医学图像论文范例

1生物医学图像信息技术的应用分析

目前，生物医学图像信息技术主要包括生物医学图像传输、图像管理、图像分析、图像处理几方面。这些技术同以前的图像技术、医学影像技术都有一定的联系，其在涵盖以往图像技术、医学影像技术的同时，也具有自身的特点，与传统的图像和医学影像技术相比，生物医学图像信息技术更加强调在医学图像信息收集、处理等过程中应用计算机信息技术。

1.1图像成像

从本质上来看，生物医学图像成像技术（下文简称“图像成像技术”）与医学影像技术的区别并不大，仅仅是人们更习惯将其表达为医学影像。生物医学图像成像技术的研究内容为：利用染色方法和光学原理，清晰地表达出机体内的相关信息，并将其转变为可视图像。图像成像技术研究的图像对象有：人体的标本摄影图像、观察手绘图像、断层图像（如ECT、CT、B超、红外线、X光）、脏器内窥镜图像、激光共聚焦显微镜图像、活细胞显微镜图像、荧光显微镜图像、组织细胞学光学显微镜图像、基因芯片、核酸、电泳等显色信息图像、纳米原子力显微镜图像、超微结构的电子显微镜图像等等。

图像成像技术主要包括2个部分：现代数字成像和传统摄影成像。通常可采用扫描仪、内窥镜数码相机、采集卡、数字摄像机等进行数字图像采集；显微图像采集则可应用光学显微镜成像设备及超微结构电子显微镜成像设备；特殊光源采集可应用超声成像仪器、核磁共振成像仪器及X光成像设备。目前，各种医学图像技术的发展都十分迅速，特别是MRI、CT、X线、超声图像等技术。在医学图像成像技术方面，如何提高成像分辨力、成像速度、拓展成像功能，尤其是在生理功能及人体化学成分检测方面，已经引起了相关领域的重视。

1.2图像处理

生物医学图像处理技术，是指应用计算机软硬件对医学图像进行数字化处理后，进行数字图像采集、存储、显示、传输、加工等操作的技术。图像处理是对获取的医学图像进行识别、分析、解释、分割、分类、显示、三维重建等处理，以提取或增强特征信息。目前，医学领域所应用的图像处理技术种类较多，统计学知识、成像技术知识、解剖学知识、临床知识等的图像处理均得到了较快的发展。另外，人工神经网络、模糊处理等技术也引起了图像处理研究领域的广泛重视。

影像组学通过计算机技术将医学图像转换为高通量数据，进而对疾病、预后、生存期、肿瘤基因表达等进行分析和预测。与传统影像学相比，影像组学提供了肉眼无法识别的内部纹理特征，且不依赖医生的主观经验，因此能够更全面、客观的分析病变信息。此外，影像组学具有无创性、可重复、快速经济、避免活检采样误差等优势。本研究运用文献计量学对影像组学相关文献进行分析。

一、资料与方法

1.资料来源与检索策略。数据来源于WebofScience核心合集数据库。检索策略为：主题=“Radiomics”OR“Radiomic”，限定文章类型为Article，文章发表时间不限定，检索日期截止到2020年4月17日，选择“全记录与引用的参考文献”并以纯文本格式导出。

2.研究方法。本研究使用Excel2016验证布拉德福定律和普赖斯定律，其余数据的统计和处理均采用VOSviewer1.6.14软件实现3。首先对发表时间、期刊、国家、作者等字段进行统计，对来源期刊利用布拉德福定律得到核心期刊，对作者利用普赖斯定律得到核心作者，将核心作者最低发文量作为划分核心机构的标准，从而得到影像组学领域相关文献的发表年代、来源期刊和研究力量分布情况。随后，将关键词进行同义词合并处理，截取频次阈值为10的关键词作为高频关键词，构建高频关键词表。限定类中至少包括5个关键词，以“Associationstrength”作为标准化方法进行高频关键词的聚类分析，并生成高频词聚类网络图。

二、结果

1.分布情况。2012至2020年共检索到1476篇文献，分别为2、3、7、28、66、160、323、675和212篇。共涉及288种期刊，其中核心区期刊8种（EurRadiol，SciRep，MedPhys，JMAGNRESONIMAGING，EurJRadiol，FrontNeuroendocrinol，PHYSMEDBIOL，PLoSOne），核心区文献503篇。共涉及56个国家，前3位国家分别为中国（611篇）、美国（529）、意大利（100）。共涉及7932位作者，核心作者122位。共涉及1535家科研机构，其中113家为核心科研机构，集中在中国（42家）、美国（35）。

2.研究热点分析。高频关键词表见表1，共56个。高频词聚类图如图1所示，共聚为5类，即涉及5个主题。主题1（红色）主要介绍了影像组学的实现方法以及基于机器学习方法的影像组学研究。主题2（绿色）主要介绍了基于MRI图像对头颈癌、肝癌、鼻咽癌等进行影像组学研究以实现对肿瘤的诊断与预后分析。主题3（蓝色）主要介绍了基于CT、PET/CT的影像组学方法在肺癌中的应用以及基于图像纹理特征对肿瘤异质性的研究。主题4（黄色）主要介绍了利用人工智能、定量成像技术等方法来预测肿瘤治疗反应从而实现个体化医疗。主题5（紫色）主要介绍了神经胶质瘤的生存预后分析以及影像组学的基因组学研究。

（一）

一、课堂讲解,以教学大纲为基础，完善教师的备课内容

1、根据学生的专业及所学知识背景情况选择教学计划

医学影像学是一门包括X线、CT、MRI、超声及介入放射学等内容的课程，在临床上对患者疾病诊断、治疗及随访具有越来越重要的作用.随着医学亚专业细化及交叉，掌握并应用好影像学不仅是影像科医生而且是临床各科医生所必须的.对于综合型医学院校，学生所学的专业不同、医学知识背景（专科、本科）不同.所以教师要根据不同专业及学生的医学知识背景编写具有适合本专业特点的教学计划和备课的内容.

2、丰富课件的内容

影像教学的特点是以图像学习为主,所以要充分重视多媒体及数字化教学的积极作用,教学手段实现数字化.在理论教学时，充分利用幻灯、录像、及图表等，尽量减少板书，以缩短授课时间，使学生对所学理论知识能“看得见，摸得着”，有效地提高了学生对影像征象的辨认和综合分析能力.现行的教材特点是以局部解剖为主线,介绍各系统中各个器官不同疾病的不同影像学表现,目的是使学生对一个疾病的影像诊断有一个全面、完整的认识,这是希望学生全面而系统地掌握医学影像诊断学的基本理论、知识和培养综合应用多种成像技术进行疾病诊断的能力.教学模式可采用整合各种影像资源集中安排教学,即X线、CT、MRI及超声相结合；影像、临床、解剖和病理结合的新模式.使学生在学习过程中形成立体的、三维的影像概念，建立起各种影像间的立体联系，以增强学生多方面影像的认识能力.

3、改进传统的医学影像学教学方法

[摘要]人工智能在医学影像中的应用飞速发展，目前已用于脑膜瘤影像瘤周水肿的准确分割、预判脑膜瘤的病理级别及鉴别诊断等。笔者就人工智能技术在脑膜瘤影像的应用现状和未来发展进行综述。

[关键词]脑膜瘤；人工智能；机器学习；影像组学

人工智能(artificialintelligence，AI)是1956年在Dartmouth大学举办的会议期间首次出现的名称[1]。作为一个通用术语，它是指以最低限度的人为干预，让计算机自行模拟智能行为[2]。本文就人工智能在脑膜瘤的影像应用进展及发展前景进行综述。

1AI在影像诊断领域的应用背景

AI是计算机科学的分支，用机器执行通常由人的智力活动完成的认知任务。AI近来在感知能力方面取得了巨大进步，已能让机器更好地描述和解释复杂的数据。而深度学习的加入，强化了计算能力，加速了AI的发展。当前影像诊断专业的特点是大量的图像和报告以数字形式存在，这些特点在推动医学进入数字化时代的过程中起到了引领作用，同时为发展AI提供了契机。AI在影像医学应用的最初目的是在临床工作中提高效率和效果，减少专业人员的失误，增加客观性。近年来，影像组学结合深度学习技术(AI的算法之一)可自图像中自动学习有代表性的特征，从而在肿瘤影像学领域帮助临床决策，如明确诊断、不同癌症的危险分层等。目前广泛使用的AI方法分为2种：第一种是手工裁切特征，如肿瘤纹理特征，再使用计算机程序进行量化；第二种方法是深度学习，深度学习算法能自动从数据中提取特征，不需人工预定义特征[3]。AI在肿瘤影像的应用主要是发现异常(肿瘤识别)、特征提取、监测变化这3个方面，但也面临一些挑战，包括开发通用术语以及在不同成像平台和患者人群中制定AI程序使用的验证标准。

2AI在脑膜瘤影像的应用现状

脑膜瘤AI应用的伦理问题由McCradden等[4]进行了研究，结果表明几乎所有参与者都认为，售卖医疗数据应该被禁止，但为了改进健康状况，也有小部分人认为暴露少量隐私是可以接受的。技术方面，脑膜瘤图像分割、智能识别的方法学研究不断进步，自动化程度越来越高，从而使得影像结果输出更方便、快捷及精准。2019年1月，Laukamp等[5]采用深度学习模型对56例脑膜瘤患者(病理组织类型Ⅰ级n=38、Ⅱ级n=18)的T1WI、T2WI、T1增强图像和FLAIR图像进行识别、分割，输入模型后结果显示检测到脑膜瘤55例，与人工分割效果相当。这表明尽管扫描器数据各不相同，但深度学习模型仍能对脑膜瘤组织进行准确的自动检测和分割。同年8月，Stember等[6]采用视觉追踪技术对脑膜瘤图像进行分割，结果表明，该方法可用于深度学习的语义分割，将来进一步优化，便可以通过更快、更自然的方式用于临床。2020年2月，Laukamp等[7]对56位脑膜瘤患者的影像数据分别进行两种处理：深度学习算法自动分割和由两位高年资影像工作者手动分割，输入模型后结果显示为55个脑膜瘤是由深度学习自动分割的，其研究表明对脑膜瘤图像采用基于深度学习的自动分割具有较高的分割准确性，与人工分割效果相当。这种自动分割图像包括增强扫描T1WI和FLAIR图像，与Laukamp等[5]的研究相一致。鉴于脑膜瘤的瘤周水肿程度影响患者的临床结果，亦有研究者使用半自动方法对该区域进行了精准分割，Latini等[8]使用商业软件(VuePACSLivewire)在50例颅内脑膜瘤患者的磁共振图像上采用半自动计算方法计算瘤周水肿量。结果表明无论图像信号如何变化，都可以精确计算水肿量且具有很高的可重复性。且经过较短的训练后，便可简单快速的在临床实践中实施。应用方面，这些图像分割、机器学习等智能手段在脑膜瘤的应用目前主要集中在以下几个方面：脑膜瘤病理级别的判断、脑膜瘤的鉴别诊断和瘤周水肿的识别与分割等。其中以脑膜瘤病理级别的判断研究最多，不同研究者采用的方法不尽相同。早在2016年，Krivoshapkin等[9]设计实验，由一名放射科医生和两名神经外科医生使用先进的计算机算法分析48例脑膜瘤切除术前1.5T磁共振图像并区分术前脑膜肿瘤的组织学类型，结果表明高级数学算法在区分脑膜瘤病理级别中具有高度的特异性、灵敏度和可重复性，但当时并未引起重视。2018年11月，ArokiaJesuPrabhu等[10]研究团队使用一种新型的支持向量机方法，实现了对脑膜瘤病理级别的判断。与此同时，Hale等[11]通过机器学习对1998～2010年间WHOⅠ级(n=94)和Ⅱ级(n=34)脑膜瘤的18～65岁患者的影像数据进行分析，结果表明机器学习算法是功能强大的计算工具，可以非常准确地预测脑膜瘤分级。到2019年，类似的研究明显增加，所用的研究方法和MRI图像也不断更新。2019年3月，Lu等[12]回顾病理数据库，纳入152例脑膜瘤患者的421张术前ADC图用于纹理分析，通过机器学习分类器可实现与经验丰富的神经放射科医生同等的诊断性能，可对脑膜瘤进行准确分级。表明基于ADC值和ADC值纹理分析的决策树模型具有广泛前景，可以在不久的将来提供更精确的诊断和辅助诊断。同年7月，Zhu等[13]通过181例脑膜瘤患者的MRI深度学习影像组学模型，以非侵入性方式对脑膜瘤进行分级，结果表明深度学习影像组学模型在非侵入性个体化脑膜瘤分级预测中其量化能力十分突出。其实验组使用深度学习的影像组学分析方法也实现了脑膜瘤病理级别的判断。同年10月，Zhu等[14]基于数据扩增和改良卷积神经网络自动预测脑膜瘤病理级别。同年11月，Hamerla等[15]使用了4种机器学习方法，进一步提高了脑膜瘤病理级别的分级并具有很好的敏感度和特异度。同年12月，Laukamp等[16]通过MRI形态学检查序列、扩散序列进行病变的形态学参数、纹理特征分析，实现了脑膜瘤的病理分级。2020年6月，Ke等[17]利用多参数MRI图像也对这一科学问题进行了研究。与脑膜瘤病理级别的判断比较，AI在脑膜瘤的诊断和鉴别诊断方面的研究相对较少。2019年7月，Shrot等[18]通过队列研究，将141例患者(41例胶质母细胞瘤，38例转移瘤，50例脑膜瘤和12例原发性中枢神经细胞瘤)的形态学MRI、灌注MRI和扩散张量成像序列应用于机器学习方案来鉴别不同类型的脑肿瘤，结果显示使用普通和高级MRI序列的机器学习方案具有高性能的自动肿瘤分类算法，可应用于临床决策中优化肿瘤分类。同年9月，Li等[19]通过回顾性分析，在67例患者的MRI序列(T2-FLAIR，扩散加权成像和增强的T1WI)中提取498个组学特征(12个临床特征和486个纹理特征)，将纹理分析应用于机器学习模型中。结果显示，与血管瘤性脑膜瘤相比，恶性血管周细胞瘤更大，肿瘤周围水肿程度更小，并且纹状血管更多。表明机器学习在鉴别恶性血管周细胞瘤和血管瘤性脑膜瘤的诊断中具有重要价值。2020年，AbdelazizIsmael等[20]使用残差网络的深度学习方法，对脑膜瘤、胶质瘤和垂体瘤进行了识别，准确率高达99%。国内文献也对脑膜瘤的分割和机器学习有所研究，但与英文文献相比有明显的差别：一是研究的论文数量较少，二是所涉及的内容不及英文文献广泛，三是研究时间晚于国外。目前国内文献在这方面的研究绝大多数局限于应用方面，如脑膜瘤的分级[21-25]、病变的识别[26]及鉴别诊断[27-28]。关于方法学的改进方面中文文献较少，唐青青等[29]应用体视学方法进行了这方面的探索。

新媒体与科技期刊的融合，主要是指借助互联网手段将新媒体运用到传统媒体中，使科技期刊的网站建设、网络化采编、电子编校、出版、营销等得以优化和改善，使科技期刊相关的微信平台建设、APP开发等得以实现，促进新媒体与传统媒体的深度融合，推动科技期刊数字化发展和增强学术影响力[1]。目前，国内多数科技期刊已经在媒体融合大潮中开始了数字化转型[2]，部分编辑部成立了新媒体部门，专门推动传统媒体网络化、数字化、平台化。相较于传统媒体时代，初次传播占主导地位；新媒体时代，二次传播的意义凸显。尽管新媒体二次传播在新闻媒体的应用和研究已经比较广泛[3-6]，但是关于科技期刊的二次传播，目前的应用和研究相对较少[7]。科技期刊二次传播是新媒体与传统媒体融合发展过程中的产物，随着期刊网络化、数字化、平台化的发展，二次传播应用到科技期刊主要是指通过转载转发、论文包装、知识重组、增强出版、二度创作等途径，将科技期刊上发表的部分学术论文以原文或者转变成其他形式的文字、声音、图形、图像、视频、动画、课件等，在微信、网站、APP、微博、QQ等科技期刊常见的新媒体平台上进行分享传播[3]。目前，国内期刊面临着大量优质稿件外流入国际期刊(如SCI、EI等)，同时内部同质期刊竞争加大，优质稿件“粥少僧多”的双重压力，要想提高期刊的影响力，在源头上要积极组稿约稿、争取更多优秀稿源、提高期刊学术质量，同时也应该对期刊发表的文章在论文输出上进行多角度、全方位的广泛传播，进一步提升期刊的影响力[8-9]。因此，本文以《国际检验医学杂志》及其相应的新媒体平台为背景，探讨当前科技期刊如何利用新媒体进行论文“二次传播”，以不断提高期刊影响力。

1直接在新媒体平台进行转发转载，延长论文生命力

传统期刊，在论文印刷出版后，通常会将论文发往各大合作的数据库，如知网、万方、维普等。随着互联网的发展，很多编辑部都建立了自己的网站，编辑部会将论文在送印刷厂后甚至论文录用后很短的时间内，就将论文刊载在自己的网站上，方便读者、作者阅读和下载。而刊媒融合时代，很多编辑部都会将已经发表的论文整期(通常只包括每篇论文的题目、作者、单位和摘要等)放在各个新媒体平台进行推送，或者向专业学术论坛、微信群、QQ群、邮箱等定向推送。由于每本杂志的新媒体粉丝群，绝大多数都是基于自己的读者、作者建立起来的，这种直接转载转发的形式，没有破坏期刊的整体风格。一方面方便读作者进行整体浏览，提高论文的阅读量，延长论文生命力，进而提高论文被下载或者引用的可能；另一方面，也可以方便读者或感兴趣的人分享传播。论文直接转发、转载的二次转播形式，是目前绝大多数期刊采取的方式，如《中国激光》《暖通空调》等杂志。以《国际检验医学杂志》为例，编辑部会将每期论文的题目、作者等以流媒体链接的形式在微信服务号，供作者阅读浏览分享。

2论文包装，扩大作者影响力

科技期刊出版的论文，不论是在论文体例、排版或者内容上，都具有很强的专业性、理论性，题目和全文呈现方式都比较严谨，甚至刻板，很难引起一般读者的兴趣。这样带来的后果就是，不符合现代社会人们的阅读习惯。2018年2月，中国互联网络信息中心(CNNIC)的数据显示，截至2017年12月，我国网民规模达7.72亿，其中，手机网民占97.5%[10]。智能手机的普及，以及微博、微信、APP等的大量出现，使人们使用智能手机的频次持续大幅提高，数字化阅读已逐渐成为读者的主要阅读方式，并且人们的阅读时间和阅读方式都变得碎片化[11]。论文包装就是指不改变论文本身的内容，只是从题目、图文、排版等方面对论文进行简单的外部包装，以更吸引读者。具体说来，包括将论文改变题目、排版、论文格式等来吸引读者，如将PDF格式转换成Word格式或网页格式，或者使呈现方式更活泼丰富，以更适合读者的阅读方式和阅读习惯。通常像重点专题稿件或重要专家约稿等论文，可以采取此类方法，一方面提高论文的阅读量和关注度，另一方面可以重点推荐专家和作者，扩大专家或者作者的影响力。如《国际检验医学杂志》2018年14期发表的专家述评《Klotho在慢性肾病和血管钙化中的作用》一文，编辑在《国际检验医学杂志》服务号上进行论文包装，将题目改成《揭开命运女神“Klotho”与肾病和血管病的神秘面纱》，使题目更有吸引力，同时配上一张希腊女神的照片，将论文排版改变成便于阅读的Word模式，并且添加一些符合现代人审美的版式，在服务号上，该文的阅读量较同期的其他推文的阅读量高。

3知识重组，提高论文使用率

知识重组是指编辑部结合当前的热点话题，根据某一特定的主题，重新集合已经发表的论文制成专辑，在新媒体平台上集中二次传播，以提高读者对热点论文的关注和阅读，提高论文使用率，延长论文生命。如“人工智能”近年来逐步成为各行各业的研究热点，“人工智能”在检验医学领域的应用和研究也越来越广泛[12]。编辑部在知网数据库搜索“人工智能”或“大数据”发现，在《国际检验医学杂志》上发表的论文，单篇论文最高下载量达1325次，编辑部将在本刊发表的与“人工智能”“大数据”相关的论文中下载和引用频次高的论文，重新整理成专辑，以流媒体链接的形式在新媒体平台，受到了读作者的广泛关注。

学术不端是科技期刊出版过程中无法避免的问题与挑战，据《PLosOne》2009年5月29日发表的一篇系统综述统计，学术不端行为在世界范围内的期刊发表中都会存在。文章将从学术不端的定义和国家最新法律法规；出版伦理委员会(CommitteeonPublicationEthics，COPE)和国际医学期刊编辑委员会（InternationalCommitteeofMedicalJournalEditors，ICMJE）中关于期刊更正与撤稿的定义、区别以及更正与撤稿的流程这3个方向解读科技期刊处理学术不端问题的原则与措施。

1、关于学术不端的定义和国家最新法律法规

学术不端行为（scientificmisconduct）是指在建议研究计划、从事科学研究、评审科学研究、报告研究结果中出现捏造、篡改、剽窃、伪造学历或工作经历。这不包括诚实的错误和对事物的不同的解释和判断。学术不端行为在中国相关法律法规中有：《中华人民共和国科学技术进步法》《中华人民共和国著作权法》《中华人民共和国高等教育法》《中华人民共和国教师法》《中华人民共和国学位条例》《国家自然科学基金条例》等。中国从2020年9月1日起实施的《科学技术活动违规行为处理暂行规定》，被称为史上最严、最全面的学术不端处理法规，该规定是由中国科技部部长王志刚签发的科技部第19号令。该规定除了对学术不端行为的调查处理做出明确规定之外，还对那些出售学术论文、捏造数据并代人撰写或投稿的“论文工厂”提出了查处方案。

2、COPE和ICMJE中关于更正与撤稿的定义及区别

COPE与ICMJE是科技期刊出版过程中遵守并参考的权威规范，文章将对两种规范对期刊更正与撤稿的定义及不同进行阐述：

2.1COPE对更正与撤稿的定义：(1)更正：√没有严重违反出版或研究道德；√纠正不影响结论的小错误。(2)撤稿：√有明确证据表明，由于重大错误（例如，计算错误或实验错误），或者由于捏造（例如，数据）或伪造（例如，图像处理）而导致研究结果不可靠；√构成剽窃；√研究结果先前已在其他地方发表，而没有适当地注明先前的来源或向编辑披露，也没有允许重新发表或提出正当理由；√未经授权使用其中包含的材料或数据；√版权受到侵犯或存在其他严重的法律问题（例如诽谤，隐私）；√研究不符合道德伦理要求；√在同行评审过程受到破坏或操纵的基础上的文章；√作者未能声明主要的竞争利益（又称利益冲突），据编辑认为，这会不适当地影响编辑和同行评审对文章的建议和解释。

2.2ICMJE对更正与撤稿的定义：(1)更正：诚实的错误是科学研究与发表的一个组成部分。某个编码有误或某个计算出错可导致普遍性的差错，以致在整篇文章中出现大量错误。如果这些错误没有改变文章结果、解释和结论的方向或意义，当发现错误时，应发表更正启事。对事实方面的错误进行更正是必要的。(2)撤稿：学术不端包括数据造假和剽窃，但并不一定仅限于此。数据造假包括欺骗性地篡改图像。错误严重到足以使文章报告的结果和结论不可靠，则可以要求撤销。若调查证实有科学不端，应刊登撤销论文的声明。

【摘要】随着儿科医学事业的发展，儿科医学影像学研究生培养是促进和保障儿童健康的必须。经历了从无到有，从发展到逐渐成熟的过程，医学影像学研究生在培养过程中还是存在不完善的地方，比如临床能力不足、科研创新能力缺乏、评估体系不完善等。文章对我国医学影像学研究生教学模式进行探讨。试图通过传统教学方式，结合病例教学法和以问题为向导的教学方法，创建影像科医生和学生交流平台，影像科与临床科室交流平台，加强学生的识别影像征象能力；同时，加强科研思路的培养和英语学习，建立完善的教学评估系统，提高医学影像学研究生临床技能和科研能力，旨在促进我国影像医学的创新及发展。

【关键词】儿科；医学影像学；研究生；教学模式

现代医学事业蓬勃发展，医学影像学在医疗机构中的位置越来越重要，医学影像知识已经成为临床医务工作者必备的知识之一。而且，我国“全面二胎”政策实施后，随着出生人口数量的增加，儿科医生短缺的形势更加严峻，特别是作为儿科诊断和治疗保驾护航的儿科影像医生，需求量日益增加。儿科影像医学研究生教育是我国发展高层次医学人才的重要途径。但长期以来，儿科医学影像学的教学由于受医院资金匮乏、设备陈旧，教学人才短缺和教学体制落后等条件的的限制，无论在教学理念还是教学形式上，都落后于大型综合性教学医院，这是我国儿科影像教学的现状。另外，儿童医学影像网络教学起步晚，发展慢，尽管近年少数儿童专科医院已经建起了自己的网络教学数据库，但仍赶不上医学发展和社会的需求，总体上处于发展的初期阶段。医学影像学是一个实践性非常强的专业，学生想要掌握不同疾病影像诊断，需要阅读大量的病例，才能积累经验，达到一定的诊断水平，特别是儿科医学影像学知识，在大学教科书中很少涉及，更需要学生加强儿科病例的阅读与实践。同时，医学影像学研究生是高层次医学人才，不仅需要有扎实的临床理论知识、能胜任临床影像诊断工作，还应具备一定的科学研究的能力，适应科研发展和医疗的进步。临床技能的提高，是为了更好地满足患者需求，科研能力的提高，不仅能提高医生自身的科研水平，而且还能推动我国整体医疗水平的发展。针对目前儿科影像研究生培养的需求和教学体系中的不足之处，如何提升研究生影像诊断学教学质量，有效提高实习质量，提升学生的临床工作能力，促进科研事业的发展，是摆在医学影像学研究生教学工作者面前的一个重要课题。笔者结合自身工作实践及科室教学改革的探索，就这些问题及其解决方案作如下探讨。

1采取不同的教学模式相结合的方式，提高研究生技能

1）传统教学方式。是由带教老师负责全程带教，先讲解理论知识，然后跟着带教老师参与临床实践。这种教学方法，可以让学生能全面了解影像诊断基本知识和各种疾病。但是，此种教学方式属于“填鸭式”教育，学生被动接受，缺乏主动思考，不能激发学生的主动能动性，导致学习效率降低。另外，儿童不是成人的缩小版，病种与成人不同，儿童疾病包括中枢神经系统，骨关节系统，五官及呼吸系统等各个系统，需要由擅长不同系统的医生进行系统讲解，才能让学生真正了解儿科影像的特点。2）病例教学法（case-basedlearning，CBL）和以问题为导向的教学方法（problem-basedlearning，PBL）”。两种教学方法相结合。病例教学法是以病例为中心的新型教学方法，指学生运用学过的知识，初步诊断真实病例，并提出诊断依据，制定治疗计划。病例讨论教学模式，好比一座桥梁，连接了基础理论与临床实践，为学生以后更好地完成临床工作奠定基础。PBL教学法是以问题为基础，以学生为中心的教学方法，带教老师在该教学过程中起引导、组织的作用，引导学生主动思考，激发他们的兴趣，加强记忆，提高学习效率。这是一种开放式的教学模式，经过临床教学实践证明[3]，已经取得了较好的效果。两种教学方式结合起来，先准备典型病例或疑难病例，带教老师提出问题，让学生进行讨论。具体有以下几个主要步骤：①首先，由带教老师找出典型或疑难病例，让学生介绍病史，包括临床症状，实验室检查、现病史、既往史以及体检结果。②然后，从图像存储和传输系统（picturearchivingandcommunicationsystem，PACS）中调出所有影像资料，包括X-ray平片，CT及MR，超声等影像图像，让学生先分组讨论，然后每组代表描述影像学征象，结合临床病史及实验室检查，提出诊断思路，列出诊断及鉴别诊断。③带教老师针对该病例提出问题，学生回答，带教老师再对学生的描述和诊断，进行详细讲解分析，根据同学们讨论的方向和内容做出点评，加深对征象及疾病诊断的了解和认识。3）创建影像科医生和学生交流平台，影像科与临床科室交流平台。通过创建微信平台或开辟网络专栏，促进学生和带教老师，影像学生和临床医生的相互沟通，定期上传儿科影像病例和影像诊断课件，在微信或网络平台进行交流学习，只要有手机或电脑，有网络，无论在何时何地，学生都可以利用闲暇时间学习，提高学习兴趣和效率。

2加强研究生科研能力的培养

在加强医学影像学研究生技能的培养的同时，还需要进行科研意识和科研能力的训练。导师团队需要事先制定好完善的专业科研训练内容，包括针对临床病例的文献检索、影像资料的收集和整理、影像数据的综合分析、科研综述和科研论文的写作，以及针对临床遇到的疑难病例和未解决的问题的思索，提出科研问题，并进行科研分析，找到解决问题的方法，设计研究课题等，这些都是科研能力培养的重要内容。此外，还应创造国内甚至国际间学术交流，让学生参加国内和国际会议，积极开展国际交流，如有条件可以邀请国外专家来医院演讲，介绍最新医学或科研进展，让医学生们在拓展视野的同时，也培养了继续科研深造的兴趣[4-5]。

【提要】医学影像学发展迅速，新设备、新技术不断出现，影像专科医生要不断更新知识才能适应医学影像学科发展和专业人才培养要求。该文通过探讨有效的医学影像学继续教育模式，提出了医学影像学综合应用能力培养目标，既促进了专业人才的培养，也促进了学科和专业建设。

【关键词】教育，继续；医学影像学；网络化教学

随着医疗影像设备及新技术的快速发展，医学影像学已由传统的大体形态学检查向生理、代谢和功能成像过渡，医学影像专科医生从医学院校教育所获得的知识已经远远不能适应临床工作的需求。因此，只有不断更新知识才能适应医学影像学科发展和专业人才培养要求。医学影像继续教育的形式多种多样，如何选择行之有效的模式来适合临床工作压力大、学习时间紧张的一线医生，值得大家重视。

1继续教育模式

1.1利用计算机网络资源

网络化教学模式可以不受地域、时间限制来共享发达地区、大型医院的教学资源，提供高水平的教学内容[1⁃2]，也使基层医院的广大技术人员足不出户式地参加继续教育学习[3]。网络平台的优势还在于可以利用分散时间随时随地参与继续教育学习，积少成多地累及知识。目前，各种影像学的在线学习平台，如丁香园、微信公众订阅号“放射沙龙”等，内容更新快，操作方便，特别适合工作压力大、学习时间紧张的临床一线医生[4⁃5]，其中微信公众平台形式更加灵活，可以定期推送和分享一些相关专业医学影像教学PPT和学术视频，还可以利用上报表单系统功能，将日常工作中遇到的疑难罕见病例上传（由科室指定的病例随访人员将临床确诊结果和手术病理报告随时上传），供相关人员查阅学习，将循证医学思维应用到日常诊疗行为中[6]。当然，网络平台存在一些缺乏系统性的多余信息，也给大家的学习带来了不小的干扰，如打开一个搜索引擎，输入关键词，出来的结果可能大部分内容重复，还有一些错误或相关性不高的信息，也可能对目标信息造成干扰。另外，对于网络课程继续教育学习的认证还没有完善的学分认证系统，也不利于网络教学模式的推广应用，因此需要相关部门出台措施进行规范。

1.2定期组织学术讲座和交流