简介：摘要目的探索建立基于深度迁移学习的人工智能肺癌辅助诊断系统并评估其应用价值。方法收集2016至2019年之间首都医科大学附属北京胸科医院保存的519例肺部组织切片（包括正常肺、腺癌、鳞状细胞癌和小细胞癌），扫描成数字切片，分为316张训练集和203张内部测试集。训练集由病理医师进行标注，使用基于ResNet-50的DeepLab v3图像分割模型建立肺部癌区像素级识别模型。在模型训练过程中，将胃部癌区识别模型的参数作为初始值，通过迁移学习策略对肺部癌区识别模型参数进行二次训练优化。再分别利用首都医科大学附属北京胸科医院的203张内部测试集以及从美国癌症影像档案（TCIA）数据库获得的1 081张外部测试集对已建立的辅助诊断模型进行验证。结果在较少样本量的情况下，迁移学习模型比普通模型显示出更好的识别准确度［曲线下面积（AUC）值0.988∶0.971，Kappa值0.852∶0.832］。此外，对外部测试集，该研究建立的迁移学习模型诊断AUC值为0.968，Kappa=0.828，表示该模型具有很好的推广性。结论该研究建立的人工智能肺癌病理辅助诊断方法具有较好的准确性和外部推广性。随着病理人工智能研究的不断深入，迁移学习方法有助于缩短诊断模型训练周期，提高诊断模型的准确性。

简介：摘 要：本研究探索了人工智能（Artificial Intelligence，AI）及远程教育平台在病理医学教育中的新策略新途径。在病理医学教育中，AI技术和远程教育平台相辅相成，可以为病理医学教育提供更加全面和有效的教育手段。人工智能和远程教育平台结合的新策略，不仅可以打破传统教学的时间和空间限制，还可以更好地激发学生的自主学习能力。该研究为AI技术在医学领域中的应用以及实现远程在线教育平台提供了重要的启示。本文旨在探索这种混合教学模式的有效性和适用性，以及其对学生学习成效和兴趣的影响。研究发现，基于视频的学习和模拟相结合的教学方法可以有效提升学生的学习效果，并且在提升学生实践能力和培养创新思维方面具有独特的优势。通过本研究的实践应用和探索，为临床病理教学的改进和创新提供了有益的参考和借鉴。

简介：摘要  本研究结合本院专业特点及教学实践，对临床专业低年资医师（主要是住院医师）病理科技术室教学内容、方式及效果评价进行总结。根据住院医师培训时长及基础条件制定个性化病理技术培训方案，开展手把手的实践教学活动。临床住院医师通过在病理技术室的集中学习和培训，对病理技术有了更深入的了解，能够独立完成简单的技术工作，为将来实际临床工作及科研打下基础。