执业医师资格考试融入《预防医学》教学的探索与实践

《预防医学》是所有医学院校的一门必修课,其内容繁多,理论性较强,还涉及计算、推导等内容,学生学起来较其他课程费时、费力.在历年临床执业医师资格考试题中,预防医学内容占比较低,因此许多学生学习兴趣不高,临床执业医师资格考试中预防医学部分得分不理想.将执业医师资格考试与《预防医学》教学相结合,提高执业医师资格考试成绩是该课程教学改革的目标.文章针对《预防医学》教学中存在的问题,紧扣教学大纲,夯实基本理论知识和技能,结合执业医师考试大纲与真题,强化课堂教学,以练促学,提高课堂效果.以移动互联为平台构建课外便捷学习平台,丰富教学方法,巩固课程内容,将多种考核手段相结合,满足不同阶段的学习需要,以期提高执业医师资格考试通过率.     

综合院校医学人文教育发展受限的原因及其解决对策

目前医学院校存在医学人文与临床医学教育脱节、机构设置与课程开设不合理、师资队伍匮乏、学生关注度不够等问题,因此积极建立以问题为基础(PBL)的课程整合机制,加强临床医生的人文素养就显得非常重要,尤其是医学人文教育要与医学专业教育相结合,建立医学人文教育考核评价模式,让这种模式充分融入到标准化病人(SP)、客观结构化临床考试(OSCE)、毕业实习、执业医师考试中,才能有效做到人文与医学结合,理论与临床实践相结合的医学人文教育新体系.     

个性化医疗监护器

2000年春末,约翰·古塔（John Guttag,右图）经历了一次手术后在家休养。那是一个修复膝盖韧带的简单手术,当他还没打算好何时去医院复诊时,他正在上高中的儿子回家抱怨胸部疼痛,古塔的妻子急忙开车把儿子送到了医院,在那里,他的儿子被诊断出患有严重的肺病并立即住院治疗。     

医学细胞生物学课程思政体系化建设与教学实践探索

加强课程思政建设在实现立德树人这一根本任务中起着重要的作用,也是高校实现“三全育人”的重要途径。医学细胞生物学是临床医学专业学生学习的基础启蒙课。近年来,我们融合医学细胞生物学课程自身特征和学生特点,对课程思政教学设计的体系化建设和教学模式进行了探索与实践,通过设置思政主题、深入挖掘思政元素、革新教学方法和考核方式、运用数字化资源等方式进行教学实践,实现医学细胞生物学课程内容与课程思政的有机融合。     

多媒体技术在医学教学中的应用

随着计算机技术的高速发展,多媒体技术及研究成果已被应用在很多领域,而在医学教育中更显示出其独有的优越性。多媒体技术使人类接受信息由单纯的数字、文字扩大到文本、图像、图形、音频、动画、视频等,图、文、声效果与计算机的巨大信息存储、控制及处理能力相结合,用户可以根据需要进行交互式控制。基于这一特点,在医学教学中运用多媒体技术可感知的成分如声音、图像、动画、视频、文字表现医学现象、原理等,可以使学生大脑高度兴奋,提高学习兴趣及效果。多媒体教学的特点一提到多媒体教学,大家就会想到图文声像并茂、形象生动直观的效果…     

基于ASIFT的医学图像配准算法

对ASIFT算法的原理进行了分析,针对医学图像配准鲁棒性强、准确性高和低耗时率的要求,设计出基于ASIFT的医学图像配准算法。该算法首先通过ASIFT算法提取图像特征点,接着用欧式距离筛选出匹配的特征点,最后实现参考图像与浮动图像之间的配准。该算法较好地解决了其他同类型算法中存在的提取的特征点数量少、特征点匹配的精确度不高、不能对扭曲变形的仿射图像配准等问题。实验结果表明,该算法不仅提高了配准的精确度和准确性,也提高了配准的稳定性和可靠性。     

曹雪涛 科教融合重在“和而不同”

正科教不能为了融合而融合,必须使形式服务于内容。"科教融合重在和而不同、卓尔不群,这才是教育和科研的精髓。"近日,中国医学科学院院长、中国工程院院士曹雪涛在接受记者采访时如是说。建设创新型国家,科技与人才是两个重要着力点。当记者抛出科教融合的话题时,曹雪涛显然早已经过一番深思熟虑,对此侃侃而谈。在他看来,要发挥科教融合的正循环效应,首先科与教的结合不能流于形式,要注重实际内容。     

原始宗教与体育的诞生与发展

从体育的宗教起源入手,探寻体育的诞生与发展和宗教的联系。体育的诞生主要受到原始宗教的主要内容即自然崇拜、图腾崇拜、巫术、宗教节日、神话信仰等几个方面的影响,而且宗教也在潜移默化中影响着体育的发展。     

北大医学专家揭示二甲双胍降糖作用新机制

北京大学医学部生理与病理生理学系的徐国恒和北京大学第一医院（北大医院）内分泌科郭晓慧教授，阐明了二甲双胍抑制脂肪分解的效应是该药降低糖尿病患者血浆游离脂肪酸水平的细胞生物学基础，也表明脂肪组织是二甲双胍作用的新靶点，有助于加深对二甲双胍类降糖药物药理机制的理解。据悉，研究论文已发表在8月份出版的最新一期国际学术期刊《分子内分泌学杂志》上。     

面向循证医学网络文献的SVM分类方法

支持向量机(support vector machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,是一种高效的分类识别方法.首先分析支持向量机原理,然后提出一种使用Bagging组合学习方法改进SVM算法的网页分类方法.基于循证医学网络文献分类的实验表明,该方法使训练数据规模大大减小,且比传统的SVM算法分类性能更好,具有较好的精确率和召回率.