简介：【摘要】 小学语文统编版教使用以来，练习系统作为教材的重要组成部分，在教学实践中发挥着很大的作用，可教师在使用过程中，或多或少都存在一些问题。笔者认为，重新认识练习系统，认真研读练习系统，巧用课后习题，建构主问题；利用略读提示，搭建支架；穿插《语文作业本》，展开学习过程，从而落实语文要素。

简介：摘要自学习健康系统(learning health system, LHS)作为学习患者真实体验的平台，从临床环境和其他健康相关事件中获取大数据，分析数据以产生新的知识，进而应用这些知识持续地指导临床决策和实践，在提高照护质量和降低医疗成本方面有重要价值。作者对LHS的作用模型、组织架构、基础设施框架、核心特征要素框架和研究者的核心能力框架等方面进行综述；建议我国在引进及本土化应用LHS中应整合多源异构的医疗信息平台数据、加强医疗机构和多学科团队间的协作等。

简介：摘要：在信息技术不断革新的大时代背景下，《国家中长期教育改革与发展规划纲要（2010—2020年）》中强调了信息化的现代技术对教育未来发展的革命性影响力，它指出了信息化教育在整个教育发展长河中的战略性地位。信息化的现代技术与基础学科教学之间的深度融合正步入白热化时代，课堂教学的改革，已经从简单的应用多媒体技术的渐渐转变为用现代化的信息技术改变现革新有的学习方式，不论是哪一科目的学习，都面临着革新，本文以人教版初中物理为例。

简介：

简介：

简介：摘要：近年来，随着科技的快速发展，众多新型的学习方式逐渐出现在大众视野中。从最初的传统课堂授课，视频授课，到现在的直播授课，新型学习方式在学习中占据着越来越重要的地位，同时也是未来学习授课的大势所向。当今的主流学习方式仍是以传统课堂为主，以网络学习为辅的授课方式，但是不可否认新型学习方式在学习过程中发挥着越来越重要的作用。

简介：摘要：随着经济的对外发展，英语的重要性日益提高。作为一项必不可少的技能，在大学学习中如何更好的掌握，成为学生关心的重点。英语阅读是学好英语的重要环节，因此，需要设计一个满足大学生英语阅读学习需求的系统。本系统web框架选择Springboot框架，前端框选择BootStrap框架，采用Java语言进行设计。

简介：【摘要】学生自主学习是学生独立对学科知识进行体验和建构，开发学习支持系统即是有效帮助学生经历知识习得的过程，增强学习体验，积累学习经验，从而实现学生自主探索。

简介：摘要：对使用“e课堂”线上课程过后学生成绩的分析：我公司调研人员调取了某校2019年至2020年两年四个学期的六科的平均成绩，并绘制了折线图（如下），其中带*为使用e课堂进行线上教育的成绩。从图中，不难看出，线上授课与线下授课的成绩波动平稳，e课堂的教学效果达到了预期，e课堂测试期间进行线上授课能满足高校正常授课的基本需求。

简介：摘要：针对传统情景性，交互性不强的问题，提出列车调试学习系统。论文以Unity3D为开发平台，Creo、3Dsmax为辅助工具，结合公司结构化文件，搭建列车调试工作三维场景。系统搭建过程中实现了碰撞测试、曲线路径、粒子系统、射线检测、timeline、基于UGUI的UI制作等技术，采用C#语言实现各模块间的交互，创建了一个集专业性、沉浸感、趣味性于一体的列车调试学习系统。实践结果表明，该学习系统极大的提高了学习人员的积极主动性。

简介：摘要目的尝试构建1个基于深度学习的内镜超声检查(endoscopic ultrasonography，EUS)质量控制系统，并验证其价值。方法从武汉大学人民医院消化内镜中心数据库中，回顾性收集2016年12月—2019年12月间的269个EUS检查资料，分为：(1)用于训练模型的训练数据集A，包含205个检查，其中16 305张图像用于分类训练，1 953张图像用于分割训练；(2)用于评估模型性能的测试数据集B，包含44个检查，其中1 606张图像用于分类验证，480张图像用于分割验证；(3)用于内镜医师与模型进行比较的数据集C，包含20个检查，共150张图像。EUS专家(具有10年以上的EUS操作经验)甲和乙通过讨论对训练集A和测试集B、C的所有图像进行分类和标注，其结果用作金标准。EUS专家丙和高年资EUS医师(具有5年以上的EUS操作经验)丁、戊对数据集C中的图像进行分类和标注，其结果用于与深度学习模型进行比较。主要观察指标包括分类的准确率、分割的Dice(F1指数)和一致性分析的Kappa系数。结果在测试数据集B中，模型分类的平均准确率为94.1%，胰腺分割的平均Dice为0.826，血管分割的平均Dice为0.841。在数据集C中，模型的分类准确率达到90.0%，专家丙、高年资医师丁和戊分别为89.3%、88.7%和87.3%；模型的胰腺和血管分割Dice系数分别为0.740和0.859，专家丙分别为0.708和0.778，高年资医师丁分别为0.747和0.875，高年资医师戊分别为0.774和0.789，模型与专家的水平相当。一致性分析结果显示，模型与内镜医师之间达成了较好的一致性(Kappa系数分别为：模型与专家丙间0.823、模型与高年资医师丁间0.840、模型与高年资医师戊间0.799)。结论基于深度学习的EUS分站和胰腺分割识别系统可以用于胰腺EUS的质量控制，具有与EUS专家相当的分类和分割识别水平。

简介：摘要：针对中医诊疗过程中掺杂过多主观因素的现实情况，本文提出了一种“人工智能+中医”的创新思路。将中医诊断经验进行有效提取，通过手机APP进行自主诊断。利用K-means算法进行分离舌质舌苔，通过深度学习算法进行特征提取，利用SVM分类模型确定诊断结果，可有效实现现代科技与中国传统医学的完美结合。

简介：摘要：高中数学难度大，知识体系复杂，很多学生不能对所学知识点做到融会贯通，尤其是缺乏对各个数学知识之间的熟练运用。数学是一门逻辑性和研究性极强的学科，所以需要教师在系统化教学下，让学生掌握整个高中数学的知识脉络，以此提高学生的学习能力，但是如何进行高效的系统化教学确是每位高中数学教师所要思考的问题。将高中数学中的各个章、节、点都做到系统化需要以扎实的基础知识为前提，并辅以有效的教学技巧，这无疑是每个教学工作者目前不得不面对的一个课题。

简介：摘要目的通过深度学习的方法，开发具备判断儿童牙齿是否龋坏尤其是判断未成洞龋能力的人工智能识别系统雏形。方法收集北京大学口腔医学院·口腔医院儿童口腔科2013年10月至2020年6月拍摄的符合纳入标准的全身麻醉治疗前患儿单颌口内数码照片712张，以记录完备的治疗后病历诊断结合口内像确定牙齿是否龋坏以及龋的类型，具体包括：已成洞的龋（成洞龋）、未成洞的窝沟龋、边缘嵴釉质未破坏的邻面龋（未成洞邻面龋）。由儿童口腔科医师使用VoTT软件（Windows 2.1.0，Microsoft，美国）对不同牙齿及龋坏类型进行标注。分5个标签组：未成洞窝沟龋、未成洞邻面龋、完好无龋坏的牙齿邻面、成洞龋及无龋牙（含已完好充填的牙齿）；每个标签组数据按6.4∶ 1.6∶ 2.0的比例采用随机数表的方法随机分为训练集、验证集和测试集数据。采用标注后的训练数据集进行深度学习训练，并建立龋齿人工智能识别系统，以龋坏概率大于50.0%作为患龋的判断标准输出判断结果，并对测试集数据进行识别。应用灵敏度、特异度等作为识别各类龋坏准确性的指标评价人工智能系统的判断能力。结果712张单颌口内照片经分割标注得到未成洞窝沟龋953张，未成洞邻面龋1 002张，成洞龋3 008张，无龋牙3 189张，无龋邻面862张，共计9 014张图像数据。测试集的识别结果：对成洞龋识别灵敏度和特异度分别为96.0%和97.0%；对未成洞窝沟龋灵敏度为95.8%，特异度99.0%；对未成洞邻面龋灵敏度为88.1%，特异度97.1%。结论本研究构建的儿童龋人工智能识别系统雏形，具备判断龋坏的能力，对同组样本该系统不仅能准确判断成洞龋，对未成洞的窝沟龋、边缘嵴釉质未破坏的邻面龋也能准确判断。

简介：【摘要】学习兴趣是探索新知识的动力，是开启学习效率的金钥匙。小学语文课程致力于培养学生的语言文字运用能力，提升学生的综合素养，新形势下新课程给我们教师提出了更高的要求，为了适应新课改，让学生高效地进行学习，教师需要提高学生的主动性和积极性，培养学生对于语文的兴趣。

简介：摘要：高中生在英语学习过程中，总是会遇到词汇及搭配记忆困难、语法句型记不住等问题。对此，本文以点到线的方式，从多个角度浅析联想法在英语系统学习中的有效运用和帮助。

简介：摘要：人工智能这一新兴行业的发展势头十分迅猛，深度学习算法已经被广泛应用于各大研究领域，除此之外，随着GPU加速服务的涌现与发展，深度学习算法的训练时常被极大压缩，且与其他领域的融合深度不断提升。深度学习算法将会经历三个阶段:被应用于其他领域、开展详细的算法部署、被广泛应用于WEB端，如此允许用户同时调用此算法的接口，削减算法实操过程中的繁琐性，使得用户可以利用单台GPU服务器，在同一时间内处理多层任务。就当前阶段监控的发展情况而言，对重大活动的安保工作会采取视频监控的方式，此类方式的显著特征是可以监控多个场所、分布广泛等，其最大优势在于可以在同一时间内对室外活动场所的建筑物外立面进行监测，将监控工作成功地延展至室外活动，极大程度的削减了建筑物对监控的影响，可以有效解决开窗抛物、坠物行为等威胁普通民众生命安全的行为，这已经被广泛应用于安保以及小区治安工作之中。基于上述因素，等文深刻把握了智能安防实时开窗检测报警系统的发展现状，探究建设这一智能报警系统的可行性路径，如此为未来阶段的研究工作提供新的探究思维。

简介：摘要目的建立基于人工智能技术的牙菌斑智能判读系统，分析影响其判读结果的相关因素。方法2018年10月至2019年6月用家用口腔内镜（1 280×960像素，东莞立港医疗器材有限公司）拍摄北京大学口腔医学院的25名研究生志愿者［男性12名，女性13名，年龄（23±3）岁］口内牙齿唇颊侧照片，使用菌斑染色剂（Cimedical，日本）进行菌斑染色后，用同样拍摄方法再次拍摄照片，共收集符合纳入标准的549组恒牙牙菌斑染色前后的牙齿照片。将549组图像采用随机数字表法分为440组训练数据集和109组测试数据集。设计并实现基于DeepLab的深度学习模型，采用LabelMe软件（Windows版3.2.1，MIT，美国）进行标注，对标注后的440组训练数据集进行训练，并据此建立恒牙牙菌斑智能判读系统，使用平均交并比（mean intersection over union，MIoU）作为评估该算法识别准确性的量化指标，用建立的恒牙牙菌斑智能判读系统对109组测试照片进行判读。使用Matlab软件（Windows版R2017a，MathWorks，美国）提取109组照片的牙菌斑边缘线，计算菌斑边缘线像素点个数，以此衡量牙菌斑边缘的复杂性，并计算牙菌斑面积百分比。基于多元线性回归分析牙位、牙菌斑面积百分比、牙菌斑边缘线像素点个数、镜头光源光斑是否位于菌斑区域对于恒牙牙菌斑判读准确性的影响，通过方差检验比较模型调整后的决定系数R2选择拟合效果更优的模型。结果恒牙牙菌斑智能判读系统对测试组判读的MIoU值为0.700±0.191。当牙菌斑面积百分比、牙菌斑边缘线像素点个数进入回归模型时，R2值为0.491，高于只有牙菌斑百分比进入模型时的R2，牙菌斑面积百分比、牙菌斑边缘线像素点个数对恒牙牙菌斑判读准确性有显著影响（P<0.05）。牙菌斑边缘线像素点个数的标准化系数为-0.289，菌斑面积百分比的标准化系数为-0.551。结论本研究通过家用口腔内镜采集的恒牙牙面图像构建了恒牙牙菌斑智能判读系统，该系统可以较准确地判断牙菌斑的附着情况；牙菌斑边缘线越复杂，牙菌斑面积百分比越高，菌斑识别的准确性越低。

简介：摘要目的探讨深度学习胸部CT辅助诊断系统在急诊创伤患者中的诊断效能及潜在应用价值。方法回顾性连续纳入东部战区总医院2019年9至11月因创伤急诊就诊并且行胸部CT检查的403例患者，男254例，女149例，年龄16~100（50±19）岁。采用Dr.Wise Lung Analyzer的胸部CT辅助诊断系统检测5种损伤，包括气胸、胸腔积液/血、肺挫伤（表现为实变影和磨玻璃影）、肋骨骨折、其他骨折（包括胸椎、胸骨、肩胛骨、锁骨等）及6种其他异常（肺大疱、肺气肿、肺结节、条索影、网格影、胸膜增厚）。由两名影像科医师独立进行标注确定诊断参考标准，计算辅助诊断系统的灵敏度及特异度。另将影像报告诊断结果与辅助诊断系统结果相比较，并采用Kappa检验计算两者的诊断一致性。结果403例患者中参考标准诊断有气胸 29例，胸腔积液/血75例，肺挫伤131例，肋骨骨折124例，其他骨折63例。辅助诊断系统检测气胸、胸腔积液/血、肋骨骨折、其他骨折的灵敏度和特异度分别为96.6%和97.6%、80.0%和99.7%、99.2%和83.9%、84.1%和99.7%，检测肺挫伤的灵敏度为97.7%。辅助诊断系统与影像诊断对于损伤的诊断一致性高，对于气胸、胸腔积液、肋骨骨折、其他骨折的Kappa值分别为0.783、0.821、0.706、0.813（均P<0.001）。影像诊断漏诊气胸2例、胸腔积液/血3例、肋骨骨折9例及其他骨折6例，均被辅助诊断系统检出。辅助诊断系统对于肺气肿、肺结节、条索影的检测灵敏度较高（均>85%），对于肺大疱、网格影及胸膜增厚的检测灵敏度稍低。结论深度学习胸部CT辅助诊断系统能有效辅助检测急诊创伤患者胸部CT中的损伤，有望优化急诊创伤患者的诊疗流程。

简介：摘要：环境工程微生物学课程属于高校教育领域中环境工程专业基础性、核心性的课程，也是将微生物学和环境工程之间相互交叉的学科，以培养学生解决环境问题的微生物专业知识与专业技术为核心，可以为社会培养更为能够全面应对环境问题的优秀人才。但是目前部分环境工程微生物学课程的教学工作中经常会出现学生学习习惯不良、缺乏交互性的问题，严重影响课程教育工作质量。基于此，本文研究交互式学习，提出几点环境工程微生物学课程的交互式学习系统构建建议，旨在为培养学生的交互性学习能力、专业素养提供保障。