雖然這篇脊椎影像判讀鄉民發文沒有被收入到精華區:在脊椎影像判讀這個話題中,我們另外找到其它相關的精選爆讚文章
在 脊椎影像判讀產品中有11篇Facebook貼文,粉絲數超過0的網紅,也在其Facebook貼文中提到, 一直喜歡聽不同領域的課程 從他人的角度與教育中 常能給我許多訓練上的靈感與想法 今天上了一堂增生療法醫學會所舉辦的 「MRI判讀精要」的課程 課程由放射專家--藍顥章主任所教授 課程內容跟我的專業領域 幾乎沒有太直接的相關 課程中所有的診斷與鑑別 也不是我想學的內容 一整天卻是興奮莫名的學習 ...
脊椎影像判讀 在 Facebook 的精選貼文
一直喜歡聽不同領域的課程
從他人的角度與教育中
常能給我許多訓練上的靈感與想法
今天上了一堂增生療法醫學會所舉辦的
「MRI判讀精要」的課程
課程由放射專家--藍顥章主任所教授
課程內容跟我的專業領域
幾乎沒有太直接的相關
課程中所有的診斷與鑑別
也不是我想學的內容
一整天卻是興奮莫名的學習
平時我們學解剖、認識肌骨
如今有一整天的時間
可以透過各種MRI的影像
讓我更深入的了解人體
知悉各種脊椎、肩膀膝蓋的病理現象
醫生們聚焦在關節與骨結構的鑑別
我卻對一層層肌骨系統的資訊很有興趣
大家討論著病理現象時
我卻思考著,哪些肌肉附著在哪個結構上
如何藉由外在訓練來產生內在結構的拉力?
手邊個案現在的狀況是否類似影像所呈現?
什麼樣的訓練動作會導致結構上過度受壓?
訓練與照顧選手的過程
有沒有哪些資訊是我疏漏的?
專業領域中,很容易因為部分領域重疊
而出現壁壘分明或是相互對立的現象
能成為各領域的專家
都需要在自己領域投注相當大的養成時間
沒有一項專業不需要
更沒有任何一項領域可被取代
上過今天的課後,我才知道拍攝MRI
不是拿一張單子去躺著拍就好
怎麼拍!要拍什麼角度、擷取什麼樣的切角
如何鑒別正確的資訊而不要誤判
都是一門高超的學問!
#學習欣賞另一領域的專業
並且從他人身上學習自己所未注意到的角度
甚至從他人眼中,找到讓自己解惑的靈感
是我聆聽跨領域演講時常做的事
很多時候,我們常在自己專業中迷思
陷入走火入魔或視野狹窄的主觀判定中
擔心跟自己不一樣的觀點
恐懼自己所不知的領域
甚至有人還喜歡不懂裝懂的表態
「不知道」!是句很棒的話
因為不知道,所以願意花時間去理解
今天一整天的課下來
我還是看不懂MRI
因為沒必要,也不該由我看懂
我卻在今天的課程中
從另一個角度來觀看人體、理解結構
筆記裡滿滿都是跟訓練相關的資訊
好滿足!好開心!
#BelieveTraining
脊椎影像判讀 在 Facebook 的最佳貼文
山姆對「禾馨」一點都不陌生,因為鋼鐵媽媽懷Andrew第20週(2013/7/9)所做的高層次超音波就是在禾馨做的,也是讓我們第一次「接近完整」地看到Andrew在鋼鐵媽媽肚子裡的「全貌」。👶🏻
「鋼鐵媽媽當時第一次看到Andrew的高層次影像覺得怎麼長得這麼恐怖啊…🤣」
直到前陣子在一個「政治新聞事件」上看到林醫師,覺得這個醫生很眼熟,山姆頓時想起來他就是八年前親自幫鋼鐵媽媽做高層次超音波的「林思宏醫師」,整個場景回憶再度浮現。
由於鋼鐵媽媽懷孕的時候已經「不良於行」,仍然可以行走,但必須緊抓著山姆的手臂慢慢地走,再加上當時還挺了個肚子,真的是很辛苦。🥺
在預約高層次的同時,鋼鐵媽媽也有告知診所她的身體狀況,所以當我們到達的時候,現場的醫護及工作人員就很專業迅速地接待了我們。在整個檢查及對談過程中,林醫師非常的有耐心,並仔細地跟我們解釋所有的影像判讀與代表的意義,結論是,Andrew當時20週的時候是一個「健康的胎兒」,到現在還是一樣頭好壯壯。💪🏻❤️
最後,所有檢查與報告解釋完畢後,林醫師問了一下鋼鐵媽媽的狀況,得知她的脊椎已經做過九次的手術,也是建議我們要在有完整醫療團隊的醫院進行生產。因為鋼鐵媽媽當時的狀況別說是「自然產」了,連「半身麻醉剖腹產」都有風險,所以鋼鐵媽媽生Andrew的時候並不是在產房,而是在刀房採「全身麻醉剖腹產」的方式產下Andrew。
以上就是我們所知道的「禾馨診所」。❤️❤️❤️
#謝謝禾馨及細心的林醫師讓我們第一次看到Andrew的全貌
#很好奇是否大家做的高層次影像都長得一樣😂
#永遠支持真正在做事並且是在做對的事的人
#非廣告文亦非政治文
林思宏醫師
山姆
#永遠的鋼鐵媽媽~2020 (https://youtu.be/xq_WojPxuSM)
脊椎影像判讀 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
AI輔助外傷影像診斷 準確度95%
【記者鍾佩芳/台北報導】
2021年4月20日 週二 下午10:26•
為提升外傷急症醫療品質,林口長庚收集外傷資料庫高達五千張的骨盆X光片,設計出一套嶄新的AI演算法,能判讀發生骨折的可能部位,輔助第一線急診醫師診斷及掌握黃金治療時機,平均準確度超過九十五%,目前連美國史丹佛醫院、約翰霍普金斯醫院和新加坡樟宜醫院等國際多家知名醫院和外傷中心都已使用此演算法。
由於此演算法突破了種種過去醫療AI無法達到的效果,打破過去AI的屏障,成果輝煌,因此研究報告也登上自然(Nature)期刊二○二十年二月的子刊「自然通訊(Nature communications)」,在世界展現台灣和林口長庚在醫療人工智慧之強大實力。
林口長庚外傷急症外科鄭啟桐醫師表示,一位工地工人自高處跌落,右大腿骨骨折,血壓一直不穩定,外院找不到正確病因,只能進行輸液和輸血治療。轉送本院時病患已呈半休克狀態,外傷科醫師進行評估時同步調閱外院X光片,並利用本院AI人工智慧輔助診斷,利用熱點電腦視覺處理,發現病患除了有左側股骨骨折外,另有左側恥骨骨盆骨折。
由於骨盆骨折出血會隨時致命,林口長庚外傷團隊馬上安排後續檢查和血管攝影,找到出血點,即時止血,病患血壓馬上回穩。隔日接受大腿骨手術,於一週後平安出院。
林口長庚外傷急症外科廖健宏醫師表示,以往的AI演算法,大都是針對單一部位的單一病灶進行分析判讀,在臨床情境上使用,相對的有侷限性,當多任務同時進行時,準確度就會下降,這也是目前AI還無法於臨床普及的原因。他解釋,在臨床上發現,骨盆X光片還可以看到很多不同的結構,如:髖骨、股骨、脊椎骨、坐骨、骨盆和許多不同的病灶。如果人工智慧只能認出髖骨骨折,對於醫療上的幫助非常侷限。尤其骨盆骨折是外傷中最可能致命的傷害,在重大車禍或者嚴重外傷時會出現,所以如何利用一張骨盆X光片,就可以診斷出各種不同傷害,是臨床上最希望達到的理想。
鄭啟桐醫師醫師指出,過去需要兩到三個不同的程式才能完成這項工作,長庚外傷團隊利用醫院自身龐大的外傷資料庫,收集過去十年高達五千張骨盆X光片,訓練及新設計出AI演算法,能同時辨識各種不同位置及不同類別的外傷型態,還能利用熱點標示,精準指出病人受傷的位置,呈現給第一線醫師參考。經由這種人機合讀機制,輔助醫師快速精準診治病人,大幅提升外傷的醫療品質。
資料來源:https://tw.news.yahoo.com/ai%E8%BC%94%E5%8A%A9%E5%A4%96%E5%82%B7%E5%BD%B1%E5%83%8F%E8%A8%BA%E6%96%B7-%E6%BA%96%E7%A2%BA%E5%BA%A695-142615158.html?guccounter=1&guce_referrer=aHR0cDovL20uZmFjZWJvb2suY29tLw&guce_referrer_sig=AQAAAIAJo6RyvAR-fbjyTvJiXDlKx1Y86j3IV8GomZbfHnPjfFfU3XKaZVCoJIVrXyzaZeTdmrHJbL14Kgej1_WzHugjoNsei24ErgEM2b9ri3nPuGjwlR3tL5ZkSBnNnshUIFKM7nE_UZEkLZu7_f4TikrHNrDUdT4RZc3m-tBK0J_q