关键词： 糖尿病   磁共振成像   机器学习   脑龄   认知   衰老  

摘要： 目的 基于成年人毕生发展影像数据集(SALD)中T1加权MRI数据构建脑龄预测模型,探讨2型糖尿病(T2DM)患者脑龄差(Brain-PAD)与病程、认知功能的关系。方法 比较本地数据集中104名T2DM患者和83名健康对照(HC)人口学及认知功能。以SALD中健康志愿者329例T1加权MRI数据为训练集,采用高斯过程回归(GPR)、十折交叉验证搭建脑龄预测模,验证并评价模型性能后分别计算T2DM和HC组的Brain-PAD,Mann-Whitney U检验用于组间比较。分别计算T2DM患者Brain-PAD与病程、认知的皮尔逊相关系数(r)。结果 与HC组相比,T2DM患者听觉词语学习测验(AVLT)延迟记忆、再认、符号数字模式测验(SDMT)得分更低(P<0.05)。T2DM和HC组Brain-PAD分别是1.619(-4.001,8.272)岁、-1.289(-4.128,4.134)岁,T2DM组比HC组Brain-PAD更大(Z=2.056,P=0.034)。T2DM组Brain-PAD的中位数是正值,即预测脑龄大于生理年龄,提示T2DM患者大脑比生理年龄相对“更老”。T2DM患者Brain-PAD与AVLT即刻记忆、延迟记忆、SDMT得分呈正相关(r=0.291,P=0.003;r=0.248,P=0.011;r=0.376,P <0.001),T2DM患者Brain-PAD与连线测验(TMT)-A用时呈负相关(r=-0.206,P=0.036),与病程无相关性。结论 T2DM患者认知功能减退,基于结构MRI的机器学习脑龄预测模型可以量化T2DM患者大脑早衰程度。

关键词： 地球深部   矿物   物态物性   机器学习   第一性原理   分子动力学  

摘要： 地球深部处于极端高温高压环境，其物质组成、相变行为与物理性质对于理解地球内部结构、动力学过程及演化具有重要意义。传统的实验手段在极端条件下面临热力学状态难以维持、物理量诊断困难的挑战，而第一性原理计算虽然具有量子精度，却受限于计算效率，难以直接应用于大时空尺度的地球深部矿物模拟。机器学习方法带来了新的机遇，基于第一性原理精度的数据集构建高精度、高效率的机器学习势函数，显著拓展了第一性原理模拟的时空尺度，为研究地球深部矿物的物态、相变、弹性、输运等性质提供了革命性工具。本文系统地综述了机器学习方法在地球深部主要矿物（包括上地幔、过渡带与下地幔矿物、俯冲带组分以及地核物质）研究中的应用进展，总结了其在揭示相变、热导率、扩散、熔化和弹性性质等方面的代表性成果，并探讨了当前研究存在的局限性及未来发展方向。

关键词： 脊髓疾病   预测   机器学习   老年人   退行性颈脊髓病  

摘要： 目的 通过构建并验证一套机器学习（ML）模型，以预测60岁及以上退行性颈脊髓病（DCM）患者的短期手术疗效。方法 回顾性分析2011年1月至2020年12月期间在北京大学第三医院接受手术治疗的193例年龄≥60岁老年DCM患者的病例资料。术前预测变量涵盖人口学信息、临床症状、体征、影像学表现（颈椎核磁共振脊髓T2高信号、椎管狭窄）、SF-36评分和日本骨科学会（JOA）评分等。本研究以术后3～6个月内JOA评分提高≥2.5分，定义为达到最小临床重要差异（MCID）。数据按7∶3比例分为训练集和测试集。构建5种机器学习模型（逻辑回归、支持向量机、随机森林、XGBoost、LightGBM），初步采用默认参数并进行3折交叉验证，表现最优的模型进一步经网格搜索优化。最终使用受试者工作特征曲线下面积（AUROC）、精准率-召回率曲线下面积（AUPRC）、敏感性、特异性、准确率等指标评估性能，并通过SHAP值解释模型的特征重要性。结果 99例患者在术后3～6个月随访JOA评分改善达到了MCID。在5种模型中，基于决策树的模型（随机森林、XGBoost、LightGBM）表现较好，LightGBM模型在训练集中的AUROC为0.631、AUPRC为0.673。在测试集的内部验证中，LightGBM模型保持了最优预测性能，AUROC为0.731,AUPRC为0.759。SHAP分析显示，最具预测价值的前9个变量为：术前JOA评分、SF-36心理健康、社会功能、生理功能、上肢肌力减弱、下肢麻木、肩部肌力减弱、SF-36情感职能和身体疼痛。结论 本研究构建并验证了一个基于LightGBM的机器学习模型，能够较为准确地预测老年DCM患者的短期手术预后（AUROC=0.731）。模型核心预测因子涵盖术前功能状态、生活质量指标及神经系统症状表现，可用于术前风险分层和临床决策支持。

关键词： 规则引擎   推理方法   人工智能   网络安全   规则匹配   规则优化   物联网  

摘要： 规则引擎作为实现自动化决策和推理的重要技术，近年来在核心方法与技术进展方面取得了显著突破，并已广泛应用于网络安全、物联网、金融风控、智能制造等多个领域，但目前仍缺乏从规则引擎的优化和改进方面进行全面综述的工作。以网络安全为典型应用场景，系统综述规则引擎的方法与技术进展，同时结合其他领域的典型案例，分析其跨领域适用性与优化策略。首先介绍了规则引擎的基本概念和架构，包括规则库、工作内存和推理引擎等关键组成部分。接着详细讨论了规则引擎在性能提升、规则文件优化、功能增强等方面的研究进展，重点分析了规则匹配过程的改进和与智能技术协同优化。最后展望了规则引擎未来的发展趋势，为规则引擎在多领域的应用提供了重要参考，并为未来的技术创新指明了方向。

关键词： 教育评价改革   人工智能   现象学   教育技术  

摘要： 人工智能的指数级演进正深刻塑造教育评价的理念与实践，驱动评价体系转型升级。技术与教育的深度融合带来了重大机遇，但也催生了技术物本位下的评价权力位移、工具理性支配下的主体间性断裂、算法中心主义下的主体意识遮蔽等现象，教育评价恐有价值失衡之忧。以现象学为方法论，对人工智能加持下教育评价改革过程中出现的问题进行分析与反思，可以揭示技术理性遮蔽教育评价的风险实质。面对人工智能时代的机遇与挑战，须以教育强国战略为指引，回归教育评价的基本属性与社会功能，实现技术赋能与人文守正的辩证统一、大评价与超系统的有机融合、教育评价自系统与跨界领域他系统的交互协同，从而为人工智能时代教育评价改革与实践提供一定的学理支撑和启示。

关键词： 机器学习   根治性前列腺切除术   淋巴漏   疾病预测模型   危险因素  

摘要： 目的 探讨腹腔镜下根治性前列腺切除术后淋巴漏的危险因素，构建基于机器学习的列线图预测模型，为临床预防淋巴漏提供依据。方法 回顾性分析2020年至2024年1月以来248例前列腺癌根治术患者的围术期数据，通过logistic单因素及多因素回归筛选独立危险因素，构建预测模型并采用ROC曲线评估诊断效能，利用5倍交叉验证验证模型泛化能力，最终绘制列线图实现风险量化。结果248例患者中90例（36.3%）存在淋巴漏，158例（63.7%）无淋巴漏；术中淋巴结清扫（OR=5.415,95%CI:2.167～13.532,P <0.001）、术中使用血浆（OR=2.952,95%CI:1.524～5.718,P=0.001）和术后禁食时间2 d及以上（OR=1.412,95%CI:1.089～1.829,P=0.009）是发生淋巴漏的独立危险因素。模型评价曲线表明，该模型精度高，偏差小（AUC=0.711,95%CI:0.647～0.776,P <0.001，敏感度0.764，特异度0.597）。5倍交叉验证法证实了模型的准确性（训练集AUC=0.822；测试集AUC=0.829）。列线图可量化淋巴漏发生率。结论 术中进行淋巴结清扫、术中使用血浆以及术后禁食时间≥2 d，是RP术后发生淋巴漏的独立危险因素，对应的预测模型经验证临床效能良好。

关键词： 人工智能   高中生   信息技术项目   创新能力   教育智能化  

摘要： 本研究聚焦高中信息技术课程改革需求,针对传统教学模式中学生创新思维培养不足的现状,探讨人工智能技术赋能项目式学习的实践策略.通过构建"问题导向-智能辅助-迭代优化"的创新教学模式,开发基于机器学习算法的智能项目设计平台,形成覆盖项目选题、方案设计、成果评估的全流程支持体系.实践表明,该模式能有效激发学生计算思维,在创意方案可行性、技术实现完整度、项目成果创新性等维度均呈现积极变化.研究同时发现,智能教育工具的应用需要与教师指导形成互补,技术介入的适切性与伦理规范成为影响实施效果的关键因素.教育智能化发展应坚持人机协同原则,通过构建开放共享的智能教育资源平台,推动形成多方联动的创新教育生态体系.

关键词： 实验教学   新农科   双观三维   量子化学   人工智能   宏观实践-微观理论  

摘要： 青岛农业大学化学与药学院紧扣“矢志三农、勤奋求实，自强不息、追求卓越，培养复合应用型人才”定位，面对新农科建设与智能技术革命双重挑战，以学科交叉、信息资源整合及人工智能(AI)技术赋能为突破口，创新构建了“双观三维”实验教学新模式。该模式以量子化学计算为学科融合“催化剂”，借助AI技术辅助实现实验教学过程中“宏观实践-微观理论”的“双观”联动，进而搭建起从微观机理到宏观现象的“立体化”知识体系，推动学生在“理论认知-实践操作-科学素养”三维度素养全面提升。该教学模式创新可有效激发学生学习主动性、深化实验认识、提升学习效果，为农业院校培养复合应用型人才提供了参考，契合新农科背景下“三农”领域应用型人才培养需求。

关键词： 算法时代   人工智能   审美茧房   媒介化审美   技术伦理  

摘要： 审美信息是重要的教育资源。算法技术对教育的介入可能影响审美信息的分发,从而形成教育内部的“审美茧房”。这将带来新的教育风险:裹挟学生的审美认知意向、消解教师教学的审美属性、加剧师生间交往的审美区隔、阻滞数字教材审美取向的多元化发展。教育活动“审美茧房”的形成主要源于算法对教育主体审美信息的精准“投喂”,教育主体的审美惰性与素养欠缺,以及审美活动的泛娱乐化与圈层化。为应对“审美茧房”带来的教育风险,应提升教育主体的媒介素养;提升教育主体对审美信息的甄别与选择能力;完善数字教材标准,明确算法技术的介入限度。

关键词： 人工智能   高质量充分就业   理论逻辑   实践导向  

摘要： 马克思主义政治经济学认为，技术变革能从增加就业总量、提高劳动技能与改造生产关系等多维度促进就业。在新一轮科技革命浪潮下，人工智能已成为推动我国高质量充分就业的重要引擎。其按照“技术-产业-职业-标准”的发展路径，将技术支撑体系、智能产业集群、职业发展载体和风险防范机制耦合为一个有机整体，系统性地赋能我国就业服务体系，从而为满足人民美好生活需要奠定坚实基础。但这一过程还面临着诸多挑战，如人工智能的就业替代效应、“数字泰勒主义”引致的算法控制深化、数据权属模糊带来的资本与技术合谋风险、教育转型滞后导致的结构性就业矛盾等。为此，必须坚持“两个毫不动摇”，规范和引导资本健康发展，持续壮大人工智能产业，保护数字生产要素权属，挖掘人力资本存量并提升人力资本质量，构建高质量就业服务体系，促进人工智能就业红利持续释放。