关键词： 人工智能   人工智能模型   深度学习   颈椎   医学图像   研究进展   临床应用   工程化组织构建  

摘要： 背景:颈椎病是一种慢性退行性疾病,已经成为威胁人类健康的常见病和多发病之一。目前对颈椎及其周围结构病变的初步诊断主要倚赖于放射科医师对医学影像的解读,这不仅对操作人员技术要求较高,而且存在主观性较强、劳动强度高、效率低等缺点。随着人工智能技术的快速发展,其强大的数据处理和图像识别能力使其在医疗领域展现出广阔的应用前景,深度学习也在脊柱疾病的研究中取得了一定的进展。目的:综述近年来人工智能技术在颈椎影像图像中的应用现状和研究进展,评估人工智能模型的表现以及未来的发展趋势及需要克服的挑战。方法:由第一作者在2024年6月以“人工智能,深度学习,颈椎”为中文检索词,以“Artificial Intelligence,AI,Cervical Vertebrae,Cervical”为英文检索词分别在万方数据库、中国知网和PubMed数据库进行检索,最终纳入101篇文章进行综述分析。结果与结论:①人工智能技术可通过对医学图像部位进行分割、分类、关键点识别等技术实现对颈椎椎体的自动分割及曲度改变的测量,检测颈椎骨折、神经根和脊髓型颈椎病,识别颈椎后纵韧带骨化,预测手术后相关危险因素以及颈椎成熟度分类等;②尽管人工智能技术在颈椎研究领域已展现出巨大潜力,但其仍处于初期探索与快速发展阶段,有无限的发展与创新空间。

关键词： 人工智能   教学   现实   科幻电影   机器人  

摘要： 当你上课时,你是否想过有一天你的老师可能会是一个机器人,或者你课本上的人物会“活”起来和你对话?这些听起来像是科幻电影里的场景,随着人工智能(AI)技术的发展,正在逐渐成为现实。人工智能是一种让计算机像人类一样思考和学习的技术。

关键词： 物联网   课程体系   人工智能   高职教育   人才培养   职业能力  

摘要： 人工智能时代,学生能够通过多样化的学习方式灵活获取知识,不再局限于传统的课堂教育。为有效应对人工智能给高校教育带来的挑战,高校需要在课程内容设置和教学方式上进行深度调整和创新。文中结合ABET学生成果要求,提出了高职物联网专业课程体系建设的思路和目标。通过分析珠三角地区物联网岗位需求规划了课程体系,强调课程内容应围绕实践性和应用性展开,注重基础理论与市场前沿技术的结合,同时教学方式应注重互动性,以提高课程吸引力,从而更好地适应人工智能时代对高职教育提出的挑战。

关键词： 心电信号自动分类   心电图   决策树   随机森林   融合模型   机器学习  

摘要： 为提高心脏疾病诊断的准确性和效率,采用小波阈值去噪技术对原始心电信号(ECG)进行预处理,消除各类噪声干扰;提取了反映心电特征的关键参数,用于心拍截取;构建并比较了决策树、随机森林和融合模型。决策树模型虽然易于解释,但在分析复杂ECG数据时仍存在不足,其平均准确率为0.927。随机森林模型通过集成多棵决策树,将平均准确率提升至约0.955,表现出较高的分类性能,但仍存在波动。最终,融合模型结合决策树和随机森林,通过元分类器进行二次学习,实现了平均准确率为0.958的优异性能,展现出更高的稳定性和准确性,大幅减少了误分类情况。研究结果表明,融合模型在心电信号分类中表现最佳,为心脏疾病的医疗诊断提供了更可靠的支持,有望在实际临床应用中显著提高诊断的效率和准确度。

关键词： 线粒体   急性心肌梗死   生物信息学   机器学习   免疫浸润分析   氧化应激   炎症   凋亡  

摘要： 背景:线粒体在急性心肌梗死损伤和修复中具有重要意义,因此基于线粒体基因探索急性心肌梗死发病进展具有重要的临床意义。目的:探究线粒体基因是否可以作为评估急性心肌梗死进展的可靠生物标志物。方法:从高通量基因表达数据库下载急性心肌梗死数据集GSE66360,GSE12288,在线粒体蛋白质数据库获取人类线粒体基因集;对急性心肌梗死数据集GSE66360进行差异基因分析及加权基因共表达网络分析,两者取交集后获得基因进行蛋白质-蛋白质相互作用分析、基因本体论和京都基因与基因组百科全书分析;将交集基因与人类线粒体基因取交集以获得差异线粒体基因,对差异线粒体基因进行基因集富集分析和免疫浸润分析,并在外部数据集GSE12288中进行受试者工作特征曲线分析,验证线粒体差异基因的表达特征。结果与结论:①获得急性心肌梗死差异基因548个,差异基因分析及加权基因共表达网络分析显示Blue模块包含基因最多(4992个),二者交集基因共有116个,其中肿瘤坏死因子、白细胞介素1B、白细胞介素6、Toll样受体4和白细胞介素10为核心基因;②基因本体论分析显示生物过程主要涉及炎症反应、肿瘤坏死因子产生的正调控及细胞表面受体信号通路,细胞组成主要涉及三级颗粒膜、质膜外层和质膜等,分子功能主要涉及免疫球蛋白G结合、跨膜信号受体活性及趋化因子活性等,京都基因与基因组百科全书分析显示,这些基因主要涉及肿瘤坏死因子、白细胞介素17及核转录因子κB通路;③共获得8个差异线粒体基因,经过最小绝对收缩和选择算子和比例风险回归模型分析后筛选出4个特征基因,包括佛波醇-12-肉豆酸酯-13-乙酰基诱导蛋白1、BCL2-相关蛋白A1、溶质载体家族25成员37和脱氧核糖核酸聚合酶β,并分别对应了肿瘤蛋白53、氧化磷酸化、硫代谢及甘油磷脂代谢通路;④受试者工作特征曲线分析显示4个特征基因均具有诊断意义,并与静息树突状细胞、幼稚B细胞呈显著负相关性;⑤提示佛波醇-12-肉豆酸酯-13-乙酰基诱导蛋白1、BCL2-相关蛋白A1、溶质载体家族25成员37和脱氧核糖核酸聚合酶β表达特征可作为预测急性心肌梗死中线粒体功能的潜在生物标志物,可进一步提高急性心肌梗死预测的准确性。

关键词： 无线传感器网络   RSSI   KNN   WKNN   室内指纹定位   机器学习  

摘要： 针对基于WiFi信号的室内指纹定位中K近邻算法会因样本数据多导致计算效率低下的问题,对KNN算法进行了优化,并结合WKNN算法提出了一种新的室内指纹定位算法。首先基于KNN算法在实际应用当中参数少、易实现的优点,对指纹库中的数据(样本)进行筛选,剔除样本中的异常数据;然后基于新的数据库建立WKNN定位模型,从而实现对目标的定位。仿真实验结果表明:与KNN算法相比,所提算法的定位误差降低了0.55 m,定位精度相对提高了29.1%;与WKNN算法相比,所提算法的定位误差降低了0.21 m,定位精度相对提高了13.55%。这表明该算法具有一定的实用价值。

关键词： 混合式教学   跨学科   模拟会议口译   人工智能  

摘要： 《商务口译》是翻译本科专业的一门核心课程,是达成高素质应用型口译人才培养目标的重要支撑.针对本课程教学中学生普遍存在的百科知识能力、工具子能力、实战应答能力不足等"痛点"问题,研究借助现代信息技术,融合线上线下、课内课外一体化教学手段,系统构建了"课前话题导学—课中场景模拟—课后项目实战"的跨学科模拟口译与人工智能相结合的混合式教学模式,实现了课程从传统向智慧、知识向能力、填鸭向创新、封闭向开放的本质转变,促进学生德能技并重培养.

关键词： 人工智能   高校英语   教育改革   教学模式   师资建设  

摘要： 人工智能技术的快速发展正在重塑高校英语教育教学的形态.通过对当前高校英语教育教学改革实践的深入思考,从教学模式、课程设置、教师角色等维度探讨改革方向,并对未来高校英语教育教学的发展进行展望.研究表明,人工智能技术与传统教学深度融合、教师角色转型、课程体系重构是改革的关键.在此基础上,提出构建智能化、个性化、多元化的教学新模式,以期为新时代高校英语教育教学改革提供参考.

关键词： 人工智能   C语言   代码自动生成   代码优化   错误检测与修复  

摘要： 本文探讨了人工智能在C语言开发中的应用,介绍了其应用现状,包括代码自动生成、优化及错误检测与修复,通过具体案例分析技术实现过程和实验结果,展示了人工智能提高代码性能和可靠性的作用。同时,本文也阐述了其面临的挑战,如算法复杂、数据需求和模型可解释性等技术问题,以及兼容性、可维护性和安全性等应用挑战。最后,本文对其未来发展进行了展望,预测会出现更多相关工具和库,且会与其他技术进行融合,还提出了具体的研究方向和应用拓展领域,包括高效算法研究、安全检测应用、嵌入式及物联网设备开发和教育应用等。

关键词： 机器学习   脑卒中   预后预测   功能恢复   系统评价  

摘要： 目的:如今机器学习算法逐渐被应用于预测脑卒中和心血管疾病方面。与传统回归模型相比,机器学习可以通过探索大量预测特征与结果变量之间的灵活关系,从数据中学习,以实现高预测准确性,为个体化治疗和康复方案的制定提供了新的方法。此文旨在系统评价基于机器学习脑卒中功能恢复及预后的预测模型,综合评估其预测性能及临床应用潜力,为相关预后预测模型的构建、应用及推广提供参考。方法:按照PRISMA指南进行系统评价。通过检索PubMed、EMbase、Web of Science核心数据库、中国知网、万方和中国生物医学文献数据库,筛选出使用机器学习方法进行脑卒中预后预测的相关文献,检索时限为2014-01-01/2024-07-01。由2名研究人员严格按照纳入与排除标准独立筛选文献、提取数据,使用预测模型偏倚风险评价工具评价模型质量。结果:①初步检索共获取3126篇文献,经过筛选和排除,最终纳入18篇研究,共运用13种机器学习方法构建了150个预测模型,其中应用次数最多的3种方法为逻辑回归、随机森林和极限梯度提升(XGBoost);仅有1项研究开展了外部验证;有8项研究报告了缺失数据的处理方法;②结局指标方面有8项研究采用了临床数据与影像学数据结合来构建模型,9项研究仅运用临床数据构建模型,1项研究仅用影像学数据构建模型;③18项研究均给出了研究中最重要的特征,其中被提及最多的是美国国立卫生研究院卒中量表和年龄;所有研究均报告了曲线下面积值,范围0.74-0.96,最高为0.96;所有模型的总体偏倚风险均为高偏倚风险,模型分析领域高偏倚风险是导致所有模型总体偏倚风险高的主要原因;④Meta分析结果显示年龄和美国国立卫生研究院卒中量表评分对脑卒中预后影响显著,年龄[MD=8.49,95%CI(6.24,10.75),P<0.01],美国国立卫生研究院卒中量表评分[MD=4.78,95%CI(2.56,7.00),P<0.01]。结论:此次研究系统评价了基于机器学习的脑卒中功能恢复及预后预测模型,模型均具有良好的预测潜力。但未来研究应增加纳入模型样本量,采用前瞻性研究,并且添加对模型的外部验证以提高模型的稳定性和预测准确性,控制偏倚风险,以帮助模型在实际临床应用中的验证和推广,同时应对缺失值的插补更透明和精准。虽然现有的机器学习模型显示出良好的预测性能,但也要注重模型的功能性和可用性,纳入特征多会降低易用性。应开发简便易用的模型接口和用户友好的临床工具,使医护人员能够更好地应用模型进行临床决策。