关键词： 机器学习   乳腺癌患者   症状预测   系统评价  

摘要： 目的 系统评价机器学习在乳腺癌患者症状预测中的应用。方法 根据主题词与自由词相结合的方式，检索中国知网、维普期刊数据库、中国生物医学文献数据库(SinoMed)、万方数据库、Web of Science、Embase、PubMed，检索时限为建库至2024年3月。由2名研究者独立对纳入研究提取关键信息并进行总结，选择预测模型研究的偏倚风险评估工具（Prediction Model Risk of Bias Assessment Tool，PROBAST）对所纳入的研究进行偏倚风险以及适用性评价。结果 纳入13篇研究，乳腺癌相关症状主要关注在疼痛、焦虑、抑郁、失眠、淋巴水肿方面，模型或算法包含随机森林、迭代决策树、极端梯度提升模型、逻辑回归、人工神经网络、支持向量机、回归树等。目前研究对所纳入的预测因子缺乏统一的标准，主要来源分为患者自我报告的相关资料、问卷调查和医疗评估资料3个部分，不同的症状之间预测指标差异较大；质量评价结果显示，纳入研究总体上具有一定偏倚风险、适用性较好。结论 机器学习在乳腺癌患者症状识别与风险预测中，具有较高的预测能力和应用价值。

关键词： 边坡稳定性   机器学习   D-S证据理论   数据融合  

摘要： 针对目前单一机器学习算法边坡稳定性预测的结果存在较大不确定性的问题，本文提出一种基于机器学习算法与改进D-S证据理论的边坡稳定性预测评估模型。该模型选用BP、SVM和RF三种机器学习算法对边坡稳定性状态进行初步评估，并采用粒子群优化算法对三种机器学习算法进行优化以寻找最佳超参数。接着，引入改进D-S证据理论，以优化后的三种机器学习算法作为基分类器，对初步预测评估的结果进行融合，融合后准确率达92.42%，较单一机器学习算法提升了7.57%，并且相较于传统D-S证据理论，本文提出的方法在证据冲突较大时融合精度更高。

关键词： 人工智能   城市交通规划   产业变革   社会公平   行业范式转变  

摘要： 讨论了人工智能(AI)快速发展背景下，人口流动加剧、产业与就业模式重构以及空间利用方式多样化导致城市交通系统面临的一系列深刻变革。指出随着AI技术的广泛应用，传统制造业中的大量就业岗位被自动化取代，服务业在互联网的推动下实现了跨区域服务，将显著影响就业人口的空间分布与流动性。同时，AI技术催生的知识密集型产业和创新人才的集聚效应对城市公共服务与交通需求提出了更高的要求。强调在AI主导的技术变革过程中工具理性与价值理性的冲突与平衡，并讨论在实现技术效率最大化的同时，如何确保社会公平和伦理价值。最后，探讨AI技术对传统交通规划流程的重塑，其预示着未来交通规划研究机构的组织形式和研究范式或将发生根本性变革。

关键词： 人工智能   高校教学   教学形式   变革   风险  

摘要： 随着人工智能技术的迅猛发展,其在高校教学中的应用日益广泛,正逐步推动教学模式的深刻变革。人工智能技术赋能高校教学变革在创新应用型人才培养模式、促进教与学方法变革、提升教育治理能力等领域发挥着重要作用,但仍存在知识泛化与应用型专业知识体系的冲突、高校教师数字胜任力与AI教学的矛盾、顶层设计缺失导致教师探索动力不足、人工智能教育场景与应用型教学适配性不足等方面的问题。为此,有效推动人工智能技术赋能应用型高校教学变革需要从加速推进数字化教学变革、创新教学内容与方法、强化教师的数字素养发展与培训,以及提升学生学习体验等方面推进实施。

关键词： 冠状动脉   磁共振成像   冠心病   人工智能  

摘要： 冠心病（CAD）是全球致死的主要原因之一，早期诊断对其管理和治疗至关重要。有创冠状动脉造影（ICA）虽然是诊断CAD的“金标准”，但因其有创性、需使用碘对比剂和有电离辐射，不适用于筛查。冠状动脉CT血管成像（CCTA）虽能无创评估冠脉狭窄，但其存在电离辐射、碘对比剂过敏风险且受钙化影响较大。冠状动脉MR血管成像（CMRA）因其无创、无电离辐射和无需对比剂，成为一种潜在的替代方案。CMRA在诊断和监测冠状动脉先天发育异常及扩张性病变中展现了独特优势，但受限于扫描时间长、操作复杂和对呼吸与心脏运动的敏感性。近年来，CMRA技术在呼吸和心脏运动校正、图像加速及重建方面取得了重大进展，尤其是人工智能（AI）在呼吸心脏运动校正、欠采样和超分辨率重建中的应用，进一步拓宽了CMRA的临床应用前景。本文将介绍CMRA的主要发展历程和技术进步，浅析该技术在临床应用中的优势和挑战，以期推动该技术的进一步发展及合理应用。

关键词： 机器学习   预测模型   时间序列   二次供水   余氯  

摘要： 氯是城镇饮用水系统运用最为广泛的消毒剂，能够有效控制水中细菌滋生，二次供水系统的余氯是确保“最后一公里”水质安全的重要指标，建立二次供水系统余氯变化规律预测模型实现提前预警对保障末端饮用水安全具有重要意义。文章通过相关性分析方法得出与余氯具有较强相关性的指标为浑浊度与温度，基于2022年上海市二次供水监测点的余氯、浑浊度和温度数据，采用机器学习方法对未来时刻的二次供水余氯进行预测，建立以当下时刻的余氯-浑浊度多指标、余氯-温度多指标和余氯单指标为输入的3种模型，并采用确定性系数(R2)、平均绝对误差（MAE）、平均偏差（MBE）以及均方根误差（RMSE）等多元评估标准来衡量模型性能。结果表明，3种模型的相对误差基本控制在10%以下，预测模型均可以满足实际二次供水监管点余氯的预测需求，按照预测准确度降序排列为：余氯-浑浊度预测模型、余氯自预测模型、余氯-温度预测模型。

关键词： 城市道路网络   修复策略   韧性   多路段失效   机器学习   图注意力网络  

摘要： 破坏性事件发生后对修复工作的目标路段选取和序列优化是提升事后路网修复效果及系统韧性的关键。识别道路网路中对系统性能具有关键作用的路段是该问题高效求解的重要基础。然而,传统的关键路段识别方法未充分挖掘多个路段间的交互与协同关系,即研究多个路段同时失效对路网整体性能影响的显著性。针对该问题,本文提出了一种基于图注意力网络的路网关键路段识别模型(TGAT)。该方法借助图注意力网络挖掘路段间的影响权重,并基于权重值计算各路段的关键度取值,从而识别出对路网性能具有关键作用的路段。随后,依据关键度取值排序确定事件后被破坏路段的修复序列。以江苏省昆山市路网为例,本文将TGAT方法与度中心性、加权介数中心性、特征向量中心性三种基线方法应用于路网修复方案优化的效果进行对比。具体来讲,分别基于路网修复效果实验和逐点修复实验对上述四种方法进行性能对比。实验结果表明TGAT方法相较于其他三种方法能更有效地识别路网中的关键路段,并且基于TGAT的修复序列优化对路网的修复性能更好。

关键词： 质子交换膜电解槽   多孔传输层   机器学习   参数优化  

摘要： 质子交换膜电解水（PEMWE）技术因其波动适应性强的特点，在绿色氢气生产中具有广阔应用前景。PEMWE性能受多种因素影响，其中多孔传输层（PTL）对于气-水传输性能尤为关键，优化PTL结构对提升PEMWE整体性能具有重要意义。本研究首先构建了一个稳态下的三维PEM单电解槽模型，获得了不同多孔传输层结构参数下PEM电解槽极化曲线，探讨了多孔传输层的孔隙率、厚度和导电率三个特征参数对质子交换膜电解槽性能的影响。其次，通过引入多层感知机机器学习模型，提出了相应的性能优化策略。研究表明孔隙率对多孔传输层的性能起主导作用，其次是厚度，而导电率的影响相对较小。针对孔隙率和厚度，适度增加孔隙率并降低厚度可有效提升电解槽性能。经过多层感知机模型筛选，当PTL孔隙率为0.52、厚度为0.2 mm、导电率为4×106 S/m时，性能最佳，在2 A/cm2的电流密度下PEM电解槽的工作电压为1.85 V。

关键词： 赋能   数智化转型   升级路径   驱动模式   人工智能  

摘要： 我国多数企业正面临向数智化转型升级的迫切需求，以ChatGPT、Sora等为代表的新一代人工智能迅猛发展，其强大的赋能特性为实现该目标提供了可行途径。文章以百度、阿里巴巴、腾讯和科大讯飞的实践为例，采用多案例探索的研究方法，探讨了人工智能赋能企业数智化转型升级的驱动模式与具体路径。研究发现：新一代人工智能可通过赋能技术、数据、组织、营销和服务五种路径推动企业数智化转型升级，并最终使企业在技术体系、生产运营、营销模式、组织架构，以及服务体系实现转型升级；新一代人工智能赋能数智化转型升级的驱动模式包括技术创新驱动和行业需求驱动，具体路径选择受技术发展水平和被赋能企业所在行业领域转型升级需求的共同驱动；企业转型升级应选取适合的升级策略和升级模式，既可采取自主式升级策略并选择相应的升级模式，也可采取嫁接式升级策略并借助领军企业实现高点起步。文章丰富了数智化转型升级的相关研究，为借助人工智能加快转型升级提供有益的理论和实践启示。

关键词： 注意缺陷多动障碍   诊断   机器学习   深度学习  

摘要： 注意缺陷多动障碍(ADHD)是一种常见的儿童神经发育障碍性疾病,缺乏客观检测、检验指标且诊断困难。本文综述了机器学习和深度学习在ADHD诊断中的应用及辅助诊断价值。研究集中在几个关键领域:文本分析、电生理检测、神经影像学、行为数据分析、基因组学以及多组学研究。尽管机器学习和深度学习在ADHD诊断中展现了显著潜力,但仍面临数据质量、过度拟合、模型可解释性和伦理问题等挑战。未来的研究需进一步集中在改善算法性能、提高模型的解释能力、确保数据隐私和安全性领域,并在更多的临床研究中进一步验证。