关键词： 甲状腺乳头状癌   甲状腺被膜外侵犯   超声检查   人工智能  

摘要： 近年来甲状腺癌的患病人数逐年增多,其中84%为甲状腺乳头状癌(papillary thyroid carcinoma,PTC),通常PTC预后良好,甲状腺癌被膜外侵犯(extrathyroidal extension,ETE)是PTC具有侵袭性的特征表现,常提示预后不良。目前,术前评估PTC是否存在被膜外侵犯主要依靠影像学检查,超声检查应用最广泛,但在评估ETE方面缺乏统一的诊断标准和预测指标,诊断效能较低;CT、MRI存在微小被膜外侵犯方面显示欠佳等不足。随着人工智能(artificial intelligence,AI)在医学影像领域的快速发展,影像学检查结合AI逐步应用于疾病的定位、诊断及预后监测等方面,对甲状腺乳头状癌ETE的诊断提供了有效辅助,该文旨在对影像检查及AI在甲状腺乳头状癌ETE诊断中的研究进展进行综述。

关键词： 卫星导航接收机   非线性失真   行为模型   机器学习  

摘要： 卫星导航接收机射频(radio frequency, RF)前端的非线性效应威胁导航设备的正常工作，是卫星导航接收机抗干扰性能进一步提升的瓶颈。建立设备非线性效应的行为模型是解决非线性问题的重要方法。随着卫星导航接收机种类多样化、干扰环境复杂化，已有的非线性模型显现出了对卫星导航接收机针对性研究不足、干扰环境下可靠性不足、建模方法不适配的问题。因此，综述了主流的非线性效应行为级建模方法，评述了各建模方法的优点与不足，介绍了机器学习技术在非线性行为级建模的应用。最后，根据对已有建模技术特点的总结与面临的问题，对未来卫星导航接收机非线性建模技术的发展做出了展望。

关键词： 激光雷达   集成学习   机器学习   平均树高   算数平均胸径   公顷蓄积量   公顷胸高断面积  

摘要： 思茅松是我国亚热带西南部山地的重要代表树种,其林分结构参数的精准定量评估对于深入理解我国西南山区的森林演替、物质循环和生物多样性具有重要意义。利用15块样方调查数据验证背包激光雷达（BLS）数据提取单木参数的准确性,并将基于270块BLS数据单木分割后计算得到的林分结构参数与无人机激光雷达（ULS）数据特征参数结合,通过集成随机森林（RF）、极限梯度提升（XGBoost）和轻量级梯度提升机（LightGBM）等3个基础模型的预测结果构建集成学习估测模型。旨在提高遥感数据估测森林结构参数的精度和稳定性,为林场精准监测和精细化经营管理提供基础数据。结果表明:1)BLS数据提取单木参数时,实测胸径与提取胸径的决定系数（R2）为0.975 9,均方根误差（RMSE）为0.810 7 cm,实测树高与提取树高的R2为0.860 2,RMSE为1.337 2 m;2)基于加权平均、投票和堆叠集成学习算法构建的模型相比基础模型,估测精度均有所提升,其中加权平均法的拟合效果最佳,平均树高最优估测模型R2为0.950 1,RMSE为0.675 5 m,平均绝对误差（MAE）为0.433 8 m;算数平均胸径最优估测模型R2为0.835 2,RMSE为0.982 8 cm,MAE为0.665 3 cm;公顷蓄积量最优估测模型R2为0.932 4,RMSE为13.777 4 m3/hm2,MAE为8.853 3 m3/hm2;公顷胸高断面积最优估测模型R2为0.870 0,RMSE为2.456 m2/hm2,MAE为1.358 2 m2/hm2;3)通过加权平均集成学习算法对研究区的林分结构参数进行反演与预测,平均树高在11.0～18.3 m;算数平均胸径在13.0～18.2 cm;公顷蓄积量在116.7～208.7 m3/hm2;公顷胸高断面积在28.0～45.4 m2/hm2。

关键词： 人工智能   医学数据   伦理安全  

摘要： 随着人工智能技术的飞速发展，其在医学领域的应用带来了显著的伦理挑战。因而，建立规范、透明、安全的医学数据处理环境，确立医学人工智能的伦理学底线，保障患者权益和数据安全就显得尤为重要。本共识规范了利用人工智能技术进行医学数据处理的各个环节，包括数据的采集、加工、存储、传输、使用和共享，确保医学数据处理符合伦理原则和法律法规，保障患者隐私和数据安全。同时，还强调了合法合规原则、尊重患者隐私原则、保护患者利益原则以及安全可靠原则，并详细讨论了知情同意、数据的使用、知识产权保护、利益冲突和共享等关键性问题。本专家共识的制定，旨在推动人工智能与医学领域的深度融合与持续发展，同时确保在处理医学数据的过程中，人工智能严格遵循相应的伦理规范和法律法规。

关键词： 功能肽   合成生物学   生物合成   高通量   机器学习  

摘要： 功能肽是由2至50个氨基酸组成的短链肽，近年来因其特异性强、作用迅速及副作用低而成为开发新药和功能原料的重要研究热点。首先，本文梳理了功能肽的分类、作用机制及应用场景，总结了不同类型功能肽的特点和在生物医药、食品科学及化妆品等领域的应用。接着，针对功能肽的合成方法，探讨了化学合成与生物合成的最新进展，比较了这两种制备工艺的优缺点以及各自的适用场景。在功能肽挖掘策略方面，本文综述了包括噬菌体表面展示技术、机器学习算法、分子对接技术及人工智能技术的最新研究，这些技术在功能肽的筛选和设计中展现出重要潜力，提升了研究的效率与准确性。展望未来，功能肽的研究将面临新的挑战与机遇。如何改进合成工艺以提高效率、如何通过结构修饰提高功能肽稳定性，以及如何利用计算机辅助优化和人工智能设计多功能肽，将成为重要的研究方向。同时，加强功能肽的安全性和有效性的评估能进一步提升功能肽的应用潜力。

关键词： 前列腺癌   磁共振成像   纹理分析   影像组学   机器学习  

摘要： 目的 基于机器学习的双参数磁共振成像(bpMRI)影像组学模型在移行带临床显著性前列腺癌(csPCa)预测中的价值.方法 回顾性分析2家医疗中心共507例患者,所有患者在术前均接受前列腺MRI检查,病理学资料完整.病例分布为:csPCa 256例,非临床显著性前列腺癌(ciPCa)97例,前列腺良性增生(BPH)154例.使用R语言将中心1的数据按照7∶3随机分为训练组和测试组,将中心2的数据设为独立的外部验证组.分别提取T2WI、扩散加权成像(DWI)的影像特征,并运用最小绝对收缩和选择算子(LASSO)降维筛选特征,分别构建基于T2WI和T2WI+DWI特征的2种数据集,使用随机森林(RF)、逻辑回归(LR)和支持向量机(SVM)建立6种预测模型.通过受试者工作特征(ROC)曲线及曲线下面积(AUC)、决策曲线分析(DCA)对比评估T2WI特征、T2WI+DWI联合特征的6种模型在前列腺疾病诊断中的效能.结果 在训练组上进行特征筛选,T2WI单序列、T2WI+DWI双序列分别筛选出7、8个特征进行移行带csPCa预测,结果显示T2 WI+DWI双序列RF模型AUC效能最佳.训练组、测试组、验证组中的AUC分别为0.950、0.866、0.818,测试组准确性为0.805,敏感度为0.690,特异度为0.920;验证组准确性为0.726,敏感度为0.661,特异度为***显示在较宽的概率阈值范围内,T2WI+DWI双序列RF模型的净获益最大.结论 基于bpMRI影像组学模型可术前无创预测移行带csPCa,有助于临床制订诊疗决策.

关键词： 人工智能   可持续发展教育   可持续发展教育变革   人文精神   技术乌托邦  

摘要： 人工智能飞速发展影响着人类生产与生活的各个领域，以人工智能撬动可持续发展教育变革成为必然趋势。人工智能赋能可持续发展教育变革的逻辑为：塑造多元交互的可持续发展智慧教学模式，建设虚实交互的可持续发展智能学习环境，生成个性化定制的可持续发展学习内容，以及构建注重个体可持续发展能力培养的全景式评估机制。在变革过程中潜藏三重挑战，包括技术乌托邦理念所带来的可持续发展教育人文精神的异化，分散式行动所引发的可持续发展教育变革整体效果的削弱，以及算法歧视与偏见所导致的可持续发展教育活动公平性原则的损害。为解决这些挑战，应通过跨部门治理夯实变革所需的制度基础，借助跨领域主体合作共同构思变革行动路线，聚焦并着力破解变革中的关键问题，以及把握并落实公平性与包容性原则，从整体上确保可持续发展教育变革的质量和效果。

关键词： 机器学习   机器遗忘   深度学习   隐私保护  

摘要： 近年来,机器学习在人们日常生活中应用愈发广泛,这些模型在历史数据上进行训练,预测未来行为,极大地便利了人们生活.然而,机器学习存在隐私泄露隐患:当用户不希望个人数据被使用时,单纯地把其数据从训练集中删去并不够,已训练好的模型仍包含用户信息,可能造成隐私泄露.为了解决这一问题,让机器学习模型“遗忘”该用户个人数据,最简单的方法是在不包含其数据的训练集上重新训练,此时得到的新模型必定不包含个人数据的信息.然而,重新训练往往代价较大,成本较高,由此产生“机器遗忘”的关键问题:能否以更低的代价,获取与重新训练模型尽可能相似的模型.对研究这一问题的文献进行梳理归纳,将已有机器遗忘方法分为基于训练的方法、基于编辑的方法和基于生成的方法这3类,介绍机器遗忘的度量指标,并对已有方法进行测试和评估,最后对机器遗忘作未来展望.

关键词： 钻速预测   钻速优化   机器学习   地质-工程一体化   可解释性  

摘要： 渤海中部沙河街组储层主要为泥岩和深色砂泥岩，在钻遇该储层时机械钻速整体偏低，严重影响钻井周期与钻井成本。为解决上述问题，提出基于地质-工程一体化的钻速预测与优化模型。该模型包括钻速预测与钻速优化2部分，钻速预测部分基于地质与工程融合数据建立了邻井辅助同井钻速预测模型。在完成钻速预测后，定义了特征贡献度系数量化不同特征参数对最终结果的影响程度。基于特征贡献度系数既可以对预测结果进行解释，也可以得到对钻速影响较大且人为可控的参数。针对显著影响钻速且人为可控的参数，钻速优化模型通过网格搜索优化算法寻找最优参数组合，从而实现钻井提速。基于该模型对钻速优化可知，在测试井上钻速平均提高6.34%，对预测结果贡献最大的3组参数分别是伽马值、钻压、钻头钻井时长。该模型综合考虑地质与工程因素，实现了高精度钻速预测与大幅度钻速提升，在实际应用的2口开发井中为钻速提升提供了有效的指导。

关键词： 膀胱癌   复发   基因组学   人工智能  

摘要： 膀胱癌(bladder cancer,BC)是泌尿系统中最普遍的恶性肿瘤之一,约75%的初发膀胱癌患者属于非肌层浸润性膀胱癌(non-muscle invasive bladder cancer,NMIBC),这种类型的癌症与高复发率和进展率密切相关。现阶段NMIBC的标准治疗是经尿道膀胱肿瘤电切术(transurethral resection of bladder tumor,TURBT)加术后辅助性膀胱内灌注卡介苗(Bacillus Calmette-Guerin,BCG),但仍有部分患者经卡介苗治疗后病情复发或进展。预测标志物有助于实施治疗前预测患者肿瘤复发情况,从而为临床治疗决策提供参考。该文总结了预测NMIBC治疗后复发的生物标志物的相关研究,主要使用临床病理学、基因组学和人工智能等生物标志物预测NMIBC患者的预后,尤其是复发。重点介绍了目前应用人工智能技术结合病理切片和影像图像等多个指标进行膀胱癌复发预测的研究现状,旨在提高对NMIBC治疗后复发预测生物标志物的认识水平。