序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇醫學技術分類范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

基于數據挖掘的醫學圖像分類方法研究是多媒體數據挖掘的一個重要組成部分。在分析和總結了現有各種特征提取方法的基礎上，提出了基于競爭聚類和關聯規則的醫學圖像分類算法和基于關聯規則的醫學圖像分類器框架。該算法先用競爭聚集算法實現醫學圖像的聚類，利用聚類的結果提取局部特征，基于局部特征用關聯規則實現醫學圖像的分類。實驗結果表明，用此方法較好地提高了醫學圖像分類的準確率，進而為數字化臨床診斷提供了有利的證據。

【關鍵詞】 數據挖掘 圖像分類 醫學圖像 數字化診斷

Abstract：The multi-media data mining is the key part of the whole researches about the method of medical images classification. Under the base of the analysis and conclusion about the methods of deriving the various characteristics previously provided by other researchers， this framework of the medical images classification with the association rules and clustering was provided. At first， the clustering algorithm was used for the characteristic in local areas ，and then the medical image classification was realized by the association rules. The results of the experiment showed that the accurate rate could be improved by this method， and better testimony could be provided for digital diagnosis.

Key words：Data mining； Images classification； Medical images； Digital diagnosis

數據挖掘立于數據庫系統和數據庫應用學科最活躍的前沿。數據挖掘就是從大量的、不完全的、有噪聲的數據中，提取新穎的、有效的和潛在有用的信息，發現隱含在其中的模式、特征、規律和知識。其所處理的數據類型很豐富，其應用領域也非常廣泛，但針對特定領域（如醫學）的復雜數據類型的數據挖掘新方法還有待研究。

醫學圖像的數據挖掘旨在從海量的圖像數據中挖掘出有效的模型、關聯、規則、變化、不規則以及普遍的規律，以加速醫生決策診斷的過程和提高其決策診斷的準確度。隨著醫療數字化設備的快速發展，醫學信息數據庫中不僅包括病人的結構化的信息，還包括病人大量非結構化的醫學圖像信息，為醫學圖像的數據挖掘提供了豐富的數據源。

近年來，隨著計算機相關技術及圖形圖像技術的廣泛應用，使醫學領域尤其是臨床診斷發生了重大的變化，開創了數字診斷新時代。借助于圖形、圖像技術的有力手段，醫學影像的質量和顯示方式得到了極大的改善，從而借助于圖像處理與分析技術使得診療水平大大提高。

本研究將醫學圖像的處理技術與數據挖掘技術有機結合，研究醫學圖像數據的特征提取和醫學圖像數據的分類方法。醫學圖像分類效果的好壞在很大程度上取決于提取的特征。目前國內外有大量的學者正在進行這方面的研究：Maria - Luiza， Osm［1］提出的關聯規則分類器和李丙春等［2］的徑向基函數網絡分類器都采用了均值、方差、傾斜度和峰度4個特征；韓培友設計的是基于模糊粗糙集、數學形態學和分形特征分類器等［3］。分析這些研究結果可以發現，醫學圖像數據挖掘的研究是一項復雜的、具有挑戰性的和多學科交叉的工作，開展基于醫學圖像的數據挖掘技術的研究具有重要的理論意義和實用價值。

1 腦部腫瘤圖像預處理和特征提取

1.1 圖像預處理由于實際數據常常存在不完整性、噪聲和不一致性，預處理就變得很重要。有兩種數據預處理技術用于圖像數據的數據挖掘，即數據清洗和數據變換［3，4］。數據清洗用于清除影響數據挖掘的噪聲和孤立點。我們使用的圖像包含大量有噪聲的背景，有的圖像看起來太暗，有的太亮。在預處理階段，已有的方法都是進行圖像的二值化，忽略了圖像的最基本元素-像素本身的灰度所具有的意義，而且也沒有很好地利用領域知識對圖像進行預處理。本研究采用的圖像預處理的步驟如下：

1.1.1 利用去噪技術對圖像進行處理經過去噪聲處理后，可去掉圖像中的大多數背景信息和噪聲。

1.1.2 圖像增強在圖像生成、傳輸和變換過程中，由于多種因素的影響，總會造成圖像質量的下降。圖像增強的目的是采用一系列技術改造圖像的效果或將圖像轉換成更適合處理的形式。圖像的增強處理有兩種方法：空域法和頻域法。直方圖均衡化是在空域中進行的灰度增強算法。一幅對比度較小的圖像，其所有灰度級出現的相對頻數相同，此時圖像的熵最大，圖像所包含的信息量最大。本研究采用廣泛使用的直方圖均衡化技術來實現圖像的增強。同時，在此前應該完成去噪聲處理，否則噪聲也會同時得到增強。

1.2 特征提取原始的腦部醫學圖像的噪聲處理和增強處理后，就可以從這些清晰的圖像中抽取與分類相關的圖像特征。被抽取的特征組織在一個事物數據庫中作為分類系統挖掘的輸入。數據庫的數據項主要包括：圖像編碼、圖像類型、患者年齡、組織類型、病灶位置等原始病案數據以及從圖像中提取出來的多個圖像特征。如圖像的鈣化點，圖像的紋理特征：角二階矩、對比度、方差、逆階矩、和平均、熵、以及和方差等。在這樣的數據集上應用后面討論的關聯規則算法實施數據挖掘操作，從而將腦部腫瘤分類為良性和惡性。

2 利用競爭聚集算法進行數據離散化

為了使用關聯規則進行數據挖掘，數量型屬性必須離散化。劃分區間時，對于某些屬性，若醫生已經有約定的分割點，我們可以直接采用。但是，對提取出的圖像特征屬性，沒有經驗閾值。Agrawal等［4］提出的基于支持度的部分K度完全離散化的方法，擴展了布爾型屬性的關聯規則算法，并將其應用于數量型屬性關聯規則的提取。但是這種方法對于一些高偏度的數據存在一些問題，它傾向于將那些盡管具有典型相似性能的相鄰數據因具有高支持率而被擱開。而競爭聚集算法［5］綜合了分層聚類和劃分聚類的優點，它能夠有效地體現數據的實際分布情況并得到優化的聚類個數。我們利用競爭聚集算法將數量型屬性離散化成若干個優化的區間。對于給定的不同的初始類個數，競爭聚集能隨著迭代過程的進展不斷改變類的數目，一些競爭力差的類，即類的基數小于給定閾值的類將在迭代過程中不斷消失，并最終得到優化的聚類個數。最后，根據模糊集合中的最大隸屬原則，將數據集中的元素聚成N個類，并取出類中最小值和最大值分別作為區間的左右端點，這樣數據型屬性就被離散化成N個優化區間。

3 基于關聯規則的醫學圖像分類器的構造

3.1 關聯規則定義如下：

設I=｛i1，i2，……im｝是項的集合。記 D為數據庫事務T的集合，并且TI。對應每一個事務有唯一的標識，記做TID。設X是一個I中項的集合，如果XT，那么稱事務T包含X。

一個關聯規則是形如XY的蘊涵式，這里XI，YI ，并且X∩Y＝。規則XY在事務數據庫D中的支持度（Support）是事務集中包含X和Y的事務數與所有事務數之比，記為Support(XY)，即：

Support（XY） =｜｛T；X∪YT，T∈D｝/｜D｜

規則XY事務集中的可信度（Confidence）是指包含X和Y的事務數與包含X的事務數之比，記為confidence(XY)，即

confidence(XY)=｜｛T：X∪YT，T∈D｝｜/｜XT，T∈D｜

3.2 利用關聯規則對腦部腫瘤圖像數據進行分類本研究用關聯規則挖掘將數字化的腦部腫瘤圖像分為正常和異常兩類。

利用關聯規則挖掘時，首先發現頻繁項目集（即支持度不低于最小支持度的項目集），然后從頻繁項目集中提取關聯規則。本研究用Apriori算法［6］來發現從腦部腫瘤圖像提取出的特征和腫瘤圖像所屬類別的關聯規則。我們約束挖掘出的關聯規則，使規則的前提為腦部腫瘤圖像提取出的特征，規則的結論為圖像所屬類別。

用關聯規則分類的過程分兩個階段：第1階段為訓練階段，用已知類型的圖像訓練分類系統，輸入數據為經過預處理、特征提取和數據離散化后得到的事務數據庫，然后應用改進的Apriori算法來挖掘滿足以上約束條件的關聯規則；第2階段為測試階段，該階段對未知類型的圖像利用發現的關聯規則進行分類。

3.3 圖像分類器的構造圖像分類器的設計框架見圖1。

4 結果與結論

我們從185個腦部腫瘤典型病例數據中經圖像預處理及特征提取了27個屬性特征數據，這些抽取的特征數據被組織在一個數據庫中，經過數量型屬性離散化等數據預處理，將數量型屬性關聯規則問題映射成布爾型關聯規則問題，X到一個布爾屬性的數據庫，作為分類系統挖掘的輸入，此時通過Aprior算法進行關聯規則的數據挖掘。最后分別計算訓練樣本和測試樣本分類的準確率。結果表明對腦部腫瘤典型病例數據分類準確率達到86%，測試準確率達到82%。

本研究在介紹了圖像預處理及特征提取和數量型屬性離散化的基礎上，提出了一個基于關聯規則的醫學圖像分類器。可以看出，該挖掘方法中，數據預處理工作十分重要，會直接影響到分類的準確性。從實驗結果看，本文提出的醫學圖像分類器精確度較高，在數字化臨床診斷方面具有很好的實用價值。

參考文獻

［1］Maria一Luiza Antonie， Osmar R Zaiane. Associative Classifiers for Medical image［J］.Mining Multimedia and Canplex Data，2003，27：9768.

［2］李丙春，耿國華，周明全，等.一個醫學圖像分類器的設計［J］.計算機工程與應用，2004，40（17）：230.

［3］韓培友，郝重陽，張先勇，等.基于模糊粗糙集、數學形態學和分形理論的醫學圖像分類研究［J］.計算機應用研究，2004，21(2):241.

［4］Srikant R， Agrawal R. Mining Quantitative Association Rules in Large Relational Tables［J］.ACM SIGMOD Issues， 1996， 25(2):1.

［5］Frigui H， Krishnapuram R. Clustering by competitive agglomeration［J］. Pattern Recognition， 1997， 30(7):1109.

篇(2)

關鍵詞：多視圖；醫學影像；動態學習

1 醫學影像學習平臺的發展

醫學影像是一門重實踐的學科，在學習方法上除了相關的理論學習外，還要是與將臨床實踐緊密結合，才能達到學習效果。傳統學習主要是利用課堂PPT演示、實踐課堂自主瀏覽、查閱紙質的檢查報告、瀏覽書籍報刊上圖片等方法，已不能滿足越來越復雜的疾病需求。隨著醫學現代化技術及網絡技術的快速發展，網絡教學已成為醫學影像學習過程中不可缺少的輔助手段，能夠推動醫學影像的教學效果。現行的網絡化教學平臺仍處于探索的初級階段，部分在用的平臺達不到預計效果，不能實現在線學習的人性化、現代化，達不到教與學的多重需求，在臨床實踐中發揮不了其先進的功能，實現醫學影像人才培養模式的轉變[1]。

2 醫學影像教學平臺的構建

醫學影像教學平臺是利用數字化教育教學技術、現代化網絡技術，滿足數字化醫學影像學教育教學的需求，所研發的支持多類別多媒體的醫學影像在線學習交流平臺，平臺同時應適用于醫學影像學科的學生、教師及臨床實踐的醫學影像工作者。其中主要模塊包括：學習模塊、交流模塊、網上會診模塊及平臺參數設置等功能（見圖1）。

學習平臺主要適用于醫學院校及專科醫院，由于存在著設備及人員的限制，因此在研發過程中要最大化的利用現有的硬件及軟件，主要工作機制是將平臺數據及影像資料存儲在服務器中，用戶通過internet登陸學習平臺進行學習、會診、交流及教學，同時平臺應具備影像上傳、影像管理、影像檢索與瀏覽等功能，能滿足不同用戶的不同需求，實現學生自主學習及遠程在線學習，充分調動學習的積極性與主動性，實現影像工作者查閱資料、提交疑難病癥資料、交流、會診等功能。

3 醫學影像教學平臺特點

3.1多重角色管理 醫學影像教學平臺將醫學院、醫院、校園網結合成一個有機整體，平臺涉及到的角色較多，主要包括教師、學生、專家、臨床醫師等個體，不同的用戶應具有不同的功能。

教師為"臨床-教學-科研"一體化工作模式，豐富的交互手段，擺脫以往"PPT+教科書"式的單向教學，輔助教師進行課后作業批改，參與到網上會診等[2]。

學生則擁有多樣化的學習手段，可以對影像有更加豐富的處理，從課前預習，課時學習到課后練習一體的學習和工作平臺，從學生階段開始積累個人的典型病例與影像，從醫院實際工作環境一致的實戰教學環境。

教學管理人員"臨床-教學-科研"各個環節完全無縫對接，自動完成常用教學報表統計，包括考勤，作業完成情況等信息的統計，為教學管理提供大量有益的統計信息，協助改善教學管理流程。

3.2多視圖模式學習環境 傳統的學習平臺使用既定的學習模式，依靠對應的鏈接打開學習內容。動態學習平臺采用多視圖模式學習模式，主要包括模擬人模式、疾病分類模式、個性學習內容模式。不同的學習模式主要是滿足用戶的學習不同需要及學習的特點進行設置，該模式功能如同word文檔的提供的普通、大綱、頁面等視圖功能，不同的視圖只是為了適應不同的用戶的學習習慣及學習目的。在對應的學習視圖下提供獨特的操作模式，有利于該模式下得學員盡快進入學習狀態，獲取更多的學習資料，以便提高學習效率。

3.3實現模擬人導航技術 學習平臺提供一種特殊的學習模式-模擬人導航學習模式，此模式主要是以模擬人為導航圖，用戶點擊模擬人不同的身體部位，則進入對應的內容學習，如點擊模擬人的心臟部位，則顯示心臟聽診音頻、心電圖、心臟彩超視頻資料列表，學員只要單擊特定的疾病，則顯示該疾病的相關影像資料及疾病分析。在功能實現過程中主要應用Ajax、flash、圖像熱區等技術進行設計研發。

3.4實現疾病類型分類管理 學習平臺依據常見疾病情況，依據人體的系統分類，將疾病進行細化分類，常見的疾病系統分類包括：循環系統疾病、呼吸系統疾病、泌尿系統疾病、血液系統疾病、神經系統疾病、內分泌系統疾病、消化系統疾病等。分類時將特殊情況中的病例了單獨列出，凸顯影像特定專業的先進技術。同時系統支持疾病分類的自主管理，可對疾病類型進行增加及刪減。

3.5實現圖像動態調整功能 影像圖像簡便、清晰，同時提供動態調整功能，充分顯示影像學的特點和細節，平臺將抽象的知識簡單化、具體化，能夠激發了學生的學習興趣，同時打破時間和空間的限制，減輕了教師的負擔，提高了教學效率，提高疾病綜合診斷與分析能力，有利于臨床綜合思維的培養。

3.6個人收藏功能 由于學科、專業的不同，學員對不同的疾病有著自己的比重，因此平臺將疾病的學習內容進行個性化設置，不再是通用型的學習。學員通過學習平臺可將自己學科、專業的相關疾病設置為收藏，則學員通過個性平臺即可進行收藏后對重點疾病相的關學習。個性學習平臺不再是通用型的學習平臺，適用于特定學科、專業的精細化學習[3]。

3.7網上會診及交流 隨著醫學的發展，疾病分類越來越細，復雜度越來越大，檢查手段越來越多，疾病的判斷不再僅僅依靠單一的檢查結果進行判斷，判斷難度也越來越大。復雜的疾病往往需要會診進行確診，會診需要多個專家進行研討。學員在臨床中經常遇到需要會診的疑難雜癥，學員通過會診平臺上傳檢查結果-彩超圖像、X圖像等，平臺專家登陸系統后可對會診疾病進行多次研討，同時學員也可參加到會診工作中來。網上會診將特聘專家通過網絡聯系到一起，為專家提供了一個交流的平臺，解決了臨床中出現的疑難雜癥的判定難題，同時也為專家的研究提供了多種途徑。

3.8多種多媒體數據兼容 平臺應兼容當前主流的影像資料，其中包括X 線、超聲、SPECT 、PET、CT、DSA、MRI、數字胃腸、乳腺鉬靶、核醫學等方面影像資料。

4 結論

醫學影像的學習主要依靠實踐與理論，在網絡的基礎上的醫學影像在線學習要突破傳統教與學的束縛，延伸到傳統教學無法到達的新區域，讓學習平臺真正的體現人性化、網絡化、高效化及實用化，達到推進人才培養、提升教學與科研綜合水平的目的，地促進影像學教學改革的深入發展，加速醫學影像教育的現代化進程。

參考文獻：

[1]徐春環，周志尊，趙承業.淺論基于PACS的網絡教育模式[J].數理醫藥學雜志，2007，20（6）：903.

篇(3)

關鍵詞：醫學院校 教師 分類管理

中圖分類號：F240；G645 文獻標識碼：A

文章編號：1004-4914（2016）10-222-02

教師管理模式的改革是高校人事制度改革中的重點和難點，教師作為高校的主體，承擔著培養人才、科學研究以及為社會服務等多重任務。作為個體，教師也存在職業生涯選擇以及時間資源配置方面的自身訴求。高校教師人力資源的合理利用與科學配置事關高校的全面發展和人才的培養質量。隨著時代的發展，高校對教師一攬子管理的模式已逐漸成為高校發展的桎，對高校教師實施分類管理有望打破這一局面。近年來，已有部分知名高校如清華大學、浙江大學、山東大學、武漢大學等開始實施教師分類管理， 在取得一定成績的同時也存在很多的不足。西部醫學院校作為西部地區培養醫學棟梁的高校，也面臨著單一的教師職稱管理制度帶來的弊端，逐漸意識到實施教師分類管理的重要性。由于西部醫學院校尚處于教師分類管理的起步階段，因此充分考慮實施教師分類管理中的關鍵問題，將有助于西部醫學院校建立科學有效的教師分類管理模式。

一、西部醫學院校教師分類管理實施現狀

西部醫學院校目前大多只是根據現行的崗位設置指導性文件對院校內部崗位分類和分級進行了框架規定，并未進行細化。根據工作性質和崗位職責，人員崗位類別劃分為“管理崗位”、“專業技術崗位”和“工勤技能崗位”，教師整體被劃為“專業技術崗位”類別。專業技術崗位分為13個等級。專業技術一、二、三、四級為正高級崗位，專業技術五、六、七級為副高級崗位，專業技術八、九、十級為中級崗位，專業技術十一、十二、十三級為初級崗位。在職稱評聘上，院校具有副高及以下職稱評審權，三級及以下人員的聘任權；正高人員的職稱評審及二級崗位的聘任由人力資源與社會保障廳統一掌控，一級崗位聘任由國家統一部署。院校大多采取評聘分離的形式，分別在教師職稱評審和崗位聘任上設置不同的條件，由于崗位聘任時指數的限制，取得相應專業技術資格的人員并不一定能聘任到相應的級別。高職低聘現象在西部醫學院校也是屢見不鮮，教師普遍深感壓力大，一味追隨職稱評聘、學術不端及造假現象日益嚴重。為了緩解這種評聘壓力，部分院校設想在職稱評審時設立更高的門檻，以期望從入口裁員來緩解聘任危機，這更使得教師怨聲載道。在此現狀下，對教師隊伍建設精細化的規劃和指導迫在眉睫，教師分類管理或許是打破這一僵局的必然選擇。

二、西部醫學院校實施教師分類管理應考慮的問題

1.教師分類管理的時間點的設置。醫學院校教師分類管理一般將教師分為教學型、教學科研型和科研型三類，其中教學型教師崗位職責偏重于教育和教學，教學科研型教師崗位職責側重于教學和科研綜合能力的體現，科研型教師崗位職責主要是進行科學研究。但在教師生涯的何時間對教師進行分類管理是值得慎重考慮的問題，有些院校選擇在教師入職的那一刻就將其進行分類管理，有些在教師取得講師職稱、副高級職稱、甚至高級職稱時開始對其進行分類管理。這兩種選擇各有利弊，前者一開始就為教師的職業生涯規劃了明確了方向，使其一進校就有了為之努力的方向，但并不是所有教師一開始的選擇就是自己合適的定位；后者可以使教師在一段時間里通過實踐明確自己的合適定位，但其中的實踐檢驗需要耗費時間和精力。但無論如何，時間點的設置問題是進行教師分類管理應該重點考慮的問題之一。

2.教師分類與崗位的關系。醫學院校一般設有管理部門、教學部門、教學教輔部門及重點實驗室等科研部門，專職教師主要分布在教學部門，兼職教師主要分布在管理部門、教學教輔部門、重點實驗室等科研部門。重點實驗室等科研部門專業技術人員雖然以科研為主，但同時也承擔著一定的教學任務，其身份定位又有別于一般兼職教師。因此在對教師分類管理過程中，不同崗位教師的不同情況，也應該充分考慮。

3.配套的培養機制的建立。對教師進行分類管理，不只是簡單地對老師進行分類后任其發展，院校的引導、團隊的建立，配套的培養機制的建立亦非常重要。一個學科，一個學院、一個系部教研室、一個實驗室，如何建立一個教學型團隊、教學科研型團隊、科研型團隊，營造良好的人才培養氛圍，使不同類別的教師找到歸屬感，這也是在進行教師分類管理中不容忽視的問題。

4.職稱評聘條件的設置。職稱評聘事關教師切身利益，對教師進行分類管理，并不意味著競爭的結束，評聘壓力的釋放，而是給教師提供充分發揮其優勢的空間，使其術業有專攻，促進其成績、成果的取得。因此，對于不同類別教師不同級別的評聘條件的設置也至關重要。適宜的評聘條件能形成良性競爭，促進教師的成長；不適宜的評聘條件會削弱教師分類管理的優勢，增長教師不滿情緒，阻礙教師的成長。因此，在教師分類管理中評聘條件的設置應慎重考慮。

5.考評機制的建立與績效分配的權衡。對教師進行分類管理后，不同類別的教師崗位職責側重點不同，其取得的成績、成果方向也有差異，如何衡量不同類別教師的成績、成果的對等度，使不同類別教師績效分配達到相對公平也將是一個棘手問題。因此考評指標的建立與績效分配息息相關，不能將兩者割裂。

6.教師崗位退出機制的建立。在任何時候、任何年代，優勝劣汰永遠存在。對教師進行分類管理，意在形成良性競爭氛圍，激勵先進，鞭策后進。當前高校教師分類管理存在的一個急需解決的主要問題是分類管理后續保障體制，因此如何建立能上能下動態管理的退出機制也是應著重考慮的問題。

三、對西部醫學院校教師實施教師分類管理的建議

1.合理設置分類管理時間點。實施教師分類也應堅持以人為本的理念，筆者認為在分類管理的時間設置上應留有空間和余地。西部醫學院校教師學歷基本均為碩士研究生以上學歷，對于博士畢業的教師，由于在其學歷教育過程中接觸教學和科研工作相對較多，對其自身已有大致定位，可以在其入職時就使其確定教師類別、主攻方向；而碩士畢業的教師，相對來講，對教學和科研工作涉世未深，尚對自身沒有明確定位，可以不急于分型，待其經過一定的實踐檢驗后（取得講師職稱后）再進行分類。分類管理范式如圖1所示。

2.按崗位進行教師分類。西部醫學院校教師一般有專職教師、一般兼職教師和“雙肩挑教師”，其分布崗位、身份也略有不同。專職教師大多為教學部門的教學人員，一般兼職教師包含學生輔導員、行政教輔兼職教學人員，實驗室兼職教學人員，“雙肩挑教師”大多為具有高級教師職稱的領導干部。因此，在進行教師分類管理時，不可一攬子分類，如圖2所示。對于教學部門的專職教師，應傾向于教學型或教學研究型；學生輔導員以思政教學為主應傾向于教學型，行政教輔兼職教學人員科研時間有限也應傾向于教學型，實驗室兼職教學人員應傾向于教學研究型或科研型，“雙肩挑教師”一般資歷深厚且具有一定的科研能力，應傾向于教學型或教學研究型。

3.注重教師能力的提升。建立“以人為本”與“人盡其才”的教師分類管理模式，應注重教師能力的提升，為教師營造良好的提升氛圍，在加強學校內培訓和校外培訓的同時，應根據教師個體自身的自主選擇，安排富有工作經驗、學術與教學水平兼具的優秀導師進行引導，即實施“青年教師導師制”，根據其專業發展方向，配備相應的導師，進入相應的學術團隊，在導師和團隊力量的幫助和指引下，盡快明確職業目標，確定教師類型。

4.探索“以類評聘職稱”的評聘機制。在教師的職稱評聘機制中，應針對不同類別的教師建立不同的職稱評聘制度。針對教學型教師，根據其崗位職責，主要從其教育教學能力、教育教學水平、教育教學效果和教育教學改革等方面設立評聘指標。針對研究型教師，應主要從其科研課題、科研成果與產出等科研水平方面設立評聘指標。針對教學研究型教師，應從其教學與科研的綜合能力水平方面設立評聘指標。在指數受限的情況下，可適當設立學院聘任指標和學校聘任指標，同時需兼顧外部公平和內部公平。具體評聘指標如表1。

5.建立“以崗定薪”、“以評定績”、“以績定酬”相結合的教師分類管理績效分配模式。建立“以崗定薪”、“以評定績”、“以績定酬”教師分類管理績效分配模式，應首先明確教學型教師、教學科研型教師與教學研究型教師同等重要，只是各類型教師術業專攻方向不同，不能有重科研、輕教學的觀念。在考評和績效標準的設置上，應考慮不同崗位教師對應的崗位職責，使同一級別的不同類型教師可通過達到不同的考評指標獲得對等的績效薪酬。

6.建立健全教師退出機制。實施教師分類管理并不意味著每位教師都能在教師崗上找到合適定位，在教師分類選擇過程中，可能出現這樣或那樣的問題，如一次選型不合適，選型合適而能力不足，不能勝任任何類型等。因此，應針對教師分類管理中出現的不同問題采取不同的措施。針對一次選型不合適的問題，可以設立在其取得高一級職稱時重新確定；針對選型合適能力不足的問題，應設立能上能下、靈活動態的聘任機制，以此鞭策后進；針對經實踐檢驗不能勝任任何類型的教師，應建立教師流動退出機制，安排其到合適的非教師崗位工作，盡量避免人才浪費。

四、結語

實施教師分類管理是國家人才發展與教育體制改革的的需要，更是現階段學校實際發展的需要。在當下，西部醫學院校要實現教師人力資源的合理利用與科學配置，實施教師分類管理是其必然選擇。因此在實施教師分類的起步階段，更應該充分考慮教師分類管理過程中的重點問題，以問題為導向設立教師分類管理方案，建立切實可行、科學有效的教師分類管理模式，真正促進教師多元化與個性化發展，實現學校事業發展與教師個人事業發展的雙贏。

參考文獻：

[1] 管春英.崗位聘任背景下高校教師分類管理的范式[J].教育管理，2015（20）：35-37

[2] 姜欽揚，王敬濤.高等學校教師分類管理方法探析[J].沈陽大學學報（社會科學版），2014（6）：773-775

[3] 梁文文.高校教師崗位分類管理問題研究[D].重慶：西南大學，2012：11-34

[4] 翟娜，黃燕，梅賀睿.高校教師分類管理中遇到的問題及思考[J].中國高校師資研究，2012（1）：32-35

[5] 盧昌寧，趙雪梅，蔡強等.高校教師崗位設置和分類管理的實踐和思考[J].中國高校師資研究，2011（6）：1-8

（作者單位：寧夏醫科大學 寧夏銀川 750004）

篇(4)

關鍵詞：云計算 醫學信息 集成

Doi：10.3969/j.issn.1671-8801.2014.03.564

【中圖分類號】R-1 【文獻標識碼】B 【文章編號】1671-8801（2014）03-0364-01

隨著當前計算機技術的不斷發展，醫學數據也在發生著增長，而由于醫學信息的特殊性需要對其進行有效的管理，而且當前的管理方案需要進行革新，將信息集成技術以及新集成相關領域技術進行學習和研究，出現了很多的信息集成技術[1]。而采用計算機云技術將醫學信息進行集成管理，為當前的醫學信息集成方法提供了新的信息管理思路。因為計算機云技術是一種虛擬的模擬技術，將數據存儲到一個客戶端，然后客戶需要使用其里面的數據時，則要對其數據進行調取，通過云計算客戶端提供的信息獲得相應的數據服務。

1 信息集成

1.1 信息集成概念。隨著科學技術的發展，信息的集成從以前的紙質文檔逐漸變為當前的電子文檔，因為電子文檔在管理上較為簡捷，而且不易損壞、攜帶方便。醫院的信息管理則以信息管理系統為基礎實現對醫學信息管理，但是每個醫院的信息資源有限，而且未能與外界的新技術進行及時接軌，這樣就對醫學信息的傳播起到的抑制作用。但是隨著云計算的興起，采用云計算實現對醫學信息的集成，這樣不僅能夠實現對醫學信息的共享，而且還能較為有效的實現對醫學信息的傳播。用戶可以通過云計算查詢數據庫中的醫學信息，從而實現了醫學信息集成的高效性，同時目前的計算機網絡技術的發展，使得采用web服務就可以調取云計算端的醫學信息數據，這樣以數據查詢以及網絡通信實現對數據的調取，從而獲得云計算端存在的醫學服務信息[2]。

1.2 醫學信息集成。醫學信息的集成需要特殊的標準進行約束，同時其標準還有確定醫學數據的傳輸協議，將醫學信息以固有的格式和順序在醫院的管理系統中進行傳遞。通過云計算的集成，可以有效的規范醫療服務，還能夠將醫學信息實現相互交流。現在主要的醫學信息集成是醫院信息系統以及放射科的信息系統進行集成，然后依據網絡協議實現醫療診斷和信息的綜合分析。將主要的信息進行數據傳輸、采集、交流和存儲，從而滿足不同用戶的使用，采用因計算對醫學信息集成，將醫學信息進行加密處理、采用數據庫技術、影像傳遞技術以及數字處理技術等實現信息集成。

2 云計算

2.1 云計算概念。云計算的初步提出是Google總裁在描述Google Docs的實現模式上所運用到的詞匯，從此云計算成為了計算機領域的重要研究對象。曾經有人定義云計算為大規模的分布式計算模式，將計算能力、存儲能力、服務平臺以及具體服務進行抽象化。云計算的規模很大，而且還能夠進行擴展，它與用戶之間的交互關系是按需交互，即按照用戶的需求，然后在云計算端尋找相應的數據服務，將服務數據傳遞給用戶，從而實現云計算服務。云計算中包含了重要的資源，其主要包含了存儲設備、服務器、網絡、應用程序以及服務，這些都最優化管理以及最少提供商干預下實現快速提交和注冊。云計算技術需要各種技術的支持，其中主要的支持技術為虛擬技術、并行和效用計算、分布式計算、網絡技術、負載均衡技術以及網絡存儲技術等，由于這些技術的支持確立了云計算的高可靠性、超大規模、抽象化、高擴展性以及按需服務性的特點[3]。

2.2 云計算類別。針對云計算的分類主要可以按照服務模式、部署方式進行分類。按照部署方式進行分類主要可以分為公有云、私有云以及混合云。目前比較典型的公有云有無錫計算機云中心以及Google App Engine，Amazon EC2，IBM Developer Cloud，這些公有云所提供的資源可以應用到平臺、程序以及基礎設施中。私有云則是在團體或者企業內部所擁有的計算機服務模式，不會對公眾開放，僅僅對特有部分人群進行開放，私有云在降低IT結構的復雜程度上具有很高的服務管理能力，使得私有云中數據庫的資源可以有更多的變化，確保有效信息的安全性。混合云則是以特有的標準將私有云與公有云進行組合，每種云要保持相對獨立，混合云可以有私有云上的安全保障，同時還能有公有云上的資源成本低的特點，但是在內部資源不足時需要在公有云上進行資源擴展，那么則需要相對更加安全的網絡環境，從而達到按照用戶需求提供相應的服務[4]。

3 小結

隨著計算機云技術的發展，促使當前的醫學信息的采集也逐漸走向云技術，并且以web服務技術來將不同的醫學服務進行封裝，封裝過程中按照不同的邏輯實現對其有效封裝，同時將多個服務進行組合應用，將基本的醫療服務通過不同的醫學描述來進行信息傳遞。將整個服務解析為云計算集群之上，采用系統文件分布式傳遞，并且以分布式計算框架來對醫學信息進行整合，實現整個醫學采集信息的可靠性。云計算上的任務調度，主要是通過Hadoop集成群實現，將調度的策略應用到整個云計算系統的線性運行之中，將異構的云計算集群以節點性能的不同來對其進行合理的配置，以此來滿足不同需求上的程序運行效率。采用云計算技術可以有效的擴大醫學信息的集成，目前對于醫學服務的封裝還存在著很多格式上的難點，需要進行不斷創新處理，解決相應存在的問題，目前采用云計算來實現醫學信息的集成，可以有效的提高數據處理效率，同時還可以有效的節約成本。

參考文獻

[1] 黃慶藏.基于云計算的醫學信息集成方法研究[D].浙江工業大學，2012

[2] 葉蕾，黃慶藏，于明遠，俞棟輝.基于云計算環境的醫學信息集成[J].電信科學，2011，12：12-16

篇(5)

作者簡介：甘師秀（1956—），女，河南信陽人，學士，高等教育出版社研究員，研究方向為編輯專業與出版物質量管理。通信方式：.cn。

摘要：為更好地遵循使用全國科學技術名詞審定委員會審定公布的醫學名詞，文章就所發現的醫學類漢語推薦使用規范名詞學科間定名不同、規范名詞與同義詞相互又稱、熱點名詞與語言類工具書的差異等方面的問題進行了探討。

關鍵詞：科技名詞，醫學，規范

中圖分類號：N04；R3；R4文獻標識碼：A文章編號：1673-8578（2013）05-0050-04

隨著科學技術的飛速發展，目前醫學的范疇已經擴容至基礎醫學、臨床醫學、口腔醫學、公共衛生與預防醫學、中醫學、中西醫結合、藥學、中藥學、特種醫學、醫學技術、護理學共11個一級學科，醫學名詞的應用與生物學、動物學等鄰近學科日益交叉滲透。在使用全國科學技術名詞審定委員會審定公布的《醫學名詞》過程中，發現有同一名詞在不同學科間定名不同、規范名詞與同義詞相互又稱、熱點名詞與語言類權威工具書有差異等問題。這些問題常常出現在同一本書內，給出版物的編輯加工和質量評判帶來困惑，有必要對此做進一步規范。

一同一術語定名不同

基礎醫學名詞是醫學名詞的基本構成。基礎醫學學科規范名詞工作開展較早，公布審定名詞量較大，但基礎醫學與臨床醫學之間，甚至基礎學科與臨床學科之間同一名詞定名不一致的現象比較突出。這種現象也見于中西醫學科之間。試歸納舉例如下：

1基礎醫學與臨床醫學

從實際情況來看，大多數基礎醫學規范名詞定義嚴謹、應用廣泛、使用頻率高，統一使用于其他學科是最便捷的方式。如統一采用“耳郭”“嗜堿性粒細胞”“嗜酸性粒細胞”“心輸出量”“包含體”“唾液腺”等術語，這樣也符合審定名詞“臨床服從基礎的原則”[1]；尤其是cardiac output在臨床學科由“心輸出量”改為“心排血量”或“心排出量”，又稱“心輸出量”，另外還有“每搏輸出量”。其實，作為機體血液循環的“泵”，心臟輸出的只能是血，而不可能是別的。在日常審稿中發現，幾乎每部相關專業書稿都有“心輸出量”一詞出現，而使用“心排血量”“心排出量”者寥寥。

但在涉及疾病名稱時，建議以臨床醫學規范名詞為標準，如統一采用“視網膜脫離”“甲狀腺功能亢進癥”等術語。基礎醫學與臨床醫學有交叉的，建議進一步統一規范用法，如將“視神經盤”“視盤”“視神經”和“視”等諸多用法統一規范術語為“視神經盤”（參見表1）。

2基礎學科之間

基礎學科之間，鑒于生理學具有歷史較悠久、影響面較廣的特點（例如諾貝爾生理學或醫學獎），以及使用的嚴謹性和廣泛性，建議按表2中間學科欄的術語，如組織胺（histamine）、包含體（inclusion body）、弓形蟲病（oxoplasmosis）、逆轉錄（reverse transcription）、生精小管（seminiferous tubule）做進一步規范。但有關“袢”和“襻”的用法，二者英語等價術語均是loop，指形狀或功用像襻的東西[2]，應首選用“襻”并統一其涉及的名詞（參見表2）。

3醫學及其他學科

表3中同一術語兩種表述方式并存，相對而言，肌酐（creatinine）、食管（esophagus）、纖維連結（fibrous joint）、宿主（host）、單核吞噬細胞系統（mononuclear phagocyte system）、中性粒細胞（neutrophilic granulocyte）比較簡潔、準確，且使用廣泛，建議以此作進一步統一規范。

4中西醫學之間

在我國傳統文化中，陰陽學說源遠流長。陽痿是一個典型傳統病名，并且被現代醫學所引用，得到中醫和西醫廣泛認同 [3]。“痿”和“萎”同見于漢語推薦使用規范名詞，不利于名詞統一，建議

這里采用中醫診斷學的術語，統一規范名詞中的“痿”字（參見表4）。

二規范名詞與同義詞相互又稱

“流行性出血熱”與“腎綜合征出血熱”相比較，雖然“腎綜合征出血熱”能直觀體現疾病的病理實質，但“流行性出血熱”更突出了疾病的傳播性，社會意義大，并且使用頻率高，建議統一把“流行性出血熱”作為推薦使用規范名詞（參見表5）。

三科技名詞與語言類工具書的異同

從大眾熟知的艾滋病縮寫詞——AIDS對比來看，《現代漢語詞典》（第6版）對熱點名詞艾滋病的英語名詞定義簡單明確，漢語釋義也比較詳細[4]，用immune deficiency較好于immunodeficiency。相關學科審定科技名詞用“穹窿”，漢語工具書用“穹隆”，并且有關穹隆的英語等價術語有3個，建議在此基礎上進一步規范（參見表6）。

四定義欠準確，不便于理解的詞

兒科學名詞“注意缺陷障礙（伴多動）”，英語等價術語為attention deficit hyperactivity disorder。像審定名詞“出生缺陷” “神經管缺陷”一樣，“注意缺陷”本身已經是異常了，再加上一個異常詞——障礙，豈不等于“否定之否定”？實際應用中，稱“兒童多動癥”的常見，可能用“注意缺陷（多動癥）”更好理解一些，但又與心理學的審定名詞“注意障礙attention deficit disorder”不一致。

從疾病名稱標準化、格式化要求出發，《中國精神障礙分類與診斷標準（第3版）》中定義有“童年和少年期的多動障礙”[5]；ICD-10《疾病和有關健康問題的國際統計分類（第10次修訂本）》中定義有“通常在童年和青少年期發病”的“多動”（F90）并且被我國推薦標準（GB/T 14396—2001）等效采用[6]；國內專業權威學術書中稱“兒童多動癥綜合征（hyperkinetic syndrome）”，簡稱“多動癥”，又稱“注意缺陷多動障礙 （attention deficit hyperactivity disorder，ADHD）”[7]。如此多種定義，應在審定名詞的過程中進行規范。

隨著社會的不斷進步，語言文字也在不斷發展變化，科技名詞亦應隨著語言文字的變化而變化，從而不斷提高其影響力。采用使用頻率高而又符合科技名詞本義的術語應當是審定名詞發展的趨勢。

參 考 文 獻

[1]醫學名詞審定委員會醫學名詞（四）[M]北京：科學出版社，1996

[2]中國社會科學院語言研究所詞典編輯室漢英雙語現代漢語詞典（2002年增補本）[M]北京：外語教學與研究出版社，2012

[3]李艷紅，楊雪軍陽痿和陽萎的用詞規范探討[J]中國科技術語，2006，8（3）：42

[4]中國社會科學院語言研究所詞典編輯室現代漢語詞典[M]6版北京：商務印書館，2012：4，972，1065

[5]中華醫學會精神科分會 CCMD-3中國精神障礙分類與診斷標準[M]3版濟南：山東科學技術出版社，2006

篇(6)

醫院在長期的發展進程中，出現了很多的醫院醫學科研檔案，這些檔案的內容紛繁復雜，而且涉及的內容也較為豐富，所以檔案的整理工作面臨較大的困難。而我國的醫院醫學科研檔案管理部門在建設上本身就存在不足，在對相關的醫學科研檔案進行整理和管理的過程中很容易出現整理混亂、資料殘缺不全以及歸類不分明的問題，而這些問題的存在使得檔案管理工作的后續開展也變得更加困難，就現今我國的醫院醫學科研檔案管理的現狀來說，醫學科研檔案的質量并不理想，而且其中很多的科研材料都不夠全面，無法為相關的醫院單位提供有效的參考資料，從而阻礙了醫院醫學水平的提升。就現今我國醫院醫學科研檔案管理中存在的問題來說，主要的問題包括以下四個方面：

1醫學科研材料過于分散

缺乏集中性醫學科研的過程遵循循序漸進的原則，其從立項開始到課題研究結束可能需要幾個月甚至是幾年的時間，在這一過程中，其會產生不同的材料，積累和建立多種不同類型的材料，但是我國的醫院醫學科研檔案管理部門對于這些材料沒有進行有效的收集和整理，從而使得科研資料出現嚴重的流失問題。

2醫學資料殘缺不全

我國的醫院在發展的過程中，需要不斷的進行醫學研究，而在醫學科研的過程中，其所積累的資料得不到有效的收集，出現流失問題，這樣就使得我國醫院醫學科研檔案管理部門中相關的醫學科研資料出現殘缺不全的問題，從而無法為醫院醫學水平的提升提供有效的參考資料。

3我國醫院醫學科研相關資料保存時間過長

一般來說，醫學科研開展需要很長的時間，短則數月，多則數年，在長期的開展過程中，醫學科研資料保存的時間也會相對增長，而且在保存的過程中，還會出現更多的科研資料，這樣就有可能造成資料的重復，使得資料的總量增多，從而對管理工作造成困擾。

4醫學科研資料分類不明顯

醫學科研資料中包含的內容較為豐富，所涉及的知識面也相對較廣。醫學在進行研究的過程中，其所涉及到的內容較為豐富，涵蓋的面也較廣，這樣就會使得醫學科研資料的分類并不明顯，在管理分類上就會造成難以分辨的現象，從而使得管理的難度提升。

二加強醫院醫學科研檔案管理工作的措施

我國目前的醫學科研檔案管理工作中還有許多的不足，而這些問題嚴重影響到我國醫院醫學水平的提升，因此，要采取有效的措施，加強醫院醫學科研檔案管理工作，提升管理水平，從而推動我國醫院醫學水平的提升。而針對醫院醫學科研檔案管理工作水平的提升，所采取的措施主要應該包括以下四個方面的內容：

1建立健全醫學科研檔案管理體系為保障

我國醫院醫學科研檔案管理工作的開展能夠符合現代化社會發展的需求，就需要將先進的科學技術應用于醫學科研檔案管理工作中，利用計算機技術和網絡技術來構建醫學科研檔案管理體系，從而實現對醫學科研檔案的科學化管理，以保障醫學科研檔案的完整性和有效性。

2及時有效的對醫學科學檔案資料進行收集和整理

對年份過久以及無實用價值的檔案資料要進行及時的清理，同時要對內容出現重復的醫學科研檔案資料進行有效的整理，隨時對醫學科研檔案資料進行更新和完善，保障醫學科研檔案的完整性，保障醫學科研檔案資料與時代的發展需求相符合，能夠為醫院醫學水平的提高提供必要的參考。

3對醫學科研檔案進行系統的歸檔和分類

嚴格的區分各種類別的醫學科研檔案，劃清醫學科研檔案的界限，及時的對收集的資料進行類別的劃分，保障其存儲的合理性，盡可能的對醫學科研檔案進行細分處理，對檔案分類系統進行有效的改進和完善，對新的醫學科研檔案資料進行及時的收集、整理、編排以及精細篩選，在統一的標準上，實現形式的多樣化劃分。值得注意的是，在對醫學科研檔案資料進行劃分的過程中，一定要突出專業化的特點，選擇適宜、科學的學科管理建檔方式，以形成一個統一的管理系統，從而提升醫學科研檔案的分類和管理水平。

4注重對檔案的更新和科研新檔的添加

醫學科研開展的時間都相對較長，在長時間的醫學研究中，要想充分的保障醫學科研檔案資料的完整性，就需要采用合理的方法，如分階段法對醫學檔案科研資料內容進行適當的添加處理，在建檔之后，就需要對科研工作進行跟蹤管理，收集相關的檔案科研資料，對檔案科研資料的內容進行不斷的補充和更新，從而保障醫學科研檔案資料的完整性和有效性。

三結語

篇(7)

研究基因的專業有：

1、生物科學專業，是一門前沿的邊緣學科，生物科學是一門以實驗為基礎，研究生命活動規律的科學。一般大學都設在生命科學院內，與生物技術，生物工程是兄弟專業。其專業涉及面相當廣，包括植物學，動物學，微生物學，神經學，生理學，組織學，解剖學等等。

2、臨床醫學專業，是一門實踐性很強的應用科學專業，致力于培養具備基礎醫學、臨床醫學的基本理論和醫療預防的基本技能，臨床醫學專業學生主要學習醫學方面的基礎理論和基本知識，人類疾病的診斷、治療、預防方面的基本訓練，有對人類疾病的病因、發病機制做出分類鑒別的能力。

3、生物醫學工程專業，它綜合工程學、生物學和醫學的理論和方法，在各層次上研究人體系統的狀態變化，并運用工程技術手段去控制這類變化生物醫學工程專業培養具備生命科學、電子技術、計算機技術及信息科學有關的基礎理論知識以及醫學與工程技術相結合的科學研究能力。

（來源：文章屋網 ）