必读100篇经典论文

推荐下计算机视觉这个领域，依据学术范标准评价体系得出的近年来最重要的9篇论文吧： （对于英语阅读有困难的同学，访问后可以使用翻译功能） 一、Deep Residual Learning for Image Recognition  摘要：Deeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantially deeper than those used previously. We explicitly reformulate the layers as learning residual functions with reference to the layer inputs, instead of learning unreferenced functions. We provide comprehensive empirical evidence showing that these residual networks are easier to optimize, and can gain accuracy from considerably increased depth. On the ImageNet dataset we evaluate residual nets with a depth of up to 152 layers—8× deeper than VGG nets [40] but still having lower complexity. An ensemble of these residual nets achieves 3.57% error on the ImageNet test set. This result won the 1st place on the ILSVRC 2015 classification task. We also present analysis on CIFAR-10 with 100 and 1000 layers. The depth of representations is of central importance for many visual recognition tasks. Solely due to our extremely deep representations, we obtain a 28% relative improvement on the COCO object detection dataset. Deep residual nets are foundations of our submissions to ILSVRC & COCO 2015 competitions1, where we also won the 1st places on the tasks of ImageNet detection, ImageNet localization, COCO detection, and COCO segmentation. 全文链接： 文献全文 - 学术范 (xueshufan.com) 二、Very Deep Convolutional Networks for Large-Scale Image Recognition 摘要：In this work we investigate the effect of the convolutional network depth on its accuracy in the large-scale image recognition setting. Our main contribution is a thorough evaluation of networks of increasing depth using an architecture with very small (3x3) convolution filters, which shows that a significant improvement on the prior-art configurations can be achieved by pushing the depth to 16-19 weight layers. These findings were the basis of our ImageNet Challenge 2014 submission, where our team secured the first and the second places in the localisation and classification tracks respectively. We also show that our representations generalise well to other datasets, where they achieve state-of-the-art results. We have made our two best-performing ConvNet models publicly available to facilitate further research on the use of deep visual representations in computer vision. 全文链接： 文献全文 - 学术范 (xueshufan.com) 三、U-Net: Convolutional Networks for Biomedical Image Segmentation 摘要：There is large consent that successful training of deep networks requires many thousand annotated training samples. In this paper, we present a network and training strategy that relies on the strong use of data augmentation to use the available annotated samples more efficiently. The architecture consists of a contracting path to capture context and a symmetric expanding path that enables precise localization. We show that such a network can be trained end-to-end from very few images and outperforms the prior best method (a sliding-window convolutional network) on the ISBI challenge for segmentation of neuronal structures in electron microscopic stacks. Using the same network trained on transmitted light microscopy images (phase contrast and DIC) we won the ISBI cell tracking challenge 2015 in these categories by a large margin. Moreover, the network is fast. Segmentation of a 512x512 image takes less than a second on a recent GPU. The full implementation (based on Caffe) and the trained networks are available at http://lmb.informatik.uni-freiburg.de/people/ronneber/u-net. 全文链接： 文献全文 - 学术范 (xueshufan.com) 四、Microsoft COCO: Common Objects in Context 摘要：We present a new dataset with the goal of advancing the state-of-the-art in object recognition by placing the question of object recognition in the context of the broader question of scene understanding. This is achieved by gathering images of complex everyday scenes containing common objects in their natural context. Objects are labeled using per-instance segmentations to aid in precise object localization. Our dataset contains photos of 91 objects types that would be easily recognizable by a 4 year old. With a total of 2.5 million labeled instances in 328k images, the creation of our dataset drew upon extensive crowd worker involvement via novel user interfaces for category detection, instance spotting and instance segmentation. We present a detailed statistical analysis of the dataset in comparison to PASCAL, ImageNet, and SUN. Finally, we provide baseline performance analysis for bounding box and segmentation detection results using a Deformable Parts Model. 全文链接： 文献全文 - 学术范 (xueshufan.com) 五、Rethinking the Inception Architecture for Computer Vision 摘要：Convolutional networks are at the core of most state of-the-art computer vision solutions for a wide variety of tasks. Since 2014 very deep convolutional networks started to become mainstream, yielding substantial gains in various benchmarks. Although increased model size and computational cost tend to translate to immediate quality gains for most tasks (as long as enough labeled data is provided for training), computational efficiency and low parameter count are still enabling factors for various use cases such as mobile vision and big-data scenarios. Here we are exploring ways to scale up networks in ways that aim at utilizing the added computation as efficiently as possible by suitably factorized convolutions and aggressive regularization. We benchmark our methods on the ILSVRC 2012 classification challenge validation set demonstrate substantial gains over the state of the art: 21:2% top-1 and 5:6% top-5 error for single frame evaluation using a network with a computational cost of 5 billion multiply-adds per inference and with using less than 25 million parameters. With an ensemble of 4 models and multi-crop evaluation, we report 3:5% top-5 error and 17:3% top-1 error on the validation set and 3:6% top-5 error on the official test set. 全文链接： 文献全文 - 学术范 (xueshufan.com) 六、Mask R-CNN 摘要：We present a conceptually simple, flexible, and general framework for object instance segmentation. Our approach efficiently detects objects in an image while simultaneously generating a high-quality segmentation mask for each instance. The method, called Mask R-CNN, extends Faster R-CNN by adding a branch for predicting an object mask in parallel with the existing branch for bounding box recognition. Mask R-CNN is simple to train and adds only a small overhead to Faster R-CNN, running at 5 fps. Moreover, Mask R-CNN is easy to generalize to other tasks, e.g., allowing us to estimate human poses in the same framework. We show top results in all three tracks of the COCO suite of challenges, including instance segmentation, bounding-box object detection, and person keypoint detection. Without tricks, Mask R-CNN outperforms all existing, single-model entries on every task, including the COCO 2016 challenge winners. We hope our simple and effective approach will serve as a solid baseline and help ease future research in instance-level recognition. Code will be made available. 全文链接： 文献全文 - 学术范 (xueshufan.com) 七、Feature Pyramid Networks for Object Detection 摘要：Feature pyramids are a basic component in recognition systems for detecting objects at different scales. But pyramid representations have been avoided in recent object detectors that are based on deep convolutional networks, partially because they are slow to compute and memory intensive. In this paper, we exploit the inherent multi-scale, pyramidal hierarchy of deep convolutional networks to construct feature pyramids with marginal extra cost. A top-down architecture with lateral connections is developed for building high-level semantic feature maps at all scales. This architecture, called a Feature Pyramid Network (FPN), shows significant improvement as a generic feature extractor in several applications. Using a basic Faster R-CNN system, our method achieves state-of-the-art single-model results on the COCO detection benchmark without bells and whistles, surpassing all existing single-model entries including those from the COCO 2016 challenge winners. In addition, our method can run at 5 FPS on a GPU and thus is a practical and accurate solution to multi-scale object detection. Code will be made publicly available. 全文链接： 文献全文 - 学术范 (xueshufan.com) 八、ORB: An efficient alternative to SIFT or SURF 摘要：Feature matching is at the base of many computer vision problems, such as object recognition or structure from motion. Current methods rely on costly descriptors for detection and matching. In this paper, we propose a very fast binary descriptor based on BRIEF, called ORB, which is rotation invariant and resistant to noise. We demonstrate through experiments how ORB is at two orders of magnitude faster than SIFT, while performing as well in many situations. The efficiency is tested on several real-world applications, including object detection and patch-tracking on a smart phone. 全文链接： 文献全文 - 学术范 (xueshufan.com) 九、DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs 摘要：In this work we address the task of semantic image segmentation with Deep Learning and make three main contributions that are experimentally shown to have substantial practical merit. First , we highlight convolution with upsampled filters, or ‘atrous convolution’, as a powerful tool in dense prediction tasks. Atrous convolution allows us to explicitly control the resolution at which feature responses are computed within Deep Convolutional Neural Networks. It also allows us to effectively enlarge the field of view of filters to incorporate larger context without increasing the number of parameters or the amount of computation. Second , we propose atrous spatial pyramid pooling (ASPP) to robustly segment objects at multiple scales. ASPP probes an incoming convolutional feature layer with filters at multiple sampling rates and effective fields-of-views, thus capturing objects as well as image context at multiple scales. Third , we improve the localization of object boundaries by combining methods from DCNNs and probabilistic graphical models. The commonly deployed combination of max-pooling and downsampling in DCNNs achieves invariance but has a toll on localization accuracy. We overcome this by combining the responses at the final DCNN layer with a fully connected Conditional Random Field (CRF), which is shown both qualitatively and quantitatively to improve localization performance. Our proposed “DeepLab” system sets the new state-of-art at the PASCAL VOC-2012 semantic image segmentation task, reaching 79.7 percent mIOU in the test set, and advances the results on three other datasets: PASCAL-Context, PASCAL-Person-Part, and Cityscapes. All of our code is made publicly available online. 全文链接： 文献全文 - 学术范 (xueshufan.com) 希望对你有帮助！

到烟雨红尘看看闻铃的文章吧，应该能用的上

经典医学论文范文

在医学专业的个人需要写好论文，那么我们应该如何写好论文的内容呢？下面是我分享给大家的经典医学论文范文，希望对大家有帮助。

摘要： 目前来华的医学留学生越来越多，我国进行国际教育的影响力不断提升，同时对我国的医疗教育质量提出更高的要求。医学留学生教育是成人继续教育的一部分，而心脏内科是医疗教育界最关注的科室之一，论文仅就心脏内科临床医学留学生教学中出现的问题及解决方法进行总结及讨论，为医学留学生的临床教学提供一定的参考，并且作为继续教育模式改革的依据。

关键词： 医学留学生;心脏内科;教学质量

随着经济持续发展，我国在高等教育、医疗等领域国际合作的日渐扩大与深入，以中国为留学目的国的海外学生越来越多，医疗则是我国除汉语专业外留学生人数最多的学科。高等医疗教育的国际化输出是提高我国医疗教育质量、提高我国高等教育国际地位的有利刺激因素。为培养符合国际需求和适应国际化竞争的医学人才，现行的医学留学生教学方式主要以全英文方式运作，一方面可以帮助留学生获得第一手的资源，避免留学生毕业回国工作产生语言转换的问题;另一方面也满足了周边国家医学教育的市场需求。然而，在医学留学生教育逐年扩大规模的现实面前，如何保证这些学生的教育质量也是医教界人士关注的焦点。英语医学学历留学生教育始于1995年，原西安医科大学招收了首批全英语教学医学学历留学生，迄今只有20年历史。而与我国原有留学生体制不同的是，原有体制是留学生学习汉语后融入本国高等教育体系，基本保留经典的汉语教学模式，这一模式历经近百年的发展，体系成熟稳固，效果不俗;而目前所有医学院校的留学生教育均为全英文教学，相对于学校现有的教学而言，这种模式相对独立，需要另起炉灶，构建全新的教学、课程、教材及评估系统，需要一支数量庞大拥有全英文教学能力、精湛专业知识和国际视野的教师队伍，需要校内外教育资源的有力支持。从国外著名医学院校到国内资深的医学院，纵观全球医学教育不难看出，优秀的医学教育需要深厚的文化传承、人文建设及庞大理论系统，这一系统的建设缓慢而难见速效。目前我国快速上马的医学留学生教育仓促间要完成体系的建设，难度之大、问题之多可以想见。本文仅就昆明医科大学医学留学生心脏内科教学中出现的问题及解决方法进行总结及讨论，为医学留学生的临床教学提供一定的参考。

一、教学相长——观念的冲突与解决

来华的医学留学生，绝大部分来自于东西亚、南亚等周边国家，以尼泊尔、印度、巴基斯坦等国家为多。这些学生虽然每个人的家庭、文化和教育背景各不相同，前期的受教育程度参差不齐，但他们在本国受到的教育模式则多为西方教学模式，因此学习习惯亦与国内老师的要求相去甚远，在中国教师眼中，他们的思维自由发散、习惯随时打断老师提问、课堂纪律差、学习针对性强但全面性差。尤其不能遵守中国老师们习惯的严格的课堂纪律。因此，老师会觉得学生不够尊师及专心而影响授课积极性;学生则会觉得中国老师的教授死板、照本宣科，由于缺少讨论而影响知识的理解与记忆。对上述问题，我们通常尝试采用折中的办法，老师在授课时会在每一个节段留出提问时间，而与学生则在课前约定，非提问时间不可随意提问打断。在临床见习与实习过程中，由带教老师引导的教学查房，要求留学生必须身穿白大衣，不迟到，不早退，端正学习态度，爱护、尊重患者，主动自我介绍，征得患者及家属同意才能进行问诊、查体等医疗行为。针对这些东南亚学生时间观念不强、自由散漫、欠缺责任感等问题，一方面设定相应的规章制度，加强留学生的管理;另一方面还需要对他们进行素质教育，培养他们的服务意识、奉献精神与责任感，基本杜绝留学生仪表邋遢、组织纪律散漫、迟到早退等现象，帮助他们顺利完成从普通医学生到合格的临床医生的角色转变。

二、外语VS母语——语言是个大问题

语言是所有接收医学留学生的医学院都会遇到的最为棘手的问题。“全英文授课”在医学留学生教育前期发挥了重要作用，无可替代。但到了临床见习和实习阶段，无论是教师还是学生都感到“力不从心”。教师与留学生间的交流、留学生与病人间的交流成为教学最大的阻碍。这种阻碍，会导致留学生丧失学习兴趣，教学质量下降。因此，如何解决语言问题是影响教学质量的关键。

(一)教师与留学生间的语言交流问题

学校留学生多来自尼泊尔、印度等国以英语为官方语言的国家，留学生们公共英语基础扎实，能无障碍用英语交流，但他们普遍有较重地方口音，故与教师的交流中存在一定障碍。当然另一方面，带教老师参差不齐的英语口语水平及相对于留学生而言的“口音”亦会影响知识的教授传播。解决教学中语言交流的问题，老师是主导，带教老师的英文语言表达能力，在对留学生的教学质量上起到关键性的影响。保证带教老师的质量才能提高留学生培养的质量。心脏内科对留学生带教老师的选择条件，首先必须具备流利的英语口语交流能力及丰富的专业外语词汇，兼顾专业知识掌握的程度及教学经验。在实践中发现，带教老师的外语水平与临床教学经验往往不能兼顾，青年教师语言过关但缺乏临床经验，高年资教师则与之相反。师资力量的培训是提高留学生教学质量的重中之重。在这一点上，心脏内科通过科内选拔，组成英文教学的骨干团队，对该团队进行强化专业英文培训;同时，在心脏内科的对外国际交流中给予该团队额外的机会参与全程翻译，包括床旁查房及不同规模的讲座，给予团队观摩全英文课堂及床旁教学的机会。而针对师生间口音不熟悉、交流困难等问题，心脏内科在教学期间另行组织多样化的互动，给带教老师与留学生之间创造交流的机会，促进师生间相互了解，拉近师生间的距离，增进师生感情，为师生之间交流和教学过程架起一座桥梁，创造亲切和谐的教学氛围，从日常生活、民俗、文化到国情宗教等，使师生之间能更快地适应彼此发音，使留学生在留学期间能有宾至如归的感觉。同时，要注重师生互动过程中的信息反馈，让留学生开展评教评学的活动，让他们在互动中提出对教学的意见与建议，以激励师生共同促进教学工作的进步，做到教学相长。

(二)医患间语言交流问题

在医学生的教育中，与师生语言障碍同等重要的是医患间的语言障碍，这种障碍对教学的影响更加突出。由于医学专业的特殊性，在临床见习和实习过程中，留学生需要到病房与患者密切交流，准确采集患者病史，顺利进行体格检查等。留学生中的绝大多数人未进行过正规的中文学习或培训，这给留学生与患者之间的交流带来更大的困难;另一方面，我国患者中的英语交流能力几乎为零;双方语言的问题，最终将导致临床见习和实习中的有些关键步骤常难以顺利进行，在病史采集、体格检查、病历书写及简单操作等常规临床工作中即使有带教老师帮助翻译，有部分同学仍很难顺利地完成。针对解决留学生与患者语言沟通障碍的问题，心脏内科采取以下措施：一是在医学留学生教育前期，通过开设中文学习班，主要学习日常问候语如：您好、早上好、谢谢、不客气，您哪里不舒服?等，以及与心内科相关的症状用语如：胸闷、胸痛、心悸、头晕、呼吸困难等，开展此中文学习班的.目的就是快速解决医学留学生在临床见习和实习中和患者沟通交流遇到的一些语言问题，此学习班不仅提高了医学留学生的汉语水平，而且通过对汉语词汇的认识及词汇来源的一些了解，使得他们对中华民族的文化有了初步的印象。二是心脏内科借鉴了华西医科大学运用标准化病人(StandardizedPatients,简称SP)介入教学活动的经验，培训了一批英文基础较好的研究生做志愿SP，充当模拟患者角色，以克服留学生中文基础较差，尚难以与临床患者进行顺畅沟通的困难。标准化病人是指从事非医技工作的正常人或轻症患者，经过培训后，能准备表现患者的临床症状、体征和(或)病史而接受临床检查者，旨在恒定、逼真地复制真实临床情况，发挥扮演患者、充当评估者和教学指导3种功能。自1990年开始，由九江医学专科学校、华西医科大学、浙江医科大学三校协作，纽约中华医学基金会赞助，启动将SP引进国内的医学教育。此模式不仅能帮助留学生进行临床实践和交流能力培训，而且有助于加强心脏内科研究生自身的理论和技能训练，同时也加强英语口语交流能力的训练，使他们今后有机会留学国外，更能适应国际竞争和对外交流的需求。三是由带教老师引导的半英语半中文式查房，即英汉双语教学，选取病情稳定的典型病例患者，征得患者及家属同意，让汉语较好的留学生对其进行病史采集，不能用中文表达的由带教老师翻译，其他留学生可以补充询问，带教老师在一旁全程指导，之后由一名留学生完成体格检查，最后对此病例进行总结讨论，培养他们诊断治疗疾病的临床思维能力。此英汉双语教学模式吸取了全英文教学和经典的汉语教学模式的优点，因此更有利于医学留学生的接受，同时，我们在教学过程中也阶段性地和留学生们互相交流，及时的改善教学过程中的不足之处。

三、教学方式的融合：传统VS现代

传统的医学教育以课堂讲授为主，学生自学为辅，缺乏讨论;这种教学的优点是知识传授系统且全面，缺点在于易忽略细节，泛泛而谈，学生解决实际问题能力欠佳。而这种讲授为主的教学方式在留学生教育中更显弊端：由于语言障碍，授课教师以非母语授课，其授课质量及讲解程度必然会受到较大限制，课堂教学质量难以保证;临床教学则更为突出，病例分析及思路讲解由于其即时性及随机性，教师备课不易，讲解深入程度更容易受影响。而在这种教学方式里学生多为被动接受，在语言受限的前提下，学生积极性会受到极大限制，影响教学质量。现代医学教育强调以临床问题为中心，打破学科界限，充分调动学生自学积极性，将各学科知识有机融合。这一教学方法的代表即是PBL(Problem-BasedLearning基于问题的学习模式)，由美国医学教育家Barrows教授于1969年创立的一种教学模式。心脏内科在医学留学生教学、临床见习及实习课程中采用这种模式，通过以具体病例及问题为基础、留学生为主体、带教老师侧面引导的小组讨论式教学,激发留学生的问题意识，调动思考的积极性，增加了师生间、学生间的交流与合作，旨在培养留学生的独立创新能力和创新精神，达到提高留学生理解并有效运用知识，解决问题的最终目的。心脏内科是专业极强的学科，学习中的理解涉及解剖、生理、病理生理、药理、心电图学、电生理学及影像诊断学等多个学科，知识点多，知识体系繁杂，记忆及理解都相对困难。对以中文母语教授的学生尚且如此，以英文为主要语言学习的留学生而言，就更多了一个老师教授困难的障碍。为能让留学生更好地理解并掌握心脏内科知识，培养其自行解决问题的学习能力，心脏内科在课堂讲学及床旁见、实习过程中均采用PBL教学法，带动学生主动学习的风气并增强临床思维及团结协作的能力。在课堂讲学中，适当根据讲学内容穿插病例，并有针对性地提问。而在临床带教前，心脏内科专门组织人员编写典型教学病例，课前给予病案、问题及参考书目。课中教师以临床典型病例为中心，针对临床面临的具体问题引导讨论，让留学生自主进行分析、诊断，并制定具体的治疗方案及策略。

四、重视度的提高：带教教师and管理部门

随着学校医学教育与国际的接轨，将会有更多留学生来学校学习深造。因此留学生教育对学校既是机遇，又是挑战。学校国际学院及各个教学医院已经在思想上认识到医学留学生教育的重要性和紧迫性，对切实进行带教教师的培训和留学生的管理已经建立严格的规章制度。但是，各个教学医院除了落实好国际学院留学生管理规章制度外，还应严格按照医院的各项规章制度对留学生进行管理，切实做到留学生管理有规可依，有章可循。各临床科室应建立留学生实习管理档案，由科室教学秘书或教学专干负责，作为出科考核的一部分，使留学生更加重视临床实习。

总之，对于我校及多数医学院校来说，医学留学生的临床实习教学还处于起步阶段，在教学与管理的过程中面临的问题还很多。需要在以后的临床教学工作中不断地汲取新知识，在提高自身专业素质的同时，因地制宜、循序渐进地推进教学改革，及时总结教学过程中的经验与教训，则医学留学生教育一定能取得更大的收获。综上所述，提高医学留学生的教育质量在于发现问题后及时地找到针对该问题的处理对策。比如留学生课堂的学习习惯与老师期望的不同，我们约法三章，彼此互相尊重、教学相长;由全英文教学模式逐渐转变为英汉双语教学模式，让国外留学生也对中国文化有一定的了解;教学方式发展为SP介导的模拟教学和PBL以问题为导向的教学，这些教学方式更能为留学生接受，并且培养了留学生的独立创新能力及创新精神。当然，我们需要借鉴国家重点医学院校的留学生培养教育经验和模式，让学校的留学生培养更加成熟。如果可以将带教老师送入到国家重点医学院校学习他们的教学经验的话，将能更直接地感受重点医学院留学生的培养，但这需要高校管理部门的通力合作。随着心血管病学的迅速发展，国际学术交流的日益深化，心脏内科医学留学生的培养工作对带教教师提出更高的要求和挑战。必须不断地改进教学模式，应用丰富的教学手段，教会留学生尽快将心脏内科理论知识综合应用，掌握心脏内科常见疾病的诊治方法，锻炼其独立思考、独立分析解决临床问题的能力。

参考文献

[1]姜冬梅,王周凯欣,颜时姣等.留学生临床医学本科(MBBS)教学现状调查与对策[J].基础医学教育,2014(8).

[2]李治国.医学留学生教育模式及管理研究[D].吉林:吉林大学,2006.

[3]左川,曾静,付平,欧阳钦,王一平.临床医学教学中标准化病人的应用与实践[J].西部医学,2008(6).

[4]高雪.基于问题的学习(PBL)在医学教育中的利与弊[J].基础医学与临床,2014(1).