关键词： 铜死亡   肠上皮化生   机器学习模型   免疫浸润   预测模型  

摘要： 本研究探讨了肠上皮化生(IM)与铜死亡的关系,并构建了一个预测模型。基于生物信息学分析GSE2669数据集中22个IM样本的铜死亡相关基因簇和免疫特征的表达谱,并确定差异表达基因簇。通过评估随机森林(RF)、支持向量机(SVM)、广义线性模型(GLM)及极限梯度提升(XGB)4种机器学习模型的性能,选出了性能最优的RF模型。同时构建了基于4个基因(DMBT1、HPN、SLC13A3及YWHAZ)的RF模型,通过表达分析发现,这4个基因与CDX2水平显著相关。实时荧光定量PCR(qRT-PCR)及蛋白质印迹法(Western blot)检测这4个基因在正常胃组织及肠化组织中的表达水平,结果与模型分析高度一致。本研究初步确定了铜死亡在IM中的作用及潜在机制,并成功建立了一个预测模型,为未来的临床应用和研究提供了新的研究方向。

关键词： 人工智能   大语言模型   中医  

摘要： 文章分析了人工智能及大模型的现状,针对人工智能的大语言模型在中医领域的应用场景,介绍了一种在中医领域的应用的基于人工智能的大语言模型——GBI系统。文章还简要分析了该应用系统的架构、流程图、系统关键功能以及使用场景,并阐述了其未来在中医领域的应用价值。

关键词： 矿山机械   故障诊断   振动分析   油液分析   人工智能  

摘要： 在矿山机械长期承受高负荷与复杂工况的运作过程中,设备故障问题已成为影响生产效率与安全的主要障碍。针对矿山机械常见的故障类型及其成因,本研究提出了振动分析、温度监控、油液检测和人工智能等多种前沿故障诊断技术。这些技术能够实时监控机械的运行状态,有效预见潜在问题,从而大幅减少停工时间与维护成本,显著提升设备运行的稳定性。通过振动剖析可识别机械故障的早期迹象,温度监测帮助发现过热现象,油液分析能够揭示磨损与污染的临界信息,而人工智能技术依托大数据分析,实现在故障诊断中的智能化。随着人工智能与大数据技术的不断进步,矿山机械故障诊断将变得更加精准与实时,进一步推动智能化矿山建设的实现。

关键词： 计算机应用软件   人工智能   人工免疫技术  

摘要： 近年来,人工智能技术取得了重大突破,为计算机应用软件开发提供了新的工具和方法,有助于提高计算机应用软件开发水平。因此,有必要深入研究人工智能技术,主动探索基于人工智能的计算机应用软件开发技术,更好地实现计算机应用软件开发目标,满足用户对计算机应用软件性能的需求。本文对人工智能技术在计算机应用软件开发中的应用进行了分析、探究与展望,旨在为人工智能技术在计算机应用软件开发中的高效应用提供指导,强化计算机应用软件开发效果。

关键词： 肾肿瘤   肾细胞癌   良性肾肿块   影像组学   机器学习  

摘要： 目的探讨基于CT影像组学特征和临床特征构建的预测模型区分肾肿瘤良恶性的效能。方法回顾性分析2011年12月至2021年12月郑州大学第一附属医院收治的1395例肾肿瘤患者的病例资料,男842例,女553例。中位年龄55(44,59)岁。中位肿瘤直径3.6(2.7,4.6)cm。所有患者术前均接受增强CT检查,从CT影像的平扫期、动脉期和静脉期图像中提取影像组学特征,基于logistic回归、支持向量机(SVM)、神经网络、随机森林、极端梯度提升等5种机器学习算法构建肾肿瘤良恶性的预测模型,并采用聚合的方法进行集成。所有患者均行肾部分切除术,根据手术日期将患者分为训练组(941例,2011年12月至2020年6月)和验证组(454例,2020年7月至2021年12月)。结合临床特征和CT检查结果,构建临床-影像组学特征预测模型,在验证组中检验模型的预测效能。结果基于logistic回归、SVM、神经网络、随机森林、极端梯度提升算法的CT检查三期联合影像组学模型预测肾肿瘤良恶性的受试者工作特征(ROC)曲线的曲线下面积(AUC)分别为0.838、0.839、0.835、0.841、0.844,均高于5种机器学习算法CT检查单期指标预测肾肿瘤良恶性的AUC(0.744~0.831)。集成5种机器学习算法后的CT检查三期联合影像组学模型预测肾肿瘤良恶性的AUC为0.847,高于5种算法单独的CT检查三期联合影像组学模型。结合临床特征和CT检查结果的临床-影像组学模型在验证组中预测肾肿瘤良恶性的AUC显著高于放射科医生[0.919(95%CI 0.889~0.950)与0.835(95%CI 0.786~0.883),P<0.01]。结论联合CT影像组学特征、临床特征、CT检查结果构建的预测模型对肾肿瘤的良恶性具有出色的区分能力。

关键词： 绿色技术创新   机器学习   集成学习   生态文明建设  

摘要： 绿色技术创新是推动绿色低碳发展的关键,它综合考虑了经济和环境的双重效益。以2011—2020年A股上市重污染企业为样本,采用机器学习中的参数方法、非参数方法和集成学习方法,可探讨多维度的绿色技术创新动因对绿色技术创新行为预测能力的差异,从而识别出影响企业进行绿色技术创新的主要动因,并找出预测能力最强的特征。研究发现:与数字化发展动因和内部治理动因相比,企业绿色技术创新行为主要受外部监督动因驱动;集成学习方法对绿色技术创新行为的预测能力优于参数与非参数研究方法,其中支持向量机具有最强的解释能力和最高的预测精度;在多维度动因特征中,数字金融、企业社会责任和政府环保补助对绿色技术创新行为的预测效果最佳。运用机器学习方法可有效识别企业绿色技术创新的关键因素,而且对企业自身可持续发展、加强生态文明建设具有启示意义。

关键词： 城市公园   文本分析   大运河   机器学习   优化途径  

摘要： 城市公园作为公共绿色空间在提升居民生活质量方面发挥重要作用,但公众对不同类型城市公园的感知和需求差异在公园规划与管理中尚未得到充分体现。本研究旨在构建自下而上的公众感知分析框架,揭示大运河沿线不同类型公园的独特感知维度及其情感偏向性,为城市公园的分类优化和功能结构调整提供科学依据。本研究以苏州市大运河沿线公园为研究对象,基于公园评论数据,采用集成Jieba分词、TF-IDF、LDA主题模型和情感倾向分析方法,结合IPA分析法,深入分析公众对不同类型公园的感知和情感倾向。研究发现,综合公园和专类公园因其深厚的文化底蕴和丰富的景观资源,深受公众青睐,且在智能化设施和无障碍设施的需求上尤为突出;社区公园和游园的关注焦点则集中在服务效能和空间布局的合理性,尤其是在日常生活便利性和社区活动支持性方面。通过分析公众感知数据,研究提炼出了一系列关键感知指标,为公园规划和改进提供了具体决策依据。研究丰富了运河沿线城市公园评价方法,展示了网络文本分析在揭示公众需求与优化城市公园功能结构方面的潜力,对大运河沿线城市公园规划与管理实践提供了借鉴意义。

关键词： 人工智能   好评如潮   仿真度   现代都市   海底世界   视频   好看  

摘要： 近来,人工智能领域又迎来重磅产品。OpenAI公司发布的人工智能模型Sora,可根据文字生成逼真的AI视频,引发了全世界的关注和讨论。Sora是一款文生视频模型,生成的视频精度、仿真度极高,足以“以假乱真”。在Sora生成的视频中,有清澈灵动的眼眸,有活泼可爱的萌宠,有神秘莫测的海底世界,有熙熙攘攘的夏日街区,有充满科技感的现代都市……由于Sora生成的视频过于“好看”,业界内外无比惊叹,对它好评如潮。

关键词： 糖尿病肾病   机器学习   预测分析   比较研究  

摘要： 目的分析比较基于机器学习的LightGBM和随机森林模型在糖尿病患者糖尿病肾病(DN)疾病风险预测模型中的应用。方法利用国家人口健康科学数据中心公共数据集,应用LightGBM和随机森林两种算法建立DN疾病风险预测模型并进行分析比较研究。结果LightGBM预测模型的准确率、曲线下面积(AUC)、召回率、精确度和F1得分分别为0.7750、0.8071、0.5963、0.8780、0.7102分,均高于随机森林模型。结论基于机器学习的LightGBM和随机森林模型对DN具有较好的预测效果。LightGBM的准确率、AUC、精确度、召回率、F1得分均更高。临床实践中,可以运用机器学习为相关研究提供参考。

关键词： ChatGPT   人工智能   价值判断   大学生判断能力   高等教育  

摘要： ChatGPT等对话型人工智能技术对大学生的判断能力产生正反双向影响。一方面,ChatGPT等对话型人工智能技术有助于大学生获得信息,能给大学生判断力培养提供训练场景,还能给大学生判断力培养提供过程辅助。但与此同时,该类人工智能还存在制约大学生判断能力发展的因素:第一,对话型人工智能提供的信息可靠性不足,易误导使用者;第二,对话型人工智能的过度使用会导致大学生产生依赖性,从而减弱其深度思考能力;第三,人机交互过度影响人际交往,降低大学生的社交判断能力。为解决以上问题,高校应有针对性地训练大学生独立思考的意识,培养大学生审慎的人机交互观念,构建人文关怀型育人环境。