关键词： 眼科检查   人工智能   排队叫号  

摘要： 目的探讨医院眼科检查室应用智能排队叫号系统的效能。设计单组前测-后测设计。研究对象在北京天坛医院眼科检查室,分别在智能排队叫号系统启用前、后各选取20名接受检查的患者。方法在智能排队叫号系统启用前和启用后,对均接激光扫描检眼镜眼底检查、OCT检查、UBM检查的患者,分别记录从护士站登记检查开始到进入检查室进行检查前的平均等待时间,以及整个检查流程总时长。在就诊高峰时段(周一上午8:00至9:30),记录检查医生为患者进行激光扫描检眼镜眼底检查的完成数量。系统启用前采用秒表和计数器进行人工记录,系统启用后则通过系统自动记录。用自行设计的问卷调查表对系统启用前和启用后检查的患者进行满意度调查。主要指标患者平均等待时间、检查流程总时长、就诊高峰时段检查患者数量、患者满意度。结果启用新的叫号系统后,患者平均等待时间,从系统启用前的平均(65.9±14.7)分钟降至(50.1±11.8)分钟,降幅达23.9%(t=-5.62,P<0.001);检查流程总时长,由系统启用前的平均(73.2±14.4)分钟降低至(57.2±11.5)分钟,减少22.9%(t=-6.44,P<0.001);就诊高峰时段检查患者数量,由系统启用前的平均31.1人增至37.1人,增长19.2%(U=9,P=0.03);患者满意度,由系统启用前的(68.5±7.5)分升至(86.7±6.0)分,增长率达26.5%(t=-11.58,P<0.001)。结论智能叫号系统的应用显著降低了患者候检时间和检查流程的整体耗时,有效提升了高峰时段的检查效率,并提高了患者的满意度。

关键词： 石化行业   碳排放预测   鲸鱼优化算法   KELM   机器学习  

摘要： 石化行业是碳排放的重要来源,构建精确预测石化行业碳排放的模型对我国实现“双碳”目标具有重要意义。通过采用STIRPAT模型和LASSO回归筛选影响碳排放的关键因素,并利用全局搜索策略的鲸鱼优化算法优化KELM模型以提高预测精度,构建了LASSO-GSWOA-KELM模型。实证结果显示,该模型预测精度超过其他模型,证明该模型为准确预测石化行业碳排放提供了有效工具。预测结果显示,我国石化行业碳排放将继续增长但增速放缓,预计在2029年达峰值。针对研究结果,提出了发展CCUS技术、淘汰落后产能、建立绿色金融体系等建议,为石化行业减排提供理论和决策支持。

关键词： 智能制造   机械加工   工艺分析   自动化  

摘要： 随着科技的不断进步,制造业正经历着一场前所未有的变革。智能化制造,作为这场变革的核心,正在逐步改变着传统的生产方式。机械加工工艺,作为制造业的基础和核心,其智能化发展对提高生产效率、降低生产成本、提升产品质量具有重要意义。将从机械加工工艺的角度,对制造业智能化发展进行深入分析,以期为我国制造业的智能化发展提供理论支持和实践指导。

关键词： 人工智能   电气工程自动化   电力负荷预测   电力系统故障诊断   智能保护装置  

摘要： 随着人工智能信息技术的快速发展,其在电气工程自动化中的应用日益广泛,在某种程度上大大提升了电力系统运行效率和安全性。首先,本研究介绍了基于大数据处理和深度学习的电力负荷预测方法,通过对历史负荷数据的分析和学习,可以有效地预测未来电力系统的需求并提供决策支持。其次,研究展示了基于模式识别技术的电力系统故障诊断应用,能够实现对电力系统故障的快速检测和准确定位,大大减小了故障带来的损失。最后,探讨了智能保护装置的设计原理和功能,智能保护装置是电气工程自动化中人工智能信息技术的重要运用。应用研究中发现:人工智能信息技术不仅对电力系统运行提供了强大的技术保障,也通过提高运行效率、减少故障率等有效降低了电力系统的运行成本。因此,人工智能信息技术在电气工程自动化中的运用具有明显的经济效益和社会效益,值得进一步推广和应用。

关键词： 人工智能   心血管疾病   科学声明   解读   美国心脏协会  

摘要： 人工智能(AI)是改善卫生保健服务的新兴技术。在全球政府机构和学术部门的共同推进下,大量研究论证AI可以改进心血管疾病的诊断、治疗和预防,但其发展和应用仍存在一些限制,尚未在广泛范围内服务临床。基于此,美国心脏协会(AHA)于2024-04-02在Circulation发表了《人工智能在心血管疾病中的应用科学声明》(以下简称声明)。该声明综述了AI在心血管疾病诊断、分类和治疗中的研究进展,提出了AI应用中存在的问题以及潜在解决方案,并且构建了未来AI在心血管领域应用的框架。本文旨在对该声明进行解读,为我国AI在心血管疾病的应用和研究提供建议和方向。

关键词： ChatGPT   人工智能   学报   编辑  

摘要： ChatGPT是一种文本生成式人工智能模型,具有强大的语言理解、情感识别和自主学习功能。它的发布与应用对学报工作带来直接冲击,技术赋能可以节约时间提高效率,使人与计算机的关系演进为人机交互工作模式,同时在学术伦理、道德和法律层面又产生一些新的风险与挑战。学报界应直面冲击主动应对,坚定行业自信,加强编辑人工智能技术培训,迅速更新编辑规则,开发利用人工智能生成文本检测器,使ChatGPT为我所用,提升学报智能化工作水平。

关键词： 三维数字化   工程数据库   人工智能   数据中心   数据驱动   水利水电工程   地质勘察   系统集成  

摘要： 水利水电工程三维地质勘察系统集成3S、无人机倾斜摄影、移动通信、工程数据库、三维地质建模、人工智能等现代信息技术,形成了“1+3+5+N”的技术体系,即“1个系统”(水利水电工程三维地质勘察系统),“3大模块”(三维数字化采集模块、数据中心模块、三维地质建模及出图模块),“5个软件”(三维数字化采集、数字化地质测绘、三维地质信息数据库、三维地质建模、三维地质出图),“N个应用”(水利水电工程、灌区、引调水工程、市政交通等)。系统研发实现了地质信息的数字化采集、存储、数据驱动、参数化建模、模型动态更新的地质勘察三维设计,极大地提升了勘察的生产效率与产品质量,降低了生产成本。

关键词： 乳腺癌   深度学习   乳腺X线摄影   人工智能  

摘要： 目的 构建一种基于乳腺X线摄影的乳腺良恶性病变深度学习模型并评估其诊断效能。方法 回顾性收集行乳腺X线摄影检查且经超声引导下穿刺活检或术后获得病理结果的乳腺肿瘤女性病人210例,平均年龄(53.3±11.2)岁。根据病理结果将病人分为良性组82例,恶性组128例。按照2∶1比例随机将病人分为训练集140例(良性53例,恶性87例)和验证集70例(良性29例,恶性41例)。以残差网络(ResNet)深度神经网络框架为基础,基于训练集数据构建鉴别乳腺肿块良恶性的诊断模型,并使用验证集数据评估该诊断模型的诊断效能。由高、中、低年资3名放射诊断医师分别对验证集肿块良恶性进行主观评价。良恶性组间以及训练集和验证集间病人基本临床资料比较采用t检验、Mann-Whitney U检验。采用加权Kappa方法分析不同年资放射医师和深度学习模型间的一致性。采用多阅片者-多病例(MRMC)的受试者操作特征(ROC)曲线下面积(AUC)评估深度学习模型和不同年资放射医师的诊断效能,并采用DeLong检验比较各分析对象之间的诊断效能。结果 训练集和验证集中,恶性组的病人年龄和病灶直径均大于良性组(均P<0.05)。深度学习模型与低、中、高年资医师对良恶性肿瘤分类的一致性中等或较好(κ值分别为0.546、0.656、0.788)。在训练集或验证集中,深度学习模型与高年资医师对乳腺良恶性病变诊断的AUC值差异无统计学意义(均P>0.05),而高于中、低年资放射医师(均P<0.05)。结论 基于神经网络的深度学习模型在乳腺X线摄影良恶性病变鉴别诊断中的诊断效能较高,相当于高年资放射医师水平,可为临床医生决策提供参考依据。

关键词： 人工智能   数字驱动   全过程智能工厂   在线监测   数字仿真   柔性生产   智能生产  

摘要： 基于国家政策导向,青岛啤酒作为国有企业率先实行智能化升级,构建了人工智能驱动的端到端体系,打造啤酒生产的数字驱动端到端的全过程智能工厂。通过MES、APS、WMS、PLM、智能产线、智能立体库等软硬件系统,面向制造过程各个环节,利用人工智能、大数据等新一代信息技术,与先进制造技术的深度融合,构建智能在线检测、工厂数字化设计、生产计划优化、产线柔性配置、智能仓储、在线运行监测、能耗数据监测等多个智能制造场景。

关键词： 人工智能   视觉检测   工业自动化   图像分割   机器视觉   智能制造   产品质量检测   缺陷检测  

摘要： 随着工业自动化和智能制造的迅猛发展,对产品质量检测的精度和效率提出了更高的要求。机器视觉技术凭借其非接触、高精度、快速等优势,在工业检测领域展现出广阔的应用前景。然而,工业场景复杂多变,目标物体形态各异,传统机器视觉方法在处理复杂缺陷检测、多模态图像融合等问题时仍存在诸多挑战。本专栏聚焦于基于人工智能的视觉检测这一前沿研究方向,收录了四篇高质量论文,涵盖了缺陷检测、位姿测量、图像分割、图像融合等研究成果,深入探讨了人工智能在视觉检测中的最新进展与应用。值此正式出刊之际,我代表编辑部感谢各位同行踊跃投稿,特别感谢同行专家对稿件认真细致的评阅。希望通过本专栏,进一步促进人工智能+机器视觉应用的学术交流,推动我国智能制造产业化程度的提升。