医学论文怎么开题的快

一、如何能快速的学会写医学论文：医学论文的基本格式及写作方法 （一）标题（title） 标题要求： 1.阐述具体、用语简洁：一般不超过20个字。 2.文题相称、确切鲜明：标题体现内容，内容说明标题。 3.重点突出、主题明确：突出论文主题，高度概括，一目了然。不足以概括论文内容时，可加副标题（破折号、括号或加序码）。 （二）作者署名（author） 1.作者署名的意义 (1)明确论文责任：文责自负 (2)获得应有的荣誉：载入科技发展的史册 (3)文献检索的需要：著者检索 (4)明确著作权：人身权和财产权 2.作者署名的原则 署名的个人作者，只限于选定研究课题和制定研究方案，直接参加全部或主要部分研究工作并做出贡献，以及参加撰写论文并对内容负责的人。(GB7713-87《科学技术报告、学位论文和学术论文的编写格式》) 3.作者署名的要求 (1)分为集体署名和个人署名。 (2)第一作者应是论文课题的创意者、设计者、执行者，是论文的执笔者。 (3)多人合写时，主在前，次在后；多单位合写时，用脚注标明。 (4)作者人数不易过多，一般不超过6人。 (5)指导、协作、审阅者可列入致谢中。 （三）摘要（abstract） 1.摘要内容和格式 一般格式： (1)目的（objective）：说明论文要解决的问题及其起源、由来。 (2)方法（methods）：说明研究时间、参加完成研究的患者或受试者的人数和研究的主要方法。 (3)结果（results）：说明研究内容中主要结果，包括数据和统计学检验结果。 (4)结论（conclusions）：说明主要结论，包括直接的临床应用。 其它格式 (1)目的（objective, purpose, aim, background）：论文要解决的问题及其起源、由来、研究背景。 (2)设计（design）：论文基本研究设计。 (3)地点（setting）：研究地点、单位、等级。 (4)对象（subjects, patients）：论文研究的时间、参加完成研究的患者或受试者的人数和研究的主要方法。 (5)处理（intervention）：论文的临床治疗和其它处理方法。 (6)检测（measures）：论文为评定结果而进行的主要测试项目。 (7)结果（results）：说明研究内容中主要结果和数据。 (8)结论（conclusions）：说明主要结论，包括直接的临床应用。 2.摘要的写作要求 (1)连续写出，不分段落，不加小标题，不举例证。 (2)格式规范化。 (3)简短、完整，一般占全文文字的10%左右。 (4)文字性资料，不用图、表、化学结构式。 (5)内容基本一致的英文摘要。 （四）关键词（key words） 关键词是表达科技文献的要素特征，是具有实际意义的词或词组。 主题词是规范化的关键词，关键词是具有灵活性和广泛性的自由语言。现阶段关键词和主题词都作为检索语言使用。由于关键词是自然语言，同义词、近义词、多意词未统一，造成检索误差，故目前多采用从医学主题词表（MeSH）中选择。 1.关键词格式 3-8个词或词组，之间空一格书写，不加标点符号。外文字符之间可加逗号，除专有名词的字首外，余均小写。 2.选择关键词的方法 (1)可从标题、摘要和全文内容中选择，以从标题中选择最常用。 (2)要严格筛选，充分、准确、全面地反映文章的中心内容。 (3)查阅医学主题词表确认。 （五）引言（introduction） 1.引言的基本内容 (1)简要叙述研究此项工作的起因和目的 (2)研究此项工作的历史背景 (3)国内外对研究此项工作的研究现状和研究动态 (4)强调此项工作的重要性、必要性和研究意义 (5)适当说明研究此项工作的时间、材料和方法 2.引言的写作要求 (1)简明扼要，重点突出：一般为200-500字，约占全文的1/8-1/10。 (2)实事求是、客观评价：不能蓄意贬低前人，切忌妄下断言。 (3)少用套话：水平如何，自有共论。 (4)勿与摘要相同，避免与正文重复：不涉及结果或结论。 (5)一般不写“引言”字样标题。 （六）材料与方法（materials and methods） 1.材料与方法的主要内容 (1)实验对象： ①动物：名称、品种、数量、来源、年龄、性别、分组标准与方法。 ②微生物或细胞：种、型、株、系、培养条件和实验室条件。 ③临床病例：来源、数量、性别、年龄、病因、病程、病理诊断、分型标准、选择标准。 (2)实验仪器：仪器设备名称、生产厂家、型号、操作方法、改进之点。 (3)实验材料：药品和试剂的名称、成份、规格、纯度、来源、出厂时间、批号、浓度、剂量、给药方法、途径、用药总量。 (4)实验方法与条件： ①临床病例：观察方法、指标、治疗方法、药物名称、剂量、使用方法、疗程。 ②手术与标本：手术名称、术式、麻醉方法、标本制备过程。 ③实验室：实验与记录手段、观察步骤、指标、注意事项、方法改进及依据。 （5）统计学方法： （七）结果（results） 结果是论文价值所在，是研究成果的结晶。全文的结论由此得出，讨论由此引发，判断推理和建议由此导出。 1.结果的内容 (1)数据：不用原始数据，要经统计学处理。 (2)图表：用于显示规律性和对比性。 (3)照片：能形象客观地表达研究结果。 (4)文字：对数据、图表、照片加以说明。 2.结果的写作要求 (1)按实验所得到的事实材料进行安排，可分段、分节，可加小标题。 (2)解释客观结果，不要外加作者的评价、分析和推理。 (3)结果要真实性，不可将不符合主观设想的数据或其它结果随意删除。 (4)因图表和照片所占篇幅较大，能用文字说明的问题，尽可能少用或不用图表或照片。 （八）讨论（discussion） 讨论是论文的重要主体部分，是作者对所进行的研究中所得到的资料进行归纳、概括和探讨，提出自己的见解，评价其意义。 1.讨论的内容 (1)对实验观察过程中各种数据或现象的理论分析和解释。 (2)评估自己结果的正确性和可靠性，与他人结果比较异同，并解释其原因。 (3)实验结果的理论意义及对实践的指导作用和应用价值。 (4)作用机制或变化规律的探讨。 (5)同类课题国内外研究动态及与本文的关系。 二、如何快速查阅英文文献具体操作过程如下：1.先打开金山词霸自动取词功能，然后阅读文献；2.遇到无法理解的长句时，可以交给Google处理，处理后的结果猛一看，不堪入目，可是经过大脑的再处理后句子的意思基本就明了了；3.如果通过Google仍然无法理解，感觉就是不同，那肯定是对其中某个“常用单词”理解有误，因为某些单词看似很简单，但是在文献中有特殊的意思，这时就可以通过CNKI的“翻译助手”来查询相关单词的意思，由于CNKI的单词意思都是来源与大量的文献，所以它的吻合率很高。另外，在翻译过程中最好以“段落”或者“长句”作为翻译的基本单位，这样才不会造成“只见树木，不见森林”的误导。来源：360医学网。

随着计算技术和生物技术的进步,当前生物医学文献正在以前所 未有的速度增长。这些文献中蕴含着最新的研究进展和丰富的生物医学知识,对于生物医学研究者具有重要意义。然而数以千万计的文献使得研究者追踪和整理自己 需要的知识和信息变得越来越困难。文本挖掘技术可以解决这一问题,帮助生物医学研究者提高从文献中获取知识和信息的效率。因此针对生物医学文献的文本挖掘 研究具有重要的应用价值。判别式模型是一类直接利用特征来预测目标变量的发生概率的机器学习模型,本文中主要用到的判别式模型有最大熵模型和条件随机域模 型。相对于产生式模型,判别式模型降低了特征之间的独立性假设的要求,并且与很多文本挖掘任务的需求相一致,因而更有可能取得好的效果。本文主要研究如何 利用判别式模型来解决生物医学文献挖掘中的问题。具体地,我们研究了生物医学文本挖掘中的三个任务:生物医学名实体识别、生物医学实体规范化以及生物医学 语义关系抽取。在这3任务中,第二个任务是第一个任务在语义处理上的延伸,前两个任务是第三个任务的基础。本文的主要内容包含以下4个方面。生物医学名实 体识别的目标是确定一个给定的文本集合内的某一类型的实体的名字的所有实例,它是进行深层次文本挖掘的必要步骤之一。本文在考察了生物医学领域实体识别的 特点和难点,分析了目前已有的生物医学实体识别方法的优缺点的基础上,提出了利用条件随机域模型结合丰富特征集来进行生物医学实体识别的方法。这些特征包 括:构词法特征、上下文特征和句法特征。其中,浅层句法特征是首次被引入到条件随机域模型中,同时用来进行实体的边界检测和类别判断。实验表明,这一特征 可以有效地提高名实体识别的效果。有监督的机器学习方法需要大规模的标注语料。大量的电子文献使得在生物医学领域获取未标记的语料已相当容易,但是对语料 进行标注仍然是一件昂贵的工作。针对在生物医学名实体识别中有监督学习所需的大规模训练语料比较难以获取的问题,本文提出了基于最大熵模型的协同训练的半 监督学习方法。该方法可以利用大量的未标注语料来提高在较少的标注语料的基础上学习到的分类器的名实体识别性能。为了进一步提高半监督学习的效果,本文将 主动学习引入到半监督学习的过程中。实验表明,基于最大熵模型的协同训练方法可以有效地提高初始分类器的识别性能。灵活的生物医学实体命名方式使得生物医 学实体具有严重的歧义。这已成为对生物医学文献进行深层自动文本挖掘的主要障碍之一。生物医学实体规范化的提出就是为了解决这一问题。生物医学实体规范化 就是把生物医学文献中表达同一概念的不同变体映射到统一的概念标识符。本文提出了一种用于生物医学实体规范化的多层歧义消解框架。实体规范化过程中不同阶 段有不同的歧义情形,在本文提出的框架中,针对这些情形采用了有针对性的解决策略,包括:基于词典的实体名字检测,基于机器学习方法的候选选择以及基于知 识的歧义消解。在BioCreAtIvE2006基因名字规范化任务的测试集上的实验表明本文提出的框架可以有效地解决规范化过程中的各种歧义。生物医学 语义关系抽取是生物医学文本挖掘的主要研究内容之一,是从无结构的生物医学文献中抽取出生物医学知识的重要手段。在实际应用中,生物医学语义关系的定义有 宽泛和具体之分。本文将宽泛定义和具体定义的生物医学语义关系抽取分别看作二分类和多分类问题,提出基于最大熵模型的生物医学语义关系抽取的方法。针对不 区分类别的蛋白质相互作用这种宽泛定义的关系抽取,提出了一种基于最大熵的二阶段蛋白质相互作用关系抽取方法。针对多类别的蛋白质相互作用这种具体定义的 关系抽取,提出使用最大熵模型结合词特征的抽取方法,该方法在一个具有10种蛋白质相互作用类别的数据集上取得了的总体精确率。同样的方法应用 到疾病与治疗方式关系抽取任务中,也取得了很好的实验结果。此外,本文还通过理论分析和实验对比,从理论和实践两个方面说明了判别式模型比产生式模型更适 合生物医学语义关系抽取问题。参考文献 [1] 王浩畅,赵铁军. 生物医学文本挖掘技术的研究与进展[J]. 中文信息学报. 2008(03) [2] 于中华,陈蓉,胡俊锋,陈源. 基于加权投票K—近邻法的生物医学缩略语消歧[J]. 中文信息学报. 2008(02) [3] 龙军,殷建平,祝恩,赵文涛. 主动学习研究综述[J]. 计算机研究与发展. 2008(S1)

首先，可以去问下学长学姐或者导师，其次也是可以看下（生物医学）这本刊物上的文献