引論：我們為您整理了13篇精準醫學綜述范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。
篇1
精準醫療是通過基因組、蛋白質組等組學技術和其他前沿科技， 依據患者內在生物學信息及臨床特點， 在分子學水平為疾病提供更加精細的分類及診斷， 從而對患者進行個性化精準治療的一種新型醫療模式[1]。2011 年美國相關學者首次提出精準醫療的概念[2]。2015年美國總統奧巴馬在國情咨文中談到“人類基因組計劃”， 并宣布實施精準醫療計劃將這一研究推向新的[3]。
惡性腫瘤已成為目前全球主要的死亡原因之一， 其是一類基因性疾病， 大多具有自己獨特的基因印記和變異類型， 基因組發生的突變， 可以影響細胞信號、染色體、表觀調節及代謝等過程。這些研究成果很早已被利用在腫瘤的治療中， 許多針對這些特異基因改變及表觀遺傳學改變的靶向藥物已經上市或正在研發。腫瘤的精準醫療通常分為3個步驟：基因及表觀遺傳學檢測、大數據分析和臨床藥物應用[1]。
1 基因及表觀遺傳學檢測
基因是指攜帶有遺傳信息的DNA或RNA序列， 是控制性狀的基本遺傳單位?；蛲ㄟ^指導蛋白質的合成來表達自己所攜帶的遺傳信息， 從而控制生物個體的性狀表現?；驒z測是通過對血液、其他體液或細胞的DNA檢測， 獲得腫瘤單核苷酸有義突變、拷貝數變異、融合基因等基因變異的信息。彌漫大B細胞淋巴瘤（DLBCL）曾一度認為是一類性質單一的疾病， 但近年發現DLBCL中具有不同的基因表達亞型， 如GCB（germinal-center B-cell-like）、ABC（activated B-cell-like）， 其起源于B細胞分化的不同階段， 具有不同的生物學特性， ABC亞型中的基因變異可以引起NF-κB的活性改變， 導致預后不良[4]， 這已被臨床實踐所證實。
表觀遺傳學就是研究基因表達的學科， 是指基因表達的改變不依賴于基因信息的改變， 而是依賴于DNA甲基化和組蛋白的化學修飾。這些異常改變在一定條件下可以向正常逆轉。腫瘤發生過程最常見的表觀遺傳學改變為抑癌基因啟動子區CpG島的甲基化， 其引起的表達沉默可以影響腫瘤相關信號通路[5]。DNA甲基化是真核細胞的表觀遺傳修飾之一， 甲基化程度愈高， 基因的表達則降低。骨髓異常增生綜合征存在p15、p16、降鈣素基因等一系列抑癌基因的過度甲基化， 使抑癌基因表達受抑制， 細胞易于形成惡性克隆[6]。其他表觀遺傳學改變如組蛋白的乙酰化、磷酸化等也均可影響基因的轉錄活性[5]。隨著二代基因測序技術及大規模多水平組學生物學技術的興起， 腫瘤精準醫療有了越來越強的技術基礎。
2 大數據分析
目前已經知道人類各種正常組織的基因及基因表達， 患者的基因及基因表達都有了參考標準， 基因表達數據的分析與建模已成為生物信息學研究領域中的重要課題。人類的基因數目很大， 基因及其表達的變異信息數據庫也十分龐大， 從海量的組學數據中提取有價值的數據， 就要祛除大量的“無關信息”， 這需要具有極高精確性的分析模型與分析方法， 全球很多學者均致力于該領域的研究。如人類腫瘤基因圖譜計劃（TCGA）， 就是應用基因組分析技術， 特別是采用大規模的基因組測序方法， 將人類全部癌癥（近期目標為50種包括亞型在內的腫瘤）的基因組變異圖譜繪制出來， 并進行系統分析， 旨在找到所有致癌和抑癌基因的微小變異， 其中包含體細胞突變、拷貝數變異、mRNA表達、蛋白質表達等各類信息。這一計劃整合了約7000種人類腫瘤的復雜分子網絡[7]。2012年， 國際千人基因組計劃團隊發表了1092個人類基因數據， 繪制了人類基因組遺傳多態性圖譜[8]。這些均表明人群中存在大量的遺傳變異， 從而造成腫瘤細胞生物學行為和藥物療效等方面的差異。
3 臨床藥物應用
腫瘤的精準醫療就是以大數據分析結果作為參考， 給予患者個體化的藥物治療方案， 再根據治療結果進行反饋， 確認更多有價值的基因及蛋白組靶點， 開發更多的藥物， 保證精準醫療的不斷完善。在應用這些藥物治療腫瘤之前， 必須明確腫瘤中是否包含這些藥物所靶向的改變， 也只有這一部分患者才會對上述治療敏感。而對于無特異性基因改變或表觀遺傳學改變的腫瘤患者， 上述治療除了無效， 還會帶來一定的毒副反應。
1997年11月上市的利妥昔單抗是抗CD20人鼠嵌合抗體， 是第1個應用于臨床腫瘤的靶向治療藥物， 已成為治療彌漫大B細胞淋巴瘤及濾泡淋巴瘤等CD20陽性的淋巴瘤的一線藥物[9]。伊馬替尼通過抑制bcr/abl融合基因的酪氨酸激酶活性、PDGFR和干細胞因子受體c-kit的活性， 治療慢性粒細胞白血病、Ph染色體陽性的急性淋巴細胞白血病和胃腸間質瘤[10， 11]。曲妥珠單抗僅適用于HER2基因陽性的乳腺癌患者[12]。而阿扎胞苷則是首個被美國食品和藥物管理局（FDA）批準的去甲基化的表觀遺傳藥物， 用于骨髓增生異常綜合征的治療[13]。均顯示出了顯著的療效， 堪稱精準醫療的典范。可以看出， 可供選擇的藥物的多少直接關系到治療的成敗。研究表明， 這些靶向藥物除了單用， 還能相互或與化療藥物聯用， 以進一步提高臨床療效。例如利妥昔單抗聯合CHOP方案治療DLBCL， 可以提高緩解率， 延長患者的生存時間， 是目前國際上治療DLBCL的一線方案。
4 小結
當前的腫瘤治療正逐漸從宏觀層面對“病”用藥向更微觀的對“基因、表觀遺傳”用藥轉變， 精準醫療可以實現“同病異治”或“異病同治”， 已成為腫瘤治療的一個趨勢。但目前該治療模式仍需進一步完善， 需要發現更多的目標靶向， 建立更完善的疾病知識網絡和新分類系統， 建立更精確、可靠的組學數據標準化整合模型， 研發更多有效、低毒的靶向藥物。腫瘤的精準醫療之路任重道遠。
參考文獻
[1] Mirnezami R， Nicholson J， Darzi A. Preparing for precision medicine. N Engl J Med， 2012， 366（6）：489-491.
[2] National Research Counci US Committee. Toward Precision Mdedicine：Building a Knowledge Network for Biomedical Research and a New Taxonomy of Disease.M. Washington DC：National Academies Press， 2011：2115-2116.
[3] Collins FS， Varmus H. A new initiative on precision medicine. N Engl J Med， 2015（372）：793-795.
[4] Alizadeh AA， Eisen MB， Davis RE， et al. Distinct types of diffuse large B-cell lymphoma identified by gene expression profiling.Nature， 2000（403）：503-511.
[5] 付小兵， 韓為東， 時占祥.生物治療中的轉化醫學.西安：第四軍醫大學出版社， 2014：216-250.
[6] 柯晴， 岑洪， 胡曉華. 去甲基化藥物地西他濱治療血液系統惡性腫瘤的研究進展. 醫學綜述， 2010， 16（7）：1068-1070.
[7] John N Weinstein， Eric A Collisson. The Cancer Genome AtlasPan-Cancer analysis project. Nature Genetlcs， 2013， 45（10）：1113-1120.
[8] Abecasis GR， Auton A， Brooks LD， et al. An integrated map of genetic variation from 1， 092 human genomes J. Nature， 2012（491）： 56-65.
[9] Colombat P， Salles G， Brousse N， et al. Rituximab as single first-line therapy for patients with follicular lymphoma with a low tumor burden：clinical and molecular evaluation. Blood， 2001（97）：101-106.
[10] Cohen MH， Williams G， Johnson JR， et al. Approval summary forimatinib mesylate capsules in the treatment of chronic myelogenousleukemia. Clin Cancer Res， 2002， 8（5）：935-942.
[11] Dagher R， Cohen MH， Williams G， et al. Approval summary： imatinibmesylate in the treatment of metastatic and/or unresectablemalignant gastrointestinal stromal tumors. Clin Cancer Res， 2002， 8（10）：3034-3038.
篇2
腦微出血（cerebral microbleeds CMBs）最初是在2005年開始被發現，因為其在臨床醫學表現上沒有明顯的特征，只有在MRI技術T1成像作用下才表現為圓形或者是斑點狀的低信號或者是信號缺失的情況[1]，隨著醫學技術的發展，在T2加權像中表現更加清楚。腦微出血真正被提出研究是在2009年，但是因為更多缺少病癥樣本的研究和討論，至今還是因為缺乏更加精準的定位定義研究。
2、CMBs常見發病群體
目前的研究結果顯示，腦微出血發病群體多數體現在老年人身上[2]。年紀的增加，由于人體的腦內微小血管病變的可能更大，所致腦微出血現象更加的頻繁。
出現CMBs的人群當中，在腦出血病人中導致CMBs發生的概率是最高的，多達33%-80%的范圍，其次是腦梗塞病癥的病人發生CMBs的概率是26%，正常人發生腦微出血的可能性在5%-6.4%。從上面這個數據中可以看出，臨床表現出來的腦出血會導致CMBs并況，危險進一步增加。
CMBs病癥除了有一些共同群體的現象之外，其常見發病的部位依次表現在皮質及皮質下白質，其次CMBs體現在基底核及丘腦、腦干，最后是小腦[3]。國外腦微出血研究人員Lee在針對CMBs多發性部位的研究當中，發現CMBs與原發性腦內出血之間的關系非常密切。皮質及皮質下白質因為上述的關系，所以皮質及皮質下白質和腦微出血關聯強度最高，發病率也更高。除了Lee的研究之外，Ying-Fa Chen等醫學家在研究過程中，也發現了再MRI檢測結果中，缺血性腦卒中的病患位于基底核和丘腦部位的CMBs病灶和pICH的病灶相關[4]。
導致腦微出血發病的病因因多數是因為高血壓、淀粉樣血管變性等等危險因素[5]。對于這些腦微出血病癥的相關因素，需要進一步的研究探討，找到更加精準的病因。根據研究顯示，CMBs除了和人的年齡、血壓、還有就是心臟疾病方面相關[6]。在近一兩年更有提出與低密度脂蛋白有關系，這些相關因素需要我們進一步的探討。
3、CMBs發病機制與原理
當前腦微出血因為其自身病癥與出血性腦血管疾病的關聯性，所以其也成為預測腦血管疾病的因子之一[7]。所以CMBs受到了現代神經科研究領域的高度關注，但是由于還未能夠根據臨床研究對CMBs進行精準定義，同時發病機制也還處在探討階段。
從當前探討階段的研究結果可以得出，腦微出血是因為微血管的受到損傷而引起的臨床病變，這種微出血血管損傷嚴重程度的提升，直接體現在病變的嚴重化，出血表現更為明顯。病理學研究結果中，我們發現CMBs病癥多數發現是位于腦內微小動脈或者是更細微動脈瘤的旁邊，從而能夠推測出高血壓是導致形成腦微出血病癥的因素之一[8]。
4、腦微出血的危險因素
隨著現代醫學技術的進步，MRI檢測新技術之磁敏感加權成像（SWI）在臨床醫學方面應用范圍更為的廣泛。CMBs被認為和認知知障礙、腦實質出血 、腦腦卒中、高血壓、糖尿病及動脈粥樣硬化等等相關危險因素有相關性[9]。在新醫學領域技術的支持下也可以進一步研究CMBs，取得更好的進展，為CMBs病因的診治、病癥防治以及預后判斷等方面帶來成效。
在前人的研究基礎上，可以看出CMBs與腦出血病癥表現有非常明顯的相關性 ，所以CMBs也是目前臨床醫學研究中對出血性微血管病進行預測的一個指標[10]?，F在醫學手段中，經常采用的檢測CMBs的方法主要有：MRI檢查方法、血液指標檢測方法、統計學方法、磁敏感加權成像（SWI）等方式方法[11]。
5、針對低密度脂蛋白（LDL）的CMBs分析
針對低密度脂蛋白(LDL)的CMBs分析是采用了MRI檢測新技術中SWI技術，結合血液指標的檢測，最后統計學計算方式，對比觀察CMBs患者和無CMBs患者的數據[12]。從數據對照中進行研究探討CMBs和LDL之間的作用關系。
分析研究發現，對比了CMBs患者與無CMBs對照組之間的纖維蛋白原水平變化方面沒有明顯的差別,也就是說CMBs病患自身具有的凝血機制沒有很大的變化[13]。但是我們從上面的表格當中，可以看出CMBs病癥患者的低密度脂蛋白（LDL）較低，比無CMBs一組病患來得低。這一現象也表明證實了卒中強化降脂研究中國提出的，低水平LDL會導致腦微出血的發病率的增加 。
CMBs發病機制原理可能是因為合理的血脂水平的降低，才會導致維持小血管壁的完整性降低，微小血管受損發生[14]。低水平LDL會對小血管壁的完整性形成損壞，從而引起了血管周圍含鐵血黃素沉積 ，在MRI技術中顯示出了信號缺失的病癥 ,這也就是CMBs病癥發生的一個因素。
經過國內外醫學家的研究探討，有多例CMBs病患病癥體現為信號缺失，然后導致了微小血管旁邊的含鐵血黃素沉積，這個進一步的證實了上面的CMBs發病因素理論[15]。同時經過上面的討論，得出CMBs 患者自身的總膽固醇（CHOL） 水平來得更好。CHOL水平高對高血壓影響大，會導致微小血管的舒張功能降低，血管收縮反應是由于ET釋放，使得小血管的通透性也增加了，引起腦微出血的概率增加。
6、高血壓
從上面的研究分析當中，可以得出一個結論腦微出血相關影響因素包含了血脂的影響,所以對CMBs患者來說，必須把血脂水平維持在一個正常范疇，防止腦微出血的嚴重化[16]。從研究分析中發現，那些CMBs患者和沒有患上CMBs患者之間，在年齡、高血壓病、糖尿病、腔隙性腦梗塞 、舒張壓 、收縮壓、以及LDL 等心腦血管危險因素的癥狀表現上都有所差異。
影響CMBs計數的因素有高血壓、 腔隙性腦梗塞 、收縮壓、 舒張壓有關聯。CMBs的分級與年齡 、高血壓、腔隙性腦梗塞、 收縮壓 、舒張壓有關聯[17]。把病患針對有無CMB對比，進行與心腦血管等因素的二分類回歸統計分析中，可以看出高血壓以及腔隙性腦梗塞等危險因素，對CMBs 的發生概率影響是明顯的，所以高血壓對動脈硬化影響，也對CMBs產生關聯性。
7、腦微出血與其他腦血管病
因為腦白質中血液供源于各深穿支動脈，這些微小動脈是腦終末動脈，微小動脈之間之間側支循環來得稀疏或者沒有循環， 一旦末端微小血管出現了病變，就會導致腦腦白質區域血液循環工學的變化，使得腦室旁出現水腫與酸中毒發炎，這也就導致伴隨LA患病率的增加[18]。CMBs的病因特征和LA病因特征都是屬于微小血管的病變范疇，根據這個可以推導出兩者之間的病理學原理是相似甚至共同。腦微血管（CMBs）發病會使得血管壁脆性更高，血管損傷容易出血，但是血管損傷未完全破裂的時候，也有可能導致節段性血管閉塞的發生，從而出現缺血性損傷的病癥現象。因此可以得出，CMBs病變能夠造成出血性腦損害，也可能會導致缺血性腦損害。
認知功能是人腦神經中樞中的一項高級功能。隨著老齡化的日益增多，人群中患有認知功能障礙與癡呆現象的人也越來越多了。CMBs和認知功能之間關系與相互的作用，也是CMBs相關因素研究一個方向。臨床研究表現中可以看出CMBs患者發病和前額部、執行功能的損傷有影響，所以CMBs病癥研究對長期認知功能的影響體現出發生概率的預示作用[19]。
在臨床醫學中抗血小板聚集治療在針對動脈硬化性疾病預防治療中運用范圍廣。經過對上千例高齡患者的針對性研究中，發現了沒有服用抗血栓藥物的高齡患者在MRI檢測檢查中，腦微出血（CMBs）癥狀出現更為普遍[20]。但是大量服用抗血栓藥物也會導致后期CMBs現象更為明顯。負責本次CMBs與抗血栓藥物關系研究的醫者認為，對于一些患心臟病或者中風的患者來說，抗血栓藥物使用效果還是利大于弊。但是對于另一些特殊人群，例如CMBs患者而言，一些抗血栓藥物的長期使用還是弊端顯著的。
從上面的討論中，我們可以得出，雖然腦微出血和其他腦血管疾病有一定的共通性。但是由于從宏觀大血管病和微觀小血管病之間還是存在著差異性。在治療方面的共同性還有有所差別的，所以關于CMBs的治療還需進一步的研究探索。
8、結語與展望
腦微出血（cerebral microbleeds CMBs）作為一種新形態的腦小血管病癥，使得我們對腦血管基本方面的認識從整體走入細節，從針對大血管關注轉變為小血管疾病的研究。CMBs病癥是醫學新技術MRI推廣使用之后提出的一種形態學變化，其臨床病癥的表現和多個危險因素相關，更加精準的發病機制原理需要進一步的臨床研究討論。
CMBs多個相關因素在國內外的研究文獻中都有提高與證明，本文中進一步針對CMBs因素進行探討與研究。雖然針對CMBs的探討有了階段性的進展，但對其機制的研究樣本還是不夠全面，在其診斷、防治、治療與預后等方面還需要進一步研究實踐。相信隨著醫學技術的發展，能夠在以后找到更好的突破口，完全了解和治療CMBs。
參考文獻:
[1]黎杏群.腦出血中西醫現代研究與臨床.人民軍醫出版社,2012-04
[2]王崢.腦血管病發病因素的相關性研究.東南大學出版社,2011-09
[3]金永娟.李宏妹.朱文云等.高血脂對血細胞和血管內皮細胞的損傷[J].中國微循環，2012,6（1）；22-24
[4]吳文海.缺血性腦卒中患者腦微出血的危險因素及其對認知功能的影響[J],浙江臨床醫學,2013年 第2期
[5]范慧敏,張微微,黃勇華等.缺血性腦血管病患者腦微出血的危險因素及其對認知功能的影響[J].中國腦血管病雜志,2011-08
[6]韋鐵民, 呂玲春, 周利民, 等. 腦微出血的磁共振診斷研究進展[J]. 中華醫學雜志, 2013, 93(025): 2007-2009.
[7]王小強, 吳君倉, 張繼, 等. 急性腦梗死患者腦微出血的相關危險因素分析[J]. 中華老年心腦血管病雜志, 2012, 14(4): 386-389.
[8]謝宗志, 李浩, 游潮. 腦出血早期血腫擴大的研究進展[J]. 中國腦血管病雜志, 2012, 9(008): 435-440.
[9]史蕙青. 腦微出血相關因素分析[J]. 中國實用神經疾病雜志, 2012, 15(21): 18-19.
[10]程新旺, 周東. 腦微出血研究進展[J]. 華西醫學, 2012, 27(8): 1276-1279.
[11] 吉鳳, 王世民, 于蘭. 老年腦梗死患者伴腦微出血的臨床觀察[J]. 中華老年心腦血管病雜志, 2012, 14(1): 11-13.
[12]王小強, 吳君倉. 腦微出血對認知功能的影響及其發病機制研究進展[J]. 中華神經科雜志, 2012, 45(003): 192-194.
[13]黃信全. 124 例缺血性腦血管病患者腦微出血相關危險因素分析[J]. 醫學綜述, 2013, 19(8): 1510-1511.
[14] 馮潔, 劉運海. 腦微出血研究進展[J]. 中國神經免疫學和神經病學雜志, 2012, 19(3): 157-160.
[15]王紹娟, 王利偉, 黃海青, 等. 磁敏感成像序列在腦微出血診斷中的價值[J]. 磁共振成像, 2013, 4(5): 335-338.
[16]劉毅, 師敬飛, 段云霞, 等. 缺血性卒中溶栓后出血預測因素的研究進展[J]. 中國腦血管病雜志, 2012, 9(009): 499-504.
[17]劉慧, 謝明. 腦梗死后出血轉化危險因素的相關性研究[J]. 中國當代醫藥, 2013, 19(30): 53-54.
篇3
1 文獻檢索工具
醫院管理中文獻檢索方法包括較多內容，其中檢索方式、檢索工具是影響檢索效率的重要因素，本文著重從分析了在醫院管理中，最適用于醫院醫務人員的常用的文獻檢索工具與檢索方法。
1.1 檢索方式
文獻檢索方式可分為計算機文獻檢索、手工檢索兩種方式，其中手工檢索并不需要特殊設備，由管理人員人工查找，方法相對簡單，但工作量較大，檢索效率較低。計算機文獻檢索基于計算機快速的運算能力及查找功能，直接從信息量龐大的管理文獻中檢索出所需文獻。計算機文獻檢索不僅檢索效率高，大大減少勞動量，而且查找精準度較高，檢索方法靈活，是當前醫院管理文獻檢索應用的主要方法。
文獻數據庫有時并非是對全部的臨床試驗文獻進行了收錄，即便被收錄，也可能由于在數據庫中使用的術語不易被識別出是臨床試驗而不能被檢索出來。因此，手工文獻檢索可以作為計算機文獻檢索的一個補充。
1.2 檢索工具
不同的管理文獻檢索方式采用的檢索工具有所區別，其中手工檢索方式中荷蘭的《醫學文摘》、美國的《醫學索引》以及《全國報刊索引-自然科學技術版》等是主要的檢索數據庫。計算機檢索方式中比較常用的中文檢索數據庫有《維普中文生物醫學期刊數據庫》、《中國期刊全文數據路》、《中國生物醫學文獻數據庫》、《CNKI中國知識資源數據庫》、《萬方數據知識服務平臺》、《讀秀學術搜索》等。常用的外文檢索數據庫有《Medline》、《Embase》、《OVID》、《Pubmed》、《Clinical Trinals》、《Cochrane Library》等。
在文獻檢索時無論采用何種檢索工具，與文獻原文存在一定的時差，例如，手工檢索需要等待一定的時間待刊物出版后才能檢索到最新文章，而計算機檢索需要事先對文獻原文進行掃描處理存儲到特定的數據庫才能被檢索到。
1.3 免費醫學信息資源
網絡免費醫學信息資源是指可以在線免費獲得的，具有學術研究價值的信息資源，能極大的方便用戶對學術信息的獲取，降低成本。在醫院管理中，是用戶首要的文獻檢索方法。
（1）搜索引擎。搜索引擎是自動從互聯網搜集信息，可以滿足用戶檢索所需內容的網頁索引，是用戶獲得免費醫學信息資源最快捷的工具。網絡上免費學術搜索引擎主要有“谷歌學術”、“微軟學術”、“百度”等。更為專業一點的醫學類搜索引擎有“Medical World Search”、“Medical Matrix”、“MedSite”、“Healthlinks”，專業類搜索引擎收錄了與醫療衛生相關的服務、商業、科研、教育、臨床試驗、視聽等信息的查詢，便更能幫助臨床醫生、科研人員快速準確地在互聯網上查找醫學信息。
（2）開放存取學術資源。開放存取學術文獻具有數字化、網絡存檔、免費獲取的特點。網絡上綜合類開放存取資源有“DOAJ”、“Socolar”、“High Wire Press”、“國家科學圖書館機構知識庫”、“MIT Open Course Ware”、“OADT”等。作為醫院醫務人員，更常用的是醫學類開放存取資源，如“PUBMED”、“生物醫學中心”、“公共醫學中心”、“Free Medical Journals”、“Medscape”、“BMJ”、“科學公共圖書館”、“HINARI”等，這類專業類信息資源，內容涵蓋面廣，是專門為臨床醫學工作者提供信息交流的平臺。
2 文獻檢索方法應用原則
醫學文獻資源豐富、數量龐大，因此檢索時應遵守一定的原則，縮短文獻檢索時間，提高檢索效率。經大量實踐表明，進行醫學文獻檢索時注重遵守以下原則可在一定程度上提高文獻檢索效率。
2.1 目的明確
醫學文獻檢索應遵守目的明確原則，以達到事半功倍的檢索效果。眾所周知，醫學文獻是諸多專家智慧的集中，內容涵蓋范圍廣，具有較高的參考價值，從浩瀚的文獻中檢索到所需資源并非易事，因此，明確所要檢索文獻的目的，在涵蓋范圍廣的數據庫中進行檢索，可顯著提高檢索效率。
2.2 思路清晰
調查發現，部分人員進行文獻檢索時，沒有明確的思路指引，結果雖然檢索到所需文獻，但花費較長時間。為防止這一不良情況的發生，檢索醫學文獻時應遵守思路清晰原則，即，檢索之前應明確檢索方式、采用何種檢索工具、以及怎樣設置檢索條件等內容，做到心中有數才能在最短的時間內要到要檢索的內容。
另外，醫學文獻檢索時還應注重臨近文獻的檢索。檢索過程中可能出現與待檢索題目或條件未安全匹配的情況，這就需要檢索人員注重臨近時間文獻的檢索。
3 文獻檢索方法應用
文獻檢索方法實際應用時可采取以下策略，以提高文獻檢索效率與質量。
3.1 明確信息資源分類
醫學信息資源按其使用性質分為RCT（CCT）信息源、系統綜述信息源、循證醫學研究方法信息源三類。不同類別的信息資源檢索工具略有不同。原始研究是指根據隨機對照試驗（RCT）與臨床對照試驗（CCT）得出研究結果的文獻，這類信息源主要分布在各種科技期刊、會議文獻、科技報告、學位論文及其他內部刊物。 系統綜述是一種全新的文獻綜合方法，是指針對某一具體的臨床問題，系統全面的搜索已發表的臨床研究，采用臨床流行病學嚴格評價文獻的原則和方法，篩選出符合質量標準的文獻進行定量或定性合并，得出可靠的綜合結論。系統綜述信息源主要分布在一些綜合類數據庫如Medline， Pubmed，及Cochrane系統綜述數據庫等。循證醫學則強調任何醫療決策應建立在臨床研究證據的基礎上，并結合個人經驗制定出病人治療措施。其研究方法包括證據摘要、綜合證據、系統證據，信息源主要分布在UP TO DATE， BMJ-Clinical Evidence數據庫等。
3.2 把握文獻檢索細節
檢索醫學文獻時應根據不同的檢索目的，充分把握文獻檢索細節。一般情況下，每年均會出現一些新的醫學內容的文獻，為使檢索到的文獻與當今醫院發展實際適應，檢索時應將重點放在最近1～2年的文獻上。同時，保證了文獻時間外，還應選擇權威性較高的文獻，這樣以來檢索出的文獻基本能夠滿足人們的需求。不過如檢索文獻的目的是科研選題，針對性會大大提高，對文獻檢索的要求較高，此時檢索文獻應注重兩點：其一，檢索文獻的內容應具有較強的專業性，文獻研究內容深入；其二，擴大檢索文獻范圍。另外，如為研究某個實際問題而撰寫論文，分兩種檢索情況：如果撰寫的論文為綜述，應根據綜述研究的范圍，詳細列出檢索提綱，而后逐一針對性的檢索相關文獻；如果撰寫的是一般論文，可結合論文研究實際，直接檢索相關的文獻，以支撐某個觀點。
3.3 注意檢索途徑與檢索詞
文獻檢索一般會涉及檢索詞，所謂檢索詞主要指文獻關鍵詞、主題詞以及內容分類號等，為人們檢索提供便利。目前計算機文獻檢索方法應用率較高，其中檢索詞包括提名、關鍵詞、刊名、作者、機構、文摘等內容，達到提高文獻檢索效率。另外，在選擇文獻檢索途徑時應注重考慮以下內容：首先，選擇合適的檢索詞。合適的檢索詞能夠幫助人們迅速找到所需文獻，減少系統檢索文獻工作量及時間。例如，當需要檢索有關“腎上腺素”類的文獻時，將關鍵詞設置為“腎上腺素”便能迅速找到有關腎上腺素的文獻。其次，規范檢索語言。通常情況下，文獻檢索數據庫都有相關的檢索說明，為保證檢索結果的準確性，應嚴格依據檢索說明進行操作；最后，靈活設置檢索時間范圍。文獻檢索數據中會記錄文獻發表時間，因此，進行文獻檢索操作時應結合檢索內容特點，適當的擴大或縮小檢索文獻時間范圍，以達到最快找到所需文獻的目的。
需要注意的是，在文獻檢索中，有時因為數據庫中一些新入庫的記錄有的無主題詞，有的歲進行了計算機標引，但不規范，這就需要將主題詞檢索和關鍵詞檢索結合起來制定檢索策略。另外，有些研究者為了獲取與文獻中的研究結果相反的文章，也會對原始研究文獻后面所列的參考文獻進行檢索。
3.4 靈活采用檢索方法
醫學文獻檢索方法包括分段法、倒查法以及順查法，其中順查法的檢索時間起點為課題起始時間，由遠到近對文獻進行檢索。此種文獻檢索方法具有檢索全面的優點，但因檢索時會將時間段內所有文獻檢索出來，檢索工作量較大，投入的時間成本較高。倒查法與順查法剛好相反，其優點在于能及時檢索出近期文獻，尤其對于研究新課題時可采用此種檢索方法。分段法檢索可以是時間的分段，也可以是內容的分段，其中時間的分段通過設置檢索時間段實現，內容的分段一般先利用順查法檢索出部分文獻，而后對其參考文獻進行檢索，最終達到找到所需文獻的目的。
4 總結
醫院管理中工作的實施及相關課題的研究過程中通常需要檢索相關文獻，以找到相關參考做法，以及現階段醫院科研方面獲得的成果。當今醫學文獻數量龐大，怎樣快速及時找到所需文獻是人們需要認真思考的問題，一方面需要人們明確檢索目的，熟練掌握先進的文獻檢索方法。另一方面，不斷總結文獻檢索技巧，結合自身實際加以靈活運用。
參考文獻
[1]儲曉紅. 安徽省醫院管理文獻計量學分析及其對醫院管理創新研究的啟示[D].安徽醫科大學，2003.
[2]呂冰. 我國醫學文獻檢索教學管理存在的問題及對策[D].東北大學，2010.
篇4
現代醫學的進步離不開工程技術的發展。一定程度上來說，技術的進步很大程度上決定了醫學的基礎與臨床進展。X線、彩超、CT、核磁共振等影像學檢查設備以及各類的生化診斷設備極大提高了臨床診斷的水平；腹腔鏡手術設備、達芬奇手術設備等，使大部分手術得以高效、安全的完成；電子病歷系統、各類遠程檢測設備等極大提高了醫療的效率與安全性［2］。進入21世紀以來，人工智能和機器學習等技術也正在推動醫學進入新的革命，智能診斷、圖像識別、診療建議等又將極大促進醫學的快速發展。在這一背景下，迎接時代的變化，積極儲備相關交叉學科的基本知識與素養，是每一個優秀醫生以及醫學生終身學習中的重要內容。
2工程學思維的內涵
工程是一種造物活動。工程在醫學中的應用主要體現在醫學診斷治療工具的發明和應用。工程思維是工程活動的靈魂，其特征體現在系統性、集成性、跨學科性、創造性和復雜性等方面［3］?？鐚W科性指其涉及自然科學、技術學、人文等多領域的問題，而單一學科很難進行解決。工程思維簡單來說就是應用各種知識綜合起來解決具體的實踐問題；在醫學范疇里，我們可以簡化地說，它是一種利用工科技術系統性解決某種醫學問題的實踐［4］。醫學生本科教育目前主要體現在醫學基礎理論的學習與初步實踐認知方面，跨學科的教育在國內醫學教學中相對缺失。我們結合自身的團隊特色，在本科生醫學教育上有意識地嘗試增強學生工程思維的培養，希望學生能夠發現問題、分析問題，并嘗試通過一些初步的工程實踐來解決問題。由于醫學生本身的知識結構，解決方案可能比較簡單，沒有深入問題的核心，但是，我們相信這種工程思維思考問題的方法對于醫學生在今后的發展具有長遠的意義。
3工程思維培養在本科生臨床醫學教學中的實踐
團隊長期以來在醫工結合領域的研究與探索取得了一定的成績。團隊承擔了國家自然科學基金重大項目精準微創手術器械的創新與制造，完成了國內第一例國產手術機器人的臨床手術運用。同時，我們擁有一支較為強大的醫學、工程學背景的專家教授團隊，承擔著中南大學自主設置二級學科醫學設備技術學的教學工作。結合我們的學科特點與基礎，在本科生的教學中進行了一些嘗試與探索，以初步培養醫學生的工程學思維。醫學的基礎理論是目前醫學臨床醫學專業本科生教育的主要內容，結合他們的知識背景，我們通過學術講座、興趣小組、實踐項目三個主要內容，針對不同的學生進行由淺入深的實踐探索。
3．1定期舉行相關的學術講座
醫學生的工程學知識相對缺乏，工程學醫師相對薄弱。對此，我們組織相關的專家聯系醫工結合的研究熱點與基本學科思維特點開展相關講座。在本學期中，我們開展的醫生在醫工結合中的角色、手術機器人發展歷程、手術機器人研究熱點初探、3D打印在醫療中的應用進展、人工智能＋醫療應用場景幾何等學術講座，受到學生的熱烈歡迎，并引發學生的積極討論和廣泛交流。
3．2組織興趣小組
在學術講座后，許多感興趣的同學與我們進行了進一步的溝通，也帶來了許多鮮活的想法。為了給這些同學們提供更好服務和交流的平臺，我們組織了本科生醫工結合興趣小組。在興趣小組中，我們通過小組例會、自主學習指導、綜述寫作幾種形式開展相關的教育實踐探索。我們根據同學們的時間定期組織小組例會。通過組織小組會議，學生與老師直接溝通，相互激發出很多鮮活的想法，實現了教學相長。我們根據同學們的興趣，系統性地給同學們推薦了相關的書目與網絡學習資源，并定期予以相關的答疑，為學有余力的同學提供自主學習的資源與指導。我們還結合同學們自身的情況，組織同學們開展一些基礎的科研培養，如教授學生中英文相關文獻的檢索與閱讀，并在此基礎上，鼓勵學有余力的同學針對某一問題查閱資料、撰寫綜述。通過這些措施，同學們的視野和能力得到了很大的進步。
3．3鼓勵開展相關項目
篇5
新媒體是網絡技術支撐下出現的媒體形態，可分為網絡新媒體、移動新媒體和數字新媒體［1］。目前以門戶網站、搜索引擎、簡易信息聚合（RSS）、電子郵件／即時通訊／電子書、網絡雜志／電子雜志等為主。融合的寬帶信息網絡，是各種新媒體形態依托的共性基礎。終端移動性，是新媒體發展的重要趨勢。相對于報刊、戶外、廣播、電視4大傳統媒體，新媒體被形象地稱為“第5媒體”。依托它可便捷地實現預防醫學信息文獻實時精準傳播。任何情報文獻的學術價值，都是在流動中形成與體現，在共享中最終實現。
2共享思路
理論上一個長遠的合理文獻信息的資源共享體系，包括共建與共知。共建是共享的物質基礎，共知又是共建和共享的理論基礎，三者相互依存，缺一不可。資源共享的手段是館際合作，通過館際互借、網上文獻傳遞、原文復制和聯合咨詢達到資源共知共享，帶動資源優化配置，拓展共享的渠道，提高共享效率，保證共享的后續發展。目前我省各縣（市、區）疾控機構共享的路線基本以本中心文獻信息庫為主體，依托網絡環境下的新媒體呈放射狀傳播。隨著交流的頻繁與深入，不斷梳理溝通渠道，加強了解與協作，文獻信息共享服務途徑將由單向輸出逐步演變為實際意義上的共知、共建與共享，做到以文獻信息資源的共享，來促進實體與虛擬館藏文獻信息資源的豐富與發展。新媒體具有全天候和全覆蓋性的特征，可使不同區域網絡連接起來，實現廣域范圍的資源共享。調查顯示，我省基層單位均擁有互聯網，工作人員基本可在崗位上自由上網，這為文獻信息的傳播提供了硬件服務支持。具體操作思路如下。
2．1設立聯系窗口
可在中心網站設立一扇和圖書情報室的聯系窗口，成為與基層單位科研人員、圖書情報人員業務聯系的紐帶，及時接收和回應科研人員對預防醫學文獻信息的需求。為了使專業人員能夠更方便快捷地閱讀到本中心網站的最新信息，網站可推出RSS聚合資訊服務，利用互聯網支撐下的新媒體傳播渠道，圍繞預防醫學工作性質及當前的工作任務，不斷補充豐富RSS訂閱源，對預防醫學專業信息加以及時、廣泛、深度的挖掘與規范化的學科整合，豐富虛擬文獻信息資源，科研人員可有的放矢地瀏覽查詢最新信息與科研動態，避免在茫茫網絡中毫無頭緒、費時費力。
2．2通過微搏共享
可利用微博實現文獻信息共享。據新華網報道，微博注冊用戶2011年底已超過3億。用戶可以通過網頁、WAP頁面、手機短信消息（字數140字以內）或上傳圖片，即時瀏覽最新信息，隨時隨地參與分享與討論。一些有影響力的醫藥衛生媒體和部分省市的疾控中心，•72•海峽預防醫學雜志2012年6月第18卷第3期StraitJPrevMed，Jun2012，Vol．18，No．3已在新浪開設官方認證的微博交流渠道：例如健康報官方微博北京市疾控中心長沙市疾控中心等。還可同步申請微博的官方網盤，它是一款云存儲網盤，用來存儲海量文件，并支持分享文檔、音樂、視頻等任意文件到微博、郵箱、QQ／MSN等?？蒲腥藛T利用它可同步分享預防醫學情報訊息，保存到微盤的文件可自動同步到電腦、手機等設備，無需攜帶電腦、移動硬盤，只要能聯網，隨時隨地即可訪問到圖文并茂的專業文獻信息。
2．3提供PDF文獻
在為基層科研人員提供實體館藏的醫學文獻信息服務時，可利用掃描儀將讀者急需的文獻轉換成PDF格式，通過各類網絡郵箱傳送到讀者的終端接收器。PDF頁面最大優點是保證文獻文本的準確性與相關圖像的精準性。
篇6
作者：孟凡皓1，朱智慧1，張小輝2，張韜1(1中國醫學科學院北京協和醫院，北京100032；2深圳羅湖區人民醫院)
經過近幾年的快速發展，虛擬現實(VR)和增強現實(AR)這兩項技術為我們的生活帶來很多改變，也逐漸被應用于醫學領域。VR是多種技術的高度結合，包括了模擬環境、感知、自然技能和傳感設備等方面；它利用計算機生成一種模擬環境，可以讓使用者完全沉浸到該環境中，并且通過有觸感反饋功能的控制器與虛擬環境進行互動。而AR可以實時計算攝影機影像位置、角度，配合圖像圖形技術，在屏幕上把虛擬圖像疊加在現實世界并進行互動。目前，已有報道在微創肝臟手術[1]中運用AR技術將肝臟內部的血管和腫瘤的位置顯示在術區，也有學者嘗試將AR和MR技術應用于神經外科[2]和泌尿外科[3]等學科。早在1997年Wagner等[4]介紹了AR的概念，并首次在AR設備的輔助下完成正頜手術；2001年Thomas等[5]開發的Impulse2000訓練系統，可以模擬患者口腔內患齲情況，用于醫學生臨床技能練習。近5年來，VR與AR技術在口腔醫學中的應用范圍越來越廣泛，主要包括臨床教學、術前設計和術中導航3個方面。現就VR和AR在口腔醫學中的應用進展綜述如下。
1臨床教學
頭頸部解剖結構復雜，在狹小的范圍內可能同時存在腺體、肌肉、神經和血管等重要組織；在教學過程中僅依靠課本或視頻資料缺乏立體感和層次感，而尸體標本數量有限、價格高昂，這都為教學增加了困難。將VR技術應用到頭頸解剖教學中，可生動、立體地展現復雜的解剖結構。2012年，李陽等[6]利用Dextroscope系統進行上頜動脈下頜段的三維解剖研究，并與實際標本進行對照，為減少上頜動脈下頜段的術中損傷提供解剖依據。結果表明虛擬解剖組所測得的相關數據與尸體組測得的實體數據一致，提示該技術具有可靠性與一定的優越性。
操作技能的練習所用耗材成本較高，借助VR和AR系統，可為醫學生提供逼真的操作練習環境。目前已有用于正頜外科手術培訓的VR手術模擬系統[7，8]，該系統可以為使用者反饋操作的力度和器械運轉的速度，并能提示操作者截骨角度和距離與術前設計方案之間是否存在偏差。Miki等[9]介紹了一種模擬內窺鏡輔助下完成頜下腺切除術的VR培訓系統，并通過試驗證實，初學者經過7次練習后均更加熟練，手術所需時間較一開始明顯縮短。下牙槽神經阻滯麻醉是頜面外科中一項基礎操作，但如果操作不慎可能會引起麻醉效果不佳或麻藥入血等問題，甚至造成更嚴重后果。Correa等[10]介紹了一種用于下牙槽神經阻滯麻醉訓練的VR系統，可以評估注射位置和深度是否正確，并且提供近乎真實的進針感覺反饋。也有學者將傳統教材與AR技術相結合[11]，開發了一本貴金屬高嵌體預備教材，通過識別課本上每一章節的特殊“標識物”，AR設備就會將相應的操作過程以三維圖像的方式呈現在眼前，仿佛老師在眼前演示一樣。2013年，Kikuchi等[12]介紹了一種用于練習預備金屬烤瓷冠的VR系統。Llena等[13]對AR技術在培訓醫學生窩洞預備中的效果和使用滿意度進行研究，發現僅在一類洞的深度和二類洞頰、舌向預備范圍上與傳統教學方法相比有差異。彭春等[14]對VR技術在口腔正畸進修醫師教學中的應用效果進行探討，主要是進行虛擬正畸托槽粘貼和排牙培訓，通過培訓后進行問卷調查和理論成績對比發現，VR技術可顯著提高臨床進修醫師的學習主動性，利于對口腔正畸教學要點的理解，提高口腔正畸臨床操作技能的掌握，有助于口腔正畸臨床進修醫師教學。
近幾年，伴隨著VR模擬系統在口腔教學中越來越多的應用，比如大阪大學的HAP-DENT、伊利諾伊州的Periosim、荷蘭穆格Simodont和北京大學口腔醫院的iDental等系統，有諸多學者對VR和AR技術在口腔教學中的應用效果進行研究。2015年Wang等[15]對iDental系統的精確度進行評估，并分別從主觀和客觀上評價該系統在模擬牙體預備這項操作時的應用效果，發現還需在該系統中加入頰黏膜和支點才能更真實地還原口腔內操作環境。Ioannou等[16]對VR手術模擬器和動物模型的培訓效果進行了對比研究，結果表明VR手術模擬器可以減少培訓的成本，并且培訓的效果也要優于傳統的動物模型試驗。2016年，英國的Mirghani等[17]對Simodont牙科VR模擬器在口腔教學應用中的效果進行評估，發現Simodont評分結果可以反映出大一與大五學生的水平差異。
2術前設計
頜面外科手術因其特殊的手術部位，手術的難度與風險較大，而且患者對美觀有較高的要求；術前對病變情況進行充分評估，可以更好地確定切除范圍，降低手術風險。VR和AR技術可以根據患者的CT或MRI數據進行三維重建，完整呈現病變的位置以及與重要解剖結構的關系，可以幫助醫生在術前更好地進行手術規劃與方案設計；并且，VR技術憑借其出色的沉浸感和觸覺反饋設備，甚至可讓醫生在術前模擬手術，使手術更加安全、高效。Olsson等[18]運用VR技術模擬游離腓骨肌皮瓣重建下頜骨手術，可以通過VR系統在術前模擬腫瘤切除、腓骨重建方案設計及受區血管選擇，可以減小術中風險，獲得更好的手術效果。此外，有學者將VR技術應用于正畸和阻塞性呼吸暫停低通氣綜合征治療等方面。2016年Medellin-Castillo等[19]介紹了一種具有觸覺反饋功能的VR系統，可以將二維圖像上的標志點準確還原到三維重建模型上，幫助醫生準確確定頭影測量標志點，減少誤差和設計時間；并且，對需要正頜的患者，該系統還可以設計手術方案。李陽等[20]運用DextroscopeVR系統，借助CT數據進行重建與融合，獲得上呼吸道的三維圖像，在三維模型上對上氣道狹窄的區域進行測量，并根據測量結果，為患者選擇相應的手術方案進行治療。結果發現術后上氣道的狹窄部位均明顯擴大，各區段體積至少增大2倍以上，取得了良好的治療效果。VR技術可以將二維CT、MRI數據以三維立體的形式呈現在醫生的眼前，讓醫生更加直觀地了解病變信息。
3術中導航
傳統術中導航只能顯示二維圖像，并且術者需要反復觀察屏幕與術區，這無疑增添了很多不便。AR技術憑借其與身邊環境實時交互的特點，可以將術前設計方案或是重要的解剖結構以三維圖像的形式投射在術區，使術者實現裸眼觀察。2013年，Suenaga等[21]使用3DAR技術在實物模型上模擬截骨手術，以評估該系統的精準度和可行性。結果發現術者裸眼所看到的圖像位置不會隨觀察的角度而改變，而且圖像與實物重合的精確度可以達到1mm以下。2013年Lin等[22]介紹了一種基于AR技術的口腔種植系統，并通過術后CT數據來評估術前虛擬設計方案與實際預備位點之間的誤差。結果發現，總共完成的40例種植體的位置均在安全范圍內，深度和角度上的誤差是可以接受的。2015年，Liu等[23]利用AR技術在錐形束CT血管造影引導下行機器人舌癌切除手術，并與X線透視引導技術相對比，發現切除范圍更理想，并能更好地保護舌動脈等重要組織。雖然，現在大多數關于AR技術在術中應用還停留在實驗階段，但已有學者嘗試佩戴AR設備完成正頜手術，術中指導上頜骨的截骨和就位。2016年Zhu等[24]運用AR技術在頜面外科手術中將下牙槽神經管的位置投射到術區，避免了術中損傷重要神經。臨床中已經有20例應用經驗，包括偏突頜畸形、半側顏面短小和下頜角肥大等患者的整形手術，所有病例術后通過CT驗證都取得了滿意的結果；除1例術后出現血腫外，其余均未發生并發癥。這也為AR技術在術中的導航應用帶來了啟發。
2016年Profeta等[25]將AR技術和單光子發射計算機斷層成像術(SPECT)相結合用于檢測頭頸部腫瘤患者淋巴結轉移與分布的情況，并借助AR技術來輔助完成淋巴結活檢手術。該實驗結合了γ探頭(類似于傳統放射引導手術)和追蹤系統(類似于導航設備)，為患者注射γ放射性同位素后，立即檢測頭頸部放射活性的分布情況，并以此來推斷有無可疑轉移淋巴結，最終借助AR技術以圖像的形式將可疑淋巴結直接疊加顯示在術區，讓醫生裸眼就可以準確看到淋巴結的位置。
4小結
目前，已有許多學者嘗試將AR和VR應用于口腔醫學的各領域當中，相較于傳統技術具有如下優勢。①臨床教學：VR憑借完全沉浸式的特點和觸控設備實現交互反饋，可以為醫學生提供逼真的練習環境，節省教學成本。②術前設計：AR和VR都可以完全真實的還原患者的病灶位置、與重要解剖結構的毗鄰關系等重要信息，不僅可用于設計手術方案，還可以用于與患者術前溝通，讓患者及家屬更好地了解手術風險或預后情況。③術中導航：AR憑借其可以與真實環境進行交互的優勢，并且可以裸眼觀察，讓術者更好地了解病情。所以，AR與VR在醫學領域中有巨大的應用潛力。隨著技術的不斷發展，VR和AR技術在醫學中也將實現廣泛應用。目前已有學者完成AR技術與手術機器人結合完成下頜角切除術的可行性試驗，同一個標本的兩側下頜角分別通過機器人和醫生完成，對比發現并沒有明顯差異。VR和AR技術的應用必將為醫生提供更多的幫助，讓手術變得更加精準、客觀和高效，進一步提高醫療服務質量，使患者和醫生都能從中獲益。
參考文獻：
[1]HaouchineN，CotinS，PeterlikI，etal.Impactofsofttissueheterogeneityonaugmentedrealityforliversurgery[J].IEEETransVisComputGraph，2015，21(5)：584-597.
[2]Kersten-OertelM，GerardI，DrouinS，etal.Augmentedrealityinneurovascularsurgery：feasibilityandfirstusesintheoperatingroom[J].IntJComputAssistRadiolSurg，2015，10(11)：1823-362.
[3]DickeyRM，SrikishenN，LipshultzLI，etal.Augmentedrealityassistedsurgery：aurologictrainingtool[J].AsianJAndrol，2016，18(5)：732-734.
篇7
0 前言
隨著我國高等教育逐步實現大眾化，高校貧困生問題也漸漸凸現。貧困大學生與普通大學生生比較起來，存在主客觀上的心理弱勢，面臨著疊加性挫折或持久性挫折。關于逆商視角下貧困生思想狀況問題的已有研究表明，高校貧困生的整體思想狀況與心理健康水平低于普通大學生，并未實現“精神脫貧”，對于貧困大學生的精準扶貧不只是經濟上的精準，也要在思想政治建設和心理健康的培育上實現精準，才能幫助學生真正“脫貧”。要讓家庭經濟貧困的大學生能從容應付挫折，立于不敗之地。
1 國內外研究現狀述評
1.1 國外針對大學生逆商的研究現狀
逆商（AQ）譯自英文 Adversity Quo-tient，全稱為逆境商數，也被稱為挫折商或逆境商，是保羅?史托茨于20世紀90年代中期提出來的概念，用以衡量人們面對挫折、擺脫困境和超越困難的能力。國外對于大學生耐挫能力及逆商教育等方面的研究一直是一個頗受關注的領域，主要都圍繞逆境的概念展開。其中，較為著名的是多拉德的理論“逆境一攻擊理論”即“攻擊行為往往是逆境的結果”；此外，巴克爾等著名的兒童侵犯行為實驗也展現逆境與攻擊行為之間的關系。在一些教育發達國家，學者們關于逆境商的理論與原理方面有了較深刻的認識，研究的深度和廣度也達到較高的水平。
1.2 國內針對大學生逆商的研究現狀
國內對于大學生逆商的研究頗多，但主要集中于在學校和社會中如何提高大學生的逆商能力，以及逆商能力對于大學生日后的工作發展的相關性研究。張定強，曹春艷以西北師范大學為例調查師范大學生逆商現狀并對師范教育進行了反思；龔曉會等人在逆商教育研究中采用了實驗研究的方法，使逆商教育研究進一步科學化；唐新華將CDIO 教學模式應用于工程學生的逆境商教育中，這是逆商教育在實踐領域的一次突破；魯楠從家庭、學校、社會、自身四個角度分析了影響高職學生逆商的因素，并提出了逆商提高的建議；呂靜提出了在素質拓展活動中開展逆商教育，是逆商教育實踐中的又一創新。
1.3 國內外對于貧困大學生逆商的研究綜述
在CNKI中以“貧困大學生逆商教育”檢索論文94篇。可見，目前對貧困與逆商之間關系的研究高度不夠，在提高逆商措施等方面實踐性不強。國內關于貧困生問題的研究主要是政策、體制、以及多元視角層面上，如杜志麗研究發現，與非貧困生相比，貧困大學生更多地采用不成熟型的心理防御機制來減輕或接觸心理緊張和壓力；雷生的研究表明，貧困大學生的社會支持狀況低于非貧困大學生。曹旭探討團體心理輔導對改善貧困大學生在人際交往上敏感、缺乏自信心的作用。從目前相關的文獻資料看，研究者們對貧困生逆商視角下的思想狀況的調查與施教對策方面研究較少，因此一線的學生思想政治教育工作者應該立足現實，有針對性地開展相關研究，同時創新研究方法，提高研究水平。
2 主要研究內容
貧困大學生問題的研究已成為社會各界共同關注的話題，但從全面的角度，跨學科的角度研究高校貧困生的思想政治教育仍有必要，仍是個新課題。采用文獻分析法、問卷調查法等方法對高校貧困生逆商視角下的思想狀況做深入研究，進行保羅?史托茲編制的《逆境反應量表》（Adver sity Response Profile，ARP量表）測試，并編制《逆商視角下高校貧困生思想狀況調查表》，從個體心理和情緒的角度考察高校貧困生的逆商水平，用以了解貧困大學生在學習生活中的主要挫折源，以及挫折事件發生后的生理、心理和行為上的反應，并研究其認知結構、歸因模式、社會支持系統狀況以及個體的挫折應對方式等。
參考文獻
[1] 薛峰，魯武霞，余圣陶等.高校貧困大學生逆境商的培養.常州大學學報（社會科學版）.2013.14（5）：121-123.
[2] Almeida，A.Development of a Programmed for Enhancing the Adversity Q uotient of Junior College Student [EB/O L].http：//peak .2009（8）.
[3] Zhou，H.J.AQ and Academic Performance among College Student [EB/O L].http：//peak .2009（5）.
[4] 袁滿，汪金川.思想政治課中學生的逆商培養策略-以《思想道德修養與法律基礎》課程為例[J].學校黨建與思想教育，2012（12）：46-47.
[5] 張定強，曹春艷.師范大學生逆商現狀的調查及對師范教育的反思-以西北范大學為例[J].當代教育與文化，2011（2）.
[6] 唐新華.CDIO工程教育在推進工程應用型本科學生逆商教育中的作用研究[J].教育與職業，2010（3）.
篇8
本體模塊位于整個分類框架的中間層，是框架的核心部分，也是整個分類系統的理論基礎。本體有多種用途，可以利用本體庫中的標準本體文件或是手工構建的本體作為背景知識，提供語義信息構建分類模型，也可以利用本體對特征向量進行降維（長文本）或添加主題詞擴充特征向量（短文本），提高分類效率，當然本體中包含的信息越完備，取得的分類結果越準確。
1.3 分類模塊
分類模塊主要是利用傳統分類算法或本體構建分類模型，其主要功能是實現分類，對未知文本進行判別，將其劃分到所屬的類別中。
2 關鍵技術研究動態
2.1 特征處理
近年來，特征處理過程（對高維特征向量進行降維和對稀疏特征向量進行擴充）越來越多地被人們重視，高維稀疏的特征空間中缺少對分類給力的特征項，包含過多冗余信息和噪音數據，對分類效果起反作用。從知識發現的角度看，識別出預測結果中的低維特征是非常有用的，消除無關和冗余的數據特征，提高數據挖掘的效率，改善預測精準性等學習性能。
特征降維[9]是從初始高維特征集合中選出低維特征集合，并根據一定的評估準則最優化縮小特征空間的過程，主要有特征選擇和特征重構兩類。特征選擇的本質是對原高維特征空間的約簡，即在不損傷分類精度的前提下，盡量減少特征空間中的索引項的數目，降低向量空間的維數。較為典型的特征選擇方法有文檔頻度、互信息、信息增益、X2統計量等。Yang yiming[10-11]等人在reuters-21578和一部分Reuters Corpus Version1（RCV1）語料庫上分別采用文檔頻度、互信息、信息增益、X2統計量等方法對特征向量進行降維，然后用Naive Bayesian, Rocchio, kNN和SVM等分類算法進行多角度實驗，結果表明SVM和X2統計的組合方法優于其它的方法。特征重構[12]又稱特征抽取，是基于特征項之間的語義相關性、類內文本聚合程度、類間離散程度的影響力等方面因素，對文本特征集進行壓縮，把原來的特征向量轉換成為一個不同的更緊湊的新低維空間。例如主成成分分析（PCA），線性區分分析（LDA），潛在語義索引（LSI）等。
還有其他降維方法，如利用通用本體和領域本體提供的概念層次語義結構實現降維。采用本體中概念及概念間的語義關系并結合潛在語義索引算法對特征空間進行降維，可以提高分類性能。文獻[13]提出基于WordNet語義詞典和隱含語義索引(LSI)模型的英文文本分類方法，用WordNet中語義集代替單詞構成特征向量，然后利用LSI模型進一步深入挖掘語義集的概念間的深層聯系，將語言知識和概念索引有效地融合到文本向量空間的表示中，對特征向量進行降維，并分別用Naive Bayes和簡單向量距離算法實現分類，實驗結果表明準確率都隨著語義分析的深入逐步提高，充分表明語義挖掘對文本分類的重要性。文獻[14]也利用WordNet通用本體和潛在語義索引算法，實現了對信息檢索中的文檔向量進行降維，取得較好的效果，該方法也適用于大規模的文檔集。文獻[15]利用潛在語義索引和領域本體實現文本特征的降維和分類，該方法適用于對領域內的文本集分類。近年來，基于分形的方法也得到人們關注[16]。采用分形的思想，可以較準確地估計出數據的本征維[17]，為進一步地降維提供指導性的參考。
對于新聞標題，廣告語，電影預告等短文本進行預處理后得到稀疏的特征向量，缺少對分類給力的特征項，為解決其稀疏問題除了要去掉冗余和噪音特征項外，還需要利用語義詞典或本體對文本向量進行特征擴充，添加對分類起正面作用的特征項，輔助指導分類。文獻[18]提出一個基于短文本的半監督的分類通用框架，適用于從Web搜索結果到醫學等眾多不同領域的文本分類。利用潛在主題分析模型如pLSA、LDA等和機器學習方法如最大熵和支持向量機等，從大規模外部語料庫中抽取出潛在主題詞擴充特征向量，提高分類器的覆蓋范圍。
2.2 分類模型
隨著本體的發展，近年來有許多國內外學者將本體引入到文本挖掘的各個應用領域，基于本體的分類是研究熱點之一，下面通過幾個典型實例進一步說明該研究的特點及進展。
Gu等人[19]提出一個基于SARS本體的文本分類模型，利用本體中層次概念結構構建向量空間模型，為分類提供領域知識。同時從預處理后的文本集中抽取出主題詞構成詞典，用來不斷擴充和完善SARS本體，一方面可以構建本體向量，另一方面可以解決傳統分類方法中存在的特征向量的高維稀疏問題。基于該分類模型構建的原型系統，對200篇有關SARS信息的文檔進行分類，其分類結果的精準率和召回率最高分別可達到0.93和0.95。
Probowo[20]等人根據DDC（Dewey Decimal Classification）和LCC（Library ofCongress Classification）的特點，建立了一種DDC-LCC映射關系，利用基于DDC和LCC兩種分類模式的Web網頁構建本體庫，并映射到DDC和LCC兩個分類模式，給出了DDC-LCC和基于本體的分類模式之間的映射的形式化定義。這種映射關系能夠提供度量Web網頁和類別的相似度的方法，并結合本體中的概念與實例的語義關系和層次結構關系，輔助對Web網頁進行分類，取得較好效果。
Song[21]等人在2005年提出了一種利用Web網頁中抽取的語法知識構建領域本體的方法，并利用領域本體的層次結構、概念特征及概念間的關系和屬性等領域知識對Web網頁分類。首先利用自然語言處理技術對Web文檔進行詞性標注和語法分析等預處理，抽取出重要概念術語構建層次結構，進而利用層次結構的語義關系構建領域本體。然后對從Web網頁中抽取的概念術語進行權重計算構建文本向量，通過計算文本向量與本體構成的類別向量之間的相似度實現對在線的Web網頁進行自動實時分類。與傳統的貝葉斯分類器和TF-IDF分類器進行實驗對比，分別對從雅虎的經濟新聞網站抽取的Cooperatives，employment，Finance，Marketing，Organizations，Trades等幾個類別的文本集進行分類實驗，三個分類器的F1指標平均值分別為0.92，0.82，0.79，基于本體的分類器有效地提高了分類性能。
2007年，文獻[22]提出一個基于本體的Web文檔的分類方法和自動構建本體的方法，并對分類后的文檔進行排序?；赪ordNet的同義詞集用經驗模式分解EMD（Earth Mover’s Distance）算法計算概念的相似度，根據相似度得分對已有的本體進行擴充和維護，然后把本體作為類別向量對Web文檔進行實時分類，最后用排序算法對分類結果中的Web文檔集合進行排序，為信息檢索提供基礎。分別采用KNN和SVM算法對從網站上搜集的2000個Web文檔進行實驗，本文提出的方法得到召回率和精準率明顯優于KNN方法，召回率與SVM算法相比相當略有提高，但精準率約有降低。
文獻[15]提出一個文本分類的通用框架，并將潛在語義索引算法（LSI）和領域本體引入到該框架中實現對領域內文本集進行分類。潛在語義索引算法可以有效解決特征向量的高維和稀疏的問題，提高文本分類的精確度。領域本體具有豐富的領域內專用術語，可以為分類提供背景知識。利用潛在語義索引算法和領域本體實現的分類器可以有效的提高分類的性能，其精準率、召回率和F1度量值的平均值都略高于傳統樸素貝葉斯分類器的實驗結果。
文獻[23]將本體知識作為背景知識應用到文本表示中，實現對文本的分類。對XML文本進行解析，從XML文本的元素中抽取術語構建特征向量，并充分利用XML文本的特殊結構，并對其進行標注，將文本標簽及標簽路徑結構也作為特征用來擴展文本向量，并結合通用本體WordNet構建更豐富特征的特征向量，即將twings和tag paths的信息添加到文本向量中，并找出與twings和tag paths的信息相對應的WordNet中的同義詞集合，對一詞多義和多詞同義現象進行詞義消解。如doctor有兩個詞義，醫生和博士，分別與WordNet中的兩個同義詞集{dentist, therapist, psychologist }和{professor, associated}相對應，要結合上下文的背景確定選擇哪個同義詞集，擴充特征向量。該方法對XML文本進行分類取得較好的分類效果。
2.3 性能評測
2.3.1 數據集
對分類模型進行性能評價的前提是在相同的運行平臺上對統一的標準文本集進行實驗。目前常用的標準文本集有Reuters-21578，20-Newgroups及其他文本集等。Reuters-21578 文本集是目前國際上比較常用的標準語料庫[24]，來源于1987年路透社的新聞專線的新聞材料，主要用于文本分類系統測試，該語料庫分為135個類別，共包含21578篇文本。20-Newgroups[25]是卡內基梅隆大學的McCallum等開發的Rainbow系統的標準數據庫，有20個類的新聞組討論英文文章分別存放在20個目錄下，每個目錄的名字作為一個新聞組類別，每類大約1000篇文本。對于不同的分類方法進行性能評測也可以采用特定領域的文本集如茶領域文本、酒領域文本等。
2.3.2 評價指標
經過分類后可以產生四種結果，如表1所示。
其中TC表示本屬于該類別，且被正確地判斷為屬于該類別的文本數；TW表示為本不屬于該類別，卻被錯誤地判斷為屬于該類別的文本數；FC表示本屬于該類別，卻被錯誤地判斷不屬于該類別的文本數，FW表示本不屬于該類別，也被正確地判斷不屬于該類別的文本數。
通常采用精準率（precision），召回率（recall），正確率（accuracy），錯誤率（fallout），誤差率（error）等評價指標對分類器的性能進行評測[26]。其公式如下：
precision=TC/(TC+FC),
recall=TC/(TC+TW),
accuracy=(TC+FW)/(TC+FC+TW+FW),
fallout=TW/(FC+TW),
error=(TW+FC)/(TC+FC+TW+FW)
要對分類器的整體性能進行評測，采用F1_Measure度量[27]指標，其公式如(1)所示。其中，β是召回率和精準率的相對權重。β等于1時兩者同等重要，β大于1時，精準率更重要一些，β小于1時召回率更重要一些。
（1）
F1度量指標是對精準率和召回率兩個指標的綜合，分別反映分類效果的兩個不同方面，它們是互為消長的關系，不可能兩全其美，其精準率高，召回率低，反之亦然。根據分類實驗的具體情況，在兩者之間取得一個平衡點，使分類的精準率和召回率都取得較高值，β通常取值為1/2和1。
3 主要挑戰及研究進展
3.1 領域本體的構建不完善
基于本體的分類方法主要是利用領域本體或通用本體對領域內的數據的描述，從中獲取知識或規則指導分類，領域本體構建的完善與否將直接影響分類的性能。目前已建立了一系列的領域本體的構建工程方法，涌現出許多理論、技術、描述語言和構建工具。但是手工構建本體需要用戶逐個輸入大量知識，費時費力，是一項繁瑣而辛苦的任務，還會導致知識獲取的瓶頸，要構建完備的領域本體也是許多研究學者一直著力解決的難題。因此，如何降低構建本體的開銷，根據已有數據資源實現半自動化或自動化構建本體，這是本體學習所要研究的內容，是一個具有重要研究價值的課題[28]。
3.2 領域本體可重用性差
本體的目的就是知識的重用和共享，但領域本體必須是依賴特定領域的，才能具有良好的領域知識表達能力，領域本體的可重用性一直是一個難以解決問題。
不同本體的構建者開發的本體所描述的領域可能相關或重疊，使用的建模方法、建模工具和建模描述語言也不盡相同，從而形成大量異構本體。如何在構建新本體時重用現有的本體，實現對本體的重用、更新和維護已經成為本體領域新的研究熱點，本體標準化和模塊化構建可以為解決本體的可重用性和面向特定領域提供一種新思路。如何找出多個已有本體之間存在的語義聯系，對多個領域本體進行映射和合并，這就是本體集成所研究的內容，即集成不同組織開發的不同語言和不同組織方式的本體，以解決不同應用中的信息異構問題，也是目前研究的一個熱點[29]。
3.3 通用本體缺少領域術語
較為典型的通用本體有HowNet[30]，WordNet[31]等。HowNet又稱知網，是一個用于自然語言處理的在線常識知識庫，包含中文詞典中概念之間的關系，屬性之間的關系以及與中文對應的英文的概念及屬性關系，常用來輔助對中文文本進行分類。WordNet是美國普林斯頓大學認知科學實驗室的George A.Miller 教授負責開發的基于心理語言學規則的英文詞典，它以同義詞集為單位組織信息，對查詢結果的演繹比較符合人類思維定式。許多研究學者根據WordNet的特點，將其應用到文本分類中作為背景知識指導分類，已經取得了一定的成果。通用本體不但可以結合分類算法構建分類模型，還可以對文本向量進行特征處理，能有效提高特征向量中的特征項對分類所起到的正面作用。通用本體是通用詞匯的集合，包含的詞匯量很多，涉及范圍廣，但缺少對特定領域的專業詞匯的描述，不適合指導特定領域的文本分類。領域本體可以彌補通用本體的不足，綜合采用通用本體和領域本體可以更好的提高分類的性能。
3.4 本體的推理能力利用不充分
Perez[32]等人認為本體中包含類，關系，函數，公理和實例等5個基本建模元語，可以從不同層次的形式化模式上給出領域內的概念與概念之間相互關系，提供對該領域知識的共同理解。其中公理是對本體中概念及其關系的約束，是對知識進行推理和驗證的基礎，而OWL（Web Ontology Language）本體描述語言是基于描述邏輯的形式化的本體描述方法，具有強大的演繹推理能力，利用推理機制進行分類并結合本體中用于描述屬性和類型的詞匯，會進一步提高分類效果。然而，本體中強大的機器推理機制的功能并沒有完全發揮出來，對本體中概念、實例和屬性等特征也缺乏深層次的語義分析，本體中概念關系、實例、屬性類型等特征對分類過程所起的作用不大。如何充分利用本體所提供的機器推理機制及深層次的語義關系，實現對文本數據進行深度挖掘是研究學者關注的熱點問題。
4 總結
本文提出一個基于本體庫的文本分類通用框架，并分別從特征處理，分類模型和性能評測等多方面歸納總結了現有基于本體的文本分類研究中存在一些問題及研究進展，希望上述工作可以給相關的文本分類的研究提供有益的參考。
參考文獻：
[1] Sebastiani Fabrizio. Machine Learning in Automated Text Categorization [J]. ACM Computing Surveys, 2002,34(1):1-47.
[2] Lewis D D. Naive (Bayes) at forty：The Independence assumption in information retrieval[C]//Proc of the 10th European Conference on Machine Learning. Chemnitz, Germany, 1998:4-15.
[3] Yang Yiming, Liu Xin. A Re-examination of Text Categorization Methods[C]//Proceedings of the 22th Annual ACM International Conference on Research and Development in Information Retrieval (SIGIR-99).Berkeley, CA, 1999.42-49.
[4] Joachims T.Text categorization with support vector machines：Learning with Many Relevant Features[C]//Proceedings of European conference on Machine learning.1998.1-7.
[5] Wiener E, Pedersen J O, Weigend A S.A Neural Network Approach to Topic Spotting[C]//Proc of the 4th annual Symposium on Document Analysis and Information Retrieval.1995.317-332.
[6] 蘇金樹，張博鋒，徐昕.基于機器學習的文本分類技術研究發展[J].計算機軟件學報,2006,17(9):1848-1859.
[7] 孫娜.基于本體和潛在語義索引算法的文本分類方法研究[D].長春:東北師范大學,2009.
[8] Yang Xi-quan, Sun Na, Zhang Ye, et al. General Framework for Text Classification based on Domain Ontology [C]//Proc of 3rd International Workshop on Semantic Media Adaptation and Personalization, 2008:147-152.
[9] 胡潔.高維數據特征降維研究綜述[J].計算機應用研究,2008-9,25(9):2601-2606.
[10] Yang Timing, Pedersen J O. A comparative study on feature selection in text categorization[C]//Fisher DH. Proceedings of the 14th International Conference on Machine Learning.Nashville：Morgan Kaufmann Publishers, 1997.412-420.
.
[11] Rogati Monica, Yang Yiming．High-Performing feature selection for text classification[C]//DavidG, Kalpakis K, Sajda Q,et al．Proceedings of the 11th ACM International Conference on Information and Knowledge Management．McLean：ACM Press,2002.659-661．
[12] 劉海峰,王元元,張學仁,等.文本分類中基于位置和類別信息的一種特征降維方法[J].計算機應用研究,2008,25(8):2292-2294.
[13] LV Lin, LIU Yu-shu, LIU Yan. Realizing English Text Classification with Semantic Set Index Method[J]. Journal of Beijing University of Posts and Telecommunications, 2006(2):22-25.
[14] Pavel Moravec, Michal Kolovrat, Vaclav Snasel.LSI vs.Wordnet Ontology in Dimension Reduction for Information Retrieval[C].Snasel C V,Pokorny J,Richta K.Dateso Technical University of Ostrava, Dept of Computer Science, 2004.18-26.
[15] Xi-Quan Yang, Na Sun. The application of latent semantic indexing and ontology in text classification[J]. International Journal of Innovative Computing, Information and Control(IJICIC)，2009, 5(12):1-9.
[16] Camastra F, Vinciarelli A. Estimating the Intrinsic Dimension of Data with a Fractal-based Method[J]. IEEE Transaction On Pattern Analysis and Machine Intelligence,2002,24(10)：1404-1407．
[17] Tolle c R, Mc Junkin T R, Gorisch D J．Suboptimal Minimum cluster Volume cover-based Method for Measuring Fractal Dimension[J]. IEEE Transaction Pattern Analysis and Machine Intelligence, 2003,25(1):32-41．
[18] Xuan-Hieu Phan, Le-Minh Nguyen, Susumu Horiguchi. Learning to Classify Short and Sparse Text & Web with Hidden Topics from Large-scale Data Collections[C]. WWW 2008 / Refereed Track: Data Mining-Learning, Beijing, China,2008:91-100.
[19]Huazhen Gu, Kuanjiu Zhou. Text Classification Based on Domain Ontology[J]. Journal of Communication and Computer, 2006,3(5):29-32.
[20] Prabowo Rudy, Jackson Mike, Burden Peter, et al. Ontology-Based Automatic Classification for the Web Pages: Design, Implementation and Evaluation[C]//Proc of the 3rd International Conference on Web Information Systems Engineering, IEEE Computer Science,2002.182-191.
[21] Song Mu―Hee，Lim Soo?Yeon，Kang Dong-Jin，et a1．Automatic Classification of Web Pages based on the concept of Domain Ontology[C]//Proceedings of the 12th Asia-Pacific Software Engineering Conference(APSEC’05)，IEEE Computer Science，2005．645-651.
[22] Fang Jun，Guo Lei，Wang Xiao Dong,et a1．Ontology―Based Automatic Classification and Ranking for Web documents[C]//Proceedings of 4th International Conference on Fuzzy Systems and Knowledge Discovery(FSKD 2007)，IEEE Computer Science.2007:627-631.
[23] Martin Theobald, Ralf Schenkel, Gerhard Weikum. Exploiting Structure, Annotation, and Ontological Knowledge for Automatic Classification of XML[C]//Data International Workshop on the Web and Databases (WebDB).San Diego, California, 2003:1-6.
[24] David D.Lewis.Reuters-21578 text categorization test collection Distribution 1.0 README file(v1.2)[EB/OL].[1997-09-06]/~lewis.
[25] McCallum，Andrew Kachites. Bow:A toolkit for statistical language modeling, text retrieval, classification and clustering[EB/OL].[1998-09-12]cs.cum.edu/-mccallum/bow.
[26] Xiaoxun Zhang, Xueying Wang, Honglei Guo,et al. FloatCascade Learning for Fast Imbalanced Web Mining[C].WWW 2008 / Refereed Track: Data Mining - Learning,April 21-25,2008,Beijing,China,71-80.
[27] 李保利,陳玉忠，俞士汶.信息抽取研究綜述[J].計算機工程與應用,2003(10):1-5.
[28] 杜小勇,李曼,王珊.本體學習研究綜述[J].軟件學報,2006,17(9):1837-1847.
[29] 范莉婭,王愛民,肖田元.本體集成方法評價指標體系及其應用研究[J].計算機集成制造系統,2007,13(5):911-917.
篇9
紅細胞平均指數包括有平均紅細胞體積（MCV）、平均紅細胞血紅蛋白含量（MCH）、平均紅細胞血紅蛋白濃度（MCHC）三個參數[1]，上述三項紅細胞平均值可幫助臨床對貧血進行診斷。筆者對200例研究對象聯合檢測MCV、MCH、MCHC結果進行了對比分析，現具體報道如下：
1 資料與方法
1.1 一般資料
200例研究對象均為2010年1月～2012年1月本院就診者，分為缺鐵性貧血組、正常組各100例，均行MCV、MCH、MCHC聯合檢測；缺鐵性貧血組年齡（31±17）歲，男性62例，女性38例；正常組年齡（32±18）歲，男性63例，女性37例；兩組一般資料差異無統計學意義（P > 0.05）。
1.2 檢測方法
1.3 統計學分析
3 討論
缺鐵性貧血是由于鐵攝入量不足、吸收、轉運障礙、大量丟失、鐵利用功能下降等，導致紅細胞內鐵含量下降而形成缺鐵性貧血[2]。IDA屬于小細胞低色素性貧血，較常見，其發病率呈逐年增加趨勢，且發展中國家、經濟落后地區、孕婦、哺乳期婦女、嬰幼兒發病率明顯增高。IDA對于嬰幼兒的智能發育產生不良影響，可引起嬰幼兒智能發育緩慢、行為出現異常[3]，長期IDA對兒童腦部發育產生不可逆損傷而形成終身性影響，故對IDA患者做到早診斷、早治療非常重要。目前，檢測紅細胞平均指數等化驗室血液檢查是臨床診斷IDA的主要手段。
MCV、MCH、MCHC三個參數統稱為紅細胞平均指數，于1979年時，Bassmaan就早已提出了貧血的MCV、RDW分類法[4]，而近年來隨著化驗醫療設備的不斷進步，MCV、MCH、MCHC檢測結果日益精準，該檢查項目在較多疾病的診斷工作中逐漸得到了廣泛應用，而檢測紅細胞平均指數診斷IDA也備受臨床醫師和檢驗師的青睞和關注，目前已被作為診斷缺鐵性貧血的重要參考指標[5]。本次研究結果顯示，缺鐵性貧血組的100例研究對象的MCV、MCH、MCHC值顯著較對照組低，且P < 0.01；100例缺鐵性貧血患者中顯示MCV、MCH、MCHC均下降者共96例，約占到96%，僅有4例顯示正常，原因可能為患者處于早期缺鐵，輕度缺鐵但可滿足幼紅細胞合成血紅蛋白，使得患者的血紅蛋白量水平和細胞形態均無顯著變化；由此可見，MCV、MCH、MCHC的檢測對于臨床診斷缺鐵性貧血具有極高的參考價值。MCV、MCH、MCHC中，MCV可體現出紅細胞體積的總體改變，MCH、MCHC可將紅細胞內血紅蛋白的含量水平準確地反映出來；MCV是國內外用于鑒別診斷貧血的主要指標[6]，但其只能反映紅細胞體積大小及不均一性，卻不可體現紅細胞內血紅蛋白含量的變化情況，故需要聯合MCH、MCHC進行檢測，方可提高缺鐵性貧血的診斷準確性[7-9]。
總之，臨床診斷缺鐵性貧血的實驗檢測指標雖然眾多，但由于骨髓涂片鐵染色及血清鐵蛋白的檢測工作繁瑣、緩慢，而僅把MCV做為診斷依據，又不能了解紅細胞內的血紅蛋白含量水平狀態；而MCV、MCH、MCHC三項參數聯合檢測不僅可獲得極高的陽性率和準確率，且操作簡便快捷，故可作為臨床診斷缺鐵性貧血的首選指標。
[參考文獻]
[1] 姜曉萍，陳波，解晶，等. 紅細胞參數及鐵代謝指、標在鑒別缺鐵性貧血與慢性病貧血中的臨床意義[J]. 中國傷殘醫學，2009，17（3）：21-22.
[2] 常玉榮，葛慶峰，何曉娟，等. 289例貧血患者紅細胞參數分析[J]. 中國老年學雜志，2008，28（14）：82-83.
[3] 沈健，陸燕，盛紅斌，等. 嬰幼兒缺鐵性貧血現狀及影響因素[J]. 浙江預防醫學，2011，23（1）：71-72.
[4] 江燕，趙琳. 缺鐵性貧血的診治進展[J]. 醫學綜述，2011，17（10）：71-73.
[5] 冼中任，陳秋霞，朱伯珍，等. 紅細胞參數對輕型β-地中海貧血與缺鐵性貧血鑒別診斷的價值[J]. 檢驗醫學與臨床，2011，8（2）：42-43.
[6] 黃品. 血紅細胞四項參數診斷缺鐵性貧血的臨床價值[J]. 中外健康文摘，2011，8（44）：49-50.
[7] 周建中. 紅細胞參數在缺鐵性貧血診斷中的應用評價[J]. 國際檢驗醫學雜志，2011，32（7）：87-88.
篇10
1資料與方法
1.1一般資料 選擇2013年6月～2014年6月本院的165例孕婦臨床資料作為研究對象，按照不同孕周分成三組，每組55例孕婦，孕早期組：孕婦年齡19～38歲，平均（24±5.20）歲，平均孕周（13.00±1.00）w，均是初產婦；孕中期組：孕婦年齡19～39歲，平均（25±5.10）歲，平均孕周（24.00±1.00）w，均是初產婦；孕完期組：孕婦年齡20～38歲，平均（24±6.20）歲，平均孕周（33.00±1.00）w，初產婦。
1.2 方法 由專業人士一對一定期追蹤至產后第5 d，在孕婦12 w建立圍生期基線資料，詳細記錄不同組別的孕婦每人每天的平均膳食攝入量，對各類膳食予以方差分析，采用實物頻數法及24 h膳食回顧法進行調查，再分別記錄產婦前3 d的膳食成分，克為單位并估計攝入量，從而計算每天的食物攝入量。根據中國膳食營養攝入量進行分析，同時記錄同時期孕婦的體質量增加量，并記錄不同孕周產婦的每天每人的營養攝入量[2]。
1.3觀察指標與判定標準 比較不同孕周產婦的膳食攝入量和推薦量。比較不同孕周產婦體質量增加和BMI增值變化[3]。
1.4統計學分析 研究數據均用SPSS 21.0軟件分析，用均數標準差（x±s）表計量資料，用t進行組間比較；用百分比（%）表計數資料，用χ2進行組間比較，當P
2 結果
2.1比較不同孕周產婦的膳食攝入量與推薦量 三組產婦孕周膳食攝入量（除蛋類）均隨著妊娠期的增加而增加，孕中期孕婦的膳食攝入增加量最大，孕早期孕婦膳食攝入量最少，孕中期孕婦膳食攝入量（除水果）最多，見表1。
2.2比較不同孕周產婦體質量增加和BMI增值變化 孕早期的孕婦體質量增加最少，孕中期的孕婦體質量增加最多，且BMI增值和孕周體質量增加結果相一致，見表2。
3 討論
隨著社會的進步，人們生活水平的提高，孕婦更加注重妊娠期營養攝入，因為營養攝入量直接影響母嬰身體健康，但是目前仍沒有完整的標準指導不同孕周產婦膳食攝入 量[4]。本文旨在探究孕婦妊娠期膳食攝入與體質量增加的相關性，通過將本院的孕婦按照不同孕周時間進行分組，分為孕早期、中期、晚期組別，由專業人士從孕周12 w隨訪追蹤至產后第5 d，每天記錄不同種類食物攝入量，并與推薦量比較，再分析不同孕周產婦體質量增加及BMI增值的變化。
結果顯示：三組產婦孕周膳食攝入量（除蛋類）均隨著妊娠期的增加而增加，孕中期孕婦的膳食攝入增加量最大，孕早期膳食攝入量最少，孕中期孕婦膳食攝入量（除水果）最多，膳食攝入總量過多，尤其是蛋類、水果、動物肉類，表明三組孕婦均存在膳食結構比例不均衡現象。分析原因可能在于：南方盛產水果，孕婦在妊娠期會分泌更多的胃酸，而吃水果可以緩解胃部不適感[5]。但有研究顯示：孕婦水果攝入量過多會導致孕婦體質量增加較其他季節增加更為迅速，偏愛攝入富含維C水果，會增加分娩巨大兒幾率[6]。而豆制品、魚蝦海鮮攝入量不足有可能與南方地區海鮮價格過高有關，雜糧及蔬菜攝入量不足會減少維生素B的攝入，從而增加妊娠期肥胖及便秘幾率[7]。
同時結果顯示：孕早期的孕婦體質量增加最少，孕中期孕婦體質量增加最多，且BMI增值和孕周體質量增加結果相一致，表明不同孕周產婦的膳食攝入量和孕婦妊娠期的體質量增加呈正相關。分析原因，本次研究孕婦體質量增加約為17.60 kg，遠大于報道顯示健康孕婦妊娠期體質量增加應控制的16kg，可能與本研究孕婦膳食攝入總量明顯大于推薦量有關[8]。
綜上所述，孕婦妊娠期膳食攝入量與體質量增加呈正相關，但膳食攝入結構不科學，需作相關調整，以保證孕婦及胎兒健康。
參考文獻：
[1]黃曉玲，黃，陳琴.孕婦妊娠期膳食攝入與體質量增加的相關性研究[J].重慶醫學2012，41（32）：3412-3414.
[2]中國營養學會.中國居民膳食指南[M].拉薩：人民出版社，2008：358.
[3]康乃富，李永華.營養教育對孕婦妊娠結局及膳食攝入的影響[J].中華行為醫學與腦科學雜志m2012，21（7）：619-621.
[4]丁曉華，劉小玲，田莉.妊娠期膳食對妊娠期高血壓疾病的影響[J].中華護理雜志2014，49（10）：1198-1121.
[5]黃莉莉，羅小銘，談曄，等.廣州地區食物頻率問卷信度和效度研究[J].中華疾病控制雜志m2013，17（8）：711-714.
篇11
1 人工智能及其在醫學上的應用
AI是一個廣義的術語，指的是機器或計算程序執行具有人類智能特征的任務的能力，如模式識別和解決問題的能力等。AI可以通過彌補人類智能，使現有醫療診斷和預后價值最大化，同時使醫師負擔最小化，從而顯著改善健康診療過程和結果。AI在臨床實踐中的應用預示著醫學領域一個更為劇烈變化時代的到來，在影像學方面尤其如此。一項通過分析科學網數據庫的研究[3]發現，目前AI在醫學的研究領域主要集中在大數據分析、腦卒中康復、心臟手術和醫療診斷和預后預測等方面。其中，用于醫學診斷、預后預測和分類的神經網絡和支持向量機是主要熱點，占所有文獻的26%；而未來最引人關注的研究主題是基于AI的微創手術。然而，關于AI數據管理、模型可靠性、模型臨床效用驗證等問題尚未進行廣泛研究。
2 人工智能的機器學習法
大數據是一個經常用來描述大量收集數據的術語，如來自大型生物信息庫的基因組數據、電子健康記錄檔案和大型研究隊列數據以及影像學掃描數據等。AI系統通過識別和提取一組觀測數據（數據集）的模式來自主獲取知識的過程稱為機器學習（machine learning,ML）。ML是人工智能的一個組成部分，描述為計算機從經驗中學習的過程，并在沒有事先知識的情況下執行預定的任務[4]。機器學習可以進一步分為監督學習、半監督學習和無監督學習，這取決于用于學習的樣本是否完全標記、部分標記或未標記。ML的典型例子是人工神經網絡，后者基于人類大腦的神經元及其連接，神經元之間的相互依賴關系反映出不同的權重，每個神經元接受多個輸入，所有的輸入一起決定了神經元的激活。通過樣本訓練找到這些合適權重的過程就是學習。學習過程的復雜性和所需的樣本量隨著神經元數量的增加而增加。由于計算能力和樣本大小的限制，機器學習應用程序的成功依賴于從原始樣本中手工提取特征來減少神經元的數量。為了解決這一問題，人們提出了深度學習的方法，即自動學習代表性的樣本。深度學習是指一種特別強大的ML方法，它利用卷積神經網絡模擬人類的認知，常用于影像模式識別和分類。
模型訓練是所有ML類型的共同過程，它是利用模型分析所提供的數據中的各種特性來學習如何生成輸出標簽的過程[5]。如在超聲心動圖中，一個模型可以分析各種特征，如左心室壁厚度和左心室射血分數，以確定患者是否具有特定的條件。然而，在分析中包含不相關的特征可能會導致模型過度擬合，從而在呈現新數據集時降低其準確性。這強調了擁有一個能夠代表總體的訓練數據集的重要性。數據集的質量對于最終ML模型的質量至關重要。盡管ML算法可以使用小數據集或大數據集進行訓練，但大數據集可以最大限度地提高訓練算法的內部和外部有效性，降低過度擬合的風險。正確模型的選擇通常取決于操作員的專業知識、數據集的性質和最終人工智能系統的目的。
3 人工智能在心血管超聲的應用
心血管成像領域，包括超聲心動圖、心臟計算機斷層掃描、心臟磁共振成像和核成像，具有復雜的成像技術和高容量的成像數據，處于精準心臟病學革命的前沿。然而，在基于AI的臨床轉化方法中，心血管成像一直落后于腫瘤學等其他領域。人工智能在超聲心動圖中的應用包括自動心室定量和射血分數計算、應變測量和瓣膜形態及功能評估以及ML在心臟疾病自動診斷中的應用。
3.1 心室定量和EF自動化。
自動心室量化和EF計算的算法旨在提供準確、快速和可重復的心尖視圖分類、解剖標志檢測、心室壁分割和心內膜跟蹤。有研究[6]比較了AI軟件自動測量（AutoEF）和手工追蹤雙平面Simpson法測量左室EF的準確性，并與心臟MRI進行了比較。結果表明AutoEF與手動雙平面Simpson法測得的EF相關性較好，且與MRI相關性良好，但AutoEF低估了左室舒張末期容積（EDV）和收縮期末期容積（ESV）。此外，在不同切面，測量的準確性存在差異，以胸骨旁長軸切面的準確性最高，達96%，而在心尖切面時整體精度降低（84%）。腔室定量和左室EF測量的中位數絕對偏差在15%～17%，其中ESV的絕對偏差最??；左房容積和左室EDV被高估。
3.2 心肌運動和應變測量。
Kusunose等[7]研究發現與傳統二維超聲心動圖相比，利用深度卷積神經網絡可更好的檢測區域壁運動異常并區分冠狀動脈梗死區域。Cikes等[8]利用復雜超聲心動圖數據（整個心動周期的左室容積和變形數據，而不是單個數據點）和臨床參數的ML算法識別心衰并對心臟再同步化治療的反應進行評估，證實通過整合臨床參數和全心周期成像數據，無監督的ML可以為表型異質性心力衰竭隊列提供一個有臨床意義的分類，并可能有助于優化特定治療的反應率。另有研究證實[9-10],ML算法有助于區分縮窄性心包炎、限制性心肌病以及肥厚性心肌的重塑。Zhang等[11]采用AI軟件和手工勾畫對左室心肌的縱向應變進行了比較研究。發現AI自動測量的心肌全局縱向應變與手動應變變化最小（絕對值為1.4%～1.6%）。
3.3 心臟瓣膜評估。
有學者[12]采用AI軟件對二尖瓣幾何形狀進行測量，測量參數包括二尖瓣環面積、瓣環高度和寬度、瓣葉連合間距、前后葉長度等。發現相對于常規超聲心動圖，所有評估的成像參數均獲得了更好的觀察者間一致性，而且所花費的時間明顯較少。Prihadi等[13]研究證實，經食管超聲心動圖AI軟件能夠精確地對主動脈瓣結構以及冠狀動脈開口進行測量和定位，且與多層螺旋CT的測量結果具有良好的相關性。
4 展望
在海量醫學信息和影像數字化日益積累的現代醫學時代，AI和ML為疾病診斷和風險預測等問題提供了新的解決方案。通過AI對超聲心動圖數據進行預測、建模和精確分析，可以幫助超聲醫師快速、準確地處理大量心臟超聲影像學數據，既有利于應對當前醫療信息數量的急劇增長，又有利于提高處理數據信息的能力。未來，針對AI的研究應關注超聲圖像數據特征定義及其提取方法的標準化，以確?？赏茝V性和可再現性，促進AI向更加個性化的醫療模式轉變。此外，AI系統與遠程醫療等軟件的集成，將使智能心臟超聲診斷系統滲透到資源消耗負擔最繁重的地區，提高經濟效益。
參考文獻
[1]Oikonomou EK,Siddique M,Antoniades C.Artificial intelligence in medical imaging:A radiomic guide to precision phenotyping of cardiovascular disease[J].Cardiovasc Res,2020,Feb 24;cvaa021.
[2]Dey D,Slomka PJ,Leeson P,et al.Artificial Intelligence in Cardiovascular Imaging:JACC State-of-the-Art Review[J].J Am Coll Cardiol,2019,73(11):1317-1335.
[3]Tran BX,Latkin CA,Vu GT,et al.The Current Research Landscape of the Application of Artificial Intelligence in Managing Cerebrovascular and Heart Diseases:A Bibliometric and Content Analysis[J].Int J Environ Res Public Health,2019,16(15):2699.
[4]Gandhi S,Mosleh W,Shen J,et al.Automation,machine learning,and artificial intelligence in echocardiography:A brave new world[J].Echocardiography,2018,35(9):1402-1418.
[5]Alsharqi M,Woodward WJ,Mumith JA,et al.Artificial intelligence and echocardiography[J].Echo Res Pract,2018,5(4):R115-R125.
[6]Xu B,KocyigitD,Grimm R,et al.Applications of artificial intelligence in multimodality cardiovascular imaging:A state-of-theart review[J].Prog Cardiovasc Dis,2020,19;S0033-0620(20)30060-8.
[7]Kusunose K,Abe T,Haga A,et al.A Deep Learning Approach for Assessment of Regional Wall Motion Abnormality From Echocardiographic Images[J].JACC Cardiovasc Imaging,2020,13(2 Pt 1):374-381.
[8]Cikes M,Sanchez-Martinez S,Claggett B,et al.Machine learningbased phenogrouping in heart failure to identify responders to cardiac resynchronization therapy[J].Eur J Heart Fail,2019,21(1):74-85.
[9]Narula S,Shameer K,Salem Omar AM,et al.Machine-Learning Algorithms to Automate Morphological and Functional Assessments in 2D Echocardiography[J].J Am Coll Cardiol,2016,68(21):2287-2295.
[10]Sengupta PP,Huang YM,Bansal M,et al.Cognitive machine-learning algorithm for cardiac imaging:a pilot study for differentiating constrictive pericarditis from restrictive cardiomyopathy[J].Circ Cardiovasc Imaging 2016,9(6):e004330.
篇12
肺癌是我國發病率最高的惡性腫瘤，其發病率和病死率均居全國首位，迫切期望人們突破傳統思維，尋找新的治療方法。因此，探索新的治療方法可顯著提高肺癌治療水平。
人們期望分子靶向治療能像現代戰爭中的巡航導彈，自動尋敵、精準定點殺滅癌細胞；或者像現代戰爭中精確鉆地的炸彈，能定向阻斷癌細胞增殖，轉移信號傳導，進而破壞癌細胞代謝[1]。近年來，腫瘤分子靶向治療已經進入了一個全新的時代。這些領域包括具有靶向性的表皮生長因子受體（EGFR）抑制劑；針對某些特定細胞標志物的單克隆抗體；針對某些癌基因和腫瘤標記物的藥物；抗腫瘤血管生成的藥物及基因治療等。本文就肺癌的分子靶向治療藥物的新進展進行綜述。
一、靶向治療概念
分子靶向治療是治療肺癌的新途徑，分子靶向治療是以腫瘤細胞具有的特異性（或相對特異）的分子為靶點，應用分子靶向藥物特異性阻斷該靶點的生物學功能，從分子水平來逆轉腫瘤細胞的惡性生物學行為，從而達到抑制腫瘤生長，甚至腫瘤消退的目的。
靶向治療可稱為“有的放矢”的治療，屬于病理生理治療。分為：器官靶向、細胞靶向和分子靶向。分子靶向是指在腫瘤細胞分子生物學的基礎上，將腫瘤細胞膜上或細胞內特異性表達的結構分子作為靶點，使用某些能與這些靶分子特異結合的抗體、配體、基因等，封閉腫瘤發展過程中的關鍵受體，糾正其病理過程，從而達到直接治療目的的一類療法。
二、以EGFR為靶點的治療[2]
1.易瑞沙（Gefitinib，Iressa，吉非替尼）是一種口服的小分子EGFR酪氨酸激酶抑制劑，首先被用于治療晚期非小細胞肺癌 （NSCLC）。在影響緩解率和預后的因素中， 已肯定了女性、腺癌、無吸煙史，東方人種預后較好。
2.埃羅替尼（Erlotinib，Tarceva）是一種口服小分子EGFR酪氨酸激酶抑制劑。Ⅱ期臨床實驗結果報道， 埃羅替尼單藥治療晚期 NSCLC緩解率為10%～30%。
3.西妥昔單抗（Cetuximab，C225）是一種特異性阻斷EGFR的IgG1單克隆抗體。
三、以VEGF為靶點的治療[2]
貝伐單抗（Avastin，Bevacizumab） 是人源化抗VEGF單抗， 可以占據VEGF，使之不能與受體結合。血管生成在NSCLC的發生和發病中起著十分重要的作用，抑制新生血管的生成是NSCLC 靶向治療的一個熱點。Avastin的主要毒副反應是肺出血，咯血，主要發生在鱗癌、中央性病灶和有空洞病灶的患者。
四、多靶點聯合治療[3]
肺癌的發生發展過程涉及多基因、多環節、多步驟，癌細胞的信號傳導調控網絡系統錯綜復雜，腫瘤血管及淋巴管生成營養供給、癌細胞轉移等過程及調控更是撲朔迷離。分子靶向治療藥物有效率大多僅在10%左右，因此多靶點聯合治療將成為未來的發展方向。
五、以Her22為靶點的治療[2]
赫賽汀（Transtuzumab， Herceptin）是人源化的抗Her22單克隆抗體，與腫瘤細胞的Her22具有高度的親和力，呈高度特異性結合。其作用機制是與腫瘤細胞的Her22特異性結合，阻斷細胞內生長信號的傳導，抑制腫瘤細胞的生長，并誘導體內NK細胞和巨噬細胞攻擊腫瘤細胞。
六、基因治療
腫瘤的基因治療可簡單概括為：將核苷酸轉移到靶細胞中，以擾亂或糾正某些病理生理過程，或通過其他物質和手段，以糾正靶細胞中的基因或基因產物的異常表達。但癌基因異常是復雜而多途徑的，需進一步完善基因治療的技術水平及效果評價體系。
七、未來肺癌靶向治療需解決的問題[1]
回顧肺癌靶向治療的諸多進展，未來仍還有許多問題需要解決：
①靶向治療藥物如何才能只作用于肺癌腫瘤細胞靶點，而不作用于正常細胞的相同靶點？
②臨床上如何通過檢測一些指標了解靶向治療藥物對肺癌產生作用？
③怎樣確定靶向治療藥物的最佳生物學劑量？我們有充分的理由相信，隨著對人類基因組學中功能性基因組和支配腫瘤的基因組的深入了解，肺癌的治療必將進入一個嶄新的時代。
參考文獻：
篇13
1國內外對低劑量CT掃描技術的研究差異
國外子20世紀80年代就開始對低劑量CT掃描技術進行研究，在基礎研究方面有完整的科研團隊及前沿的設備，并涉及多個學科，分工合作，具有較強的研究實力，臨床應用方面也覆蓋了眾多項目，不斷地向器官病種的具體細化方向進行研究，運用多種設備急性對比研究，各種檢查條件及設備之間進行相互驗證，能有效的對低劑量CT掃描的價值進行有效的評價。我國開始對其的研究僅10年的歷史，對于CT低劑量的掃描技術的基礎研究比較少，主要是集中在心臟和肺部，主要是關于如何在保證圖像質量的基礎上減少輻射劑量，對于器官的研究還不多見，主要是對不同參數下進行低劑量掃描所產生的影像之間的差別比較，從2007年開始，該研究的報道越來越多［2］。
2低劑量CT掃描的意義
國際放射防護委員會（ICRP）提倡，在進行X線檢查時要遵循實踐正當性及防護最優化的原則。以最小的代價及患者接受的最小劑量來獲得有價值的臨床診斷影像，進而進行精準的診斷的全過程中有系統、有計劃的活動。ICRP認為，如果受檢者棘手的X線輻射劑量增加1mSv將會讓惡性腫瘤的發病率增加5/10萬，CT掃描技術的廣泛應用，電離放射風險成為非常嚴重的社會問題和醫療問題。低劑量CT掃面技術能夠有效的降低輻射帶來的風險和危害；在CT血管成像上低劑量CT掃描可以降低對比劑（含碘）的使用劑量及注射的流率，可以有效的控制和減少特殊人群（老年體弱、腎病高危者、心功不全等）因注射對比劑而引起的不良反應的發生；該技術還可以降低對CT球管及探測器的損耗，可以有效的降低運營CT的成本。
3低劑量CT掃面和圖像質量的關系
在保持良好圖像質量的前提下最大限度地減少輻射劑量時放射科醫師必須關注和完成的任務。適度的CT掃描圖像偽影和噪聲是完全可以接受的，噪聲＜27HU，不會對診斷產生比較明顯的不利影響，設定此值為接受的噪聲值。
3.1低劑量CT掃描圖像偽影和噪聲和使用的設備、設置的掃描參數、患者的個體差異等情況有關。X線的劑量和信噪比呈正相關，劑量越低，信噪比也就下降的十分明顯。在實際使用中不能一味地減少輻射劑量，還可以通過設置適宜的參數并采用圖像重建的方法進行彌補，降低其對圖像質量的影響到最低。
3.2低劑量CT掃描圖像偽影和噪聲還和患者的體質量指數（BMI）、體型等有關，在進行掃描前根據患者的大致體型和BMI調整適宜的掃描參數，改變一成不變的固定參數掃描模式，不同的設備、檢查目的的不同、患者間的個體差異、不同疾病和部位等因素的綜合分析來調整適宜的低劑量掃面參數和方案，實現合理的個體化掃描。
4存在的問題
目前，在臨床上沒有廣泛的開展低劑量CT掃描技術主要是由于該技術會導致CT掃描圖像偽影和噪聲增加，部分醫生認為不能對圖像質量進行保證，同時國家一級醫學影像學專業內也沒有關于低劑量CT掃描技術的規范及量化標準。我國對該技術基礎研究比較薄弱，研究方法也十分單一和粗糙，臨床應用的研究也存在很大的局限性，缺乏公認可行的評價方法和指標。該研究涉及到的領域比較多，遇到的問題也十分多，一家醫院或者一個單位是不能完成對其的系統研究，必須要進行多中心研究。衛生部門行政領導和科室醫師也要理解、支持、配合影像科醫師應用低劑量CT掃描技術。
5研究前景
我國對于胸部低劑量CT的研究比較完善，對于腹部使用低劑量CT掃描所得到的圖像評估還在摸索階段。降低管電流降低輻射劑量是目前研究較多且最具潛力的方法，但是如果降低管電流隨之就會降低低密度分辨率，不能很好顯示肝臟等腹腔內的實質性器官，有些學者采用在升高管電流的同時降低電壓啦實現低劑量對腹部的實質性器官掃描的目的。低劑量CT掃描雖然會增加圖像噪聲，但是所得到的圖像質量及信息可以滿足臨床診斷的要求，在某種程度上還可以讓病變的部位的顯示更具有可視性，能夠減少受檢者者所接受的輻射劑量，也明顯的降低了球管工作時的負擔，有效的延長了其使用的壽命，節約資源。
