关键词： 牙结石   光学成像   人工智能   牙周病诊断  

摘要： 牙结石是导致牙周病的重要致病因素之一,其精准识别对牙周病的防治至关重要。传统牙结石识别方法存在主观性强、准确性低的问题,尤其难以检测龈下隐蔽部位的结石,难以满足现代临床需求。近年来,光学检测技术因其非侵入性和高灵敏度等特点受到广泛关注。多种光学技术为牙结石识别提供了新的思路,如偏振光检测、光学相干断层扫描(optical coherence tomography,OCT)、差示反射法(differential reflectometry)、高光谱成像(hyperspectral imaging,HSI)和荧光光谱系统等。同时,人工智能(artificial intelligence,AI)技术,特别是机器学习和深度学习与光学技术的结合,显著提高了牙结石识别的自动化和智能化程度。本文综述了目前主流的牙结石识别方法,对比分析了各种技术的优缺点,并对未来发展方向进行了展望,旨在为牙结石识别的研究和临床应用提供参考。

关键词： COVID-19   慢性呼吸系统疾病   差异分析   免疫细胞浸润分析   机器学习  

摘要： 目的:探讨COVID-19与慢性阻塞性肺疾病及哮喘的生物学共同作用机制并建立基于少数基因的疾病诊断模型。方法:本研究结合转录组数据分析、差异基因筛选、GO和KEGG功能富集分析、蛋白互作网络构建、统计学分析及机器学习方法,从多角度解析COVID-19对慢性呼吸系统疾病患者的影响。结果:筛选出差异共同表达基因,并通过富集分析揭示其主要参与免疫应答、炎症信号传递及病毒感染相关的分子通路;蛋白互作网络分析发现了TLR2、MMP9、CXCR4、CCR7、IL1A和CXCL8等关键基因,可能在炎症调控和疾病进展中起重要作用;同时,对于慢性阻塞性肺疾病,建立了PTPN7等少数基因的诊断模型,对于哮喘,建立了CLC等少数基因的诊断模型。结论:COVID-19通过多系统通路加剧慢性呼吸系统疾病的炎症和免疫失调,为个性化治疗策略提供了新的研究方向。同时,建立了基于基因的疾病诊断模型,为未来的治疗和管理提供了重要的启示。

关键词： 先天性心脏病   心功能   心脏磁共振成像   人工智能   压缩感知   快速成像序列  

摘要： 目的:通过与常规电影序列进行对比分析,探讨基于人工智能压缩感知(ACS)技术电影序列心脏MRI(cine-CMRI)的图像质量及其测量的心功能参数在评估先心病术后患儿心功能中的可行性。方法:前瞻性将2024年6月-2024年10月在本院行心脏MRI检查的64例先心病患者纳入本研究。根据患儿的配合度,选择屏气或自由呼吸状态下进行常规电影序列和ACS电影序列心脏短轴位扫描。比较屏气和自由呼吸状态下两种序列的扫描时间、图像质量和心功能参数值的差异,心功能参数主要包括左、右心室的舒张末期容积指数(EDVi)、收缩末期容积(ESVi)、每搏输出量指数(SVi)、射血分数(EF)和心指数(CI)、以及左室舒张末期心肌质量指数(LVEDMi)。采用配对样本t检验或Wilcoxon符号秩检验评估两种序列之间图像质量评分及上述心功能定量参数值的差异,并采用Pearson或Spearman相关分析和Bland-Altman法对两种序列测量的各项定量参数分别进行相关性和一致性分析。通过组内相关系数(ICC)评估定量数据的观察者间可重复性。结果:屏气组和自由呼吸组中ACS-cine-CMRI扫描的总采集时间均较常规cine-CMRI明显缩短[屏气组:(71.5±34.76)vs.(306.2±77.52)s,P<0.001;自由呼吸组:(21.66±10.35)vs.(362.43±74.05)s,P<0.001]。屏气组ACS-cine-cMRI的图像质量评分(4.55±0.51)与常规cine-CMRI序列(4.55±0.95)相当,自由呼吸组ACS-cine序列图像评分(4.18±0.69)略高于常规cine序列(3.98±0.73),2种序列图像质量评分的差异均无统计学意义(P>0.05)。屏气组两种序列测量的左、右心室的各项心功能参数值的差异均无统计学意义(P>0.05)。自由呼吸组两种序列测量的右心室EDVi和ESVi值的差异有统计学意义(P<0.05)。两种序列测量的各项心功能定量参数的相关性良好(r值为0.923~0.997),且一致性高(ICC为0.755~0.998)。结论:在先心病患儿中,ACS-cine-CMRI的扫描时间较常规cine-CMRI明显缩短,且图像质量良好、心功能指标无明显差异在先心病术后患儿心功能的评估中具有较好的临床应用潜力。

关键词： 超声检查   甲状腺结节,良恶性   人工智能  

摘要： 目的探讨人工智能超声辅助诊断系统(AI-UADS)鉴别诊断甲状腺结节良恶性的临床价值。方法选取我院经手术病理确诊的甲状腺结节患者489例,共计630个结节,其中良性结节317个,恶性结节313个。应用AI-SONIC Thyroid软件获取甲状腺结节恶性概率,以此鉴别甲状腺结节良恶性,并与超声医师诊断结果进行比较;比较AI-UADS与超声医师鉴别不同大小、位置、结节与被膜关系及是否伴桥本甲状腺炎(HT)甲状腺结节良恶性的诊断效能。结果630个甲状腺结节中,AI-UADS诊断良性结节283个、恶性结节347个,准确诊断良性结节268个、恶性结节298个,其鉴别诊断甲状腺结节良恶性的曲线下面积(AUC)、准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为0.939、89.8%、95.2%、84.5%、85.9%、94.7%,均高于超声医师(0.875、83.8%、89.5%、78.2%、80.2%、88.3%),差异均有统计学意义(均P<0.05)。AI-UADS鉴别诊断最大径≤10 mm甲状腺结节良恶性的准确率、特异度、阳性预测值均高于超声医师,鉴别诊断最大径>20 mm甲状腺结节良恶性的灵敏度、阴性预测值均高于超声医师,特异度低于超声医师,差异均有统计学意义(均P<0.05);AI-UADS与超声医师鉴别诊断最大径10~20 mm甲状腺结节良恶性的准确率、灵敏度、特异度、阳性预测值、阴性预测值比较差异均无统计学意义。AI-UADS鉴别诊断左侧叶甲状腺结节良恶性的准确率、灵敏度、特异度、阳性预测值、阴性预测值均高于超声医师,差异均有统计学意义(均P<0.05);AI-UADS与超声医师鉴别诊断右侧叶、峡部甲状腺结节良恶性的准确率、灵敏度、特异度、阳性预测值、阴性预测值比较差异均无统计学意义。AI-UADS鉴别诊断远离被膜的甲状腺结节良恶性的准确率、特异度、阳性预测值均高于超声医师,鉴别诊断侵犯被膜的甲状腺结节良恶性的准确率、灵敏度、阴性预测值均高于超声医师,差异均有统计学意义(均P<0.05);AI-UADS与超声医师鉴别诊断紧邻被膜的甲状腺结节良恶性的准确率、灵敏度、特异度、阳性预测值、阴性预测值比较差异均无统计学意义。AI-UADS鉴别诊断不伴HT甲状腺结节良恶性的准确率、灵敏度、特异度、阳性预测值、阴性预测值均高于超声医师,差异均有统计学意义(均P<0.05);AI-UADS与超声医师鉴别诊断伴HT甲状腺结节良恶性的准确率、灵敏度、特异度、阳性预测值、阴性预测值比较差异均无统计学意义。结论AI-UADS在鉴别甲状腺结节良恶性中具有较高的诊断效能,尤其对于位于左侧叶、最大径≤10 mm、远离被膜和侵犯被膜,以及不伴HT甲状腺结节良恶性的诊断效能更高。

关键词： 人工智能   小学科学   沉浸式授课模式   创新路径   教学重构  

摘要： 随着人工智能技术的飞速发展,教育领域正迎来深刻变革。文章聚焦AI浪潮下小学科学沉浸式授课模式的创新,分析AI技术为小学科学教学带来的机遇与挑战,探讨通过AI赋能实现沉浸式授课模式重构的具体路径。研究发现,AI凭借其智能交互、虚拟仿真等技术优势,能够有效营造沉浸式学习环境、激发学生科学探究兴趣、提升学习效果。同时,针对实践中存在的技术应用适配性、教师能力不足等问题,文章提出整合AI技术与教学资源、加强教师培训等创新策略,旨在为小学科学教学的高质量发展提供理论参考与实践指导。

关键词： 含Ce矿物   大数据   机器学习   大量罕见事件频率分布   矿物共生网络分析  

摘要： 稀土是发展能源转换、超导和量子工程等高新技术领域不可替代的战略性矿产资源。然而,对于稀土矿物分布、多样性和共生规律的认识极为不足。前人通过大数据和机器学习方法对Be、B和C等矿物生态学和矿物共生网络的研究,识别矿物共生组合隐藏的规律,预测总矿物种数、可能的化学组分和成矿环境,为寻找新矿物以及有效利用矿产资源提供新方向。本文立足于Mindat和RRUFF数据库提供的地球近地表166种含Ce矿物的矿物学信息,通过大量罕见事件(LNRE)模型预测:地球近地表至少存在223±3种含Ce矿物,还有57±3种含Ce矿物尚未被发现,包括39±3种含O矿物、36±11种含H矿物、50±1种含Si矿物、45±22种含Ca矿物、39±5种含Na矿物、28±5种含C和23±2种含F矿物。这些尚未被发现的矿物多数与碳酸盐岩演化的不同阶段相关。此外,Ce的矿物网络分析结果表明,含Ce矿物被划分为4种不同的成矿环境,暗示新的含Ce矿物成矿环境。本研究为开展其他稀土元素的矿物生态学和矿物共生网络研究提供研究思路和方法,对发现稀土新矿物以及有效利用稀土矿产资源具有重要指导意义。

关键词： 学习者画像   机器学习   回归算法   混合式教学   多模态数据  

摘要： 随着信息技术快速发展,线上教学平台已融入课堂教学,线上线下混合式教学模式已经成为高职院校的教学常态。如何有效利用教学平台的大规模多模态数据实现个性化教学,已成为教育领域的重要发展方向。本研究探讨了基于线上教学平台的学习者画像模型的理论,同时,也介绍了其在实践中的应用。首先,提出了学习者画像建模的一般流程,包括数据采集层、特征标签层、画像应用层。其次,以某职业院校的教学实践为例,详细展示了学习者画像建模的全过程,并利用机器学习的方法研究了学习者基本特征、学习行为与学习结果的关系,实现了学习效果的预测。

关键词： 多模态交互   人机交互   效能评价   机器学习  

摘要： 研究多模态交互的人机交互效能评价不仅对交互系统的设计与优化具有直接指导作用,还能够推动整个人机交互领域的发展,提升技术的实际应用价值。本文综述了多模态交互人机交互效能评价的机理、体系及其发展趋势,以期为相关研究提供理论支持,并推动人机交互系统在实际应用中更加高效自然。

关键词： 心率变异性   机器学习   心电信号   特征降维   XGBoost   疲劳分类  

摘要： 针对养老护理人员疲劳评估中主观量表法的局限性,提出基于心率变异性(HRV)与机器学习的养老护理人员疲劳分类方法。通过可穿戴设备采集78名护理人员736 h心电信号,使用巴特沃斯滤波与Pan-Tompkins算法进行预处理,系统提取了心率变异性的时域、频域及非线性域共42个特征参数,并采用皮尔逊相关系数法筛选18个关键特征,构建基于XGBoost的疲劳分类模型。结果表明:通过特征降维显著提升了模型性能,分类准确率从0.78提升至0.91,其中重度疲劳分类准确率达到0.99;与SVM、KNN等传统模型相比,XGBoost在特征精简后展现出最优的非线性拟合能力;2 min短时窗心电数据的分类性能最优,准确率达0.91,显著优于4~10 min心电数据准确率(0.61~0.69)。该方法实现了护理疲劳的高效精准监测,为预防职业性心脑血管疾病及优化养老服务管理提供了可穿戴智能技术支持。

关键词： 人工智能   产业泡沫化   防范策略  

摘要： 人工智能产业已成为各国经济增长的新引擎,在全球范围内吸引了大量资本和舆论关注。在人工智能产业规模呈指数级增长的同时,资本预期与技术价值背离、资源配置失衡、产学研协同创新乏力等产业泡沫化特征开始显现,可能引发要素市场两级分化、产品市场供需失衡、技术路径可持续性不足、资本市场泡沫膨胀等多重隐忧。从技术失衡、治理滞后、政策失准三方面出发,分析人工智能产业泡沫化的初始成因,并提出平衡资本预期和真实价值、重塑市场调节机制的有效性、提高政策支持精准度等防范策略,以期未雨绸缪,提前防范可能产生的产业泡沫化风险,为人工智能产业的健康和可持续发展提供中国方案。