王廷瑋｜數位醫療｜智慧醫療: 3月 2024 WFU

2024年3月30日 星期六

AI for Medicine

作者：王廷瑋




由 DeepLearning.AI 在 Coursera 上提供的專項證書，包含有三個部分



AI for Medical Diagnosis


第一部分X光分類與腦瘤切割過去有做過相關研究
  1. Chiu HY, Peng RH, Lin YC, Wang TW, Yang YX, Chen YY, Wu MH, Shiao TH, Chao HS, Chen YM, Wu YT. Artificial Intelligence for Early Detection of Chest Nodules in X-ray Images. Biomedicines. 2022 Nov 7;10(11):2839. (SCI, 2022 IF=4.7 Q1)
  2. Wang TW, Hsu MS, Lee WK, Pan HC, Yang HC, Lee CC, Wu YT. Brain metastasis tumor segmentation and detection using deep learning algorithms: A systematic review and meta-analysis. Radiotherapy Oncol. 2023 Nov 13;190:110007.(SCI, 2022 IF=5.7, Q1)
  3. Wang TW, Shiao, Y., Hong, J., Lee, W., Hsu, M., Cheng, H., Yang, H., Lee, C., Pan, H., You, W. C., Lirng, J., Guo, W., & Wu, Y. (2024). Artificial Intelligence Detection and Segmentation Models: A Systematic Review and Meta-Analysis of Brain Tumors in Magnetic Resonance Imaging. Mayo Clinic Proceedings: Digital Health, 2(1), 75-91. (New journal)


AI for Medical Prognosis


第二部分預後的存活分析則是博士論文的主要內容！
  1. Wang TW, Chao HS, Chiu HY, Lu CF, Liao CY, Lee Y, Chen JR, Shiao TH, Chen YM, Wu YT. Radiomics of metastatic brain tumor as a predictive image biomarker of progression-free survival in patients with non-small-cell lung cancer with brain metastasis receiving tyrosine kinase inhibitors. Translational Oncol. 2024 Jan;39:101826. (SCI, 2022 IF=5.0, Q2)
  2. Wang TW, Chao HS, Chiu HY, Lin YH, Chen HC, Lu CF, Liao CY, Lee Y, Shiao TH, Chen YM, Huang JW, Wu YT. Evaluating the Potential of Delta Radiomics for Assessing Tyrosine Kinase Inhibitor Treatment Response in Non-Small Cell Lung Cancer Patients. Cancers (Basel). 2023 Oct 24;15(21):5125. (SCI, 2022 IF=5.2 Q2)
  3. Wang TW, Hsu MS, Lin YH, Chiu HY, Chao HS, Liao CY, Lu CF, Wu YT, Huang JW, Chen YM. Application of Radiomics in Prognosing Lung Cancer Treated with Epidermal Growth Factor Receptor Tyrosine Kinase Inhibitors: A Systematic Review and Meta-Analysis. Cancers (Basel). 2023 Jul 8;15(14):3542. (SCI, 2022 IF=5.2 Q2)
儘管專項證書課程的內容深度可能無法與學術論文相比，但它們廣泛覆蓋了相關領域的核心概念。


AI For Medical Treatment


關於臨床試驗的第三部分，這是一個我過去較少探索的領域。據了解，臨床試驗不僅是醫學研究的重要組成部分，也反映了一個國家科學研究的水平，美國在這方面尤為突出。

近期於 nejm ai 上發表的人工智能臨床實驗顯示，通過人工智能技術識別的高風險患者，進行額外評估後，不僅能降低醫療成本，還能改善患者的臨床預後。這些發現進一步證實了人工智能在醫學領域應用的巨大潛力及其在優化醫療資源配置和提高患者治療效果方面的重要作用。

深入淺出的專項課程！5星好評！



2024年3月28日 星期四

探索個人品牌的橋樑：從工作坊啟航

作者：王廷瑋





在這個瞬息萬變的網絡時代，我們每個人都像是一座孤島，急切地想要搭建起通往外界的橋樑。這座橋樑，就是我們的個人品牌。

正因為這樣的認知，即便我目前尚未確立自己的專業方向或產品概念，我還是決定報名參加了“網路時代之個人品牌工作坊”。我的動機很簡單：一方面，因為我對資訊領域和網路相關的知識頗有興趣，希望能從中汲取先行者的經驗和智慧；另一方面，我也希望提前熟悉相關工具和技術，以便在未來的職業生涯中，能夠順利把握每一次寶貴的機會。


建立網站，跟打造品牌是兩回事。


參加這次工作坊的經歷，給我留下了深刻的印象，而且，可以毫不夸張地說，結果遠超我的預期。雖然過去我有學習過建構網頁的基礎知識，但這次新思維的課程與傳統的程式碼撰寫課程截然不同。

從一早開始，講師便向我們闡述了網路對於個人品牌建立的重要性，並透過各種工具和案例的分享，讓我們見識到了網路時代下，個人品牌的力量。進入午間的實作環節，我們有機會將所學應用於實際操作中，這不僅激發了我的學習熱情，也加深了我的理解和記憶。


工具只是基本，重要的是核心。


更令我興奮的是，下午的課程安排涉及到了網絡法律問題，以及一些校友成功利用個人品牌在網絡時代中翻轉人生命運的真實案例。這些內容不僅豐富了我的知識儲備，也給了我莫大的啟發——在這個信息爆炸的時代，成功建立個人品牌，並非僅僅依靠繁瑣的技術操作，更重要的是如何巧妙地利用這些工具，將自己的專業知識或產品，轉化為具有價值的輸出。

輝達的 CEO 黃仁勳曾預言：「程式語言已死。」這不禁讓我反思，在網路和 AI 的時代，對我們來說，或許真正重要的不是完全掌握那些背後複雜的技術原理（畢竟這些原理對大多數人來說都是高不可攀的），而是要熟悉這些工具的基本性質和使用方法，並學會如何將這些工具與我們自己的專業知識相結合，創造出真正的價值。這正是新思維課程所要傳達的核心精神。


洞悉個人價值的本質，與時俱進。


課程中，我們被教導要持續探索，勇於嘗試，並且學會從實踐中學習。團隊的經驗分享，讓我們了解到，技術的學習和應用並非一成不變，而是需要隨著時間、環境的變化而不斷進化。透過講師和校友的實際案例，我們看到了，無論是遇到技術難題還是市場變化，關鍵在於我們如何利用已有的工具和資源，快速適應並解決問題。

這對我來說，是一個極大的啟示——在未來的職業道路上，面對 AI 時代帶來的挑戰，只有不斷學習、靈活應變，才能抓住每一次機遇，實現自我價值的提升。





透過這次工作坊，我也意識到經營品牌遠不是一項簡單的任務，它涉及到了品牌定位、市場分析、建立內容、社群互動等多個層面。不僅要有堅實的專業知識作為基礎，更需要學會如何透過網路平台有效地傳遞我們的價值，與目標受眾建立深度的連結。

正如課程中所強調的，真正成功的個人品牌，不僅能夠展示自己的專業能力和成就，更能夠激發起人們的共鳴，創造出影響力。



2024年3月26日 星期二

精進學習

工作坊


新思惟


個案報告、技術發表與文獻回顧工作坊

杜裕康教授


Stata劑量反應統合分析工作坊

線上課程


Deeplearning.ai



Johns Hopkins University



Freecodecamp


2024年3月23日 星期六

個人履歷

Curriculum Vitae 





Personal Data


王廷瑋
Ting-Wei Wang, MD PhD
Work: Email / LinkedIn / Github
Research: OCRID / Google Scholar / RearchGate


Education


National Yang-Ming Chiao Tung University, Taipei, Taiwan,
2020-2021, 2022-2023 PhD, Department of Biophotonics
National Yang-Ming Chiao Tung University, Taipei, Taiwan,
2015-2023 MD, College of Medicine


Research and Work Experiences


2024~ Postdoctoral Fellow, Yang-Ming Chiao Tung University, Taipei, Taiwan, Department of Biophotonics
2024~ Teaching Assistant, Network Meta-Analysis Workshop, InnovaRad, Taiwan


Member of Academic Society


Taiwan Epidemiology Association
Taiwan Evidence-Based Medicine Association


Honors, Scholarship, and Grants


2023 Gen. & Mrs. M.C. Peng Fellowship from School of Medicine, National Yang-Ming Chiao Tung University 
2021 Direct-Track Ph.D. Scholarship, National Yang-Ming Chiao Tung University 


Peer-Reviewed Journal Publications

  1. Ting-Wei Wang, Jia-Sheng Hong , Hwa-Yen Chiu , Heng-Sheng Chao , Yuh-Min Chen , Yu-Te Wu Standalone Deep Learning versus Experts for Diagnosis Lung Cancer on Chest Computer Tomography: A Bivariate Meta-Analysis. European radiology (SCI, 2022 IF=5.9, 16/135 88.5%, Q1) (Accepted)
  2. Wang TW, Hsu MS, Lee WK, Pan HC, Yang HC, Lee CC, Wu YT. Brain metastasis tumor segmentation and detection using deep learning algorithms: A systematic review and meta-analysis. Radiotherapy Oncol. 2023 Nov 13;190:110007.(SCI, 2022 IF=5.7, 17/135 87.8%, Q1) (Green Journal: Rank 2 in Radiation Oncology)
  3. Wang TW, Shiao, Y., Hong, J., Lee, W., Hsu, M., Cheng, H., Yang, H., Lee, C., Pan, H., You, W. C., Lirng, J., Guo, W., & Wu, Y. (2024). Artificial Intelligence Detection and Segmentation Models: A Systematic Review and Meta-Analysis of Brain Tumors in Magnetic Resonance Imaging. Mayo Clinic Proceedings: Digital Health, 2(1), 75-91. (New journal) (Mayo Clinic: World Rank 1 Hospital)
  4. Wang TW, Chao HS, Chiu HY, Lu CF, Liao CY, Lee Y, Chen JR, Shiao TH, Chen YM, Wu YT. Radiomics of metastatic brain tumor as a predictive image biomarker of progression-free survival in patients with non-small-cell lung cancer with brain metastasis receiving tyrosine kinase inhibitors. Translational Oncol. 2024 Jan;39:101826. (SCI, 2022 IF=5.0, 77/241 68.3%, Q2)
  5. Wang TW, Chao HS, Chiu HY, Lin YH, Chen HC, Lu CF, Liao CY, Lee Y, Shiao TH, Chen YM, Huang JW, Wu YT. Evaluating the Potential of Delta Radiomics for Assessing Tyrosine Kinase Inhibitor Treatment Response in Non-Small Cell Lung Cancer Patients. Cancers (Basel). 2023 Oct 24;15(21):5125. (SCI, 2022 IF=5.2, 72/241 70.3%, Q2)
  6. Wang TW, Hsu MS, Lin YH, Chiu HY, Chao HS, Liao CY, Lu CF, Wu YT, Huang JW, Chen YM. Application of Radiomics in Prognosing Lung Cancer Treated with Epidermal Growth Factor Receptor Tyrosine Kinase Inhibitors: A Systematic Review and Meta-Analysis. Cancers (Basel). 2023 Jul 8;15(14):3542. (SCI, 2022 IF=5.2, 72/241 70.3%, Q2)
  7. Wang CK†; Wang TW†; Yang YX; Wu YT. Deep Learning for Nasopharyngeal Carcinoma Segmentation in Magnetic Resonance Imaging: A Systematic Review and Meta-Analysis. Bioengineering 2024, 11, 504. (SCI, 2022 IF=4.6, 34/96 65.1%, Q2) (†Equal contribution)
  8. Wang CK†, Wang TW†, Lu CF, Wu YT, & Hua MW. (2024). Deciphering the Prognostic Efficacy of MRI Radiomics in Nasopharyngeal Carcinoma: A Comprehensive Meta-Analysis. Diagnostics, 14(9), 924. (SCI, 2022 IF=3.6, 64/129 64%, Q2) (†Equal contribution)
  9. Chiu HY, Wang TW, Hsu MS, Chao HS, Liao CY, Lu CF, Wu YT, Chen YM. Progress in Serial Imaging for Prognostic Stratification of Lung Cancer Patients Receiving Immunotherapy: A Systematic Review and Meta-Analysis. Cancers (Basel). 2024 Jan 31;16(3):615.(SCI, 2022 IF=5.2, 72/241 70.3%, Q2) 
  10. Lu CF, Liao CY, Chao HS, Chiu HY, Wang TW, Lee Y, Chen JR, Shiao TH, Chen YM, Wu YT. et al. A radiomics-based deep learning approach to predict progression free-survival after tyrosine kinase inhibitor therapy in non-small cell lung cancer. Cancer Imaging 23, 9 (2023). (SCI, 2022 IF=4.9, 24/135 82.6%, Q1)
  11. Chiu HY, Peng RH, Lin YC, Wang TW, Yang YX, Chen YY, Wu MH, Shiao TH, Chao HS, Chen YM, Wu YT. Artificial Intelligence for Early Detection of Chest Nodules in X-ray Images. Biomedicines. 2022 Nov 7;10(11):2839. (SCI, 2022 IF=4.7, 92/285 67.9%, Q2)


International Journal/Society Service


  1. Reviewer, Cancers (SCI)
  2. Reviewer, Electronics (SCI)
  3. Reviewer, Diagnostics (SCI)
  4. Reviewer, Brain Sciences (SCI)


Programming language


  1. Python
  2. MATLAB
  3. R
  4. STATA
  5. Java
  6. Arm assembly
  7. HTML/CSS/Javascript


數位醫療與人工智慧：從醫學影像中探索多樣性的力量

作者：王廷瑋





想像一下，如果查爾斯·達爾文在他的經典作品《物種起源》中，不僅談論了自然選擇和生物多樣性，還預見到了這些概念未來在數位醫療領域中的重要應用。在當今科技迅速發展的時代，人工智慧（AI）在醫學診斷領域扮演著舉足輕重的角色。從美國科學界對多元文化的重視到對大型AI模型的訓練和應用[1,2]，多樣性的重要性被一次又一次地強調。那麼，我們不禁要問，數據的多樣性如何影響AI模型的準確性和可靠性呢？


我們的研究


在我們團隊最近於《Mayo Clinic Proceedings: Digital Health》發表的研究中[3]，我們透過統合分析方法檢視了超過12,000名患者的數據，這些數據來自19項利用磁共振成像（MRI）技術檢測和分割腦瘤的研究。我們發現，來自不同MRI製造商的數據量似乎對AI模型的泛化能力有著積極的影響，意味著數據來源越多樣，模型在不同條件下的表現就越好。這提醒我們，在訓練AI模型時，不應僅僅關注數據量的增加，數據的多樣性也同等重要。


相關研究


類似的結論也出現在杜克大學去年發表於《International Journal of Radiation Oncology, Biology, Physics》的研究中[4]。該研究發現，將來自不同病例的腦轉移瘤數據合併到同一訓練集中，能顯著提高模型在不同人群中的準確度，進一步證明了多樣性對於提升AI準確性的重要性。

這些發現讓我們推斷，豐富和多樣的數據集比單一大量數據更能提升模型的準確度。如果未來我們能開發出一種衡量數據多樣性的方法，將使我們能以更高的效率和更少的資源來訓練AI。

此外，這種多樣性指標還可以用於訓練生成式模型，以創造出更多樣化的數據。今年初在《Neuro Oncology》發表的一項研究已展示[5]，增加數據多樣性可以提高深度學習模型在預測IDH基因突變方面的準確度，甚至超越神經放射科醫師，這不僅為我們提供了增強AI模型性能的新工具，也為未來開發更公正、更準確的AI系統奠定了基礎。


未來發展


透過不斷探索和重視數據多樣性，我們有機會在數位醫療領域帶來革命性的變革，使人工智能不僅更加智能，也更加包容和適應。這一切的起點，正是對多樣性深刻的理解和尊重，就如同達爾文對自然界多樣性的讚頌，我們現在也在讚頌數據多樣性在人工智能領域中的關鍵作用。


參考文獻

  1. Mikhael PG, Wohlwend J, Yala A, Karstens L, Xiang J, Takigami AK, Bourgouin PP, Chan P, Mrah S, Amayri W, Juan YH, Yang CT, Wan YL, Lin G, Sequist LV, Fintelmann FJ, Barzilay R. Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography. J Clin Oncol. 2023 Apr 20;41(12):2191-2200.
  2. Yala A, Mikhael PG, Strand F, Lin G, Satuluru S, Kim T, Banerjee I, Gichoya J, Trivedi H, Lehman CD, Hughes K, Sheedy DJ, Matthis LM, Karunakaran B, Hegarty KE, Sabino S, Silva TB, Evangelista MC, Caron RF, Souza B, Mauad EC, Patalon T, Handelman-Gotlib S, Guindy M, Barzilay R. Multi-Institutional Validation of a Mammography-Based Breast Cancer Risk Model. J Clin Oncol. 2022 Jun 1;40(16):1732-1740. doi: 10.1200/JCO.21.01337
  3. Wang, T., Shiao, Y., Hong, J., Lee, W., Hsu, M., Cheng, H., Yang, H., Lee, C., Pan, H., You, W. C., Lirng, J., Guo, W., & Wu, Y. (2024). Artificial Intelligence Detection and Segmentation Models: A Systematic Review and Meta-Analysis of Brain Tumors in Magnetic Resonance Imaging. Mayo Clinic Proceedings: Digital Health, 2(1), 75-91.
  4. Fairchild AT, Salama JK, Wiggins WF, Ackerson BG, Fecci PE, Kirkpatrick JP, Floyd SR, Godfrey DJ. A Deep Learning-Based Computer Aided Detection (CAD) System for Difficult-to-Detect Brain Metastases. Int J Radiat Oncol Biol Phys. 2023 Mar 1;115(3):779-793
  5. Moon, H. H., Jeong, J., Park, J. E., Kim, N., Choi, C., Kim, Y., Song, S. W., Hong, C., Kim, J. H., & Kim, H. S. Generative AI in glioma: Ensuring diversity in training image phenotypes to improve diagnostic performance for IDH mutation prediction. Neuro-Oncology.


Work: Email / LinkedIn / Github
Research: OCRID / Google Scholar / RearchGate

第三步，學建立文章列表。






建立文章列表，是在部落格經營一段時間之後，一定要去面對的，因為你總要有很清楚的文章列表，對你有興趣的新朋友，才能夠快速的找到你對某一個特定主題過去的論述累積。

做一個文章列表其實很簡單，就是貼一篇新的文章，然後把你想要列上的文章標題一篇一篇貼上去，再加上連結。接著把這篇文章的網址，放到一個新建立的按鈕上，這樣就行。

很多同學都會想說，這種重複性的工作有沒有辦法讓電腦自動產生，但事實上是，電腦沒有辦法知道你要怎麼分類，而且就算有自動產生的工具，往往它的排版、先後順序、子標題的命名，都不見得會照你的意思。

與其找了工具之後，發現不合自己的意，我們建議是全部都手動，自己來貼就可以。所有資深校友都是這麼做的，也都有效！

以下的列表範例，多數我們都幫大家準備好，但前兩個，請各位取得你剛做好的兩個練習頁面的網址吧。

我剛剛完成的練習

第二步，來學嵌入影片。






為什麼要特別學嵌入影片呢？

因為對於部落格的流量來說，有一個最現實的考量，就是停留時間。當你嵌入了影片在你的部落格文章中，而讀者在你的文章內點了這個嵌入影片來看的話，他看了 4 分鐘，Google 就會認為網友在你的文章停留了 4 分鐘，對你的部落格權重有很好的加分。

實務上我們也沒有太多的時間拍一支完整的影片，並且去 YouTube 上當一個影片流量網紅。專業人士並不適合做許多只是搞笑跟娛樂的操作，所以將別人類似的影片嵌入到自己的部落格，加以評論或補充，就是一個能讓主題源源不絕，也搭上影片熱潮的聰明作法。

當然，評論的方向還是儘量不要去得罪人，免得在網路上引來無謂的筆戰。別人很有空跟我們吵架，但我們有自己的工作跟專業要發展，如果情緒受到影響，就不是很划算。

先跟著互動實作手冊上的介紹，搜尋、嵌入並小幅修改程式碼後，放進這篇文章最前面的地方，然後再自選一個喜歡的影片，同樣取得 HTML 碼，放進這篇文章的結尾處吧。

記得，影片的前後，比照圖片，空行數是前二後二。

也是因為使用 Blogger，跟 YouTube 有同樣的富爸爸，我們才能用這麼簡單的方式，從後台搜尋，就能嵌入想放的影片。

至於為什麼我們不教大家用 YouTube 上面的嵌入碼來放進你的網站呢？那是因為如果你使用那個嵌入碼去貼影片的話，它的尺寸是被固定的，在桌面版跟手機上顯示都會有點問題，沒有辦法隨著螢幕的大小去自行調整好可視範圍。

而我們的範本，正是為了這個問題，特別寫了專屬的程式碼，只要照手冊的方式做，不管讀者的螢幕是大是小、是直的是橫的、是手機或平板或筆電或 4K 螢幕，都能呈現最理想的比例。

最後別忘了，也同樣放上 CTA 唷。




新思惟近期課程



第一步，來學貼文章與圖片。

作者：蔡依橙





這是視覺化的時代，貼文章建議一定要附圖，才能吸引讀者開始看。否則太多人光看到一團文字就會不耐並離開。圖片前後各空兩行，是為了讓圖片跟文字不要太擠，有足夠的空間讓大家認真看見圖片。

一開始第一行則先放作者，因為上過課後，你將會知道，圖片不要盜用，會被告，而是自己拍自己做的最好，所以作者放在圖片跟文字之前，也是很好的宣告。

然後在寫文字的時候，盡量早一點就換一段，一般來說，最多一段四行就好，也就是在第四行的地方，要找個句點換段比較好，一個段落如果長到五行以上，視覺上對一般讀者壓力很大，尤其在手機上顯示的時候，驅離讀者的力道很強，要盡量避免。


加上子標題


你有注意到嗎？頂尖的 YouTuber 會幫自己的影片加上段落，協助對特定主題的人，快速找到他們想要的內容。如果你沒有分段，前面 10 秒鐘讀者失去興趣，他就離開了。


部落格文章也是一樣，你要幫讀者加上子標題，他們如果很趕著要特定資訊的話，往下滑，就能找到。如果一整篇都是文字，沒有子標題，讀者前面讀三行覺得沒興趣不想被吊胃口，他就會離開了。

這時代非常快速，網路文章大家都在拚吸引注意力，沒有人在起承轉合的。要用新聞報導的架構，第一段直接切入主題講重點。或者像是 YouTube 影片，前面要有精華與懸念。

請把上面的「加上子標題」字樣選起來，然後在編輯後台選擇「子標題」後，讓他文字變大，同時也自動加上粗體。

最後，子標題的前後空行數，是前二後一。前二協助他脫穎而出，後一又能與後續的文字保留相關性。


加上超連結


接著，我們來練習做一下連結。假設你覺得下面這篇文章很棒，想要放個連結。我先幫你把文字打好，連結也準備好，請你試著把連結的部分剪下後，在想要變成超連結的文字，用滑鼠選起來後，按 Ctrl-K，然後把超連結貼上去。就能成功。


然後選取這行，加上個「項目符號清單」，就非常有質感囉。日後你想要在任何文字加上超連結，就是用這招。


放上表格、流程圖、數據圖


你現在會放圖片，也會放超連結了。之後你應該會開始思考，如果我想要放表格流程圖，或者是各種漂亮的圖表，該怎麼做呢？

大家可能看過一些炫技的報導網頁，做出漂亮的資訊視覺化，甚至互動式圖表。不過這些都是要花錢請視覺工程師處理的。

個體戶比較務實的方式是，將非文字類的內容，都用 PowerPoint 做成簡報之後，再出圖。

這並沒有想像中的困難，其實就是結合你平時的簡報能力。當你今天為了重要的演講，做了漂亮的圖表與簡報，之後只要作個簡單的圖片轉存，就能夠放到部落格上，讓專業產出的效益更高，一魚兩吃，在網路上持續發揮影響力。

請點開 00_Table_1200x628.pptx 這個簡報檔案，會發現有漂亮的表格、流程圖與堆疊柱狀圖，都是我們新思惟的簡報課程中，校長用同學作品所做的修改示範。既然演講或報告要做一次，如果認真把它做好，除了講課令人驚豔，之後也能把東西放上部落格，接觸更多的人。

這三張也同時是很好的簡報範本，日後你有類似的資料，改改文字就能沿用這樣的版型。當然，如果想學更多，也歡迎參考我們的簡報課程。


請同學練習一下，把這三張轉成 png 檔案，也就是可攜式網路圖形，然後貼到這篇文章來吧。記得，圖片的前後也都是各有兩個空行喔。




像這樣的表格，很適合做兩種治療的比較，或者兩個方案的比較。而且我們不是用表格功能去做，而是簡單的直線跟文字對齊，所以在放圖時比較方便。





流程圖很適合個案安置流程、工作流程、決策流程等等。我們建議對於圖片的說明，就放在像這樣的段落文字中，不要特別去用 Blogger 提供的圖說功能，因為那在不同裝置的顯示常常會有問題。而且，讓設計簡單化，對於跨裝置的相容性會更好。文字跟圖片，就是王道。





最後的數據圖，是許多專業人士報告常做的，你反正有數據，數據在 Excel，要做成 PowerPoint 的圖表也是輕而易舉。這樣我們不用再學新的系統或軟體，用你本來工作跟報告會用的，最省時省力，又發揮最大的宣傳力！


Call-to-Action (CTA)


每一篇文章，大家看完之後，表示他很認同你所說的，在文章的最後，給他一個連結點擊，他真的去按的機會就會很高。

如果你是醫師個人部落格，這個 CTA 就很適合放自己的「門診時間」。如果你是辦活動與課程的，CTA 就是「現在報名」。如果你希望大家回顧過去的某篇文章，也可以指定請大家回去看那篇。

CTA 就是設定成子標題，加上粗體，以及置中。然後給上一個超連結即可。

我們就以推薦新思惟的近期課程為例吧！