关键词： 2型糖尿病   骨质疏松   人工智能   定量CT   双能X线骨密度检测  

摘要： 目的 比较人工智能（AI）定量CT辅助骨密度检测系统与双能X线骨密度检测（dualenergy X-ray absorptiometry，DXA）在糖尿病患者骨量评估中的诊断价值。方法 采用回顾性研究方法，选取 2017年1月1日—2024年5月31日在陆军军医大学第一附属医院就诊的患者，符合纳入及排除标准的2型糖尿病和非糖尿病的中老年患者共72例，使用AI测量T12-L2椎体的骨密度，使用DXA测量L1-L4骨密度，根据两种检测手段骨量评估结果，比较在糖尿病和非糖尿病，以及不同年龄与性别患者中两种检测方法对骨量正常、骨质减少和骨质疏松的诊断效能。当两种方法诊断只有一个分类差别时，称为小差异；当一种方法诊断为骨质疏松而另一种方法诊断为骨量正常时，这种差异称为大差异。以DXA结果为参考标准，绘制ROC曲线，评估AI在糖尿病和非糖尿病患者中诊断骨质疏松的准确性。结果 2型糖尿病组中AI和DXA骨质疏松和骨质减少检出率无统计学意义，非糖尿病组DXA骨质疏松检出率高于AI，差异有统计学意义。＜60岁人群DXA骨质减少检出率高于AI，差异具有统计学意义。在2型糖尿病组中，DXA和AI诊断骨质疏松的大差异、小差异和诊断一致率分别为5.5%、27.7%、63.8%；在非糖尿病组中，DXA和AI诊断骨质疏松的大差异、小差异和诊断一致率分别为5.5%、30.5%、61.1%。以DXA检测为金标准，AI定量CT辅助骨密度检测系统用于诊断骨质疏松的ROC曲线结果显示 AUC=0.661（95%CI 0.526-0.795；P=0.026）灵敏度为68.1%，特异度为64.0%。结论 AI辅助机会性CT对大于60岁的人群及2型糖尿病患者中，在不增加额外费用和放射暴露的同时可应用于临床进行骨质疏松的筛查。

关键词： 以学为主   学教融合   人工智能   智能时代  

摘要： 随着人工智能与教育的深度融合成为时代的必然趋势，新的“以学为主”课堂模式逐渐显现。在这一模式下，教师不再是单纯的知识权威，教学更加强调学生的个性化需求。然而，这也带来了双重困境：人工智能的应用可能导致对知识理解的忽视，同时教师的引导作用也可能被削弱。为了应对这些挑战，从“以学为主”到“学教融合”的转变成为一种可行的改进路径。在智能时代，教学应充分利用人工智能的优势，实现“学教融合”：在教学实施层面创建真实场景以促进知识理解；在教学设计方面搭建脚手架以支持学习进阶；在教学方法方面提供个性化指导以实现最佳发展；在教学评价中加强过程性评价以实现全面评估。这样才能确保人工智能在教育中的应用发挥其应有的作用，推动教育的全面发展。

关键词： 时空组学   时空数据库   数据存储   数据分析   人工智能  

摘要： 时空组学作为生物学和医学研究的新兴领域，推动生物信息学研究的深入和拓展。时空组学作为生物学和医学研究的新兴领域，推动生物信息学研究的深入和拓展。与传统组学技术相比，时空组学能够在单细胞和亚细胞水平上捕获生物分子分布的空间异质性，并追踪其随时间的变化过程。随着时空组学技术的快速发展，数据量指数级地增长，对时空组学数据的有效存储、管理和分析提出了更高的要求。基于时空数据库的发展，时空组学数据库的存储容量和数据读取速度在持续提升，提供了更高效的生物和医学数据的处理能力。旨在概述时空组学从早期探索到现代应用的发展历程，介绍数据库和生物信息学工具在数据整合与分析中的核心作用。深入探讨了该领域在当前研究中的前景和突破方向。特别地，关注时空组学数据库在多模式生物数据的采集、处理和存储等关键技术，以及如何将当前最新人工智能和大数据技术与时空组学技术相结合。最后，对时空组学技术及其在数据库中应用的未来研究进行展望。

关键词： 中医体质   深度学习   GCN   准确度   机器学习  

摘要： 根据中医相关理论，不同体质的人，其气、血、津液等方面存在差异，这会影响其健康和疾病表现。近年来，尽管基于中医体质辨识的研究已有了突破性进展，但依然面临着很多挑战。本文提出了一种基于面部特征的中医体质辨识模型，结合了数据扩增和图卷积神经网络模型，解决了数据集不足和机器学习模型辨识能力较差的问题。首先使用数据扩增技术对获取的图像数据进行数据集扩增，从而提高模型训练的泛化能力和稳定性，再将这些图像进行分割构造适用于图卷积神经网络模型的图结构，最后送到Softmax分类器中进行分类。实验结果显示，本文提出的模型的体质辨识模型准确率、召回率、F1值分别达到77.97%、78.98%、77.87%，效果优于经典的机器学习体质辨识模型。

关键词： 富钴结壳   战略性矿产资源   资源评价   三维实体模型   机器学习  

摘要： 产出于深海海山、海脊以及海底高原侧面、顶部的富钴结壳，其水深大多在500～3 500 m，除超常富集Co、Mn、Ni等新一代新兴产业的关键金属，还富含稀土（REE）和铂族元素（PGE）等稀有金属。从20世纪70年代以来，我国对深海富钴结壳资源分布特征、控矿因素及其形成机制等进行了深入研究。并先后利用算术平均法、邻近区域法、地质块段法、克立金法（地质统计学）、网格剖分积分法和分形理论法等，开展了富钴结壳资源评价以及资源量的评估，以支撑我国与国际海底管理局2014年签订的富钴结壳勘探合同区的区域放弃工作。本文对目前富钴结壳资源评价方法进行了系统梳理，深入探讨了富钴结壳资源评价的主要方法及优缺点，并根据重要性划分了富钴结壳资源评价参数级别。此外，提出利用大数据和人工智能技术构建深海结壳矿床的三维实体模型，利用机器学习等先进技术进行多元地学信息的富钴结壳资源智能评价。

关键词： 加速度   脑氧饱和度   加速度致意识丧失预警算法   机器学习  

摘要： 目的基于脑氧饱和度，针对不同加速度暴露模式下飞行员的加速度致意识丧失（G-LOC）状态进行预警。方法 选取33名志愿者进行载人离心机训练，施加不同的加速度暴露模式，并完成脑氧饱和度等生理指标的测量，建立超限学习机模型（ELM）对G-LOC状态进行预测。结果 所建立的G-LOC预警模型在载人离心机训练的试验数据上表现较好，平均准确率为93.61%，几何平均数为0.9637，真阳性率为99.45%，真阴性率为93.51%。结论 本研究所建立的基于脑氧饱和度的ELM模型可以有效预测G-LOC临界昏厥状态。未来可以在扩大样本数据量，结合飞行训练与作战实际的基础上，进一步完善基于脑氧饱和度的G-LOC预警机制的构建。

关键词： 人工智能   大学英语   课程思政   教学实践  

摘要： 人工智能是当前教育工作的重要推手和辅助工具,将其应用到大学英语课程思政教学中,对优化教育效果意义重大.通过探究人工智能背景下大学英语课程思政的价值意蕴,实现促进学生更全面发展,形成良好思政素养的目标,有利于学生树立正确观念,培养学生的远大理想.人工智能赋能大学英语课程思政教学,要转变教师思想,推进课程思政;构建生动情境,优化教学过程;丰富育人内容,优化教学生态;发展辨识能力,完善师资队伍;展开科学评价,完善学生知识体系,以期推动人工智能时代高校英语课程思政教学的创新发展.

关键词： 材料腐蚀监测   环境参数   涂层   机器学习  

摘要： 腐蚀监测是确保基础设施安全的关键技术，通过实时跟踪材料的腐蚀状况来预防结构失效和环境事故，这项技术广泛应用于石油天然气、化工、船舶和桥梁等行业以维护资产的完整性和延长使用寿命。阐述一种基于电偶型腐蚀传感器（ACM）原理的在线腐蚀监测技术在杭州湾跨海大桥上的应用，分析材料腐蚀监检测技术应用现状，开发材料腐蚀与环境作用关系分析系统，并结合机器学习方法，包括随机森林、决策树、线性回归等方法，对监测数据进行挖掘，并对几种学习方法的训练效果与预测情况进行系统分析，得出随机森林训练效果最好，决定系数R2达到0.83，所开发系统采用无线传输方式，数据上传至云端，可同时对八种材料或涂层腐蚀进行监测，配备客户端软件进行数据处理分析，实现对各测试材料及涂层腐蚀失效时间的预测，并以此对重大设施关键点位的腐蚀状况进行实时监测。通过实时监测腐蚀情况能够及时发现潜在的安全隐患，从而采取措施，避免因腐蚀导致的重大安全事故，保障人员生命财产安全。基于对不同材料及涂层腐蚀特性的深入了解以及利用先进的数据分析手段可以制定出更为科学合理的维护计划，减少不必要的检查和维修成本，提升整体运营效。引入最新的传感技术和机器学习算法为腐蚀监测领域带来了新的解决方案和技术思路，推动了相关行业的技术进步与发展，而且有效控制和减缓腐蚀过程，有助于降低由于设备故障而造成的环境污染风险，符合可持续发展的要求。对腐蚀程度的精准评估可以帮助企业合理安排资源分配，避免过早更换仍具有良好性能的部件，从而节约大量资金投入。该研究不仅具有实际应用价值，也为腐蚀机理的研究提供了宝贵的试验数据支持，丰富了关于材料耐蚀性的理论体系，对于进一步探索新型防腐材料和技术具有重要意义。

关键词： 分子性质预测   分子数据库   机器学习   AI化学  

摘要： 分子的理化性质对于化学行为具有决定性影响,其精确高效预测是化学和材料科学领域研究的长期热点之一.随着理化性质数据的积累和分子人工智能（AI）建模方法的进步,数据驱动的分子理化性质预测迎来了跨越式发展,在精度、广度、效率上取得了一系列突破.在有机分子理化性质的AI预测方面,本文介绍了相关数据库的发展,围绕光谱性质、轨道能量、酸度系数（pKa）、键解离能（BDE）、亲核性参数等代表性场景探讨了机器学习预测的相关进展,并对该领域的现状进行了总结与展望.

关键词： 电力无人机巡检   图像转换   机器学习   绝缘子识别   Welch算法   周期图法  

摘要： 电力无人机巡检技术的应用极大提高了电力输电线路的巡检效率，使得电网公司能够以高效、准确和快速的效果事先发现输电线路中的故障隐患。提出一种基于图像转换和机器学习的电力无人机线路绝缘子识别研究，使得电网后台图像处理系统可以快速识别并获取输电线路上的绝缘子信息。首先确定和连接位于输电线绝缘子数字图像的点集，然后基于Welch算法和周期图法对图片文件进行转换，并构建基于CART决策树、随机森林和XGBoost算法的机器学习分类模型。最后借助5000张的实际输电线路绝缘子图像集进行验证，验证结果表明Welch算法与随机森林结合效果最好，获得最高达0.99的F1分数。