤检测的自动化程度,提出一种基于改进YOLOv7通道冗余的机器视觉检测方法。首先针对飞机蒙皮损伤数据集背景单一的特点,提出增强型颈部特征融合改进算法,提高了飞机蒙皮损伤的识别精度和检测速度;其次针对主干特征提取网络...为提高蒙皮损伤检测的自动化程度,提出一种基于改进YOLOv7通道冗余的机器视觉检测方法。首先针对飞机蒙皮损伤数据集背景单一的特点,提出增强型颈部特征融合改进算法,提高了飞机蒙皮损伤的识别精度和检测速度;其次针对主干特征提取网络的卷积通道冗余的问题,引入部分卷积PConv(Partial convolution),提出主干特征提取网络轻量化,减少模型的参数量,同时提高损伤的识别效率。试验部分首先在飞机蒙皮损伤数据集上探索了不同增强型颈部特征融合改进算法,确定了最优的改进方案;接着在飞机蒙皮损伤数据集上做消融和对比试验,改进算法与原YOLOv7算法比较,mAP(Mean average precision)提升了2.3%,FPS(Frames per second)提升了22.1 f/s,模型参数量降低了34.13%;最后将改进的YOLOv7模型与主流目标检测模型对比,证明了改进算法的先进性。展开更多
功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)研究面临的主要挑战之一是不同被试者fMRI数据的异质性。一方面,多被试数据分析对于确定所生成结果跨被试的通用性和有效性至关重要。另一方面,分析多被试者fMRI数据需要在...功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)研究面临的主要挑战之一是不同被试者fMRI数据的异质性。一方面,多被试数据分析对于确定所生成结果跨被试的通用性和有效性至关重要。另一方面,分析多被试者fMRI数据需要在不同被试者的神经活动之间进行准确的解剖和功能校准,以提升最终结果的性能。然而,现有大多数功能校准研究都采用浅层模型来处理多被试者间的复杂关系,这严重束缚了多被试信息的建模能力。为此,提出了一种基于多视图自编码器的功能校准(Multi-view Auto-encoder Functional Alignment,MAFA)方法。具体地,该方法通过重构不同被试者的响应空间来学习节点嵌入,捕获不同被试者之间共享的特征表示,从而创建一个公共的响应空间。此外,通过引入自训练聚类目标,利用高置信度节点作为软标签来监督图聚类过程。在4个数据集上的实验结果表明,相比其他多被试者脑影像功能校准方法,所提方法在解码精度方面取得了最佳效果。展开更多
文摘为提高蒙皮损伤检测的自动化程度,提出一种基于改进YOLOv7通道冗余的机器视觉检测方法。首先针对飞机蒙皮损伤数据集背景单一的特点,提出增强型颈部特征融合改进算法,提高了飞机蒙皮损伤的识别精度和检测速度;其次针对主干特征提取网络的卷积通道冗余的问题,引入部分卷积PConv(Partial convolution),提出主干特征提取网络轻量化,减少模型的参数量,同时提高损伤的识别效率。试验部分首先在飞机蒙皮损伤数据集上探索了不同增强型颈部特征融合改进算法,确定了最优的改进方案;接着在飞机蒙皮损伤数据集上做消融和对比试验,改进算法与原YOLOv7算法比较,mAP(Mean average precision)提升了2.3%,FPS(Frames per second)提升了22.1 f/s,模型参数量降低了34.13%;最后将改进的YOLOv7模型与主流目标检测模型对比,证明了改进算法的先进性。