简介：摘要本研究目的是建立一个可家用的能直接显示龋病范围的深度学习分割模型。收集解放军总医院第一医学中心口腔科门诊2019年9月至2021年6月共494张用内窥镜采集的、含有龋齿的磨牙和前磨牙照片，由医师进行标注后用DeepLabv3+进行分割训练，随后进行验证和评估。建立的深度学习分割模型识别龋病的平均准确度为0.993，灵敏度为0.661，特异度为0.997，Dice系数为0.685，并交比（IoU）为0.529。本研究建立的深度学习分割模型可以识别并分割出龋病范围。

简介：摘要：纵观小学数学教学，我们会发现小学数学知识大多与数字和图形有关，但是这两个部分并不是相互独立的，两者相互关联，相互渗透，只有对这两个部分都有一定的了解，我们才能进行更深入的学习，所以数形结合是小学数学教学的重要组成部分，它可以通过数形转换帮助学生理解晦涩的数学语言和抽象的数学图形，进而提高学生的数学素养。本文将从多种感官感知、运用表象判断、以形促思三个方面谈一谈促进小学数学深度学习的具体策略。

简介：［摘要］：课程游戏化推进到今天，我们早已认可“儿童是主动学习者”这一理念，但我们的教育行为常常还是把孩子作为学习被动者，“高控”现象处处可见。本文围绕我园艺术领域课程建设工作中始终坚持“儿童是主动学习者”，展现教师在艺术活动中“认可儿童”的支持性策略，并不断改造我们教师自身的专业知识和能力结构，促儿童全面协调发展。

简介：摘要：数学是我国教育体系中很重要的一门课程，尤其是在小学阶段，虽然要理解东西不太难，但就是这些基础的东西是以后学习路上的基石，在小学时期培养的很多习惯在后面都会产生很大的作用。在进行数学学科的学习时，要求具有的很重要的一种能力就是自学能力，老师需要培养学生们对数学的兴趣。主观能动性是学生在学习过程中需要培养的一种能力。本文将会针对如何培养小学高年级学生的自主学习能力进行探究。

简介：摘要：受传统教学观念的影响，在高中物理教学中普遍存在重视理论教学，缺乏关注学生自主学习能力的问题，导致学生在学习过程中存在兴趣欠缺、学习效率低等问题，影响学习效果。教师枯燥的教学方式更容易导致学生在物理学习过程中出现抵触等影响学习效果的情绪，不利于学生的发展。为缓解这一问题，教学中应重视培养学生的自主学习能力，采用更能保障和激发学生主体作用的教学方式，保障学生提升积极性与自主性，促进其物理学习效果的提升。关键词：高中物理自主学习的理论研究及模式分析 

简介：摘要：随着新课程改革的不断推进，教师教学方法也得到了极大地改变，而小组合作学习就是当前教师应用较为广泛的一种教学方式，将其应用到教学中不仅能活跃课堂气氛，增强师生间的交流互动，还能有效培养学生自主学习的能力，对学生今后的学习和发展有极大的帮助。对此，文章就小学数学教学中小组合作学习的应用展开探讨，以期能促进小学数学教学的高效发展。

简介：摘要：每个学生都是单独的个体，学习效果与知识的接受度有很大不同。相比于其他课程内容，小学数学也有极强的学习难度。因而，老师在课程教学、作业设计两个方面进行合理的分层设计，能够更好地达到学生个性化要求，促使全体同学高质高效地做好作业，高效地协助学生夯实学过的知识，协助老师正确认识教学过程中存在的问题，进而能够更好地解决问题，推动学生全面发展。

简介：摘要：随着时代的进步与社会的发展，英语在国际交往中的应用范围越来越广，这也从侧面说明了英语教学过程中培养学生听说读写能力的重要性。中职英语作为学生深入探究英语知识的过渡阶段，对学生阅读能力、理解能力、写作能力、表达能力等具有重要的促进作用。基于此，教师应当注重高效课堂的构建与学生对英语学习积极性的提升，并将新课改以来的新型教学模式运用到教学实践中，为学生英语学习水平的有效提升奠定基础。

简介：摘要目的用机器学习算法建立IgA肾病与非IgA肾病鉴别诊断模型。方法采用回顾性研究的方法，收集2019至2020年昆明医科大学第一附属医院、云南省第一人民医院和昆明市延安医院肾脏内科经肾脏病理确诊的患者共260例，其中原发性IgA肾病130例，非IgA肾病130例。收集包括性别和年龄等在内的28项临床资料和实验室常规检测结果，IgA肾病组与非IgA肾病组的男女构成比分别为59∶71和 64∶66，年龄分别为37.20（21.89，53.78）、43.30（27.77，59.18）岁。将260例患者随机地分为训练集（70%，182例）和测试集（30%，78例）。分别使用决策树、随机森林、支持向量机、极限梯度提升算法建立原发性IgA肾病与非IgA肾病的鉴别诊断模型。以真阳性率、真阴性率、假阳性率、假阴性率、准确率、受试者特征工作曲线下面积（AUC）、精确率、召回率和F1评分综合评估各模型的效能并选择性能最佳的模型。采用 SPSS 25.0对数据进行分析，P<0.05为差异有统计学意义。结果采用决策树、支持向量机、随机森林和极限梯度提升算法建立鉴别诊断模型的准确度分别为67.95%、70.51%、80.77%和83.33%；AUC值分别0.74、0.76、0.80和0.83；判断为原发性IgA肾病的F1评分分别为0.73、0.72、0.80和0.83。综合以上评价指标极限梯度提升算法模型的效能最高，该模型诊断为IgA肾病的敏感度、特异度分别为89%、79%，其变量重要性由高到低分别为血白蛋白、IgA/C3、血肌酐、年龄、尿总蛋白、尿白蛋比、高密度脂蛋白、尿素。结论成功建立IgA肾病与非IgA肾病的鉴别诊断模型。采用极限梯度提升算法建立的模型临床性能最佳。