学科分类
/ 1
4 个结果
  • 简介:摘要目的探讨使用德尔菲法和优序图法构建翻转课堂教学指标评价体系。方法采用德尔菲法进行专家咨询,采用优序图法计算翻转课堂教学评价体系中各指标的权重。采用SPSS 17.0软件对指标的重要性赋值进行统计分析。结果经两轮专家函询后,形成翻转课堂教学模式评价体系,一级指标3项,权重分别为(0.32,0.56,0.12);二级指标6项,权重分别为(0.45,0.55;0.56,0.44;0.55,0.45)、三级指标20项。结论德尔菲法是最常用的指标评价法,利用其对相关指标进行筛选和修正远优于其他数理学统计方法。在权重确定方面,优序图法相对于因子分析法,不需要建立判断矩阵,也不需要进行一致性检验,具有操作简单、省时省力的特点,值得推广。

  • 标签: 德尔菲法 优序图法 翻转课堂 评价体系
  • 简介:摘要目的构建并评估基于彩色眼底像和人工智能(AI)辅助筛查视神经炎(ON)及非动脉炎性前部缺血性视神经病变(NAION)的筛查诊断系统。方法诊断性试验研究。2016年至2020年于中山大学中山眼科中心检查确诊的NAION患者178例267只眼(NAION组)、ON患者204例346只眼(ON组),以及2018年至2020年经视力、眼压及光相干断层扫描(OCT)检查为眼底正常的健康者513名1 160只眼(正常对照组)共2 909张彩色眼底像作为筛查诊断系统的数据集,其中NAION组、ON组、正常对照组分别为730、805、1 374张。将正确标注后的彩色眼底像作为输入数据,选用EfficientNet-B0算法进行系统训练并验证,最终构建是否存在异常视盘、是否存在ON和是否存在NAION的3个筛查系统(二分法)。采用受试者工作特征(ROC)曲线、ROC下面积(AUC)、准确度、灵敏度、特异性和热力图作为诊断效能和科学性的判断指标。结果测试集中,诊断是否存在异常视盘、是否存在ON、是否存在NAION的AUC分别为0.967 [95%可信区间(CI)0.947~0.980]、0.964(95%CI 0.938~0.979)、0.979(95%CI 0.958~0.989),并且系统在决策过程中的激活区域主要位于视盘。结论基于彩色眼底像的异常视盘、ON和NAION筛查诊断系统具有准确高效的诊断性能。

  • 标签: 视神经炎 非动脉炎性前部缺血性视神经病变 异常视盘 人工智能 深度学习