神经医学（精选九篇）
神经医学 篇1
首都医科大学于1997年开始神经生物学教学工作, 主要面向临床医学七年制本科生和五年制本科生。2007年, 首都医科大学开设了基础医学专业, 神经生物学是该专业学生的必修课程。本文总结了近年来在基础医学专业神经生物学教学中的经验, 现介绍如下。
1 精选课程内容
我校基础医学专业的定位是培养具有从事基础医学教育和科学研究能力的高级专门人才。由于该专业和临床医学专业的培养目标不同, 因此课程内容也需相应调整。在教学内容上, 应选择最新出版、且涵盖最新研究成果的教材, 确保基础医学专业学生能够接受到最新的知识信息。我校基础医学专业学生所用的教材是第三版的《Neuroscience-exploring the brain》。相对前几版而言, 第三版增加了不少新的内容。同时, 教师需要不断地跟踪前沿, 吸收该领域最新研究成果, 及时更新陈旧或不正确的理论, 使学生能够接受最新知识。
我校神经生物学学科属于国家重点学科, 研究领域涉及神经变性病、抑郁症、脑卒中和神经损伤与修复等。鉴于基础医学专业学生将来主要从事科研工作, 因此教学时应注重研究方法的讲述。如在讲授“精神系统疾病”章节时涉及抑郁症, 就要向学生介绍抑郁症动物模型的制备方法及评判标准, 使学生对抑郁症的研究方法有初步了解, 对将来从事精神疾病方面的研究有所帮助;同样, 在讲授“运动的调控机制”章节时, 涉及一种常见的神经变性病———帕金森病, 教师需要向学生讲解该疾病动物模型的制备方法及研究方法。通过上述教学, 使学生在潜移默化中掌握神经科学研究方法, 为将来的研究工作奠定基础。
2 培养学生科研思维
神经生物学是一门实践性很强的学科。教师在教学中, 要对推动神经生物学发展的经典实验进行系统讲解, 详细回顾当年的知识背景和技术水平, 科学家在当时的条件下如何发现科学问题, 采用哪种研究方法和技术手段解决这些科学问题。这样有助于激发学生对科学研究的兴趣, 培养学生发现问题和解决问题的能力, 使其初步形成科研思维。
神经生物学是一门与实验密切相关的学科。培养学生动手能力, 分析、解决问题能力是培养基础医学专业科研思维的重要组成部分。传统实验教学完全忽视了对学生科研创新能力的培养。因此, 我院针对基础医学专业学生开设了实验神经科学课程, 另外安排12学时让学生充分参与我院各课题组科学实验, 自由选择小课题, 每人完成一个小实验。通过上述方法, 加强了学生对神经科学研究方法的理解, 提高了学生的科研思维能力及动手能力。
3 精选教学方法
传统的课堂教学方法是按照先行教学计划和规定时间, 由一名教师对众多学生面对面讲授某学科知识[1], 而这不利于发挥学生主动性和自觉性, 影响了教学效果。PBL (Problem-based learning) 教学是一种以问题为导向的教学方法。PBL医学教学以问题为基础, 以医学生为主体, 以小组讨论为形式, 在指导教师参与下, 围绕某一医学专题或具体病例的诊治进行讨论研究。1969年, 美国神经病学教授Barrows在加拿大麦克马斯特大学首先将PBL教学法引入医学教育领域[2]。PBL教学法逐渐受到各国关注, 已成为我国医学教育改革的热点[3]。
在基础医学专业神经生物学教学中使用PBL教学法, 如在讲授帕金森病时, 概念以常规方法进行教授, 发病机理和治疗方法以PBL教学法进行教授。首先指导学生针对这一疾病进行相关资料查询, 安排学生汇总帕金森病的流行病学、发病机理、临床症状和治疗等资料, 然后分组讨论, 教师最后进行总结和提炼。分析近年来学生期末考试成绩, 笔者发现PBL教学法极大地提高了课堂教学效果和学生考试成绩。
4 注重双语教学
在基础医学专业神经生物学教学中采用规范的双语教学, 可为学生打下扎实的专业外语基础。调查显示, 多数学生及教师认为双语教学有助于提高其专业英语能力, 也有利于提高整体外语水平[4]。由于基础医学专业学生将来主要从事教学和科研工作, 查阅文献和参加国际交流需要良好的外语能力, 双语教学已是大势所趋。
神经生物学涉及大量学科知识, 内容繁杂。因此, 神经生物学双语教学对教师和学生都是极大的挑战。教师不仅要掌握大量的专业词汇, 而且还要发音正确, 只有这样才能保证双语教学的准确性。双语教学不是一蹴而就的, 要循序渐进。在教学中, 中英文教学比例要适当, 开始授课时, 可先学习关键名词的专业英语, 再学普通名词, 让学生慢慢适应双语教学。对于重点内容, 采取英文讲解、中文总结的方式, 强化学生记忆, 巩固学生对知识的掌握。
5 提高课件制作质量
多媒体课件是现代化教育技术的重要组成部分, 可使抽象难懂的医学知识直观而形象。针对基础医学专业学生, 课件中新的概念和名词后要加注英文, 通过中英文对照, 增加学生专业英语词汇量。课件文字尽量做到言简意赅, 避免教学内容枯燥空洞。在图片的选择上, 遵循直观易懂和动漫通俗的原则, 努力将复杂问题简单化、抽象问题直观化、整体问题分解化和静止知识动态化[5]。
在课件中插入相关视频, 展示文、图、声、像并茂的特点, 多层次、多角度地呈现教学内容[6]。在讲解突触传递时, 可利用动画演示突触前膜释放神经递质, 从而引起突触后电位的过程, 使枯燥的知识变得生动有趣;在讲解帕金森病时, 通过视频播放帕金森病人和帕金森动物模型大鼠发病时的行为表现, 使学生对该疾病有直观认识;在讲解大脑中枢神经系统脑室分布图时, 可通过多媒体课件展示大脑不同断面图片以及三维立体脑旋转图, 将抽象难懂的知识形象化, 便于学生理解和掌握[7]。
6 结语
目前, 我校针对基础医学专业神经生物学教学才刚开始, 教学内容还需进一步规范, 教学重难点还需进一步统一, 还需在实践中慢慢摸索。加强基础医学专业神经生物学的教学研究, 不仅有利于提高教学效果, 也有助于提高学生科研素质, 从而提升我校神经生物学学科的竞争力。
参考文献
[1]邓雪妍.三结合课堂教学方法研究[J].中国大学教学, 2011 (7) :62-63.
[2]惠雪枫, 李小记, 杨玲, 等.PBL教学法在神经解剖学教学中的应用实践[J].中国高等医学教育, 2008 (3) :84.
[3]唐亚平, 刘燕平, 杨宏宝.当前医学教育中PBL教学法的不足与对策[J].时珍国医国药, 2008, 19 (5) :1096-1097.
[4]许继德, 李建华, 卢佳怡, 等.临床医学本科生理学双语教学的实践与思考[J].山西医科大学学报, 2005, 7 (1) :11-13.
[5]林丽, 任安, 袁文俊.八年制医学生生理学双语教学初探[J].西北医学教育, 2007, 15 (5) :928-929.
[6]李玉子.浅谈多媒体技术在内科学教学中的应用[J].中国高等医学教育, 2006, 27 (12) :1477-1478.
神经医学 篇2
关键词：感觉器 神经系统 临床医学 整合
目前，传统的医学教育模式仍以学科为中心，该授课模式虽存在系统性、基础性和完整性等特点，但也存在明显的不足，学科之间衔接不够紧密，忽视实际临床应用，医学生学习负担重、临床能力弱。现代医学教育模式和课程整合是实现医学创新教育的重要途径与目标以器官系统为基础的医学课程整合是目前医学教育模式改革的发展趋势，解剖学从神经的形态学角度、生理学从神经的功能学角度，把二者有机地结合起来，从科学研究的角度功能的障碍求根寻缘其微观的形态结构一定发生了改变，以器官系统的形式整合课程，这种课程模式有利于学生以器官系统形成一个更为完整的知识构架，避免不同学科间递进时学时的低效重复，有助于学生尽早接触临床，是目前国外医学院校课程改革的主流趋势之一，更是国内医学院校教学改革的热点方向，整合的深度和广度也不断强化。教学是一个词两个词义，如何教、如何学？所以实施神经系统课程整合，其目的就是要培养学生对知识的理解能力和运用能力。
本文从学生的反馈和教师的具体实施出发，以国家政策为导向，结合当前医学教育的背景和目标，从转化医学到精准医学的新模式为主导的路线指导下，以感觉器、神经系统在临床医学专业课程整合一点为例，全面开展以“器官、系统为基础”的基础医学整合课程体系的创新与实践。
一、感觉器、神经系统课程整合的实施
传统的生物医学教学模式，基础医学由解剖学、组织胚胎学、细胞生物学、生理学、生物化学、病理学、病理生理学、药理学、免疫微生物学等学科组成，随着医学研究手段的日益更新，各个学科研究不断深入的同时却割裂了基础医学各个学科之间的联系，给学生带来沉重的学业负担，忽略了五年制本科临床专业学生的培养目标。实施课程整合，应建立优秀的跨学科教学团队。本课程以感觉器、神经系统为中心，根据临床医学专业需要将基础医学各门基础课程进行综合和重组，将各门基础医学学科中有关感觉器、神经系统的内容进行综合和重组，淡化了学科意识，强调了课程内容的系统性和完整性，使传统教学模式造成的学科与学科之间教学内容重叠，学科之间教学脱节的问题得到有效解决。更深一步地从细胞水平、分子水平和整体水平去把握感觉器、神经系统的系统性和完整性。
二、严格按照教学大纲实施教学改
1.课堂教学
在教学中坚持“以学生为中心，注重学生个性发展”的理念，拟采取灵活多样的方法建立一套适应循环系统模块的多元化教学方法：
（1）PBL教学以问题为基础，以学生为主体，以小组讨论为形式，在指导教师参与下围绕某医学专题或具体病例等进行研究学习；
（2）案例式教学在教学开始，首先给出一个病例，引导学生一起分析病例中相关知识点和疑问，在教学过程中着重学习知识点和解决疑问点，在教学结束时由学生分组讨论分析病例，教师指导，达到事半功倍的效果；
（3）多媒体讲授法复杂、抽象内容充分利用多媒体画面清晰、图片明了、形象生动、节省时间等特点，进行多媒体讲授为主的教学；
（4）演示法实验教学内容简单操作通过录像结合讲解完成，复杂操作由教师先演示正确操作及步骤，然后再由学生操作。
2.网络教学
随着互联网的迅速发展，特别是近几年来，移动通讯技术的发展和智能手机的普及，学生学习的方式呈现着多元化、简单化、趣味化等特点。同时，要求教师在课堂上不断的更新教学手段，寻求更符合现代学生的教学方法，来激发学生的学习兴趣。与传统的教学模式相比，网络教学更能培养学生信息获取、分析、加工、利用、创新、交流的能力。网络教学能够培养学生良好的信息素养，把信息技术作为支持终身学习和合作学习的手段，为适应信息社会的学习、工作和生活打下必要的基础。在网络教学中，要求教学团队做到：
（1）进一步加强对授课教师进行网络课程教学平台运行重要性和必要性的宣传；
（2）组织教师参加现代教育技术培训和学习，熟练运用网络教学平台；
（3）及时更新循环系统基础与疾病网络课程相关教学资源，使网络教学资源与课堂最新授课内容保持一致；
（4）不断完善网络课程中的课程教学互动等栏目，通过教学论坛、教学笔记、教学博客、课程作业、在线测试等，实现与学生的全面课程教学互动。
3.优化教学方法，注重学生能力的培养
从课堂教学到网络教学，如何优化教学方法，因地制宜、因材施教显然更加重要，从传统死板的课堂教学到开展多种新式的案例教学等，以及利用现代网络的“微课”教学和“慕课”教学的广泛开展，这里面都提出了对学生自身素质要有更高的要求，医学整合课程平台：主要分为以器官系统为中心的基础整合课程模块和以系统疾病为引导的临床整合课程模块。以基础与临床深度融合、系统与疾病交叉引导，各系统注重学科间的联系及教学内容的交叉渗透融合；同时注重学生的科研兴趣及科研能力的培养例如最新研究表明，大脑内神经胶质细胞不仅仅只是支持细胞，在大脑皮层和海马等组织内存在大量的神经胶质细胞，这些核团神经元之间的信息传递就是通过神经胶质细胞来完成的，从而协助大脑来完成处理信息、学习和记忆的能力。总之，我们在教学中要把科学的研究进展融入到教学中去，为科研打下坚实基础的同时也丰富了教学内容，并且绝大多数学生对这样的授课方式表示满意。发挥教师的引导作用，推广探究式、讨论式、启发式、参与式教学。注重对学生批判性思维和终身学习能力的培养，尤其在临床课程中引入病例进行分析，重在讲解预防与治疗。关注学生临床实践技能的培养，注重实验课程的教学效果提高学生的团队意识，培养学生合作意识，重在理论联系实际。采用基于团队学习，PBL小组讨论，小组展示，模拟训练，培养学生自主学习的能力。
三、感觉器、神经系统课程整合的评价
遵循科学性原则、导向性原则、激励性原则、多元化原则、可行性原则，通过教师评价、小组评价和对学生的理论知识、实验动手能力、实验报告撰写能力、分析与解决问题能力、学习态度等方面的综合测定，建立形成性评价和终结性评价相结合的评价方式，给出较为全面和科学的评价。实施形成性评价以实现感觉器、神经系统基础与疾病教学目标为根本出发点，即围绕“培养学生的感觉器、神经系统基础与疾病综合应用能力”和“增强学生的自主学习能力”进行；体现学生的主体性原则；现实性和可操作性原则。具体内容包括课堂评价、自我评价、相互评价及教师评语。终结性评价包括平时成绩和考试成绩两部分。期末成绩包括：期末闭卷考试成绩70%，平时成绩包括课程论文（20%）和实验课成绩（10%）。
感觉器、神经系统课程整合的评价，在不同层次的学校，对教师和学生都形成了不同的评价标准，尤其对新开展的学校，教师和学生的定位很重要，教师如何去教，学生如何去学，应形成定期的问卷形式进行反馈，如果考核学生成绩普遍好了是怎么回事，普遍差了又是怎么回事？是不是一定要用成绩去评价学生的学习情况，如何评价，评价的标准等都与待于进一步的探索。
四、感觉器、神经系统整合课程可能存在的问题及解决办法
医学科学的高度分化与高度综合、培养医生的整体观是现代医学科学发展的最重要特征。医学科学新的发展趋势对医学人才的培养提出了更高的要求，传统的学科式教育已无法满足这种要求，医学课程整合越来越受到广大医学教育工作者的高度重视。
回顾历史，早在1952年，美国西余大学医学院率先提出了“以器官系统为中心的学习（（Organ-system Based Learning，OBL）模式”旨在打破传统的医学教育把临床融合到基础，从基础的角度再解决临床的疾病问题，在随后的一段时期内世界上很多医学院校都在实施课程整合的教学改革，加拿大的麦克马斯特大学和英国的格拉斯哥大学医学院相继提出了“以问题为中心”的教学模式，以疾病案例分析为中心实施教学改革。哈佛大学的“新途径”课程计划以及日本的“医学教育模式和核心课程教学内容指南”等。
虽然各个国家和地区的医学课程整合模式不尽相同，这也证实了课程整合并没有统一的模式，其主要思想也就是消除了传统医学的教育的先基础后临床完全分离的方式，开展以器官系统的课程整合也不是让其孤立的存在，至于课程整合的真正科学内涵，各学校理解也各不相同，有的开展持续了一定的时间，有的甚至扼杀在萌芽里，发展至今也参差不齐，在课程整合的实践中对教师和学生都提出了更高的要求，其目的就是通过学习使医学的基础和临床融合在一起，以真正培养优秀学生为目标。在五年制本科为起点的临床医学课程整合中也为更高级的阶段性学习奠定了良好的基础，学生对学科的界限已经模糊，在单一学科的关注性也越来越少，多学科的整合使得学生更加关注学习现实各种案例的知识点，甚至更关注和热衷某种单一疾病的深入研究。
尽管对感官及神经系统基础教学进行整合符合教学改革的潮流，也有助于培养学生的综合能力，但在整合过程可能会遇到一些阻力，而且还可能遇到一些问题。例如，学科之间交叉显得内容过多；学科之间的一些知识不统一；考试内容对性不强，学生答题过程中找不到侧重点等。拟解决的办法：交叉学科之间应从不同的角度出发，感觉器、神经系统从解剖学的形态角度和从生理学的功能角度分成两块但要贯穿起来融为一体；在实施教学前应进行集体备课，集体讨论对交叉学科知识进行统一规范；考试试题应先规划、讨论和集中出题，注意学科之间的交融点让学生对试题有明确的思路，制订和建立感觉器、神经系统基础课程试题库。
五、结论与展望
根据《本科医学教育标准——临床医学专业（试行）》的要求，医学教育机构培养的医学毕业生不仅能从事医疗卫生工作，而且能够在日新月异的医学进步环境中保持其医学业务水平的持续更新，因而，这意味着医学院校教育任务不仅要传授学生从事一定职业所需的基本理论知识和技能，同时也要注重其终身学习能力和良好职业素质的培养，为学生毕业后继续的深造奠定必要的基础，实现人才培养模式的改革就必须从课程体系、教学方法和实践环节等方面进行综合改革，而课程体系的改革是学校实现培养目标的基本途径。
新课程模式打破以学科为中心的界限，加强了学科间综合和减少课程间的重复，使基础与临床结合得到较好的解决。充分调动学生主动学习的积极性，拓展其知识面，增强认识问题与解决问题的能力。在1993年举行的爱丁堡世界医学教育高峰会议被列为推荐的课程模式，受到充分的肯定。
总之，在国内外医学院校进行教学改革的潮流中，很多医学院校通过重组和综合基础学科中有关运动、感官及神经系统的课程，进行运动、感官及神经系统基础整合模块课程的探索和实践，形成内容冗余度少、结构性好、整体协调性好的新课程，不仅有助于培养学生的自主学习能力、综合能力和创新思维，而且有助于培训注重学科之间交叉融合的师资力量，在高等医药院校的临床医学专业的教育中，有很大的推广应用价值。希望通过课程整合能让教师和学生从细胞分子水平、器官系统水平和整体水平重新认识基础医学和临床医学的关系，为转化医学和精准医学的推广，做出进一步的贡献。
参考文献：
[1]司道文，张宇新，杨林.“以器官系统为中心”的医学基础课程整合三步走的改革探索及设想[J].中国现代医学杂志，2009，（14）：2238-2240.
[2]Spencer AL，Brosenitsch T，Levine AS，et al. Back to the basic sciences：an innovative approach to teaching senior medical students how best to integrate basic science and clinical medicine[J].Acad Med，2008，（07）：662-669.
[3]曾静，卿平，左川.临床医学专业系统整合课程改革初探[J].中国循证医学杂志，2013，（05）：548-552.
[4]臧伟进，王渊.以问题为导向的医学跨学科整合课程建设的初步探索与实践[J].中国医学教育技术，2009，（06）：659-660.
[5]李熳，刘仁刚，施静.运动、感官及神经系统基础整合模块课程的探讨和实践[J].中国高等医学教育，2012，（09）：78-80.
[6]赵迅.建设基于网络教学的视音频资源库[J].计算机光盘软件与应用，2010，（15）：131.
[7]De Pitta M，Volman V，Berry H，et al. A tale of two stories：astrocyte regulation of synaptic depression and facilitation [J].PloS Comput Biol，2011，（12）：1-18.
[8]张明亚，罗良平，赵辉.临床医学实践教学发展方向的探讨[J].医学教育探索，2006，（07）：646-647.
[9]王湛，吕涵.临床医学教学中的学生自主学习能力的培养[J].河南外科学杂志2010，7（16）：103-104.
BP神经网络及其在医学领域的应用 篇3
1.1 人工神经网络概念及发展[1]
人工神经网络(artificial neural networks,ANN)是一门涉及生物、电子、计算机、数学和物理等的交叉学科,通过模拟生物体中神经网络的某些结构与功能来克服目前计算机或其他系统不能解决的问题,可应用于识别感知、智能控制、专家系统等。人工神经网络模型是基于生理学的智能仿生模型,是由大量处理单元(神经元)互相连接组成的大规模、非线性、自适应动力学系统,具有自组织、自适应、自学习的能力和非线性和非局域性等特点。
人工神经网络研究兴起于19世纪末。1943年,美国心理学家Warren Mc Culloch和数学家Walter Pitts合作提出形式神经元的数学模型M-P模型,对脑模型、自动机和人工智能等领域产生了重大影响,从此开创了神经网络理论研究的时代。其后经历过发展、低潮、复兴阶段,20世纪80年代后期,ANN研究进入热潮。
1.2 神经网络工作方式[2]
1.2.1 学习期
此时各计算单元状态不变,各连接权值可修改(通过学习样本或其他方法可以做到)。
1.2.2 工作期
此时各连接权值固定,计算单元的状态变化,以求达到稳定状态。
1.2.3 工作方式
1.2.3. 1 利用能量函数的所有极小点
能量函数的所有局部极小点都会起作用。这一类主要用于各种联想存储器、信息压缩及编码,通常称为HNN的属于这一类,也包含一些自组织网络。
1.2.3. 2 利用能量函数的全局最小点
只利用能量函数的全局最小点,这一类主要用于求解组合最优化问题,如TSP问题以及视觉、控制等领域中的一些反演问题。
1.2.3. 3 利用映射函数
在工作中不考虑能量函数,主要作用是函数映射,主要包括用于模式分类和特征抽取的多层感知器。
2 反向传播算法(BP算法)及其改进
2.1 误差逆传播算法
反向传播算法的提出成功解决了多层网络中隐含层神经元链接权值的学习。反向传播算法又称误差逆传播算法(backpropagation,BP)。BP算法是由教师指导的、适合于多层神经网络的学习训练,是建立在梯度下降算法基础上的。
2.1.1 BP算法的主要思想
误差逆传播算法的主要学习思想是把学习过程分为2个阶段。第一阶段:信号正向传播过程,输入信号通过输入层经隐含层逐层处理并计算每个节点的实际输出值;第二阶段:误差修正反向传播过程。若在输出层未得到期望的输出值,则逐层递归地计算实际输出与期望输出之间的误差,并依据此误差来修正权值。在学习过程中,对于每一个输入样本逐次修正权值向量,若有N个输入样本,那么一次学习过程将对权值向量修正N次,这种逐次不断地修正权值向量的方法称为逐次修正法。具体地说,就是可对每个权值计算出接收单元的误差值与发送单元的激活值之积。由于这个积和误差对权值的(负)微商成正比(又称梯度下降算法),因此把它称作权值误差微商。权值的实际改变可由权值误差微商逐个模式地计算出来,即它们可以在这组模式集的基础上进行累加。
2.1.2 BP算法权值的改变方式[3]
误差逆传播算法有2种学习过程,这是由于在求导运算中假定了所求的误差函数的导数是所有模式的导数之和。因此权值的改变方式包括2种:一种是对提供的所有模式的导数求和,再改变权值。这是训练期的学习方式,具体地说是对每个模式要计算出权值误差导数,直至该训练期结束时才累加,此时才计算权值变化量ΔWij,并把它加到实际的权值数组上,每个周期只做一次。由于权的修正是在所有样本输出后,计算其总的误差后进行的,因此称为批处理。批处理修正可以保证其Eg向减小方向变化,在样本数量多时,它比逐个样本处理的收敛速度快。另一种是在计算每个模式的导数后,改变权值并求导数和,即模式学习方式,它是每处理一个模式就计算出该模式的权值误差导数,并更新ΔWij,在处理下一个模式之前把ΔWij加到原来的权值Wij上。如果学习速率小,那么这2种做法之间的差别不大。若模式的集合可能非常大,那么每处理一个模式就修正权值的做法比较合适。
2.1.3 BP算法的性能函数
误差逆传播算法的性能函数是均方误差。对于单层的线性网络,误差是网络权值的显式线性函数,其相对于权值的导数较为容易求得。在具有非线性传输函数的多层网络中,网络权值和误差的关系则更为复杂。为了计算导数,需要使用微积分的链式法则。
2.1.4 确定和选择BP网络结构
包括确定输入层和输出层的节点数、选择隐层数和各隐层内的节点数,确定节点的转移函数、误差函数和选择各个可调参数值。基于BP算法的一个3层前向神经网络结构见图1。
图1中,Yi1为输入层节点i的输出;Yj2为中间层节点j的输出;Yk3为出层节点k的输出;Wij为节点i和节点j间的连接权值;Wjk为节点j和节点k间的连结权值;θj为中间层节点j的阈值;神经元的转移函数选择为sigmoid函数:
误差函数为二乘误差函数:
2.1.5 BP算法步骤
(1)初始化:设定学习次数t=0;对网络权值和阈值赋予小的随机数Wij(t)∈[-1,1],Wjk(t)∈[-1,1],θk(t)∈[-1,1]。
(2)向前计算:输入一个学习样本(Xk,Tk),其中k∈{1,2,...,n},n为样本数,Xk∈Rn,Tk∈Rm。
(3)计算隐层各节点的输出值:
(4)计算输出层节点的输出:
(5)逆向误差修正计算、输出层节点和隐层节点之间连接权值修正量的计算:
(6)隐层节点和输出层节点间连接权值修正量的计算:
(7)用第(5)步求出的误差修正量δk来修正输出层和隐层间连接权值矩阵Wkj和阈值向量θj。例如,对节点k和隐层j的连接权值Wki和节点k的阈值的修正为:
(8)用第(6)步求出的误差修正量δj来修正隐层和输入层间连接权值矩阵Wji、阈值向量θj。例如,隐层j和输入层节点i的连接权值Wji和节点j的阈值的修正为:
(9)如果全部学习样本未取完,则返回第(2)步,否则执行第(10)步。
(10)计算误差函数E,并判断E是否小于规定的误差上限,如果E小于误差上限,则算法结束;否则学习次数到算法结束,更新学习次数t=t+1,返回第(2)步。
2.2 BP算法改进[4]
BP算法在实际应用中还存在一些问题,主要表现为:收敛速度慢,训练时间较长;一些局部极小,学习步长不易确定。若步长过小,则不易收敛且易陷于局部最小;若步长过大,虽可摆脱局部最小,达到全局最小,但很不稳定,存在一些误差改变很小的平坦区。针对如何实现全局最优,许多学者进行了不断探索,对BP算法提出改进。最常用的方法有以下几种:
2.2.1 引入动量项
公式中的第二项即为动量项,它表示权值码第t+l次修正应该在一定程度上与上一次修正量(第t次修正)近似。α称为动量因子或动量系数,它决定了上一次权重的变化对当前权重变化的影响。
引入动量项后,调节向底部的平均方向变化,不致产生大的摆动,起到缓冲作用,使权值变化更平滑。如果系统落入误差函数面的平坦区时,它可以使调节尽快脱离平坦区,加快收敛速度。
2.2.2 加入平坦区根除值
在激励函数中加入一个常数c,可以帮助系统脱离误差曲面的平坦区。加入平坦区根除值后,局部梯度δ′jk的计算如下:
当单元j是输出单元时:
当单元j是隐单元时:
2.2.3 模拟退火
它利用Mont Carlo思想,在优化模型空间中通过概率规则控制,随机游动寻优,使学习过程接近全局最优值时接受不利扰动的概率趋于零。但这种方法学习速度非常慢。
2.2.4 引入最大容许误差
由于激励函数自身的特点,如果没有无限大的权值,函数无法达到实际终点值,因此引入了最大容许误差dmax,达到最大容许误差的范围时训练即可终止。
此外,还有改进误差计算方法、变步长和动量项学习、权重退化等方法。在训练过程中适当改变隐含层的单元个数,或给每个连接权都加上一个很小的随机数,都有可能使网络在收敛过程中避开局部最小。
从网络训练过程来看,BP网络中还可能存在过度拟合影响网络推广(泛化)的情况。在网络构建方面,隐含层数及隐单元个数的不确定性也都是网络在应用中的实际问题。
3 BP神经网络在医学诊断中的应用
3.1 医学专家知识的特点
医学知识有其自身的特点:一种病表现为一组症状,不同病可表现的症状数不同,而同一症状可能是多种病的表现。由于疾病的复杂性,同一种疾病也可以有不典型的表现形式,因而疾病的规律性较难掌握,此时就需要医学专家。医学专家知识实际上是一种经验和规律的总结,它所依据的理论是模糊的、不完全的,背景信息也常常不够清楚,因此,医学领域专家的知识是不完备的。
此外,医学专家的思维方式可概括为:专家通过询问和进行各项检查,得到可能的全部症状事实,然后根据得到的症状特征与大脑中的病种知识进行匹配,得到最为匹配的病种,作出诊断。医疗诊断的复杂性决定了医生对患者的诊断过程是一个逐步搜索的渐进过程:输入患者信息——初步诊断——再次诊断——确诊。在医疗领域,对疾病诊断的规律性并不像某些技术领域那样系统、有规律,因而对领域深层规律的获取是十分困难的。目前就临床医学而言,如何将人体发生的病变与一定的基础理论所确定的知识相联系,并给出合理的科学解释和说明,将这个认识问题进行完全合适的概念化是相当困难的。这就增加了医学领域深层知识获取的难度。研究表明,人类的知识既有可表示成确定形式的符号型知识,又有蕴含于大量数据中的、无法表示成确定形式的知识。
医学专家知识来源于医生的知识和经验,以及权威书籍上的知识。由于符号表达方式的局限性,很多知识难以描述,甚至很难用简单的符号来表示。来源于实践领域的知识往往很模糊,例如一些专家的经验难以提取和表达。随着计算机和人工智能技术的发展,知识更新速度不断加快,即使是权威的医学专家也必须不断学习、掌握领域的最前沿技术和成果,不断充实和完善知识,才能保持较高的学术水平。医学专家的实践是有限的,在实践过程中医学专家只能获得本领域的部分知识。从数学意义上讲,医疗诊断专家知识具有难以克服的不完备性,这种不完备性决定了在选择其知识表达和获取方法时,应该以提高知识的完备性作为标准。
3.2 神经网络在医学中的应用
智能医疗诊断系统是指采用生理功能和宏观功能的模拟方法,从生理结构上来模拟是仿生学的观点,即探讨人脑的生理结构,将人脑的微观结构及其智能行为的研究结合起来,这就是人工神经网络的研究方法。宏观功能的模拟是指从人的思维活动和智能行为的心理学特性出发,利用计算机系统对人脑智能进行宏观功能的模拟,这是建立在心理学基础上的研究方法,即符号处理方法。专家系统就采用了符号处理方法。
依靠计算机和人工智能技术辅助医疗诊断是人工智能在医疗领域应用的必然趋势。临床医学诊断是指医生通过对病情进行分析和判断,从而得出诊断结果。诊断结果的正误与医生的水平密切相关,特别是对于那些难以诊断的复杂病例,就需要医疗专家进行诊断。智能医疗诊断系统的研究是智能决策支持系统研究的重要分支,是世界前沿研究方向。
人工神经网络是模仿生物神经系统中神经元的一种数学处理方法。由于它具有并行处理方式、自组织、自学习能力、联想记忆和容错等能力,因而可以起到专家系统的作用。特别是在分类诊断以及基于分类的智能控制和优化求解方面,神经网络专家系统比传统的专家系统性能更为优越。神经网络在医疗诊断中已经有了一些应用,如在生物医学中的高分子序列分析、图像分析及辅助诊断等许多领域取得了很好的效果。目前,人工神经网络在医疗诊断中主要有以下几个方面[5]:
3.2.1 临床疾病诊断
急性心肌梗塞是最早应用神经网络进行诊断的疾病之一,始于1989年,主要应用了前馈式神经网络BP学习算法。此后,陆续有其他疾病应用人工神经网络进行诊断,如呼吸衰竭、痴呆、精神疾病、性传播疾病等,均取得了良好的诊断结果。神经网络美国UCI数据库中有4个关于心脏病诊断的数据库,每个数据库中有76个属性,但只有14个是有用的。1989年,Detrano R等利用对数回归判别函数,分别用Hungarian、Longbeach、Swiss 3个数据库的数据进行冠心病的诊断,准确率约为77%;David、Aha Dennis Kibler用Cleveland数据库的数据进行冠心病的预测,准确率约为77%;1989年,Gennari J H等用基于概念族的分类系统对Cleveland数据库的数据进行冠心病的诊断,准确率为78.9%。
3.2.2 影像学分析
应用于X线的骨肿瘤、胸部及肺部肿瘤诊断、PET扫描、核磁共振扫描等。
3.2.3 医学信号检测与识别(图像识别、影像判别等)
波形分析,如心电图的波形分析(心肌梗塞、心室肥厚、房性、室性异位节律、房颤、室颤、室扑、ST-T波形改变等)、肌电图分析、脑电图分析(老年性痴呆、癫痫等)。
3.2.4 后果预测
重大疾病的后果预测,如ICU病房患者的死亡率、存活率预测,前列腺癌症的死亡率、复发率、存活率预测等。
3.2.5 生物医药领域
在基础研究方面,应用ANN模型进行基因识别和DNA序列分析。在药学方面,应用ANN进行药物分析和药代动力学研究、中草药鉴别、药物设计、化学结构识别、生产工艺控制等。
3.2.6 预防医学领域
将ANN应用于食管癌流行趋势的研究及流行性脑脊髓膜炎预报建模等。
3.3 BP神经网络应用于医学诊断的优势
在医学领域,次要指标是错综复杂的,终点指标与次要指标之间大多是非线性关系。由于资金和研究时间的限制,大多实验很难观察到临床终点,同时次要指标信息来源既不完整又含有假象,且经常遇到不确定性信息,如果次要指标同终点指标是非线性的,则很难通过次要指标预测终点指标,即使预测,往往也会使得分析结果相互矛盾或无理可循,这是由传统统计学方法分析采用经验公式或数理统计方法所导致的。
医疗诊断是医学发展的重要问题,特别是要探讨多个次要结局指标与主要结局指标的非线性、复杂性关系,寻找和评价真正可以代替终点指标的次要指标,用来评价医学诊断的准确率和诊断原理。传统方法是采用简单的经验公式或数理统计的方法建立一个通用的算式,由于实验对象的差异,所以很难获得较高的符合率。因为这种方法只是对系统的一种近似描述,因此模型的适应性是局限的,效果不够理想。
通过次要指标的水平来预测终点指标的水平实际上是一个系统识别问题,即识别系统输出(次要指标)与输入(终点指标)的相关关系。由于神经网络善于从有畸变、缺损以及背景复杂的信息中提取系统的输出与输入间的复杂相关关系,所以可利用BP神经网络方法建立预测模型,针对医学诊断提供可行的诊断方法。
3.4 BP神经网络在具体医学诊断中的应用
3.4.1 帕金森病的诊断模型
国内常崇旺等应用BP人工神经网络,根据424例患者的一般情况、危险因素、症状、体征等7大类共59项资料对网络进行训练,构建了一种帕金森病的诊断模型[6]。通过该模型对113例患者(其中帕金森病患者33例)进行诊断,显示BP神经网络具有较好的诊断价值,漏诊率是8.3%,误诊率是6.4%,准确率为92.9%,虽然与专家诊断结果相比在统计学上无明显差异,但这项研究的训练集的例数偏少是个不容忽视的问题,如果加大训练的样本量,结果也许会更好。
3.4.2 肺癌诊断
吴拥军等将12项血清学指标运用于BP网络进行肺癌诊断[7]的研究。其资料构成是50例肺癌患者、40例肺良性疾病(如肺结核、支气管炎等)以及50例正常人的CEA、CA125、NSE等12项血清学指标。从中随机抽取了100例用于网络的训练,其余30例用于检测,研究结果显示BP神经网络的肺癌识别率及预测率均为100%,同时可以区分正常、良性疾病及肺癌。
3.4.3 乳腺摄片中的良恶性病变预测[8]
Wu等种根据乳腺影像学检查所表现的各种特征(从密度相关因子、钙化灶相关因子等5大类共43项中筛选了14个作为输入变量),训练并构建了一种用于区分肿块良恶性的BP网络,并同影像学专家和住院医师的判别结果运用ROC分析进行了比较,发现BP神经网络对区分乳腺摄片中的良恶性病变具有较高的敏感性和特异性,同时BP神经网络相对于影像学专家和住院医师具有较高的阳性预测价值。
3.4.4 甲状腺疾病诊断[9]
采用Java NNS软件及PROBEN1标准数据库,以甲状腺疾病诊断为例,分析并提出在医学领域中应用BP神经网络建立模型,网络模型对训练样本的正确识别率为99.3%,对测试样本的正确识别率为98.2%。
3.4.5 乳腺癌生存模型的预测[10]
Burke等比较了采用人工神经网络方法和其他统计学方法构建的乳腺癌生存模型的预测精度。该神经网络是用BP算法训练的多层感知器(multiplayer perception),他们将这种神经网络与TNM系统(肿瘤大小、有癌转移的淋巴结数目及远处的癌转移)进行了比较,证实神经网络对实验中的25例患者的5年生存率的预测更精确。
4 医学神经网络应用展望
由于神经网络可以对线性或非线性多变量在不设前提条件的情况下进行统计分析,同传统的需要被分析的变量需符合一定条件的统计方法相比有其自身的优点。一个良好的ANN甚至可以在资料不太完整或有偏差的情况下作出正确的预测。尽管ANN具有诸多的优点,但目前仍不像传统统计方法为人们所熟知和应用,因此在被人们广泛接纳之前,还有许多工作要做。譬如,ANN仍处于“黑箱”阶段,随着若干个变量输入后,就可得出相应的结果,这期间的过程及其临床意义仍然有待完善与阐明。同时,神经网络作为一种新的统计方法,其权重系数的检验及其可信区间计算、网络训练的最佳原则、隐含层层数的选择以及其具体意义的解释都有待进一步的研究。但是可以认为,随着研究的深入,神经网络必将得到临床工作者的认同并为临床工作带来诸多便利。
参考文献
[1]高隽.人工神经网络原理[M].北京:机械工业出版社,2005:1-6.
[2]周春光,梁艳春.计算智能[M].吉林:吉林大学出版社,2001:1331.
[3]刘冬,遗传算法在医疗诊断中的应用[D].吉林:吉林大学,2007.
[4]李异凡.神经网络方法在医学中的应用[J].中国现代医学杂志,2003,13(13):8-11.
[5]华贻军,洪明晃.人工神经网络在临床医学中的应用[J].实用医学杂志,2005,21(3):330-332.
[6]常崇旺,高国栋,陈洪.人工神经网络诊断帕金森病的应用研究[J].中国临床康复,2003,7(28):3818-3819.
[7]吴拥军,吴逸明,屈凌波,等.人工神经网络在肺癌诊断中的应用研究[J].中国微生物和免疫学杂志,2003,23(8):646-649.
[8]Wu Y,Giger M L,Doi K,et al.Artificial neural networds in mammography:application to decision making in the diagnosis of breast cancer[J].Radiology,1993,187(1):81-87.
[9]曹志峰.BP神经网络在临床诊断中的应用与探讨[J].实用医技杂志,2005,12(9):2656-2657.
医学会神经外科学术年会院长致辞 篇4
在2006年××*医学会神经外科学术年会上的讲话(院长)
各位领导、各位专家：
你们好！
今天全市医疗神经外科学界的专家、精英都欢聚到这里参加2006年××*医学会神经科学术年会，作为东道主，请允许我代表我院全体员工对各位的到来表示最热烈的欢迎！
在座的有不少是关心和指导我成长的老师，作为医生我深知做一个外科医生的艰难与辛苦，作为管理者，我更知道外科对一个医院发展的至关重要性。无论是从业务收入上还是从历次的重大抢救事实中无不印证了这一点，正是他们的辛勤劳动，才使我们的工作得到市、县领导的肯定和社会各界的一致好评，也正是由于各位老师长期以来对我院关心和支持，才使我们海安人民医院在人们的心中有了一定的地位和影响。
神经外科年会正是促进外科发展的例会，我真诚地希望这次会议能开出真正体现我们××*神经外科学术进展的水平，使我们所有医院都能从中得益，更希望我院的神经外科医生都能借此机会学习上级医院和兄弟单位的先进经验，发展壮大我们自己，还望各位专家不吝赐教！
最后衷心地祝各位专家身体健康，万事如意！我们争取以最热忱的服务让各位与会愉快！但由于我的水平有限，在接待工作中如有不足之处，敬请原谅。
神经医学 篇5
医学图像识别是医学影像自动诊断的核心内容,是国内外医学领域重点研究的方向。医学图像中蕴含着丰富的人体图像特征信息,其高分辨率、数据的海量性、图像特征表达的复杂性等特点[1],使得医学图像识别研究面临挑战。研究和探索适合于医学图像本身的自动识别方法,对辅助医生进行医学图像临床诊断具有重要而现实的意义。
从20世纪90年代起,国内外有诸多学者研究了医学图像的识别。如文献[2]提出提取傅里叶能量谱和多分辨率分形维数等特征向量,利用贝叶斯分类器实现超声肝图像的识别;文献[3]利用空间灰度共生矩阵提取特征对肝炎和淤血肝的CT图进行识别;文献[4]将人工神经网络应用到肝损伤图像识别中等等。但对医学图的识别,特别是对医学肝脏CT图的识别,离临床的应用需求还有一定距离。神经网络具有很强的自适应性和学习能力、非线性映射能力、鲁棒性和容错能力,而其中学习矢量量化(LVQ)神经网络是在监督状态下对竞争层进行训练的一种学习算法,允许将输入分到哪一类进行指定,竞争层将自动学习对输入向量分类,同时LVQ算法建立的决策区是近似最优的,它能以较小的计算量处理大量输入数据。如文献[5,6]等分别研究了基于LVQ神经网络的遥感图像识别和雷达体制识别。文中针对医学肝脏CT图的自身特点,设计了一种基于LVQ神经网络的医学图像识别方法,基本框架如图1所示。
文中首先确定要识别的感兴趣肝脏区域(ROI,Region Of Interest);接着做灰度映射变换,以有效提高后期特征提取的效率;然后为精确表达医学肝脏CT图的内容,文中采用了直方图、灰度共生矩阵(GLCM)、不变矩三种典型方法分别提取了图像的颜色、纹理、形状三类特征,共同构成了表征医学图像内容的特征矢量;为了避免不同特征间数值上的悬殊对分类的影响,还对特征进行了标准化;最后利用LVQ神经网络进行识别。实验取得了较为理想的识别效果,验证了算法的可行性和有效性。
1 确定图像ROI区域及灰度映射变换
原始医学CT图(如图2)是一副灰度级L′=256, 大小N′=512×512的灰度图,原始图中除了感兴趣的肝脏外,还包含较多的背景区域和非感兴趣区域。文中先确定感兴趣区域ROI,原则是尽量多地把肝脏都包含进去,同时尽量少地包含非感兴趣区域,最终确定的ROI区域大小固定为N=60×120像素,接着做灰度映射变换,将灰度级降为L=16级。
2 图像的特征提取及标准化
2.1 基于灰度直方图的颜色特征提取
医学CT图像是典型的灰度图像,对于医学图像颜色特征的提取也就是提取其灰度特征。图像灰度直方图特征是医学图像的基本而重要的特征数据。可以用式(1)来表示图像灰度直方图的定义。
式(1)中L表示灰度级,i表示灰度值,ni表示图像灰度级为i的像素的个数,N表示图像总的像素数。公式描述的是图像中具有该灰度级的像素的个数占图像总像素的百分比,即图像中灰度级为i的像素出现的频率。文中提取的直方图特征主要有均值(mean)、方差(variance)、倾斜度(skewness)、峰态(kurtosis)、能量(energy)、熵(entropy)等6个特征。
2.2 基于灰度共生矩阵的纹理特征提取
共生矩阵能反映图像灰度分布关于方向、局部领域和变化幅度的综合信息。它被描述为在θ方向上,相隔距离d的一对像素分别具有灰度值i和j出现的概率,记为P(i,j;d,θ)。 设f(x,y)为图像中像素坐标为(x,y)的点所对应的灰度值,L表示图像的灰度级,Lr、 Lc为图像的行、列维数。则像素对f(x,y)=i和f(x′,y′)=j在四个方向上的共生矩阵分别定义如下:
其中,#表示在该集合中的元素的数目。另外,通过P′(i,j;d,θ)=P(i,j;d,θ)/R, 可获得归一化共生矩阵,R为归一化常数。
Haralick提出了用于分析灰度共生矩阵的14个特征,文中综合选用了角二阶矩(能量)、对比度(惯性矩)、逆差分矩(局部平稳性)、 熵等4个最有描述能力的特征。
在计算GLCM时,要考虑四个变量:图像灰度级L,计算窗口大小N,方向θ和距离d。对于灰度L,计算窗口大小N在确定图像ROI区域时已经确定。对于距离d的选择,GLCM 在精细纹理中随着距离而快速地变化,而在粗糙纹理中随距离则缓慢地变化。理论上,对粗糙纹理用较小的距离,对平滑纹理用较大的距离会取得较好效果。但实验研究表明距离d取1时一般可获得较好的效果,故文中实验d=1。对于方向θ的选择,一般有四种取值00、450、900、1350,文中分别计算四个方向灰度共生矩阵所确定的纹理特征值,最后以各方向特征值的均值作为纹理向量中的各分量。
2.3 基于不变矩的形状特征提取
一幅M×N的离散图像f(x,y), 其p+q阶几何矩定义如下:
式(6)中,i∈M, j∈N ,p, q 为常数。
令 μpq=Mpq/M
2.4 特征的标准化
对于每幅图像的ROI区域,文中按上述方法提取了6维基于直方图的颜色特征、4维基于共生矩阵的纹理特征、7维基于不变矩的形状特征,共同构成了17维表征医学图像的特征矢量。为避免不同特征间数值上的悬殊对识别结果的影响,文中采用如下方法对提取的特征进行特征标准化。
2.4.1 标准差变换
2.4.2 极差转换
3 基于LVQ神经网络的医学图像识别
学习向量量化(Learning Vector Quantization)神经网络是在有监督状态下对竞争层进行训练的一种学习算法。它将竞争学习思想和有监督学习算法相结合,克服了自组织网络采用无监督学习算法而带来的缺乏分类信息的弱点。文中采用的LVQ神经网络结构如图3所示。
LVQ神经网络是一种混合网络结构,由输入层、竞争层和输出层三层组成。输入层n个神经元x1,x2,…,xn对应着提取的特征标准化后的17维特征矢量;竞争层有2个神经元,分为若干组并呈一维线阵排列;输出层每个神经元只与竞争层中的一组神经元连接,连接权值固定为1。在LVQ网络训练过程中, 输入层和竞争层之间的连接权值被逐渐调整为聚类中心。当一个输入样本被送至LVQ网时,竞争层通过胜者为王竞争学习规则产生获胜神经元,将输入样本分为两类。
4 实验结果及分析
实验数据源于江苏大学附属医院影像诊断科的腹部CT图。实验目的是能将输入的肝脏图像分成正常、异常两类,以初步辅助医生临床诊断。通过与其他典型神经网络方法的识别率比较,结果表明基于LVQ神经网络的医学图像识别可以有效地提高医学图像分类的准确性,如图4所示,验证了文中方法的有效性。
5 结束语
如何构建一个高效实用的的医学图像分类识别系统一直是计算机学者和医学专家们探讨的热门课题。文中针对医学肝脏CT图像的自身特点,提出了一种基于LVQ神经网络的医学图像识别方法。通过与其它典型神经网络识别方法的比较验证了算法的可行性和有效性,结果表明文中的方法在计算量小的同时具有较高的识别率。
参考文献
[1]陈健美.基于密度聚类和多特征融合的医学图像识别研究.博士学位论文.镇江:江苏大学,2008
[2] Wu Chungming,ChenYungchang.Text features for classification of ultrasonic liver images.IEEE Transactions on Medical Image,1992;11(2):145—146
[3] Chen E L,Chung P C,Chen C L,et al.An automatic diagnostic system for CT liver image classification.IEEE Trans on Biomedical Engineering,2000;2(1):4—37
[4] Ujana H,Swarnamani S,Suresh S.Application of artificial neural networks for the classification of liver lesions by image texture param-eters.Ultrasound in Medicine and Biology,1996;22(9):1177—1181
[5]刘艳妮.基于LVQ神经网络和灰度共生矩阵的遥感图像分类及其应用.硕士学位论文.成都:成都理工大学,2009
神经医学 篇6
神经医学期刊作为神经医学领域信息传播的主要媒介, 是代表一个国家神经医学领域的医疗与科研发展水平的重要标识之一。目前以计算机互联网方式检索生物医学科技文献已成为医学研究的重要组成部分之一, 神经医学期刊网络化传播可以扩大期刊的受众面, 提升了期刊的知名度, 扩大期刊的学术影响, 加快神经医学领域的国际学术交流与进步, 同时提高了期刊审稿、编辑工作的效率。从上个世纪90年代以来, 国外神经医学期刊逐步实现了网络化, 提供了比传统纸质期刊更加丰富的内容, 更加完善多样的服务。科技期刊上网已成为“九五”期间国家重点攻关项目, 编辑工作也由此进入了网络时代。然而, 我国神经医学期刊的网络化发展进展缓慢。本文在回顾18种神经医学期刊网络化现状的基础上, 分析我国神经医学期刊网络化存在的问题, 对比国外著名神经医学期刊的网络化发展特点, 提出我国神经医学期刊网络化发展的对策。
1 中国神经医学期刊网络化状况调查
本文将主要分析2005年《中国科技期刊引证报告》中统计的18种神经医学期刊的网络化发展状况, 其中包括中华神经外科杂志、中华神经医学杂志、中华神经外科疾病研究杂志等。目前我国神经医学期刊网络化途径主要分为三种:利用主办单位网站、被权威性科技期刊网站收录、建设自己的独立网站[2]。这18种神经医学期刊中, 9种通过上述三种形式实现了期刊网络化 (50%) 。在已实现上网的期刊中, 通过主办单位网站上网的有2种, 通过独立网站上网的有8种, 此10种期刊全部被权威科技网站收录。
通过主办单位实现期刊上网, 不但实现了资源共享, 而且降低了期刊运营成本。中华医学会网站对其主办的几十种杂志实现网上投稿、介绍等业务, 还开拓友情链接等多项功能。但是读者必须先登陆主办单位中华医学会的官方网站, 在主办杂志的子目录下查询相关期刊情况。但是通过这种方式上网的期刊的网络阅读量及使用受到主办网站的功能与设计的制约。这样很大程度上制约了期刊的发展。目前我国国内权威科技网站主要包括万方数据资源系统、中国期刊网全文数据库和维普数据库, 这些期刊均可提供全文检索服务。期刊通过权威数据库网站收录, 可以方便更多的读者检索和浏览文摘, 扩大期刊的受众和影响。我国神经医学期刊的独立网站通常都是以纸质期刊为基础建立的。期刊网站除了提供期刊的相关基本信息外, 还可以承担网上远程稿件处理、作者编辑信息沟通等服务。由于不同神经医学期刊独立网站的建立时间和内容侧重不同, 网站设置的内容也各不相同。
为方便调查, 所有期刊网站栏目分为基本信息类、网上投、审稿系统, 读者服务类, 广告、期刊订阅。实现了网络化的9种神经医学期刊中, 所有期刊网站都提供了期刊简介和联系方式等基本信息, 4种杂志设置有期刊动态、新闻栏目 (44.4%) 。8种神经医学通过网站实现了网上远程投、审稿操作 (88.9%) 。在读者服务方面, 7种神经医学期刊提供在线文摘 (77.8%) , 3种神经医学期刊提供检索服务 (33.3%) , 4种期刊可以提供电子期刊服务 (44.4%) 。此外, 3种期刊设置有广告征订栏目 (33.3%) , 6种期刊提供网上期刊订阅服务 (66.7%) 。
我国神经医学期刊网络化的特点
通过回顾分析我国神经医学期刊的上网方式及网站栏目设置特点, 不难发现这些期刊网络化具有以下特点。从网站栏目的设计上看, 在线稿件管理栏目、信息发布类栏目已经成为神经医学期刊网站的重要内容, 共有8种神经医学期刊实现了网上远程投、审稿操作 (88.9%) , 所有网站均设有专门的信息发布栏目, 其中涉及期刊简介、联系方式等, 四种期刊设置有期刊动态及新闻服务栏目 (44.4%) 。从上网期刊的内容看, 所有网上的内容都是纸质版期刊的简单复制且在时间上有滞后性。内容大多与纸质版期刊相同, 并无网络化特色。而期刊的网络版应是印刷版的补充, 而不是替代或简单照搬。纸质版和网络版应该发挥各自的特色。并且我国神经医学期刊的网站栏目上的信息更新较慢, 使得网络化期刊的信息时效性大打折扣。从神经医学期刊网络化的功能来看, 读者服务功能的缺失。我国神经医学期刊网站缺乏交互式的栏目设置, 因此信息的传播都是单向的, 即从期刊网站到读者。而出版工作的应是“为读者服务”的, 充分了解读者的需求, 并向读者提供科学、新颖、实用的信息。很显然, 单向的信息传播无法满足这样的需求。在网络化经营方面, 本文调查的18种神经医学期刊中, 仅有30%的期刊涉及到了网上期刊广告征订, 大部分期刊的经营仅限于跟期刊编辑工作相关的费用收入以及主办单位资金支持, 并没有形成完全的独立自主经营。超过半数的期刊设置网上订阅栏目, 但这些栏目也只是停留在纸质版期刊的网络宣传, 并不是真正意义上的网络订阅。
3 国外神经医学期刊网络化发展
据统计, 在2007年, 全美60%的期刊就已经实现了在线阅读, 并可以为读者提供如视频, 个性化服务等网络服务。而各大优秀的神经医学期刊更是拥有功能完善的网络平台或是通过Elsevier, Springer等大型出版商的网络出版平台, 实现在线投稿、审稿等编辑工作网络化, 还提供了丰富的个性化服务。本文将以Journal of Neurosurgery为例, 对比分析国外神经医学期刊网络化的状况, 以期提供我国神经医学期刊的发展策略。
Neurosurgery杂志的网站除了基本的在线投稿、审稿与查询功能外, 还设置了当期文摘浏览、过刊文摘浏览、印前网上出版 (Published ahead of print) 文摘浏览栏目、播客、手术录像展示、期刊各种相关信息等。不同的读者可以根据自己的需要在相应栏目找到自己需要的文章信息。网站的最醒目位置罗列当期全部特色文章的条目, 包括文章题目, 摘要, 作者信息等, 部分文章会提供免费的PDF格式的全文下载服务, 这样可以保证不同收入水平的读者都可以浏览到杂志刊登的最新文章。并且重点文章会标明编者推荐字样, 以方便读者查阅或购买阅读。在印前网上出版栏目可以浏览纸质出版前的网络出版的文章条目, 并且可以提供文摘浏览。播客 (Podcast) 栏目中展示了可以下载到最新移动播放设备 (如, i Pod) 并可通过相关软件随时收听和阅读的期刊文摘, 而且提供了各种语种的版本, 包括英语、中文、法语等, 方便不同语种的读者进行收听和阅读。这样可以激发读者对纸质版期刊的阅读兴趣。
网站还安排了文章相关的手术录像展示, 这项服务是纸质期刊无法提供的, 可以说是网络版期刊的特殊增值服务产品。所有手术演示录像均来自期刊刊登的文章。期刊读者可以观看与文章内容相关的手术录像展示 (Video) , 方便读者更加直观、详尽了解手术过程和手术技巧;而网站读者如果对录像显示的手术技术的适应症及并发症等问题, 也可以购买全文进行阅读。在期刊信息栏目可以查看期刊基本信息, 编委会成员, 广告展示, 订阅服务等为读者提供全方位的服务。另外网站专门开设了一个板块, 方便读者通过智能手机 (如, iphone等) 进行文摘搜索、浏览、特色文章的全文浏览等。期刊网站还提供了语言编辑服务 (language editing services) , 投稿作者可以根据自己的需要联系相关的公司帮助自己进行语言润色, 这样极大的方便了非英语作者的投稿工作。
4 神经医学期刊网络化发展的对策
通过对比国外的神经医学期刊的网络化现状, 我们可以通过以下途径加快我国医学期刊网络化发展。
1) 完善神经医学期刊网站的功能
随着电子出版物的发行, 神经医学期刊网络化发展已经成为期刊发展的新趋势。一个功能完善的期刊网站可以承载期刊所有相关的重要信息, 成为期刊内容发布、读者服务、期刊发行、广告征订、品牌宣传的良好平台。读者、作者、编者是神经医学期刊重要的组成部分, 利用网络的互动性, 可以大大加强三者的联系与沟通。另外, 期刊网站的内容应增强时效性, 有专门负责更新网站内容的编辑, 及时更新网站的最新动态, 充分发挥网络信息传播的优势。期刊网站向读者提供期刊论文信息, 实现文章检索, 充分体现网络化的特点。通过网络可方便快捷的查阅论文的文献, 也可通过与其他检索数据库的链接, 了解文献的出处。
2) 加强编辑工作人员的网络技能
神经医学期刊的编辑人员要适应期刊网络化的趋势, 提高对未来网络化工作的适应能力。信息化时代的编辑面对的是一个新的技术操作环境, 期刊编辑需要不断完善自己的知识结构, 了解和掌握期刊网络信息处理的技能, 充分利用网络进行服务创新, 为读者、作者提供完善、全面的远程服务。
5 结论
随着信息化技术的广泛应用, 依托网络实现发展是神经医学期刊发展的必然趋势。然而, 我国神经医学期刊的网络化发展仍处在起步阶段。我国神经医学期刊应不断完善网站的功能, 加强期刊编辑的技术水平, 借助网络传播技术的优势, 加快神经医学期刊的发展。
摘要：在信息网络化高速发展的时代, 期刊网络化是当今期刊国际化发展的必由之路。神经医学期刊作为神经医学领域的主要媒介, 代表和反映了其领域医疗与科研发展水平。我国神经医学期刊网络化发展进展相对缓慢。本文在对18种神经医学期刊网络化情况调查的基础上, 对比我国与国外期刊网络化发展特点, 分析我国神经医学期刊网络化问题, 从而提出神经医学期刊网络化发展的对策。
关键词：神经医学,期刊,网络化
参考文献
[1]王虹.医学期刊网络化发展优势和作用探析[J].西北医学教育, 2010, 18 (5) :967-968.
[2]钟海平.论信息传播网络化信息组织智能化与编辑出版学研究[J].编辑学报, 2002, 14 (1) :12-14.
[3]段咏慧, 王征爱.广东省医学期刊网站建设情况调查分析[J].第一军医大学学报, 2005, 25 (11) :1456-1459.
[4]曾建勋, 宋培元我国科技期刊网络化发展动因与趋向[J].编辑学报, 2008, 20 (4) :283-285.
[5]秦娟.国内外医学期刊网络化状况及发展趋势[J].青年记者, 2010, 9 (下) :91-92.
[6]中国科学院自然科学期刊编辑研究会研究小组.影响科技期刊发展的因素及有关政策的调研分析[J].中国科技期刊研究, 2007, 2:213-219.
神经医学 篇7
关键词：转化医学,神经病学,研究生
神经病学 (Neurology) 是研究中枢神经系统、周围神经系统及骨骼肌疾病的临床综合性很强的医学学科, 所包含的神经系统疾病种类繁多, 仍有很大部分疾病尚缺少有效的诊断及治疗方法。随着近年来“转化医学”概念的提出, 在深入揭示神经系统疾病的发病机制、探索治疗手段等方面取得了长足的进步。尽管如此, 我国转化医学研究整体上仍然涉猎较为粗浅, 观念相对落后, 产出十分有限。更重要的是, 转化医学的概念尚未真正融入医学教育的各环节当中, 成为更深层次发展转化研究的制约。研究生既是当前科研的主要参与力量, 更是引领未来医学发展的动力所在。因此, 强调神经病学研究生培养过程中融入转化医学模式, 具有重要的现实意义。
1 不断加深理解, 树立转化医学理念
“转化医学”的概念自提出开始就受到广泛的关注。转化医学作为一门通过从实验室到临床及从临床到实验室的双向通道的学科, 强调多学科交叉合作, 深入了解疾病发生、发展的机制, 探索新的防治策略, 即“从实验台到病床旁 (bench to bedside) ”的一个连续、双向、开放的研究过程, 将现代和未来医学研究的主要模式和途径[1]。转化医学强调临床与基础的紧密结合、双向转化, 与其他学科的联系也更加紧密, 也更加强调研究结果的实际应用价值。因此, 在医学教育当中引入转化医学模式, 将是针对传统医学教育的弊端进行规范和强化医学培养效果的最有效途径之一。
研究生培养中常存在为完成论文、发表文章而设计研究、完成实验的“结果导向”的弊端。众所周知, 真正创新性的研究多是建立在反复探索乃至失败的基础上的。可是, 为了尽快得出结果、避免出现失败, 很多研究者和研究生在选择课题时就去选择一些跟踪性、重复性的课题。这些课题尽管能够得出一些结论, 但多是推论性的, 创新性差, 其最终结果是除了制造大量缺少实际应用价值的文章外, 再无其他可取之处[2]。转化医学倡导从临床工作中发现并提出问题, 重视从临床中凝练课题, 使得研究生能够从选题之初就有明确的目标, 从而避免仅以发表论文为目的的研究。我们以转化研究为方向, 就是要把握临床应用的发展趋势, 在研究选题之时, 就具有实际应用与产业化的意识。更进一步, 通过研究生阶段转化医学研究的训练, 能够培养新一代医学人才具有转化医学的理念, 为其今后开展临床工作和进行医学研究打下坚实的基础[3]。
2 结合典型病例, 训练转化医学思维
尽管转化医学的概念提出只有短短的十余年时间, 但纵观现代医学的发展历程, 其实始终贯穿着转化医学的理念。神经病学也不例外, 很多神经系统疾病的认识过程都体现着明显的转化医学的内涵。通过这些典型疾病发展过程的详细讲解, 可以很好地塑造神经病学研究生的转化医学视角。
以帕金森病研究的发展过程为例, 自1817年James Parkinson首次描述了帕金森病的临床表现后, 神经病学家针对发病机制、临床治疗开展了不懈的转化研究。1913年首次报道在帕金森病患者中脑黑质内存在路易小体, 1960年研究显示纹状体多巴胺神经递质水平下降是产生帕金森病运动症状的主要因素, 继而临床上应用左旋多巴补充中枢多巴胺治疗帕金森病有效。而后随着基础研究中对多巴胺代谢途径的逐渐明确, 又得以进一步开发出多巴胺受体激动剂、单氨氧化酶抑制剂、儿茶酚氧位甲基转移酶抑制剂等新的抗帕金森药物[4]。从这一途径可以清晰地看到, 正是临床与基础之间不断进行双向的转化, 才使得我们今天对帕金森病有深刻的认识。
通过开展对神经病学研究生相关医学史的介绍, 详细阐释认识疾病过程的深层次脉络, 能够让研究生更加深刻地理解疾病发生发展的病理生理学过程, 更能够让他们不断领悟是通过什么样的研究目的和过程才引领我们达到目前的认识高度, 又要通过何种过程才能解决我们遇到的更多问题。
3 搭建研究平台, 开展转化研究实践
转化医学作为一种双向的科学体系, 重心在于通过临床实践发现和提出问题之后, 能够采用有效的方式将基础研究成果快速、安全地应用于临床当中, 建立起跨越临床实践和基础研究之间双向转化的桥梁, 从而推动基础研究和临床诊治水平全面提升, 最终使广大患者受益。基础医学和临床医学学科本身的发展和强大是真正建成大桥的两个“桥头堡”。转化目的的实现, 无疑需要打好这两方面的基础。
通过运用现代信息网络技术, 着重注意临床研究体系的建立, 完成生物样本库, 建立起标准化数据收集系统, 建成基于数据库建设的统计分析平台, 这些研究平台的搭建, 将保证临床和实验室研究之间信息的顺畅流通。完成转化神经科学 (translational neuroscience) 技术平台的建立, 是进一步培养出优秀神经病学研究生的重要前提[5]。只有在这样的平台基础上, 才能开展有效的转化研究。
在研究生培养过程中引入转化医学的实践, 一方面可以为临床师生提供进入实验室开展基础研究的机会, 以使双方能够不断熟悉对方的问题、语言、解决问题的手段和思路等;另一方面也能够开阔基础研究科研人员的视野, 加深对临床知识的重视和理解。最终能够实现转化医学的双向通道:从实验室到病床, 再从病床到实验室, 以此形成良性循环。
4 结语
总之, 转化医学模式下神经病学研究生培养制度的创新, 是深化转化研究进程的趋势使然, 更是未来医学发展的需要。将转化医学理念全面融入到神经病学学科建设发展当中, 合理的课程设置以全面体现神经系统疾病诊疗中转化研究的巨大价值, 充分整合资源, 搭建转化研究的平台。面对新的国际医学发展需要, 适应社会对高层次临床医师的高度需求, 必须加速培养临床医学高层次人才, 提高临床医师队伍的整体素质和临床诊疗的水平, 与此同时更要从根本上提高广大医师的研究思维能力, 转化医学的模式将是提高研究生培养质量的有效方式。
参考文献
[1]Marincola FM.Translational Medicine:A two-way road[J].J Transl Med, 2003, 1 (1) :1-2.
[2]羌建峰, 戴正庆, 王晓冬.临床医学专业研究生培养质量控制体系的探索研究[J].中华医学教育杂志, 2011, 31 (6) :930-932.
[3]柳红, 胡艳艳, 邵洁, 等.研究生教育和住院医师规范化培训的接轨研究[J].中国高等医学教育, 2013, 3 (3) :127-129.
[5]张玉林, 吴昊, 陈德喜.医学研究生科学研究能力的培养[J].西北医学教育, 2013, 21 (2) :266-268.
神经医学 篇8
利用计算机技术对医学图像进行处理, 提取其深度信息, 以便利用智能算法对图像进行分析和分类, 从而辅助医生诊断, 使医学图像识别的正确率大大提高。计算机收集图像颜色、形状、纹理等可视化信息, 并结合多种算法实现图像的分类。本文主要探讨不同成像方式下医学影像的分类特征, 并根据各类图像的特点, 提出采用面积熵、图像灰度共生矩阵、图像细小纹理区域个数等特征作为图像分类识别的依据, 并构建了基于模糊聚类和BP神经网络的图像分类器, 将医学图像按成像方式分为CT类、MR类、B超类及X射线类图像。
1 医学图像特征提取
在特征提取模块中, 各类图像样本数为B超图像10幅, X图像20幅, CT图像40幅, MR图像40幅, 提取图像面积熵、灰度共生矩阵、细小纹理区域个数等特征并存储, 作为图像分类识别的依据。
1.1 面积熵
面积熵是图像随机性的度量, 由于熵在一定程度上突出反映“小事件”的作用, 同样, 面积熵使得面积小的连通对象凸显出来。
由实验数据得, 图像经预处理后, B超及X图像的小面积对象数较多, 面积熵较高, CT及MR图像呈色块分布, 面积熵较小。因此本文将面积熵作为图像初步分类的依据, 即将图像分为B_X与CT_MR图像两大类。
1.2 灰度共生矩阵
灰度共生矩阵是分析图像纹理特征的重要方法, 建立基础是图像的二阶组合条件概率密度, 通过计算图像中一定距离和一定方向的两点灰度之间的相关性来反映图像在方向、间隔、变化幅度及快慢上的综合信息, 从而精确地描述纹理的粗糙程度和重复方向。Hara总结了用于分析灰度共生矩阵的14个特征。本文研究过程中采用能量、对比度、相关、熵、方差、反差分矩等6个参数, 对比分析后, 选了其中最有描述能力的3个特征参数:能量、对比度、相关, 对CT和MR图像进行分类。
1.2.1 能量是图像平滑度的度量。
1.2.2 对比度为图像的清晰程度。
值越大, 表明纹理效果越明显;值越小, 纹理效果越不明显。
3) 相关
1.3 图像细小纹理区域个数
经过高帽低帽运算的B超图像会保留较多的细小纹理区域, 而X线图像的细小斑点则大部分被消除, 因此从图像细小纹理区域个数可区分B超和X线图像。通过对B超及X线标准图像的细小纹理区域个数特征的提取, 其特征值呈两类分布。
2 基于模糊聚类和B P神经网络的图像分类器设计
本文先利用模糊聚类算法将医学图像分为B-X和CT-MR两大类, 然后利用BP神经网络对CT和MR图像进行分类, 利用模糊聚类算法对B超和X图像进行分类。
2.1 模糊K均值算法
模糊K均值算法是一个迭代寻优过程。设有n个图像模式构成一模糊集X= (x1, x2, x3, …xn) , 若将个n图像分成c类, 则构成c个模糊子集, 每个子集都有一个类中心mi, i=1, 2, …, c。对于整数c, 2≤c≤n, c×n维矩阵U=[μj (xi) ]c×n称为n个数据X={xk}的一个模糊K划分。若μj (xi) 表示第i个样本对于第j类的接近程度, 则应满足。在特征空间内找一个最优矩阵U, 它应使泛函为极小值。其中, b>1是模糊度加权因子, ||·||是任意一种范数。
要使Jf最小, 令Jf对mi和μj (xi) 的偏导数为0, 可得必要条件:
用迭代方法求解式 (5) 及 (6) , 就是模糊K的均值算法。算法步骤如下: (1) 确定聚类数目c和参数b; (2) 初始化各类聚类中心mi; (3) 重复下面的运算, 直到各个样本的隶属度值稳定。用当前的聚类中心根据式 (6) 计算隶属度函数;用当前的隶属度函数根据式 (5) 更新计算各类聚类中心。当算法收敛时, 就得到了各类的聚类中心和各个样本对于各类的接近程度, 从而完成了模糊聚类划分。
2.2 BP神经网络的设计
本文利用BP神经网络对CT和MR图像进行分类。典型的BP网络是3层前馈阶层网络, 即输入层、隐含层和输出层。一般根据输入特征量的多少确定网络输入层神经元个数。本文取CT和MR图像灰度共生矩阵的能量、对比度、相关三个特征值, 因此输入层神经元个数为3。设定输出层神经元个数为1, 用1代表CT图像, -1代表MR图像。根据多次调试, 本文选择了一层隐含层数, 隐含层神经元个数为1 2个。学习速率为0.1, 误差界限为0.02, 最大训练步数为200。当训练数据和网络输出的误差小于0.02时候, 认为网络收敛。
3 实验结果
为了验证上述分类算法的有效性, 本文选取了80幅测试样本图像, 其中B超图像6幅、X线图像18幅、CT图像21幅及MR图像35幅。
3.1 B_X图像与CT_MR图像分类
按照设计思想, 利用模糊K均值算法得出B_X线图像测试样本及CT_MR图像测试样本的面积熵的群心。
3.1.1 模糊度加权因子b的选择
模糊加权因子b在模糊聚类中是一个非常重要的参数, 不同的b值会对模糊聚类的精度产生不同的影响。有文献指出, 对b值的优化选择问题理论上尚未解决, 通过实验归纳出, 通常1<b≤5, 而在图像聚类应用中, 取1.5≤b≤2.5比较合适。本文取b值为1~5做了实验。结果表明, 当b=1时, 得不到确定的群心, 迭代次数增加;当b=2时, 聚类效果最好, 迭代次数最少。因此下面就选b=2进行一系列测试。
3.1.2 分类结果
表1给出了80幅测试样本的分类结果, 其中有66图像识别正确, 识别率为82.5%。
下面对正确识别出的这66幅图像再进一步细分。
3.2 B超与X线图像分类
利用两类图像的细小纹理区域个数进行分类。表2结果表明给出的20幅测试样本 (表1中测试正确的20幅图像) 中有18图像识别正确, 识别率为90%。
3.3 CT图像与MR图像分类
利用灰度共生矩阵的能量、对比度、相关三个特征, 基于BP神经网络实现分类。表3结果表明给出的46幅测试样本 (表1中测试正确的46幅图像) 中有40幅识别正确, 正确识别率为86.96%。
4 结语
本文通过实验分析, 提取了图像面积熵、细小纹理区域个数、灰度共生矩阵等特征, 设计了基于模糊聚类和BP神经网络分类器实现医学图像的分类识别, 取得了一定的效果, 可在临床上辅助医生进行诊断。创新点在于将模糊聚类和神经网络结合起来实现医学图像的分类识别。但结果表明, B超-X图像类与CT-MR图像类的识别率并不理想, 这影响到了图像后续识别。在今后的工作中将考虑采集全面的样本数, 医学特征在图像中的反映以及优化算法来提高识别率。
摘要：本文探讨了不同成像方式下医学图像的分类识别算法, 提取了具有代表性的图像特征, 如图像面积熵、灰度共生矩阵、图像细小纹理区域个数等, 并通过设计模糊聚类、BP神经网络图像分类器, 实现对CT图像、MR图像、X线图像及B超图像的分类。结果表明本文提出的分类器对医学图像的分类识别取得了一定的效果。
关键词：图像特征提取,模糊聚类,BP神经网络
参考文献
[1]于甬华, 王仁本, 于金明, 李昆海.计算机辅助诊断在医学影像学领域的研究进展[J].生物医学工程研究, 2005, 24 (2) :133～136.
[2]高上凯.医学成像系统[M].清华大学出版社, 2000, 3.
[3]陈菲.神经网络在超声脂肪肝图像识别中的应用研究[J].微计算机信息, 2007, 23 (4～3) :302～304.
[4]边肇祺, 张学工等.模式识别 (第二版) [M].清华大学出版社, 2000, 1.
神经医学 篇9
1 神经病学专业的特点
神经病学是临床医学的重要分支, 是专门研究人类神经系统疾病诊断和治疗的一门学科。神经病学专业性强, 涉及内容广泛[1]。它是建立在神经科学基础上, 与其它学科 (如解剖学、康复医学等) 有密切的联系, 是具有高度逻辑性、推理性的一门临床学科。神经系统疾病多数病因未明, 临床病例复杂多变。同时其定位、定性的诊断方法又有一定特殊性。大多数神经系统疾病容易致障、致残, 后遗症明显, 需要长期的康复治疗。
目前, 许多高等医学院校的康复医学专业已经开设了神经病学课程, 但由于教学时数、讲授内容和要求的限制, 往往存在临床神经病学与康复医学教学相脱节的现象, 且由于神经病学教学内容多、复杂、抽象、难以理解。同时神经病学又具有实践性强、操作性强的特点。学生们常感难懂、难记、难掌握, 从而对学习产生畏惧心理, 这就不同程度地降低了学习的积极性。
2 神经病学与康复医学的联系
随着社会的老龄化的出现, 神经系统疾病在疾病谱中的比重越来越突出。由于科学技术的进步, 神经系统疾病的诊断水平有了显著的提高。但神经系统疾病的治疗进步却较缓慢, 从而出现了疾病与残障并存的现象。随着社会生活水平的提高, 神经系统疾病患者对生活质量的要求已不仅是满足于生存, 而是要能参与社会活动, 提高生活质量, 因此, 这就对神经病学工作者提出了更高的要求。
康复医学是一门促进病、伤、残者康复的医学学科, 它的目的是减轻和消除患者存在的功能障碍, 帮助患者根据其实际需要和身体潜力, 最大限度地恢复其生理上、心理上、职业和社会生活上的功能, 提高其独立生活、学习和工作能力, 改善其生活质量, 促使其重返社会。基于现代医学新模式和健康新概念的康复医学, 具有多科性、广泛性、社会性, 充分体现了生物-心理-社会医学模式的特点[2]。
神经康复是康复诊疗手段专科化的产物, 是康复医学重要的组成部分。随着神经病学与康复医学的发展、交叉与融合, 逐渐诞生了一门新的学科-神经康复医学。它是以神经系统疾病障碍为评定、治疗对象的学科。它的兴起与发展能够改变神经系统疾病诊断与治疗不相适应的矛盾, 为治疗带来了可喜的前景, 并能纠正传统的神经病学 (临床治疗以药物为主) 与康复 (以康复训练技术为主) 两门各不相关的学科的片面性、局限性[2]。
3 康复医学专业神经病学教学方法的实践与探讨
3.1 运用神经病学、康复医学和解剖学相结合的教学模式, 激发学习热情
康复医学专业学生日后主要从事的是康复治疗工作, 而机体解剖结构的异常改变是患者临床症状和体征发生的基础, 也是机体康复的结构基础, 而患者残障的恢复, 最终融入社会、提高生活质量是康复治疗工作的目的。由于神经系统疾病的特殊性, 即疾病与障碍共存, 许多疾病经药物治疗后遗有残疾障碍。但神经病学对神经系统疾病所造成的障碍缺乏量化指标, 难以客观地反映病变的实质。神经康复医学为功能障碍制订了一系列功能评价检查的方法, 对功能障碍进行定量评定, 为临床科研和规范化的诊疗提供了可靠的测定工具。因此, 三者的关系是密不可分的。学生们在学习神经病学时, 已经学习了解剖学及康复医学基础知识, 但对临床、神经解剖学及神经康复知识了解较少, 因此他们会对相关的内容感到陌生, 并充满了好奇心。
我们在讲解神经病学课程时, 可以先导入临床病案, 通过患者的临床表现提出问题, 结合神经解剖学及神经康复医学知识, 启发学生思考。比如讲解脑血栓形成时, 我们引入病例如下:患者男性, 62岁, 48h前休息中突发口角歪斜、左侧肢体无力、麻木。既往有吸烟史。入院查体:血压130/80 mmHg;神志清楚, 言语欠清晰;左侧鼻唇沟变浅, 伸舌偏左;左侧上下肢肌张力降低, 左侧上下肢瘫痪、感觉障碍, 左侧病理征阳性。头颅CT可见右侧基底节区低密度改变。提出问题如下:此患者患何种疾病?目前应给予何种治疗措施?学生们积极讨论, 纷纷发表观点。最后给出答案:脑血栓形成 (右侧大脑中动脉主干) 。按照神经康复理论, 患者病情处于急性期 (休克期) , 除常规给予抗血小板聚集、改善血液循环等治疗外, 应尽早给予适当的康复治疗, 防止患者出现肢体痉挛、足下垂等并发症。进一步用解剖学知识解释患者出现以上表现的神经结构基础 (右侧内囊受损导致左侧中枢性面舌瘫、肢体瘫、感觉障碍、病理征阳性) 。由此引入对神经解剖知识的讲解。使临床表现、神经解剖、神经康复密切的结合起来。这样就会使学生觉得课程脉络清晰, 便于学生理解、记忆, 不但激发了学生浓厚的学习热情, 加深了对神经病学知识的理解, 同时也使学生认识到神经病学对于康复医学专业的重要性。
3.2 探索医学模拟教学新模式, 加强学生临床技能培养
在神经病学的临床教学中, 针对康复医学专业学生临床基础课程学习及临床操作机会较少的现象, 我们加强了对康复医学专业学生神经系统疾病病史询问、体格检查等临床技能的培训, 并且通过观看神经系统体格检查录像、同学间相互检查、床旁实体示教等手段, 教学效果有了明显的提高[1]。
医学模拟教学是指利用模拟技术创设出模拟患者和模拟临床场景, 代替真实患者进行临床教学和实践的教育方法[3]。医学模拟教学的兴起为我们提供了另外一种重要的培养学生临床医学技能的手段。为更好地让学生掌握神经科查体技能, 了解常见的异常体征, 在临床教学中, 我们将电子模拟人应用于医学生基本临床技能培训, 为真正进入临床实习打下良好的基础。
神经科临床常用诊疗操作技术 (如腰穿) 是每位学生必须认真学习的临床技能, 也是重点和难点。学生实习时, 往往会出现没有合适的患者或者患者难以配合检查的情况, 以往我们主要采取录像和书本相结合的方式进行穿刺学习。在应用模拟技术后, 这些问题得到了很好的解决, 这些模型具有高度仿真效果, 即使学生犯错误, 也不会对患者造成伤害, 而且重复性很强, 允许多次操作, 能使医学生在接触真实患者之前, 较好地掌握穿刺技术的要领, 解决了神经病学教学上的又一大难题[1]。
3.3 课前充分做好准备工作, 不断提高教师素质水平
康复医学专业神经病学教学过程中要紧密联系解剖学和神经康复相关知识, 要求教师不但有娴熟的神经病学专业知识, 还要掌握、领会解剖学和康复医学基本知识。疾病的康复治疗与其临床表现有着密切的关系, 不同功能障碍所采取的康复治疗措施不同, 同一疾病的不同时期所采取的康复治疗措施也有所差异。这就要求教师备课时要仔细阅读教材, 举一反三, 若有不清楚的问题, 则应及时查阅相关学科的书籍和杂志。还要注意搜集相关典型病例穿插于教学之中, 积极阅读本学科最新文献, 了解最新动态, 拓宽知识面, 开拓思维。讲义要条理清楚, 符合逻辑, 突出重点和难点, 并反映国内外的最新进展。同时应考虑讲授方法及教学法的应用, 课堂讲解力求做到深入浅出, 详略得当[4]。教师广博的知识, 丰富的教学内容, 活灵活现的实例, 不仅会活跃气氛, 激发学生的学习兴趣, 而且会使教学组织得更得心应手, 提高了教学质量[5]。
3.4 将康复医学理论渗透到神经病学临床教学中, 突出康复医学专业特色
神经病学的临床教学往往多注重神经系统疾病的病史询问、体格检查的培训以及神经系统常见疾病及典型体征的示范。这些方法对于临床医学专业学生而言, 能达到比较好的教学效果, 但对于康复医学专业学生来说, 由于他们的临床课程安排较少, 操作技能培训不多, 因此再按照以上常规的方法带教, 效果自然不可能很好。
康复医学专业学生的长处在于对康复医学的基础知识掌握较扎实、全面。对于他们而言, 如可运用神经病学知识提高他们的康复治疗水平显得更为重要。在进行神经病学临床教学时, 引入康复医学理论并与临床密切相结合。让学生认识到康复医学是整体医学密不可分的一部分, 康复观念应贯穿于治疗的始终;使学生明确治病救人的新含义, 医生不仅是治疗患者, 挽救其生命, 更重要的是尽可能恢复患者原有的功能, 提高生活质量。临床神经病学因有康复医学的加入而多一种治疗手段, 康复医学因与临床医学结合而显得生气勃勃。临床与康复观念的结合有利于医学生全面素质的培养, 克服自我封闭的状态。内容上的互相渗透, 功能上的互补融合, 在更高层次上趋向于更合理的科学化。这样, 不知不觉中加强了康复医学与神经病学的联系, 既达到了提高神经病学教学质量的效果, 又突出了康复医学专业的特色[2]。
总之, 神经病学与康复医学的联系越来越密切, 教师们应在康复医学专业学生的神经病学课程教学过程中, 吸纳以往的教学经验, 大胆改进教学方法, 不断探索高质、高效的教学模式, 激发学生学习兴趣, 切实提高康复医学专业神经病学教学质量, 培养出合格的康复医学专业人才。
参考文献
[1]张斌, 史毓杰, 高聪.神经病学教学中的医学生临床综合能力的培养[J].临床医学工程, 2010, 17 (10) :136-137.
[2]蒲蜀湘, 高聪, 王剑威.将康复医学理论渗透到神经病学临床与教学中[J].中国高等医学教育, 2001 (4) :41-42.
[3]李晓阳.论医学模拟教育平台的构建与应用[J].中国高等医学教育, 2006 (7) :68-69.
[4]周伊, 吴庚利, 闫爱丽, 等.医学本科影像专业病理学教学的探讨[J].山西医科大学学报:基础医学教育版, 2010, 12 (1) :19-21.
