简介:摘要:本文基于任务群的小学语文学习的多元化评价体系展开研究,旨在构建适合小学语文学习的多元化评价体系,以提高评价的准确性和全面性。文章从多元化评价体系的理论基础出发,探讨了评价体系的设计理念和原则。接着,结合任务群的概念,提出了基于任务群的小学语文学习评价体系设计,强调任务群在评价体系中的重要作用。在此基础上,探讨了多元化评价体系在小学语文学习中的应用,并分析了评价体系的实际效果。论文总结了多元化评价体系在小学语文学习中的意义与展望,并指出了评价体系在提高教学质量和促进学生全面发展方面的重要作用。本研究对于促进小学语文学习评价体系的多元化和全面化具有一定的理论和实践意义。
简介:摘要目的应用注意力机制网络的多实例学习(Attention-MIL)框架技术,实现慢性胃炎多项指标的自动识别。方法收集2018年1月1日至12月31日复旦大学附属肿瘤医院诊断为胃炎活检病例1 015例和上海市浦东医院诊断为胃炎活检病例115例,所有病理切片经扫描仪进行数字化处理,转化为全载玻片成像(whole slide imaging,WSI),WSI标签依据胃炎病理报告,包含活动性、萎缩和肠化3项指标。所有的WSI分为训练集、单一测试集、混合测试集和外部测试集,Attention-MIL模型在3个测试集上评价自动识别的准确性。结果Attention-MIL模型在240例WSI单一测试集上的受试者工作特征曲线下面积(AUC)值分别为:“活动性”0.98,“萎缩”0.89,“肠化”0.98,3项指标的平均准确率为94.2%。模型在117例WSI混合测试集上的AUC值分别为:“活动性”0.95,“萎缩”0.86,“肠化”0.94,3项指标的平均准确率为88.3%。模型在115例WSI外部测试集上的AUC值分别为:“活动性”0.93,“萎缩”0.84,“肠化”0.90,3项指标的平均准确率为85.5%。结论在慢性胃炎的人工智能辅助病理诊断中,Attention-MIL模型的诊断准确性非常接近病理医师的诊断结果,这种弱监督下的深度学习模式适于病理人工智能技术的实际应用。