快速篩檢的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

學會戰略性思考：快速發想、迅速淘汰、有效說服，讓聰明人更聰明工作的思考法

為了解決快速篩檢的問題，作者弗瑞德．佩拉德 這樣論述：

Burberry前營運長、BBC技術戰略主管高度讚賞 亞馬遜網路書店讀者4.6顆星好評 「學會戰略性思考對我的職涯大有幫助！」讀者真心回饋 　　身處瞬息萬變的商業世界，面對可能會遇到的各種問題， 　　勤勞、才華、人脈，再加上運氣或許能在解決問題的路上帶來幫助， 　　但想要從根本之處一舉殲滅問題，你必須學會「戰略思考」的能力。 　　所謂戰略，是處理充滿不確定性的未來； 　　而戰略性思考，就是教你在面對充滿未知的複雜問題時， 　　如何利用幾個步驟就找出精確的問題點，將有限的資源發揮最大的效用。 　　本書作者弗瑞德．佩拉德身為一名專業策略培訓師，擁有20年傳授戰略思維的經驗，對於無法馬上得

出答案的戰略性問題，弗瑞德將尋找解決方案的過程，比擬成搭乘雲霄飛車般的「上升－下降－推進」三階段，並針對每個階段提供三種搭配使用的解決工具，讓你學會如何駕馭「戰略思考的雲霄飛車」，不拘泥於眼前的戰略結果，而是擁有一套不論問題再複雜難解，都能輕鬆找出最佳解方的戰略思維！       　　上升：如何快速產生絕佳構想 　　在一開始想像不到解答時，有三種結構化技巧能幫你快速抓出初步選項，將解決問題活動達到「清晰」狀態。 　　打造邏輯樹，把字詞串連成句子，針對陌生的問題抓出一些結構。 　　推薦工具：金字塔理論。 　　借用商業理論並向世上最厲害的商業高手取經，快速發想多個聰明的選項。 　　推薦工具：快樂

線。 　　以反直覺的思考技巧拓展對眼前問題的認知，找出充滿創意的選項。 　　推薦工具：變異遊戲。 　　下降：如何立即淘汰多個選項 　　三種分析技巧對初步選項做「撞擊測試」，找出真正值得認真考慮的解決方案，有條不紊地踏入「確定」階段。 　　質化技巧讓所有構想相互競爭，使其自行排出高低優劣。 　　推薦工具：報償分析矩陣。 　　量化技巧以偏重數據的方向來驗證到目前為止的選項。 　　推薦工具：環境分析。 　　實際測試實地去展示剩下的各個選項的可行性或其他面向。 　　推薦工具：精實創業。 　　推進：為最佳解方取得認同 　　在這階段要使用三合一的套裝技巧，引領利害關係者（如老闆、客戶、同事等）進入「

信服」階段，認同你提出來的策略建議。 　　善用有衝擊力的文字，針對每一位利害關係者的個人偏好來調整溝通方式。 　　推薦工具：NLP語言系統。 　　核對簡單的數字，克服財務障礙，取得認同。 　　推薦工具：平衡計分卡、口袋版NPV。 　　打造動人的故事吸引利害關係者，促使他們注意到建議方案中務必要瞭解的重要面向。 　　推薦工具：一個畫面、兩個人物、三個字詞。 　　搭乘戰略思考的雲霄飛車，隨著「上升－下降－推進」原則解決問題，你會領悟，不管是商場還是職場，具備戰略性思考是一項關鍵技能，不僅能幫你從問題根本找出解決方法，同時引領你放眼長遠的未來。想要更聰明地工作、更從容不迫地面對問題，那就來點戰略

性思考吧！   本書特色 　　1.作者具豐富的戰略顧問實戰經歷，觀點獨特，論述清晰，脈絡推疊順暢。 　　2.使用大量圖表輔助，幫助讀者輕鬆理解商業專有名詞和情境。 　　3.每章節搭配實際範例與應用，例如為哈雷機車進軍歐洲服裝市場繪製戰略金字塔、用平衡計分卡及口袋版NPV評估Airbnb是否該新增交友服務等等，幫助讀者馬上複習、練習該章節重點。 　　4.作者架設專屬網站，提供書中所有練習圖表，讀者可將練習活動上傳、回報，跟作者互動。 專業推薦 　　李聖珉／臺灣大學領導學程「解決問題理論與實務」兼任教授 　　孫治華／策略思維商學院院長 　　陳威帆／Fourdesire執行長 　　詹文男／數位

轉型學院院長、臺灣大學商學研究所兼任教授 　　鄭涵睿／綠藤生機共同創辦人暨執行長 　　（依姓氏筆劃排序） 各界讚譽 　　「從Fred那裡學到的戰略思維知識，比我在哈佛商學院學的還多！」－約翰．史密斯（John Smith）／ Burberry前營運長 　　「實用又全面！《學會戰略性思考》揭露了建構戰略思維的方法，並為你提供最強大的工具！」－羅蘭．奧森貝克（Roeland Assenberg）／ Monitor Deloitte Netherlands戰略暨銀行部總監 　　「Fred帶來了寶貴的戰略分析方法，這些方法迅速成為我們團隊的首選工具！」－喬恩．佩奇（Jon Page）／BBC技

術戰略主管 　　「這本必讀之作最適合需要和複雜重大的難題搏鬥的人。書中重點遍布，都是有助於你在面對難以解決的問題時，從盤根錯節的核心突破重圍的利器，強力推薦！」－理查．魯梅特（Richard Rumelt）／加州大學洛杉磯分校安德森管理學院Harry & Elsa Kunin商業與社會課程榮譽教授、《好策略．壞策略》（Good Strategy, Bad Strategy）作者 　　「只要培養了正確的思考技巧、心態並習得一些工具之後，你就能更聰明地工作，進而成功構築你的戰略能力。弗瑞德將整個職涯的專業與經驗濃縮成簡明扼要、受用無窮又面面俱到的指南，讓任何人在各種情況下都能開發自己的

戰略思維。」－蒂芬妮．波瓦（Tiffani Bova）／Salesforce首席增長傳播長、《華爾街日報》暢銷書《全球800CEO必備的應變智商》（Growth IQ）作者 　　「大膽的新思維與創新並非易事，本書以非凡又深具啟發性的視角，探究各種架構與理論，激發新思維的發展與戰略眼光的生成。」－湯姆．古特雲（Tom Goodwin）／《數位進化論》（Digital Darwinism）作者、法國陽獅集團未來洞察部門負責人

快速篩檢進入發燒排行的影片

遺傳性吉特曼氏症的快速診斷: 藉由全新的方法偵測 SLC12A3頻發性突變

為了解決快速篩檢的問題，作者顏銘佐 這樣論述：

吉特曼氏症為體染色體隱性遺傳的腎小管疾病，導因於編碼腎臟遠曲小管上噻嗪類敏感性鈉－氯離子共同運輸膜蛋白(Thiazide sensitivesodium chloride cotransporter)的 SLC12A3 (Solute Carrier Family 12 Member 3) 基因的突變，吉特曼氏症患者的典型表現為慢性低血鉀併腎性鉀離子流失、腎性鈉離子流失併低血容、代謝性鹼中毒、低血鎂併腎性鎂離子流失、低尿鈣。吉特曼氏症的診斷主要依靠臨床症狀及上述典型的檢驗結果，但吉特曼氏症患者的臨床症狀差異性相當大，檢驗結果為非典型表現的患者(如尿鈣正常、血中鎂離子濃度正常等)亦不少

，故確認診斷仍仰賴基因檢測找出病理性突變，而桑格測序雙脫氧鏈終止法 (Sanger sequencing，簡稱桑格法)則為最常使用的檢測方法。然 SLC12A3 是一個相當大的基因，已發表的病理性突變超過五百個，分布遍及整個基因，故檢測多耗費相當的人力、時間及費用。近來，許多研究顯示少數的 SLC12A3 基因頻發性突變(recurrent mutations)可佔吉特曼氏症中大多數的等位基因突變(allelic mutations)，但尚不清楚這些頻發性突變的盛行率，預期快速篩檢頻發性突變將能大幅提升吉特曼氏症診斷的效率及準確性。 因此，我們納入自民國九十四年一月至民國一百零八年十二月

間，由三軍總醫院以及台灣各地醫院轉介至三軍總醫院進而診斷為吉特曼氏症的患者，透過包括桑格法在內的各式基因檢測方式針對吉特曼氏症患者的檢體進行基因檢測，並分析 SLC12A3 基因中，病理性突變的特性及頻發性突變之盛行率。共計一百六十一位來自一百三十個不具血緣關係家族的患者接受基因檢測，其中亦包含原住民，結果在 SLC12A3 基因上，包含十個尚未發表的突變，總共發現五十七個不同的病理性突變，當中有 18 個家族經檢測確認帶有三個不同的病理性突變，而五十七個病理性突變中有二十二個符合頻發性突變定義，包含兩個深層內含子突變(deep intronic mutation)，總計頻發性突變佔所有等位基

因突變的百分之八十七之多。 後續，我們利用 TaqMan 探針技術的即時聚合酶鏈式反應 (TaqMan probe-based real-time polymerase chain reaction)，設計出 SLC12A3 基因頻發性突變偵測盤，並以此偵測盤針對研究中經基因檢測確認為吉特曼氏症的家族及五十位健康自願者進行驗證和敏感性、特異性的確認，結果顯示所有頻發性突變皆可經由此一偵測盤發現，且在健康自願者或是基因確診為吉特曼氏症家族皆顯現相當高的敏感性及特異性(均在百分之九十九以上)，均無偽陽性和僞陰性出現。 最後，我們利用此一偵測盤，針對近一年中十二位臨床新診斷為吉特曼氏症的

患者進行驗證，再利用傳統的桑格法對此十二位患者的檢測結果重複確認驗證，結果發現高達百分之九十二的等位基因突變為頻發性突變，其中十位患者僅藉此偵測盤即可確診為吉特曼氏症，且所有的頻發性突變皆可透過此偵測盤正確篩檢出。 我們的研究證實了頻發性突變在吉特曼氏症中具有高盛行率，偵測頻發性突變有助於診斷吉特曼氏症，利用此研究結果所設計之頻發性突變偵測盤也成功在此研究中被驗證，透過此一頻發性突變偵測盤，可提供具臨床可應用性、便宜、快速且有效率的吉特曼氏症診斷方法。

零盲點的決定力：Google、Amazon最重視的用人準則

為了解決快速篩檢的問題，作者MentalistDaiGo 這樣論述：

Google、Amazon最重視的用人準則――零盲點決定力！ 每個人一天要面對超過70個選擇， 然而，生活中的盲點無所不在， 若不刻意練習，就會一直做錯決定！ 消除盲點的關鍵技術，日本權威讀心師首度大公開！   　　‧老被早餐店阿姨叫帥哥、美女，你的長相真的高於平均？ 　　‧交友網站上的大頭貼，為什麼該讓陌生人幫你選？ 　　‧剛升主管，必須扛起部門業績，你的能力真的夠嗎？   　　想提升決定力、做對每個決定，得先設法將盲點歸零； 　　而這件事，是有學問的！   　　★「原來這才是我！」你不知道的3大盲點 　　◎盲點1：自己看待事物的角度比別人正確 　　→真相：任何人都有自認能力高於平均的傾

向！ 　　◎盲點2：自己的事只有自己最清楚（例如：自以為比醫師還了解健康狀況） 　　→真相：我們正確理解自己的程度只有10%！ 　　◎盲點3：自己的事最好由自己判斷 　　→真相：外人反而比你還要了解你！   　　★Google、Amazon最重視的用人準則 　　Google前人資長拉茲洛．博克（Laszlo Bock）曾說： 　　「選擇員工時，我最注重的就是這個人，能否謙虛的接納他人意見。」 　　確實理解自己到底懂多少，藉此不斷吸收新知、精進能力，這就是知性謙虛。   　　►►►2大訓練，為決定力打下深厚基礎  　　◎訓練1：能夠清楚解釋，才稱得上是真正的了解 　　知識即使全記在腦子裡，也不等

於了解； 　　唯有正確無誤地將知識傳遞出去，才足以判斷是否充分理解。 　　例如，你也許知道全球暖化的原因，但若要你上臺簡報，你有多少把握呢？   　　◎訓練2：不斷不斷的問問題，你會看得更清楚 　　在手機上看到有趣的新聞，別只是滑過去，你得反問自己： 　　我從新聞中得到什麼？怎麼得出這些知識的？ 　　這則新聞內容的前提假設正確嗎？ 　　反覆操作下來，便能漸漸看穿事情的本質。   　　►►►三階段10項小練習，全方位提升你的決定力 　　◎奇蹟提問法：想像眼前的問題若能奇蹟似的解決，會發生什麼事？ 　　提案被上頭退了好幾次，別氣餒，你可以這樣想： 　　萬一這回突然就通過了，你會： 　　1.深得主管

信任，仕途坦蕩、升遷在望。 　　2.未來不論做任何決定，上頭都不會再刁難。 　　就像這樣，你會逐步朝正面的方向發想，就此遠離思考盲點。   　　◎資訊來源擴充法：千萬別只讀對自己有利的資訊，勇敢接受衝擊 　　網路發達之下，情報取得便利，人人都活在厚厚的同溫層裡。 　　有的時候你得刻意去看與你立場相左的媒體、書籍， 　　你的思想會更開闊，更不會做錯決定。   　　★越常自省，盲點就越少，你可以這樣訓練： 　　►►►6道價值提問，讓價值觀清楚浮現 　　Q1深思家庭給你的教育 　　Q2印象深刻的經歷 　　Q3最尊敬的人…… 　　→持續對自己提問，就能將抽象的價值觀，化為實際的思考脈絡。    　　►

►►心理治療界最經典的內省19題，更清楚了解自己 　　Q1人生中有什麼難忘的時刻？ 　　Q2小時候有過什麼夢想？ 　　Q3有什麼事情至今仍令你樂在其中？ 　　→了解自己越多，你的盲點就越少。   　　但千萬小心，心裡的「檢討大會」開太久， 　　很可能陷入「反芻思考」陷阱，再次蒙蔽你的決定力。 　　停止用why想事情，以what代替，尋找具體的解決方案， 　　並將反芻思考限制在一定的時間內，其他時間則嚴禁反芻思考， 　　切記：永遠專注當下，保持零盲點！   　　讀完這本書，你會更清楚如何屏除所有的盲點， 　　就此拋開成見、時時保持客觀，不再做錯決定！   本書特色   　　★日本權威讀心師，著作

累計發行量超過130萬，超人氣暢銷作家DaiGo最新力作。 　　★不同於市面上的決策教科書，本書主張：不做錯決定的最大關鍵，在於充分了解自己。 　　★2大訓練+10項練習+6道提問+內省19題，隨時自我檢測，盲點越來越清晰。   專業推薦   　　治癒型IG頻道╱工程師の下班一小時 　　量販女王╱何默真 　　網路創作者╱鬼才阿水Awater 　　心靈語錄╱涵寶寶

利用基於深度學習之DXSNet模型進行肺部疾病評估

為了解決快速篩檢的問題，作者劉哲豪 這樣論述：

Covid-19疫情擴散全球，從2019年底至今許多地方疫情情況仍相當嚴峻，疫情的檢測需要投入大量的人力及資源，在資源較匱乏的地區，對於疫情的檢測可能會遭遇到一些困境，檢測的技術及使用的試劑也會對結果造成影響，因此耗費較少資源及人力的發展尤為重要。近來，深度學習快速發展在影像分類方面也發展得相當不錯，許多人紛紛將醫療影像透過深度學習，期望可以減輕醫護人員的壓力並加快病情的診斷。在肺部病情診斷方面，通常以X光影像及CT影像最為常見，X光影像取得較CT影像方便快速及便宜，將X光影像透過深度學習模型協助醫生判斷病情，減輕醫生負擔。本論文嘗試將肺部X光影像利用四種深度學習模型，包含ResNet152

、InceptionV3、Xception及DenseNet201，進行四種肺部疾病的判斷，包括正常肺部影像、COVID-19患者肺部影像與細菌性及病毒性肺炎肺部影像，並且引入X光影像的前處理以提高四種模型的判斷準確率。此外，提出一種新的深度學習模型DXSNet以提升肺部疾病判斷的準確率，它主要是取Xception及DenseNet之優點予以結合，利用DenseNet加強特徵萃取及Xception將特徵圖的資訊先各別處理再整合，再利用SENet attention的特性加強有效特徵抑制無效特徵，實驗結果發現DXSNet之效能皆優於前面四種模型。在實驗方面針對四種的X光影像進行多元分類及二元分類

，二元分類可以讓醫護人員可以快速篩檢肺部是否正常，是否需要進一步交給醫生判斷病況，多元分類則可以協助醫生判斷病況，以減輕醫護人員及醫生的負擔。本論文使用的錯誤評估指標除了使用Accuracy外，還使用了Precision、Recall及F1-score，同時觀察各模型的ROC曲線及PR曲線之AUC。DXSNet在圖片未經前處理的情況下就達到了0.9381的Precision、0.9372的Recall及0.9365的F1-score，AUC則達到了0.9897，顯示出多元分類可以對疾病進行不錯的評估。除了進行多元分類本論文也進行了二元分類，在二元分類DXSNet在Precision、Recal

l及F1均達到0.9792，AUC更是達到了0.9958，均優於前面的四種模型，顯示出二元分類上可以很好的判斷出正常肺部及非正常肺部。