跨性別手術的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到附近那裡買和營業時間的推薦產品

人人都能上手的資訊圖表設計術：台灣第一家INFOGRAPHIC設計公司，經典案例、操作心法、製作祕笈全公開!

為了解決跨性別手術的問題，作者Re-lab團隊 這樣論述：

讓 • 人 • 秒 • 懂 • 的 • 資 • 訊 • 圖 • 表 資訊爆量時代 未來工作者的必備生存技能 效率最好、CP值最高的溝通工具 ————收錄最接地氣的台灣本土案例 ‧ 深入淺出資訊圖表的原理和概念———— ╣書衣附『資訊圖表設計流程圖』，完整掌握Infographic設計SOP與KNOW-HOW╠ 　　★金融商管、行銷公關、媒體資訊、教育醫療、科技新創、設計廣告……未來工作者的必備生存技能★ 　　★Google、紐約時報、微軟、NIKE、麥肯錫、摩根資產管理、台積電、鴻海科技、奧美廣告……全球各大企業都在用★ 　　◎資訊圖表（Infographic）——「資訊」與「圖像」的

完美結合！ 　　1.兼具「說故事」和「視覺化」兩種迷人的方法 　　2.將難以理解的數據、理論、流程變得一目瞭然 　　3.把讓人抗拒的文字、無法溝通的立場變得友善 　　◎造成心理負擔的資訊疲勞轟炸——你也有資訊肥胖症的困擾嗎？ 　　現代人每天接收的訊息高達10 萬字，相當於一部筆電五分之一的容量！根據「認知負荷理論」（Cognitive Load Theory），這個資訊量已遠超過人們可吸收的範圍，在這個資訊爆炸的時代，我們每個人都罹患了「資訊肥胖症」（Infobesity）！資訊肥胖症除了降低生產力、記憶力之外，也容易造成心理壓力、焦慮、影響睡眠品質及食慾等負面影響。 　　◎迅速理解複

雜龐大資訊——Infographic是資訊汪洋的救生圈！ 　　人類自古以來為了生存演變成視覺化的動物，不論是資訊的吸引力、理解效率和記憶力，經過視覺化後都能大幅改善溝通的效果和感受，一張好的資訊圖表，能讓你在60秒內迅速理解龐大且複雜的資訊，將你從資訊汪洋中拯救出來，更是資訊肥胖的預防針！ 　　◎溝通力‧影響力‧工作力——資訊圖表設計的技能怎麼培養？ 　　《人人都能上手的資訊圖表設計術》完整分享台灣第一家資訊圖表設計公司——Re-lab團隊的歷年經典案例、操作心法、製作祕笈，讓你一次掌握最精華、最紮實的學習內容，獲得經客戶與市場檢驗的資訊圖表設計術，提升工作執行的效率與精準度，從學術、商

業報告和簡報製作的「溝通力」，到市場、議題推廣的「影響力」等，都能無往不利！ 　　◎操作Infographic最有效的技巧—— 資訊圖表設計 SOP首度公開！ 　　‧ 步驟一：設定溝通目的、溝通對象及溝通主題 　　快速將溝通目的的層次區分清楚，製作主題便會浮現，接著靈活運用「社群分眾測試」找出潛在溝通對象！                    　　‧ 步驟二：時間規劃 　　利用「泡泡時間規劃法」都能讓你更快速掌握時間資源的分配運用！                      　　‧ 步驟三：研究溝通對象及資訊內容     　　以「圖片訪談法」深入了解溝通對象，教你分辨資料的性質，並選擇最

適合的處理方式，歸納出能夠具體運用在改善產品或服務的洞見。                    　　‧ 步驟四：設計資訊結構 　　步驟一至三決定了要放哪些資訊在資訊圖表中後，須按照溝通的重要順序來將資訊內容分層，讓後面的設計規劃更輕鬆！愈重要的資訊通常佔資訊圖表的版面愈大，也是圖像化和整體概念包裝的重點。              　　‧ 步驟五：設計規劃                   　　利用心智圖進行發想，確定版面規格，分配資訊呈現內容，接著包裝概念與設想情境。若想要推廣的資訊較為枯燥，可以「類推聯想法」讓主題聯繫到另外一個受歡迎的題材，增加原本主題的親切感。 　　‧ 步驟六：設

計製作                        　　選定合適的參考，整理可運用的相關資源如字體、實拍照片、圖示等，接著照資訊架構及概念包裝設定，進行草圖繪製。最後依據自己熟悉的軟體如Excel、PowerPoint等簡報製作軟體，甚至手繪進行完稿，做出令人驚豔的資訊圖表！ 本書特色 　　★第一本由台灣資訊設計公司撰寫的在地資訊圖表設計專書 　　學界、媒體業、設計業、群眾募資界與科技業等各界專家一致推薦！ 　　★完整說明基本觀念，打好資訊圖表製作基礎 　　從資訊影響力、資訊揭露效力、資訊溝通力、資訊視覺化應用、三大核心策略、五大法則到常見資訊圖表類型，掌握資訊圖表製作概念。 　　★

收錄6篇國內外資訊圖表業界專家的第一手採訪與最新資訊 　　醫學領域資訊圖表團隊「Info2Act」、曾在國際媒體紐約時報及華盛頓郵報服務的「林辰峰」、台灣資訊視覺化領袖人物「李怡志」、Re-lab共同創辦人與設計師「劉家瑋」、致力於以資訊圖表介入社會設計的「吳培弘」，以及日本知名資訊圖表公司「Kartz Media Works」。 　　★全書使用台灣在地案例，涵蓋營利到非營利組織 　　從行政院環境保護署、台灣環境資訊協會、衛生福利部國民健康署、台灣中區國稅局報稅指南、『食我』美食APP、AMAZE快租時尚到關鍵評論網等，第一手在地案例分享。 名人推薦 　　Hauer 臺灣吧執行長 　　丁

菱娟 世紀奧美公關創辦人 　　李取中 大誌/週刊編集總編輯 　　林大涵 集資顧問公司貝殼放大創辦人 　　周世恩QSearch專業社群分析團隊創辦人 　　吳漢中 2016臺北世界設計之都執行長 　　邱瀅憓Yahoo! 奇摩媒體傳播事業群副總經理  　　徐震 嘖嘖募資平台共同創辦人 　　蔡正潔 鴻海科技集團 樂養健事業群 整合行銷處資深經理 　　葉丙成 台大電機系教授 　　鄭國威PanSci泛科學網總編輯 　　———————————————————聯合推薦

跨性別手術進入發燒排行的影片

開發基於真實世界數據及機器學習之肺癌治療預後預測模型

為了解決跨性別手術的問題，作者羅彩芝 這樣論述：

肺癌是全球癌症死亡的首要原因。2020年全球約有221萬新發肺癌病例，約180萬例死亡。2019年發病率為29.21/10萬人，死亡率為26.40/10萬人。如何精準地預測疾病的預後及藥物治療的結果，乃至於作為治療決策與藥物選擇之參考輔助，是臨床醫學近年來的重要議題。近年來，人工智慧技術常被應用在醫療學術研究及臨床實務。利用大數據且經由機器學習或深度學習之演算法所開發的疾病風險及預後預測的模組，為近年來人工智慧應用在醫療領域之學術研究的一大主流。本研究有三項研究目的：（1）建立非小細胞肺癌患者確診後二年存活預測模型；（2）建立非小細胞肺癌患者標靶藥物治療後二年存活預測模型；（3）建立非小細胞

肺癌患者確診後腦轉移預測模型。本研究的資料來源為臺北醫學大學臨床研究資料庫（Taipei Medical University Clinical Research Database, TMUCRD）。我們擷取了2008至2019年罹患非小細胞肺癌患者作為研究族群。本研究分別以每位患者的非小細胞肺癌確診日或標靶藥物治療日為起始日，以診斷後二年內死亡或腦轉移之發生作為結果，另以患者基本人口學特性、生活習慣、肺癌疾病特性、共病症、近期用藥情形、臨床檢驗數據、基因檢測結果等作為特徵因子。本研究同時使用多種不同的機器學習方式，包括邏輯斯迴歸（Logistic Regression）、套袋法集成學習（Ba

gging）、梯度提升（Gradien Boosting）、自適應增強法集成學習（AdaBoost）、隨機森林（Random Forest）、極限梯度提升（eXtreme Gradient Boosting, XGB）、線性判別分析（Linear Discriminant Analysis）及LightGBM（Light Gradient Boosting Machine）來建立預測模型。我們也根據外部測試結果，ROC曲線下面積AUC（Area Under Curve, AUC）最大的模型是最佳模型。本研究中，總共收納 3,714 名患者（2,280 名用於訓練數據集，1,434 名用於測試數

據集）。目的一（確診後二年存活預測）的結果顯示，在完整模式下，隨機森林模型（Random Forest）的 AUC 比其他模型高（AUC＝0.869），且最重要的特徵因子是癌症期別、腫瘤尺寸、性別、確診年齡和身體質量指數。目的二（標靶治療後二年存活預測）的結果顯示，在完整模式下，梯度提升模型（Gradien Boosting）的AUC最高（AUC＝0.785），且最重要的特徵因子為癌症期別、腫瘤尺寸、身體質量指數、ROS1、ALK和PD-L1。目的三（確診後腦轉移預測）的結果顯示，在完整模式下，梯度提升模型（Gradien Boosting）的AUC最高（AUC＝0.703），且最重要的特徵因

子是癌症期別、腫瘤尺寸、確診年齡及身體質量指數。綜上所述，結合多種特徵因子（包括人口學特徵、疾病狀況、共病症、合併用藥、實驗室檢測結果和基因檢測結果）可以建立效能頗佳的非小細胞肺癌預後預測模型，且癌症期別、腫瘤尺寸及身體質量指數在本研究的不同模型下皆為重要特徵因子。使用隨機森林模型（Random Forest）或梯度提升模型（Gradien Boosting）演算法開發的模型具有最高的AUC，它們可能是最適合用於非小細胞肺癌預後預測的工具。