关键词： 机器学习   影像组学   原发性中枢神经系统淋巴瘤   Ki-67   磁共振成像  

摘要： 目的:探讨基于多参数影像组学构建机器学习模型术前预测原发性中枢神经系统淋巴瘤(PCNSL)Ki-67表达水平的价值。方法:回顾性分析经病理证实的203例PCNSL患者,其中162例作为训练集,另41例作为外部验证集。在T1加权对比增强成像(T1CE)、DWI及T2 FLAIR图像上手工分割病灶并提取影像组学特征,应用4种机器学习算法基于最优特征构建影像组学模型。经单因素、多因素logistic回归分析后获得Ki-67表达水平独立预测因子,结合最优影像组学模型的影像组学评分建立联合模型预测Ki-67表达水平,并对模型的预测性能进行评价。结果:203例中Ki-67高表达组89例,低表达组114例。肿瘤最大径、瘤周水肿、18F-FDG PET-CT最大标准化摄取值均是Ki-67表达水平的独立预测因子。最终筛选出19个影像组学特征,并使用4种机器学习算法构建影像组学模型,其中梯度提升机(GBM)影像组学模型具有较高的AUC(训练集0.88,外部验证集0.83),随机森林(RF)模型次之,其训练集AUC为0.86,外部验证集AUC为0.79。GBM模型具有较高敏感度及召回率,RF模型准确率较高。联合模型预测效能最佳,训练集和外部验证集AUC最高分别为0.92(95%CI 0.88~0.96)、0.88(95%CI 0.78~0.97)。校准曲线表明联合模型校准效果良好,决策曲线分析显示联合模型具有较高的总体净效益。结论:基于多参数影像组学模型结合临床特征可实现术前对PCNSL的Ki-67表达水平的有效分层。

关键词： 黏土矿物   无机高分子絮凝剂   氧化焙烧—酸溶法   混合碱焙烧—酸溶法   直接酸溶法   响应面法   机器学习  

摘要： 以黏土矿物为原料制备无机高分子絮凝剂(IPF)不仅可使絮凝剂工业生产的成本和工艺复杂程度降低,也可为黏土矿物的综合利用提供更高的经济价值与环境效益。黏土矿物的活化与溶出工艺直接影响IPF的性能与经济效益。目前,氧化焙烧—酸溶法和混合碱焙烧—酸溶法是主流方法:氧化焙烧—酸溶法通过高温破坏矿物结构,提升酸溶效率,适用于高岭石等矿物;混合碱焙烧—酸溶法则借助碱熔反应生成易酸溶产物,但存在高能耗和设备腐蚀问题。直接酸溶法(如硫酸插层活化)因无需高温焙烧,成为低能耗替代方案,但对矿物纯度要求较高。此外,响应面法和机器学习等计算方法的引入,优化了IPF的制备参数预测与性能评估。未来,开发绿色低耗工艺、提升产品性能、实现快速预测是该领域的重要发展方向。

关键词： 人工智能   智慧教育   高校教师   智能教育素养   数字素养   实证研究  

摘要： 随着人工智能与教育的深度融合,高校教师智能教育素养成为驱动教育变革的核心要素。以吉林省12所高校的253份有效问卷及52名教师的深度访谈数据为基础,结合“政策驱动—技术赋能—文化浸润”三位一体发展范式,系统分析教师智能教育素养的现状、问题及提升路径。研究发现,吉林省高校教师在技术应用深度、数据决策能力、伦理协同机制等方面存在短板,通过构建分层分类的素养标准框架、强化智能教育技术研发与本土化适配、建立跨学科教研共同体等措施,可有效推动高校教师智能教育素养的全面提升。

关键词： 类器官   中药   天然化合物   癌症   共培养   人工智能  

摘要： 根据世界卫生组织国际癌症研究机构发布的2022年全球癌症负担报告,全球新增癌症患者数量持续上升,预计到2050年这一趋势将更加明显。中国发布2022年癌症发病情况调查显示,新发癌症病例数和死亡病例数较往年持续增加,形势不容乐观。面对不断增长的抗癌治疗需求,抗癌药物的研发势头愈发强劲。中药在抗癌药物市场中逐渐崭露头角,为全球抗癌治疗贡献了中国方案。然而,中药具有多成分、多途径和多靶点的特点,传统的研究模型已无法满足对中药抗癌作用的深入探讨需求。因此,迫切需要更新研究模型以适应中药的特性。类器官(organoids)作为一种新兴技术,是理想的人类疾病临床前模型,弥补了传统疾病模型在中药研究中的不足,在中药研究中的应用日益广泛。该文对类器官技术在中药抗癌研究中的应用进行回顾和总结,分析其优势、局限性及发展趋向。

关键词： 深井地源热泵   特征选择   机器学习   性能预测  

摘要： 随着人工智能技术的快速发展,数据驱动的预测模型在能源需求与性能效率预测领域的重要性日益凸显。为探究机器学习算法对储热型深井地源热泵系统(DBHE-GSHP)性能预测的适用性,通过对DBHE-GSHP的运行数据进行实时采集,并选取典型参数构建特征集,运用皮尔逊相关分析法对特征集加以优化;基于优化后的特征集,分别采用反向传播神经网络(BPNN)、极限学习机(ELM)、支持向量机(SVM)以及粒子群优化-支持向量机(PSO-SVM)等算法展开分析。研究结果显示,PSO-SVM方法呈现出良好的预测性能,预测准确率超过95%。研究成果可为DBHE-GSHP供热系统的参数优化和高效运行提供理论支撑。

关键词： 推理模型   人工智能   安全风险   治理悖论   人本主义  

摘要： [研究目的]DeepSeek-R1、o1等推理模型已能嵌合运用自生成思维链与自更新推理机制,推理性能显著提升的同时不可控风险亦呈涌现特征。研究推理模型所涉细化机理与多重风险,针对性提出治理方案以强化推理模型风险化解能力,推动其技术治理问题的理论化。[研究方法]采用文献分析法、案例分析法与描述性研究法,在推理模型与ChatGPT等预训练模型的对比视角下融合“风险社会”理论,分析“后训练扩展律”范式下人工智能算法架构的可控程度、风险等级与治理方案。[研究结果/结论]推理模型特有质态折射的“失序化技术链路+失限性技术风险”可交互作用,制造泛化领域的群生性危机以推动“危机社会”的加速演化,并创设推理模型领域“老鼠与老虎”的技术治理元悖论。须深化推理模型治理进路的人本主义与审慎主义取向,运用安全前置的强力型法治手段与三维并行的综合性治理体系实现突破。

关键词： 人工智能   军工软件信息系统   成本风险预测   过程控制   机器学习   动态监控  

摘要： 在军工研究院的大型软件信息系统项目中,成本风险预测与过程控制是保障项目顺利实施的核心环节。传统方法在应对复杂技术环境和高保密性要求时存在局限性,而人工智能技术的引入为解决这一问题提供了新的操作路径。文章结合军工软件信息系统的特点,提出了一种基于机器学习、深度学习和动态监控的成本风险预测模型,并构建了全生命周期过程控制框架。该模型显著提升了成本预测的准确性与风险应对能力,为军工信息化项目的科学管理提供了理论支撑和实践参考。

关键词： 高职院校   国家安全   人工智能  

摘要： 国家安全是国家发展的根本保障,人工智能技术有助于推动教学方法创新、教育模式转型,提升国家安全教育效果。高职院校在技术应用、师资、技术发展与教育目标的融合等方面也面临着挑战与困境。文章通过对高职院校国家安全教育中应对人工智能挑战的分析,提出科学运用人工智能技术助力学生价值引导、加强教师技术应用、加强资源与能力建设及完善运作机制等建议。

关键词： 人工智能   注意力识别   教学设计  

摘要： 文章从注意力理论、识别技术及教学设计融合2个维度提出了学生注意力提升策略。通过头部姿态、眨眼频率、哈欠动作及互动行为等识别方法采集注意力数据,分析学生兴趣点,从而设计适配的教学内容、方式与风格,并推荐课后自主学习资源,构建“基于注意力的教学策略提升”闭环。

关键词： 机器学习   地上生物量   植被指数   无人机反演   变量组合  

摘要： 植被地上生物量(AGB)是反映湿地生态系统功能状态与健康水平的重要生态参数,可为生态系统稳定性分析和碳汇能力评估提供关键支撑。以滨海典型芦苇湿地为研究对象,基于无人机获取的高分辨率多光谱影像和113个实测芦苇AGB样本,系统评估不同特征变量组合的建模效果,并利用随机森林(RF)算法的重要性分析对变量进行筛选。随后分别构建了RF、支持向量机(SVM)和极端梯度提升(XGBoost)三种机器学习算法模型,对筛选后的特征变量进行建模与精度对比,旨在探索基于低空遥感技术开展湿地植被生物量反演的可行路径,建立适用于湿地生态监测的高效估算框架。研究结果表明,联合使用多光谱波段反射率与植被指数的变量组合显著优于单一变量类型,能够有效提升AGB估算精度。在三种建模算法中,XGBoost模型性能最优,R2为0.731,RMSE为0.184kg/m^(2),RPD达到2.431,表现出较强的稳定性与鲁棒性。空间分布分析结果显示,研究区芦苇AGB具有显著的空间异质性,高值区主要分布于水体周边的浅水带及地势低洼区域,而地势较高区域的AGB值相对较低。定量统计显示,研究区芦苇总AGB为3038.78吨,芦苇AGB值范围为0.486-1.705kg/m^(2),平均为0.88kg/m^(2)。变量贡献分析显示,红边波段及其衍生植被指数,特别是修正型叶绿素吸收反射植被指数(MCARI),在芦苇AGB反演模型中的贡献度较高,表明其在捕捉湿地植被的叶绿素含量和冠层结构变化方面具有较强的敏感性,对AGB的估算精度有显著提升作用。本研究不仅验证了基于无人机多光谱影像结合机器学习算法进行芦苇AGB反演的可行性和有效性,也为后续开展湿地生态系统功能评价、碳储量估算及关键栖息地监测提供了科学依据。