简介：摘要：法院在审理专利侵权案件过程中，需要引入专利无效抗辩。为有效减少循环诉讼，可以根据《专利法》立法意图或精神，允许利用现有技术实施抗辩，并将其扩大到其他抗辩事由当中，用以弥补专利侵权诉讼和专利无效诉讼出现双轨制所存在的一些不足。

简介：摘要目的探讨经皮穿刺半月神经节微球囊压迫术（PBC）治疗三叉神经痛术后无效或短期内（术后3个月内）复发的原因及再次行改良式PBC的手术策略与效果。方法回顾性分析南京医科大学鼓楼临床医学院神经外科2018年6月至2020年6月收治的PBC治疗无效或短期内复发的21例患者的临床资料。男性8例，女性13例，平均年龄66.6岁（范围：51~79岁）；手术无效2例，短期内复发19例，占同期接受PBC治疗患者的5.7%（21/369）。疼痛分区：V2支2例，V3支3例，V1+V2支 1例，V2+V3支15 例。19例短期复发患者的平均复发时间为46.8 d（范围：23~76 d）。分析患者术后无效或短期复发的原因，将患者分为4种类型：Ⅰ型为囊外假梨型（1例），Ⅱ型为真梨无效型（2例），Ⅲ型为囊体破裂型（6例），Ⅳ型为压迫盲区型（12例）；根据患者类型制定个体化改良式PBC手术方案。观察行改良式PBC治疗后的临床效果及并发症情况。结果患者术后疼痛均即刻消失，即时有效率为100%。患者术后面部均有轻度麻木，出现咬肌无力5例（23.8%，5/21），口周疱疹3例（14.3%，3/21），复视1例（4.8%，1/21），无出血等并发症发生。患者均获得>12个月随访（范围：13~28个月），1例（4.8%，1/21）患者（压迫盲区型）于术后9个月复发，至我科再次行原改良式PBC后治愈，继续随访13个月未复发，其余患者均未复发。截至末次随访，19例（90.5%，19/21）治愈，2例（9.5%，2/21）改善。结论三叉神经痛患者PBC术后无效或短期复发的主要原因是三叉神经节未受到有效压迫。根据患者的不同分型，采用个体化改良式手术方案，可提高PBC手术疗效。

简介：摘要：数学教学一直是其他教学学科的基础，尤其是小学时期，学生对于数学的思维认知还没有系统形成，故而小学数学教学非常重要，随着新课程教学的改革，教育愈发注重学生的思想改变，一些新的教学思想也逐渐出现，深度学习强调的是学生自主学习能力的培养，实现有效的课堂学习效率，本文便是在小学数学课堂教学中推动学生深度学习的策略研究。

简介：摘要：兴趣，是学生参与学习活动的动力之一，是提高学习效果与质量的关键因素。在高中数学教学中，就需要教师从学生兴趣的激发为核心，进行教学的创新与改革，从而将数学内容以形象直观的方式呈现出来，为学生构建精彩、灵动的氛围，让学生的学习方式更加多元丰富，最终激发学习兴趣，提高学习效果与质量，且获得全面发展。本文主要针对以学生兴趣为导向的高中数学教学，展开了详细深入的分析。

简介：摘要目的喉返神经（recurrent laryngeal nerve，RLN）是腔镜甲状腺手术中需重点识别和保护的结构。本研究旨在探索深度学习技术识别RLN在经腋窝入路腔镜甲状腺手术中的应用价值。方法收集2020年7月1日至2021年5月1日在北京协和医院基本外科操作的，留存了完整视频资料的经腋窝入路腔镜甲状腺手术录像。两位资深甲状腺外科医师选取其中包含RLN的视频片段，经过训练的标注人员对RLN的轮廓进行描绘标注，并经两位甲状腺外科医师审校确认。视频资料用随机数方法按照5∶1的比例分为训练集及测试集，并根据RLN与周围组织的辨识度分为高、中、低辨识度。采用基于PSPNet的语义分割模型进行训练，使用ResNet50作为主干网络提取特征，同时结合金字塔池化模型融合多尺度特征，最终根据交并比（insertion over union, IOU）评判深度学习神经网络对RLN具体位置预测的能力。所有资料使用R 4.0.2版本分析。结果共38个视频中累计35 501帧图像纳入本研究，其中32个视频共29 704帧图像作为训练集，6个视频共5 797帧图像作为测试集。当IOU阈值设为0.1时，模型在高、中、低辨识度组中的灵敏度和精确率分别达到了100.0%/92.1%、95.8%/80.2%及81.0%/80.6%。而当IOU阈值提高到0.5时（代表有效定位RLN），灵敏度和精确率则分别为92.6%/85.3%、71.7%/60.5%及38.1%/37.9%。这说明本模型在辨识度中高时可很好地提示RLN的位置和走行。漏检通常因目标过小、边界不明确所致。结论基于深度学习的人工智能RLN识别在腔镜甲状腺手术视频中是可行的，有潜在的应用价值，有可能帮助外科医生降低手术中误损伤风险，提高手术安全性。

简介：摘要目的探索深度学习技术识别喉返神经（recurrent laryngeal nerve，RLN）在经胸乳入路腔镜甲状腺手术（endoscopic thyroidectomy，ETE）中的应用价值。方法收集2020年2月至2021年8月北京协和医院基本外科进行的经胸乳入路ETE视频。经2名甲状腺医师的筛选后，符合条件的手术视频根据一位高年资医师的意见分为低辨识度及高辨识度组，经过抽帧、标注、审核与校对后，按照随机数方法以5:1的比例分为训练集及测试集，统一输送至D-Linknet模型进行训练。根据交并比计算测试集中的灵敏度、精确率及平均Dice系数。结果46个视频共153 520帧图片纳入了本研究。其中训练集共39个视频131 039帧，测试集共计7个视频22 481帧。交并比阈值为0.1及0.5时，高辨识度组中灵敏度及精确率分别为92.9%/72.8%及85.8%/67.2%，而在低辨识度组中则分别为47.6%/54.9%及37.6%/43.5%，平均Dice系数在两组中分别为0.781及0.663，证实了该模型对RLN具有较好的识别能力。结论基于深度学习的人工智能RLN识别在经胸乳入路ETE视频中可行，有可能帮助外科医生降低手术中误损伤风险，提高手术安全性。