关键词： 多源遥感   Google Earth Engine   灌溉面积   机器学习  

摘要： 灌溉面积精准核算对优化水资源调配和应对农业灾害至关重要,但现有灌溉地图产品缺乏反映作物生长差异的逐季度信息。该研究基于Sentinel-1、Sentinel-2、NASADEM和降水等多源遥感数据,在Google Earth Engine平台提取雷达散射、地物光谱、水分及地形特征,构建分类特征集,并通过机器学习算法,精准提取河套地区2020年逐季度灌溉面积。结果表明,随机森林(RF)在灌溉面积提取中的表现最佳,总体精度超过90%,Kappa系数高于0.80。分析呈现,河套地区在夏秋季大规模灌溉,面积超过8 500 km2,而春冬季反之的分布特征。与实际灌溉规律高度一致。该研究能实时监测和评估干旱与洪涝灾害对灌溉系统的影响,为灾害损失评估、灾后恢复以及水资源优化配置提供科学依据和技术支持,提高应对气候变化和极端天气事件的能力。

关键词： 线粒体自噬   类风湿关节炎   机器学习算法   加权基因共表达网络分析   预测模型   外部验证   免疫细胞   生物学功能  

摘要： 背景:类风湿关节炎发病机制至今尚未完全清晰,近来有研究表明线粒体自噬与类风湿关节炎存在关联性,但关键机制有待深入探究。目的:利用多机器学习算法鉴定和验证类风湿关节炎中线粒体自噬过程的核心互作基因并解析其免疫调控过程。方法:从GEO数据库整理类风湿关节炎转录组表达数据集GSE15573作为独立训练集,GSE97779和GSE55235合集作为独立验证集。利用训练集筛选类风湿关节炎差异表达基因,同时进行“WGCNA”分析。然后从“MitoCarta3.0”数据库下载线粒体自噬相关基因,将其与类风湿关节炎差异基因和“WGCNA”分析模块基因取交集获得类风湿关节炎-线粒体自噬相关基因,将相关基因进行功能富集分析以明确细胞通路。随后利用“Random Forest”和“LASSO”2种机器学习算法分别筛选特征基因,利用“GMM”机器学习算法对前2种机器学习算法筛选的交集基因拟合验证,以获得类风湿关节炎-线粒体自噬核心互作基因。进一步建立预测模型,并利用外部验证集验证。最后,采用“CIBERSORT”进行免疫浸润分析此过程中免疫细胞亚群占比及亚群之间关联性,采用“ssGSEA”分析类风湿关节炎-线粒体自噬核心互作基因与免疫细胞亚群间关联性,同时分析核心互作基因的相关“GO”“KEGG”生物学通路。结果与结论:①差异分析获得807个类风湿关节炎差异表达基因,“WGCNA”分析筛选出2个特征模块含1208个基因,线粒体基因数据库整理出1136个基因,三部分基因取交集获得53个基因为类风湿关节炎-线粒体自噬相关基因;②相关基因的功能富集分析结果显示细胞过程主要与线粒体自噬、过氧化物酶体代谢、细胞衰老、坏死性凋亡相关;③3种机器学习算法鉴定出4个类风湿关节炎-线粒体自噬核心互作基因(DNAJA3、C12orf65、AKR7A2、PDHB);④预测模型的风险评分受试者工作特征曲线下面积为0.989,外部患者样本的工作特征曲线验证类风湿关节炎-线粒体自噬核心互作基因的曲线下面积均大于0.7;⑤免疫调控分析显示类风湿关节炎中线粒体自噬过程与记忆B细胞、M0型巨噬细胞、活化的记忆性CD4 T细胞、静息态记忆性CD4 T细胞密切相关;⑥生物学通路分析结果显示核心互作基因与821条“GO”通路强相关(|cor|>0.8,P<0.001),与48条“KEGG”通路强相关(|cor|>0.8,P<0.001),其中关键生物学过程与线粒体DNA代谢、线粒体DNA修复、线粒体DNA复制、线粒体基因组维护、线粒体去极化的正向调控和参与凋亡信号通路的线粒体外膜通透性的正向调控有关;⑦上述结果证实,DNAJA3、C12orf65、AKR7A2、PDHB是类风湿关节炎中线粒体自噬过程的核心互作基因,通过参与特定免疫过程在疾病进展中发挥关键作用,对类风湿关节炎的诊断具有精准预测效果。

关键词： 人工智能   全科医学   临床辅助诊疗   横断面研究  

摘要： 背景人工智能(AI)是国家新一代信息技术发展战略的重要部分,在医疗健康领域应用广泛,将AI应用于全科医疗辅助诊断和慢性病管理,对提升基层医疗水平、提高全科医师专业技能和临床决策能力有作用。目的调查各省(区、市)全科医师对AI技术在医疗领域的认知及对构建辅助诊疗系统的需求,为建立更贴合临床应用的辅助诊疗系统提供参考。方法2024年3—4月通过国内全科医师微信群选取全国各省(区、市)全科医师为调查对象,采用自行设计的调查问卷,包括全科医师的基本信息、对AI辅助诊疗系统的应用态度及认知、AI辅助诊疗应用于日常诊疗(临床接诊、辅助诊治、转诊随访、应用形式)的需求,利用“问卷星”平台进行数据收集,采用描述性分析方法对结果进行呈现和描述。结果本研究共纳入382名全科医师,覆盖27个省(区、市),其中综合医院占52.36%(200/382),基层医疗卫生机构占47.64%(182/382)。调查显示,57.69%(220/382)认为医生与AI应相辅相成;77.75%(297/382)的医师愿意尝试或继续使用AI辅助诊疗技术;AI应用优势以提升诊疗效率[89.01%(340/382)]、减轻临床工作负担[84.29%(322/382)]、减少误诊[80.10%(306/382)]为主,但仍存在过度依赖AI诊疗、涉及伦理问题、AI算法易出现诊断偏差、数据安全性欠佳、医疗事故无法划分医疗责任等弊端,分别占75.13%(287/382)、64.14%(287/382)、63.09%(241/382)、57.33%(219/382)、53.66%(205/382);在临床接诊需求调查中,全科医师最需要AI提供与主诉相关的“致命性疾病”警示[61.25%(234/382)]和“紧急需要处理的阳性体征”提示[62.04%(237/382)],同时对“伴随症状”询问提示[58.90%(225/382)]和“系统性思维导图”参照提示[62.57%(239/382)]也有较高需求;辅助诊治环节中,快速精准影像结果评估[67.80%(259/382)]和“处方审核”诊疗辅助提示[67.01%(256/382)]成为最受期待的功能,个体化“推荐用药”辅助提示[63.88%(244/382)]和“医保提醒”提示[66.49%(254/382)]也备受关注;在转诊随访管理方面,全科医师对个体化推送患者“健康教育”内容[70.42%(269/382)]、及时提示患者按照随访时间预约复诊[72.25%(276/382)]和利用智能设备远程监护功能[71.46%(273/382)]需求最高;系统应用形式上,全科医师偏好设置“回顾患者历史就诊记录”功能[73.04%(259/382)]和设置“语音转文字录入”功能[71.73%(259/382)];最希望未分化疾病病种率先纳入AI辅助诊疗系统方面,37.43%(143/382)的全科医师建议优先将发热纳入AI辅助诊疗系统。结论全科医师对AI技术用于临床诊疗应用意愿总体较高。AI辅助诊疗系统对病史采集、体格检查、实验室检查、诊疗计划、转诊指征、随访管理、应用形式均有一定需求。未来通过改善信息技术的局限性、明确AI法律框架和指导原则、加强全科医师AI素养等方式,构建适用于中国全科医师的AI辅助诊疗系统,从而提高全科医师的疾病首诊能力,推动分级诊疗制度落地。

关键词： 地质灾害易发性   数据采样   SMOTE Tomek   机器学习模型  

摘要： 为准确评价样本不均衡条件下的大比例尺乡镇地质灾害易发性,文章以丽水市太平乡为研究背景,建立9项因子评价样本数据集,使用SMOTE-Tomek方法对样本进行均衡化处理后,以梯度提升决策树(GBDT)和随机森林(RF)模型预测得到区域易发指数并进行检验。结果表明:(1)在采样方法方面,SMOTE Tomek方法能够扩充样本数量并更好地平衡数据集;(2)在机器学习模型性能方面,SMOTE-Tomek-GBDT预测结果的ROC曲线线下面积AUC为0.85,性能更优。(3)在易发性分区合理性方面,SMOTE-Tomek-RF预测结果显示高易发区面积所占比例最小,易发强度指数最大。研究成果有望为大比例尺乡镇地质灾害风险调查评价及防控提供技术依据。

关键词： 新工科   创新创业教育   人工智能   学科专业融合  

摘要： 围绕新工科背景,深入进行高等学校创新创业教育与人工智能学科专业的融合研究.通过分析创新创业教育与人工智能学科专业融合的必然性,探讨当前融合过程中存在的教育理念滞后、课程体系脱节、教学资源短缺等关键问题.通过理念重塑、课程重构、师资建设及资源共建四个维度,构建"四位一体"协同创新模式,旨在为推动两者深度融合、提升人才培养质量提供理论与实践支撑.

关键词： 人工智能   小学数学   融合教学  

摘要： 随着云计算和大数据等前沿科技的迅猛发展,人工智能正快速推进其应用与普及.此外,它在教育领域也展现了巨大的潜力和广泛的应用前景.《教育部关于加强新时代教育管理信息化工作的通知》明确指出:我们需在教育领域内积极推行改革,并依托先进的科技工具,以推动教育管理的智能化转型.在智能化时代背景下,它对小学数学教育改革的推进产生了深远影响,同时,它也成为促进课堂教育与智慧教育深度融合的关键驱动力.因此,本文将围绕人工智能与小学数学教育的结合展开深入探讨.

关键词： 人工智能   小学英语   课堂教学   深度融合  

摘要： 在人工智能技术日益成熟的当下,将人工智能与小学英语教学相结合已经成为一种潮流。为了深化人工智能与小学英语教学的融合,并为小学英语教学的革新注入新的动力,本文将探讨人工智能与小学英语教学深度融合的可能途径。在对人工智能与小学英语课堂教学深度融合的优势进行分析后,发现该路径有助于突破“一刀切”的教学模式、激发学生的学习兴趣、提升课堂教学质量、减轻教师负担。最后,本文探讨了人工智能与小学英语课堂教学深度融合的模式,借助人工智能技术进行智能评估与即时反馈、构建课堂教学画像、支持个性化学习以及实施沉浸式情境教学等手段,从而有效提升小学英语课堂教学的效果。

关键词： 人工智能   翻转课堂   全流程  

摘要： 在大模型技术迅猛发展的时代背景下,面向对象程序设计(OOP)等抽象概念密集课程的传统教学模式面临严峻挑战,如学生个性化学习需求难满足、教师难以精准掌握学情、教学效率低下等。人工智能(AI)技术为解决这些问题提供了创新路径。本文提出并实践了一种AI深度赋能翻转课堂的全流程支持模式,应用于高校OOP课程。该模式通过课前个性化知识建构与学情诊断引擎,课中深度互动引导与实时调控系统,课后精准巩固、能力进阶与风险预警机制,构建了智能化教学闭环。实证分析表明,该模式显著提升了学生核心概念掌握度、学习效率及教师教学精准性;优化了资源配置,促进了教育公平。研究进一步提炼了其在提升教学质量、建立能力评估范式、驱动教育科技产品(智能教学平台、教育大模型)创新等方面的核心价值。本文的研究实践为信息技术深度赋能高等工程教育改革提供了可复用的范式参考。

关键词： 人工智能   人力资源   绩效管理  

摘要： 人工智能在当今社会的全面普及,使得传统绩效管理模式迎来革新契机。本研究以谷歌氧气计划为案例框架参照,探索人工智能技术在绩效管理各环节的具体应用,通过算法优化实现人才画像立体化并推动人机协同的管理生态演进。然而,技术落地面临数据质量参差、算法公平性争议、实施成本高昂及组织适应性不足等现实挑战。本研究为人工智能技术应用提供一个可供参考的蓝图,同时为企业探索人工智能时代绩效管理升级路径提供了兼具实操性与前瞻性的参考框架。

关键词： 人工智能   建筑装饰工程技术专业   教学改革  

摘要： 本研究针对高等职业院校建筑装饰工程技术专业,探讨AI技术带来的行业变化,以及人工智能背景下的教学改革。研究思路包括AI在教学中的引入方式、AI带来的技能需求变化以及学生相应技能的培养。研究方法包括调研分析AI技术应用、专业与AI的交叉研究、实地调研装饰公司工作流程及问题,以及资源整合与合作。通过此研究,旨在为该专业教学改革提供有益参考,培养学生具备多样化技能,理解并满足社会需求,实现自我发展,应对AI时代的挑战。