
讓所有人都能上手,是我們課程的設計核心。不管你是剛進醫院的 PGY,還是電腦不熟的資深主管,或者是讀過多次統計卻仍感到害怕的起步者,我們的教學能夠很容易的讓各位理解,也親手做出 SCI 期刊等級的統計圖。
多位同學,早上剛到時,依然半信半疑,但到了下午兩點,都在自己的電腦上畫出許多數據圖,並實際理解統計應用。
以下一起看看同學們已經做好的,很棒的數據圖,以及我們進一步給予的建議。最後,一起看看兩位傑出同學的得獎作品。

讓所有人都能上手,是我們課程的設計核心。不管你是剛進醫院的 PGY,還是電腦不熟的資深主管,或者是讀過多次統計卻仍感到害怕的起步者,我們的教學能夠很容易的讓各位理解,也親手做出 SCI 期刊等級的統計圖。
多位同學,早上剛到時,依然半信半疑,但到了下午兩點,都在自己的電腦上畫出許多數據圖,並實際理解統計應用。
以下一起看看同學們已經做好的,很棒的數據圖,以及我們進一步給予的建議。最後,一起看看兩位傑出同學的得獎作品。

本課程以發表為導向、實戰作核心,提供最佳的助力,無論是資深研究者,或者新進初學者,都能搬開研究路上的大石,突破學術困境。讓各位學術起飛更為順遂,是我們持續努力的目標!
感謝各位給籌備團隊的匿名回饋,各項分數都在 4.90 以上,有五堂課程分數達到滿分,謝謝大家的肯定。
這次報名的同學們,有以下特色:
以下是參加者們的匿名手寫回饋,每一份鼓勵,都是我們前進的動力;每一條建議,也將出現在我們的檢討會議,研究如何改進。
謝謝您,我們會繼續努力!

使用放射線治療肝癌時,往往使用立體定位,避免損傷過多的肝臟組織,不過臨床上偶爾還是會遇到患者的肝臟,在非腫瘤區域產生放射線傷害。如果能有一個模型,在患者照射前就能知道產生放射線傷害的可能性,對於選擇患者與事前溝通都會有幫助。
沈醫師團隊,使用 86 位肝癌患者的資訊,收入各種臨床、影像、劑量、體積資訊,嘗試建造一個能夠預測放射線損傷的模型,篩選測試後,有五個關鍵因子,包括 albumin-bilirubin grade、difference average、strength、V5、V30。模型經訓練後,都能達到 94.4% 的準確率,很適合作為放射治療前的評估。
恭喜沈醫師!