关键词： 数字减影血管造影   缺血性脑卒中   机器学习   病因分类评估  

摘要： 目的:基于机器学习构建数字减影血管造影(DSA)影像学模型，探讨其对缺血性脑卒中大血管病变病因分类的评估价值。方法:选取辽宁中医药大学附属医院介入中心2021年7月至2024年7月收治的53例接受DSA下动脉血管再通治疗的缺血性脑卒中患者，均为大动脉粥样硬化型、心源性栓塞型等大血管病变，男21例，女32例，年龄(61.5±8.3)岁，年龄范围为45~78岁。采用随机数字表法按照7∶3的比例将53例患者随机分为训练组( n＝37)与内部验证组( n＝16)。另选取辽宁中医药大学附属医院介入中心2024年7—11月收治的20例缺血性脑卒中患者作为外部验证组，男8例，女12例，年龄(63.0±5.0)岁，年龄范围为53~73岁。提取训练组与内部验证组患者治疗前、治疗后的DSA影像组学特征，假定"栓塞"为正样本、"狭窄"为负样本。通过Spearman相关性分析降低特征间的冗余度，而后进行Wilcoxon秩和检验，筛选 P值较小的前5个特征。训练组将筛选出的特征数据通过深睿医疗多模态平台在全局超参模式下采用三种机器学习模型进行训练和调优，并通过内部验证组的特征数据进行模型性能分析，筛选出效能最佳模型。导出最终建立的模型并采用外部验证组患者DSA影像进行外部验证。 结果:依据训练组数据建立的模型中，SVM、LR、BernoulliNB模型鉴别病因的受试者操作特征(ROC)曲线下面积分别为0.94(95% CI：0.83~1.00)、0.87(95% CI：0.74~0.99)、0.80(95% CI：0.66~0.95)。内部验证结果显示，SVM模型鉴别病因的效能最佳，ROC曲线下面积为0.89(95% CI：0.73~1.00)，故采用SVM模型作为最终模型。SVM模型解释及可视化分析结果显示，"原始-形态特征-延长率-开通后"、"原始-形态特征-短轴长度-开通前"这两种特征的数值越大越倾向于病因为正样本，即"栓塞";反之则更倾向于病因为负样本，即"狭窄"。外部验证结果显示，SVM模型鉴别病因的ROC曲线下面积为0.83(95% CI：0.64~1.00)，灵敏度66.67%、特异度72.73%、准确度70.00%、精确度66.67%、阳性预测值66.67%、阴性预测值72.73%，具有较好的病因识别效果。 结论:本研究基于机器学习构建的DSA影像学模型具有较好的鉴别缺血性脑卒中患者栓塞、狭窄两种主要病因的能力，可解释性的机器学习模型可辅助临床医师鉴别病因，对缺血性脑卒中患者进行无创、个体化风险评估。

关键词： 人工智能   机器学习   生殖医学   生殖技术,辅助   不孕  

摘要： 人工智能（artificial intelligence，AI）在人类辅助生殖技术（assisted reproductive technology，ART）领域的应用日益受到关注，一些AI技术已经应用于ART临床实践，协助医生进行精液分析、胚胎选择以及子宫内膜容受性评估等工作，并在改善患者预后、提高医生工作效率方面展现了巨大的潜力。然而，目前大多数研究仍处于探索阶段。规范AI的开发流程、增进医患双方对AI的认知并促进其与临床实践融合，有助于推动AI技术的进步。本文对AI在ART领域各环节中的研究应用进展进行综述，并探讨该技术面临的挑战和发展方向。

关键词： 人工智能   生殖技术,辅助   护理   智能化  

摘要： 近年来智能化护理正逐步改变传统的护理模式，人工智能（artificial intelligence，AI）技术在辅助生殖领域的应用逐步拓宽。本文系统分析了AI在生殖健康护理多个方面的应用，同时总结了此过程面临的挑战，包括数据隐私、技术可靠性、伦理道德和法律制度，以及人文关怀等。本文对AI在辅助生殖领域的应用契机和随之而来的问题进行了深入剖析，旨在为今后的研究提供方向，以保障AI技术能够安全、高效地与生殖健康护理领域相融合。

关键词： 建筑固废   再生骨料   回弹模量   预测模型   机器学习  

摘要： 为探究建筑固废再生骨料在道路工程中大规模和高质量应用的可行性,针对再生骨料-天然骨料二元混合试样,开展了一系列不同再生骨料取代率、含水率、压实度以及围压和动偏应力组合条件下的室内大型动三轴试验;建立了粒子群优化人工神经网络回弹模量预测模型,并采用蒙特卡洛方法对比分析了本文模型与其他几种目前常见的机器学习模型的鲁棒性和泛化能力.研究结果表明:动回弹模量各影响因素按相关性和显著性水平排序为围压＞动偏应力幅值＞含水率＞压实度＞再生骨料取代率,动回弹模量随围压变化近似呈线性增长,含水率的降低或压实度的提高均会导致动回弹模量增大,不同再生骨料取代率试样的动回弹模量差异不明显;相比于支持向量机和随机森林算法,粒子群优化人工神经网络模型具有较高的预测精度和鲁棒性.研究结果可为建筑固废再生基层填料的填筑以及相似颗粒材料的回弹特性评定提供参考.

关键词： 农地经营权抵押贷款   农户信用风险   风险识别   损失度量   机器学习  

摘要： 在农户风险持续暴露背景下,立足中国土地产权管制与农村金融生态不完备情境,本文依据宁夏、重庆、四川三省份农地经营权抵押融资试点地区入户调查数据,运用机器学习方法识别农户信用风险,并验证了该方法与传统模型相比的有效性,在此基础上进一步采用CreditRisk+模型度量了农户信用风险损失.调查统计显示,农户农地经营权抵押贷款违约率较高,为10％,且以主动违约为主.研究发现,机器学习方法中的随机森林模型可有效识别信用风险关键因素和预测违约概率.进一步地,农户农地经营权抵押贷款信用风险损失和单笔贷款风险敞口较高,且在极端事件冲击下损失增幅明显.此外,现有风险控制框架下增加农户被动性违约动机的考察,有助于金融机构优化金融资本结构,完善风险控制策略.据此,提出加快金融科技发展、完善农村征信体系、创新风险预警工具等建议.

关键词： 个性化教育   国际视野   工程创新训练   人工智能   食品科学与工程  

摘要： 探讨了在国际认证、工程实践与人工智能等全球先进生产力发展的大背景下,如何更高质量地建设食品科学与工程专业个性化培养体系.针对食品教育的国际化定位,提出了引入IFT国际食品专业认证的重要性;强调了食品教育的应用化基础,明确了新工科实践训练的支撑性;分析了食品本科教育的AI赋能,通过融合"食品+AI技术",实现个性化教学和食品知识图谱的高效串联.基于以上三个核心内容提出了食品的EPE(高效个性化教育)模式,旨在构建符合新时代要求的食品科学与工程专业的定制化培养体系,从而不断培养从事食品行业的高素质创新人才.

关键词： 肝移植   心脏死亡器官捐献   急性肾损伤   预后模型   机器学习   随机森林  

摘要： 目的 探讨基于机器学习算法构建心脏死亡器官捐献(DCD)供肝肝移植后急性肾损伤风险预测模型的应用价值.方法 采用回顾性队列研究方法.收集2015年1月至2023年12月中国肝移植注册中心浙江大学医学院附属第一医院等5家医院收治的1 001对行DCD供肝肝移植供者及受者的临床病理资料;供者男825例,女176例;受者男806例,女195例,年龄为52(18～75)岁.运用过采样技术增加281例受者后获得1 282例受者,通过计算机产生随机数方法以7∶3比例分为训练集897例和验证集385例.基于机器学习算法,构建随机森林、极端梯度提升树、支持向量机、逻辑回归、决策树、K最近邻和梯度提升树7种肝移植后发生急性肾损伤预测模型.观察指标:(1)发生急性肾损伤和无急性肾损伤受者及供者临床病理特征比较.(2)发生急性肾损伤和无急性肾损伤受者随访及生存情况.(3)肝移植后发生急性肾损伤列线图预测模型的构建及评价.(4)肝移植后发生急性肾损伤机器学习预测模型的构建及评价.正态分布的计量资料组间比较采用独立样本t检验.偏态分布的计量资料组间比较采用Mann-Whitney U检验,多组间比较采用Kruskal-Wallis H检验.计数资料组间比较采用x2检验或校正x2检验.采用Kaplan-Meier法计算生存率和绘制生存曲线.采用Logistic回归模型进行单因素和多因素分析.绘制受试者工作特征(ROC)曲线,并计算ROC曲线下面积(AUC)及95％可信区间(CI).采用DeLong检验、准确度、灵敏度、特异度评价模型的预测能力.绘制校准曲线,评估预测模型的预测概率与实际概率效能.采用基于机器学习算法与Shapley Additive exPlanations(SHAP)方法的可解释性分析方法,生成对模型决策的单独解释.结果 (1)发生急性肾损伤和无急性肾损伤受者及供者临床病理特征比较.1 001例受者中,肝移植后发生急性肾损伤360例,无急性肾损伤641例.发生急性肾损伤和无急性肾损伤受者体质量指数、肝性脑病、乙型肝炎表面抗原、肝肾综合征,供者糖尿病、尿素氮、丙氨酸转氨酶、天冬氨酸转氨酶、移植物质量,肝移植术中出血量、供肝热缺血时间、手术时间比较,差异均有统计学意义(Z=-4.337,x2=9.751、9.088,H=11.142,x2=5.286,Z=-3.360、-2.539、-3.084、-1.730、-3.497、-1.996、-2.644,P＜0.05).(2)发生急性肾损伤和无急性肾损伤受者随访及生存情况.1 001例受者均获得随访,肝移植后发生急性肾损伤受者随访时间为18.6(0～102.3)个月,无急性肾损伤受者随访时间为31.9(0.1～105.5)个月.发生急性肾损伤受者1、3、5年总生存率分别为72.1％、63.5％、59.3％,无急性肾损伤受者1、3、5年总生存率分别为86.7％、76.7％、72.5％,两者总生存情况比较,差异有统计学意义(x2=26.028,P＜0.05).(3)肝移植后发生急性肾损伤列线图预测模型的构建及评价.多因素分析结果显示:受者体质量指数、肌酐、乙型肝炎表面抗原、肝肾综合征,供者尿素氮、肌酐,肝移植无肝期、术中出血量均是影响受者肝移植后发生急性肾损伤的独立危险因素(比值比=1.113、0.998、0.605、1.580、1.047、0.998、1.006、1.157,95％CI 为 1.070～1.157、0.996～1.000、0.450～0.812、1.021～2.070、1.021～1.074、0.996～0.999、1.000～1.012、1.045～1.281,P＜0.05).根据多因素分析结果,构建肝移植后发生急性肾损伤的列线图预测模型.ROC曲线结果显示:AUC为0.666(95％CI为0.637～0.696).(4)肝移植后发生急性肾损伤机器学习预测模型的构建及评价.基于Lasso回归分析结果,构建随机森林、极端梯度提升树、支持向量机、逻辑回归、决策树、K最近邻、梯度提升树7种机器学习算法预测模型,绘制验证集ROC曲线,AUC分别为0.863、0.841、0.721、0.637、0.620、0.708、0.731,准确度分别为 0.764、0.782、0.701、0.592、0.605、0.605、0.681,灵敏度分别为 0.764、0.789、0.719、0.588、0.694、0.694、0.704,特异度分别为 0.763、0.774、0.683、0.597、0.511、0.511、0.656,Delong 检验结果显示:随机森林模型AUC最高,为0.863(95％CI为0.828～0.899).校准曲线结果显示:随机森林模型的预测概率与实际发生概率最接近,表明该

关键词： 炎症性肠病   人工智能   内镜诊断   组织病理检查   诊断模型  

摘要： 人工智能（AI）这一新兴技术的出现和应用给炎症性肠病（IBD）的诊断带来了巨大的变革。越来越多的研究着手于开发基于机器学习（ML）和深度学习（DL）的诊断模型，并获得了良好的诊断性能，尤其是在IBD的图像诊断，卷积神经网络（CNN）等模型由于其出色的图像分析能力，在内镜检查和组织病理检查等方面具有十分可观的发展前景。近年来AI诊断模型的应用越发广泛，但与此同时，关于算法、数据库及其应用方面仍存在一些难以忽视的局限性。本文将主要就图像识别方面对AI在IBD诊断中的应用进行综述，以期为IBD精准图像诊断领域下步研究提供参考。

关键词： 铜合金   数值模拟   机器学习   预测模型   工艺参数优化  

摘要： 针对C70250合金板的热冷组合铸型（HCCM）水平连铸，采用机器学习辅助的方法快速准确地预测温度场、两相区和晶粒尺寸。首先，在不同工艺参数下对铸造过程进行有限元模拟，建立了数据集。随后，采用不同的机器学习算法，实现了对温度场、两相区位置、两相区倾斜角度和板坯晶粒尺寸的高精度预测。最后，采用随机生成、预测和筛选的策略快速优化了工艺参数，从而将两相区控制在目标范围内。优化后的参数为：热型温度1234 ℃，连铸速度47 mm/min，冷却水流量10 L/min。优化后的两相区位于第二隔热段的中间位置，倾斜角约为7°。

关键词： 震前经济损失评估   机器学习   规则钢筋混凝土框架结构   经济损失数据库   XGB算法  

摘要： 地震往往造成严重的经济损失和人员伤亡，为评估城市地震损失、给防灾规划提供依据，有必要对城市建筑群进行快速、准确的震前经济损失评估。针对城市建筑群中最常见的规则钢筋混凝土（RC）框架结构，本研究建立了一种基于机器学习的震前经济损失评估方法，主要内容包括：建立了规则RC框架结构地震经济损失数据库，考虑了结构构件和非结构构件的地震反应；基于该数据库，采用三种不同机器学习算法建立了规则RC框架结构地震经济损失预测模型。对比模型性能，发现极端梯度提升（XGB）算法在三种机器学习算法预测地震经济损失中表现最好，决定系数R2达到0.99。