关键词： 肝细胞癌   潜在生物标志物   机器学习   诊断模型  

摘要： 【目的】针对生物信息学方法中识别与肝细胞癌发生相关的基因存在冗余度高和肝细胞癌早期诊断困难的问题，本文提出一种基于差异表达分析、加权基因共表达网络分析（WGCNA）和机器学习方法相结合的肝细胞癌诊断模型。【方法】基于肝细胞癌患者的肿瘤和配对非肿瘤组织中的基因表达数据，利用差异表达分析和WGCNA识别共享基因。结合两种机器学习算法：最小绝对值收敛和选择算子和极端梯度提升识别共享基因中的特征基因并建立基于鲸鱼算法（WOA）的最小二乘支持向量机（LSSVM）肝癌诊断模型。通过ROC曲线和混淆矩阵评估模型性能。【结果】在共享基因中识别出15个特征基因：ECM1、STAB2、CXCL14、HBA2、CDKN2A、NME1、TP53I3、SYNE1、ANXA2、CSTB、FCN2、SAC3D1、STIP1、CCT6A和CAP2。在外部独立验证集上，WOA-LSSVM诊断模型的曲线下面积（AUC）和准确率分别为0.978和0.886。【结论】通过结合差异表达分析和WGCNA，并利用机器学习方法识别了与肝细胞癌发生相关的潜在生物标志物即特征基因，同时发现WOA-LSSVM模型对于肝细胞癌的诊断有较好的预测性，可以为肝细胞癌的早期发现和诊断提供理论支持。

关键词： 胃肠道间质瘤   体层摄影术，X线计算机   核分裂象计数   机器学习  

摘要： 目的:开发并验证基于机器学习的影像组学模型，使用术前CT图像对胃肠道间质瘤（GIST）患者的核分裂象计数（MI）进行个体化预测。方法:本研究为病例对照研究。回顾性收集2013年1月至2018年6月2个独立医疗中心青岛大学附属医院（中心1）和山东第一医科大学附属省立医院（中心2）的经病理证实的GIST患者资料，共348例，采用简单随机抽样方法将来自中心1的患者按照7∶3的比例分为训练集（176例）和内部验证集（75例），来自中心2的患者作为独立外部验证集（97例）。主要终点指标为MI，分为高MI组（145例）和低MI组（203例）。从术前增强CT的门静脉期图像中提取影像组学特征，并运用5种机器学习算法构建MI预测模型，分别为逻辑回归、支持向量机、随机森林、决策树和极限梯度提升（XGBoost）。通过受试者操作特征曲线确定最优模型。基于最优模型与logistic回归筛选出的独立临床因素建立个体化预测模型，并应用SHAP算法可视化特征的重要性。对患者进行随诊，采用Kaplan-Meier曲线和log-rank检验评估模型预测的高MI和低MI患者之间的无复发生存期（RFS）的差异。结果:在建立的5种机器学习模型中，XGBoost模型显示了最优性能，其在训练集、内部验证集和外部验证集中曲线下面积（AUC）分别为0.809（95% CI 0.738~0.872）、0.693（95% CI 0.571~0.809）、0.718（95% CI 0.605~0.822）。基于XGBoost模型结合独立临床因素（肿瘤位置和肿瘤大小）构建个体化预测模型。个体化预测模型在训练集、内部验证集和外部验证集中的AUC分别为0.843（95% CI 0.785~0.899）、0.791（95% CI 0.680~0.894）和0.777（95% CI 0.678~0.861）。SHAP分析结果显示影像组学特征贡献最为明显。在训练集和内部验证集中，预测为高MI组患者的RFS低于低MI组的RFS，差异有统计学意义（ χ2=14.58、9.52， P均<0.001），在外部验证集中RFS差异无统计学意义（ χ2=6.18， P=0.080）。 结论:基于术前CT门静脉图像中提取的影像组学最优XGBoost模型结合临床因素构建个体化预测模型，可以有效预测GIST患者MI。

关键词： 智慧城市建设   智能财物管理系统   物联网   区块链   人工智能  

摘要： 智慧城市建设要求公共财物管理全面数字化,以提升城市治理效率.传统管理模式存在信息孤岛、监管滞后等问题,难以满足现代化需求.本文基于国家政策及深圳、北京等地实践,提出智能财物管理系统的创新架构,融合物联网、区块链及人工智能技术,实现公共财物的全生命周期管理,优化数据流转与跨部门协作效率,助力城市治理现代化与数字经济发展.实践案例表明,该系统可显著提升管理透明度、缩短财物处置周期,并推动公共数据资产化进程.

关键词： 人工智能   信号   抑制   干扰   通信  

摘要： 针对通信系统中信号干扰严重影响通信质量的问题,开展基于人工智能的通信信号干扰抑制技术研究.通过引入人工智能技术,对通信信号进行深度学习与智能处理,实现信号特征的识别与提取.聚焦于通信信号干扰的分类,利用机器学习算法对不同类型的干扰进行自动识别与分类,为后续抑制策略的制定奠定基础.随后,开展通信信号干扰抑制技术研究,设计智能抑制算法,有效降低干扰对通信信号的影响.通过信号重构技术,进一步优化处理后的信号质量,恢复其原始传输特性.通过对比实验证明,该技术能显著提升通信系统的抗干扰能力,提高通信的稳定性和可靠性,为复杂环境下的高效通信提供有力的技术支持.

关键词： 机器学习   网络流量预测   安全防御  

摘要： 在现代网络的复杂语境中,流量的动态演变与潜在威胁的隐秘交织,不断挑战传统管理方式的边界.一种更为精妙的视角转向数据,依托细致的建模和灵动的响应,试图在安全与效率之间寻求和谐之道.本文深入探究网络流量的内在规律,采用多变量特征提取与时间序列分析,勾勒出流量变化的潜在脉络,旨在为精准的网络管理提供理论支撑.与此同时,对异常检测与动态防御的细致研究,以优化算法为桥梁,构建出数据驱动与策略适应的双向联动.在流量预测与安全防御的交汇处,本文提出协同优化框架,暗合理论与实践的融合之道.实验数据证明,其在预测精度、响应效率与资源调控上的卓越表现,成为未来网络安全新路径的有力注脚.

关键词： 大数据   机器学习   二元分类   数据分析  

摘要： 大数据又称为巨量资料,这种数据的规模量巨大到在短时间内无法通过普通常规的方法进行捕捉、管理和处理.大数据的兴起意味着数据科学的发展与进步,通过设计监督式二元分类机器学习模型,本研究可以对大数据进行分析,从而通过模型对未来的发展趋势进行预测.本文以Kaggle竞赛平台上Titanic号上乘客存活率预测为实例,进行监督式二元分类机器学习模型的设计与实现.

关键词： 人工智能   高校   思政课建设  

摘要： 作为新质生产力的代表，人工智能技术的快速发展为高校思政课建设注入了新动能，持续赋能思政教育创新。面对新技术的出现，传统的教学环境已无法适应新时代思政教育的发展需求。因此，高校应深刻认识到人工智能赋能高校思政课建设的价值意蕴，主动求变，以突破思政课建设的现实困境，探索人工智能赋能高校思政课建设的实践进路，这也是思政课教学改革的重要举措。

关键词： 水利技术创新   水利管理   物联网   大数据   人工智能  

摘要： 随着水利管理需求的不断增加,当前水利管理体系仍存在数据共享不足和资源调配效率低下,以及灾害预警应急响应能力薄弱等问题亟待解决.本文深入分析物联网、大数据及人工智能等新兴技术在水资源监控、灌溉调度、灾害预警等领域的重要作用,并探讨了这些新兴技术在实际应用案例中的应用,证实了水利技术创新在提高水利管理能力中的重要作用,以此推动了水利管理现代化发展.

关键词： 人工智能   发电厂   能效优化   故障预警  

摘要： 人工智能技术快速发展,已广泛应用于各行业,发电系统的能效优化是其中之一.发电厂作为能源供给的核心,其运行效率直接影响整体用能效率.传统电厂能效优化主要依赖人工经验与定期维修,效率低且难以应对复杂多变的运行环境.将人工智能技术引入发电系统能效优化研究中,通过对设备运行数据的实时监测与分析,可预测设备健康状态,提前发现故障隐患,实现针对性维修,降低维修成本并提高电厂整体运行效率,具有重要意义.

关键词： 人工智能   信息科技   教学模式   应用  

摘要： 本文旨在深入探究人工智能在初中信息科技教育中的实施策略与影响.文章采用文献资料法、调查研究法等,并借助系统结构法、统计法等工具开展数据分析.研究过程中,通过组建课题组、明确任务,保障研究方向的准确与深入.结果表明,人工智能技术可提升初中信息科技教学效果,增强学生学习兴趣与参与度.由此可见,人工智能在初中信息科技教育领域应用潜力巨大,值得深入探索与广泛推广.