目的探讨影像归档和通信系统(picture archiving and communication system,PACS)结合基于问题的学习(problem-based learning,PBL)、基于病例的学习(casebased learning,CBL)、基于团队的学习(team-based learning,TBL)及任务驱动法,...目的探讨影像归档和通信系统(picture archiving and communication system,PACS)结合基于问题的学习(problem-based learning,PBL)、基于病例的学习(casebased learning,CBL)、基于团队的学习(team-based learning,TBL)及任务驱动法,利用线上(微信群)及线下资源的多模态教学模式在放射科住院医师规范化培训(简称住培)学员早读片中的应用价值。方法选取2014年6月—2020年12月在放射科参加住院医师规范化培训的住培学员70名作为研究对象,其中46名作为试验组,早读片采用PACS结合PBL、CBL、TBL及任务驱动法,利用线上(微信群)及线下资源的多模态教学;24名作为对照组,采用传统早读片教学模式。均在完成第一阶段住培结束后进行理论考核、实践技能考核及调查问卷评价。结果试验组理论考核成绩、实践技能考核成绩分别为(86.72±3.54)分、(88.59±4.02)分,对照组理论考核成绩、实践技能考核成绩分别为(79.75±6.43)分、(80.25±6.17)分,两组间成绩差异有统计学意义(P<0.05)。教学模式调查问卷评分试验组(86.13±4.33)分高于对照组(70.25±7.11)分,差异有统计学意义(P<0.05)。结论PACS结合PBL、CBL、TBL及任务驱动法,利用线上及线下资源的多模态教学模式在早读片中的应用,能够提高放射科住培学员的学习效果及综合能力。展开更多
目的:基于CT影像组学预测实性非小细胞肺癌(non-small cell lung cancer,NSCLC)组织细胞程序性死亡-配体1(programmed death ligand 1,PD-L1)蛋白表达状态的价值。方法:回顾性分析经病理证实为NSCLC且影像学上肿瘤表现为实性的患者116例...目的:基于CT影像组学预测实性非小细胞肺癌(non-small cell lung cancer,NSCLC)组织细胞程序性死亡-配体1(programmed death ligand 1,PD-L1)蛋白表达状态的价值。方法:回顾性分析经病理证实为NSCLC且影像学上肿瘤表现为实性的患者116例,其中鳞癌55例,腺癌61例,分析其临床与影像资料,筛选临床独立预测因子并构建临床模型。将图像导出并对其平扫及动脉期图像进行配准,手动逐层勾画肿瘤的感兴趣区域并提取影像组学特征,经过特征筛选后构建影像组学模型并计算每例患者影像组学评分,将影像组学评分与临床独立预测因子进行联合构建列线图。使用受试者工作特征曲线(receiver operating characteristic curve,ROC)的曲线下面积(area under the curve,AUC)评估模型诊断效能,使用决策分析曲线(decision curve analysis,DCA)评价模型的临床效用,利用DeLong检验评估模型之间差异。此外,按鳞癌和腺癌两种病理分型进行分组并进行亚组分析。结果:空洞和影像组学评分是预测PD-L1表达的临床独立预测因子(空洞有优势比为3.624,影像组学优势比为2.532)。列线图的诊断表现(训练组AUC vs验证组AUC:0.861 vs 0.803)优于影像组学模型(AUC:0.847 vs 0.777)和临床模型(AUC:0.608 vs 0.570)。决策曲线表明,列线图相比与临床模型和影像组学模型具有更高的临床应用价值。亚组分析中,列线图仍然具有很好的诊断效能,且在鳞癌组中的诊断效能优于腺癌组。结论:CT影像组学列线图能够在术前有效的预测实性NSCLC组织PD-L1蛋白表达状态,能够为临床方案选择和术前决策提供帮助。展开更多
文摘目的探讨影像归档和通信系统(picture archiving and communication system,PACS)结合基于问题的学习(problem-based learning,PBL)、基于病例的学习(casebased learning,CBL)、基于团队的学习(team-based learning,TBL)及任务驱动法,利用线上(微信群)及线下资源的多模态教学模式在放射科住院医师规范化培训(简称住培)学员早读片中的应用价值。方法选取2014年6月—2020年12月在放射科参加住院医师规范化培训的住培学员70名作为研究对象,其中46名作为试验组,早读片采用PACS结合PBL、CBL、TBL及任务驱动法,利用线上(微信群)及线下资源的多模态教学;24名作为对照组,采用传统早读片教学模式。均在完成第一阶段住培结束后进行理论考核、实践技能考核及调查问卷评价。结果试验组理论考核成绩、实践技能考核成绩分别为(86.72±3.54)分、(88.59±4.02)分,对照组理论考核成绩、实践技能考核成绩分别为(79.75±6.43)分、(80.25±6.17)分,两组间成绩差异有统计学意义(P<0.05)。教学模式调查问卷评分试验组(86.13±4.33)分高于对照组(70.25±7.11)分,差异有统计学意义(P<0.05)。结论PACS结合PBL、CBL、TBL及任务驱动法,利用线上及线下资源的多模态教学模式在早读片中的应用,能够提高放射科住培学员的学习效果及综合能力。
文摘目的:基于CT影像组学预测实性非小细胞肺癌(non-small cell lung cancer,NSCLC)组织细胞程序性死亡-配体1(programmed death ligand 1,PD-L1)蛋白表达状态的价值。方法:回顾性分析经病理证实为NSCLC且影像学上肿瘤表现为实性的患者116例,其中鳞癌55例,腺癌61例,分析其临床与影像资料,筛选临床独立预测因子并构建临床模型。将图像导出并对其平扫及动脉期图像进行配准,手动逐层勾画肿瘤的感兴趣区域并提取影像组学特征,经过特征筛选后构建影像组学模型并计算每例患者影像组学评分,将影像组学评分与临床独立预测因子进行联合构建列线图。使用受试者工作特征曲线(receiver operating characteristic curve,ROC)的曲线下面积(area under the curve,AUC)评估模型诊断效能,使用决策分析曲线(decision curve analysis,DCA)评价模型的临床效用,利用DeLong检验评估模型之间差异。此外,按鳞癌和腺癌两种病理分型进行分组并进行亚组分析。结果:空洞和影像组学评分是预测PD-L1表达的临床独立预测因子(空洞有优势比为3.624,影像组学优势比为2.532)。列线图的诊断表现(训练组AUC vs验证组AUC:0.861 vs 0.803)优于影像组学模型(AUC:0.847 vs 0.777)和临床模型(AUC:0.608 vs 0.570)。决策曲线表明,列线图相比与临床模型和影像组学模型具有更高的临床应用价值。亚组分析中,列线图仍然具有很好的诊断效能,且在鳞癌组中的诊断效能优于腺癌组。结论:CT影像组学列线图能够在术前有效的预测实性NSCLC组织PD-L1蛋白表达状态,能够为临床方案选择和术前决策提供帮助。
