关键词： 搏动性耳鸣   机器学习   可视化策略   CT影像   神经网络模型   辅助诊断  

摘要： 搏动性耳鸣(PT)的病因诊断依赖于影像学检测,但病因众多,缺乏普适性强、机制明确的诊断标准。基于搏动性耳鸣患者和无耳鸣人群的计算机断层扫描(CT)影像横截面图,提出一种高精度的耳鸣识别神经网络模型,并自动标示高致病区域,辅助临床诊断。使用迁移学习Resnet-v1-50模型,取骨窗颞骨中部水平截面样本进行分类学习,并以梯度加权类激活映射(gradCAM)方法对分类高权重区域自动标注;统计CT截面大图(全颅)、中图(双侧颞骨)、小图(右侧颞骨)3种数据集的耳鸣分类高权重区域涉及的解剖结构,逐步细化感兴趣区域,提高分类高权重区域标注分辨率。实验结果显示:包含双侧颞骨的中图数据集分类精度最好,测试集精度达到100%。搏动性耳鸣分类高权重区域集中于双侧或单侧颞骨部位,主要包括颞骨蜂房、鼓窦、乙状窦骨板、上鼓室等部位。搏动性耳鸣与颞骨及附近骨质结构有密切关系;搏动性耳鸣患者在双侧颞骨或耳鸣对侧颞骨均有较大概率存在区别于无耳鸣人群的结构异常;颞骨蜂房、鼓窦、乙状窦骨板、鼓室等结构均有较高概率包含搏动性耳鸣的高致病区域。以上影像分析结论与搏动性耳鸣生物力学研究结论实现了相互佐证。

关键词： 企业“漂绿”   智能制造   信息不对称   融资约束   绿色创新  

摘要： 智能制造不仅能够在宏观层面推进产业结构升级,也能够在微观层面助力企业可持续发展。因此,文章基于2013—2022年中国A股上市制造业企业的数据,实证检验智能制造与企业“漂绿”之间的关系。研究结果显示,智能制造能够显著抑制企业“漂绿”,该结论在经过一系列检验后保持不变。进一步研究中,利用智能制造试点政策的准自然实验,验证了研究结论的稳健性。机制检验发现,智能制造通过降低信息不对称、缓解融资约束和促进绿色创新减少企业“漂绿”行为。异质性分析表明,智能制造对于企业“漂绿”的抑制作用在自愿披露环境信息的企业、重污染企业、位于内陆城市的企业以及拥有海外背景高管的企业中更加显著。

关键词： 农商银行   前沿科技   电子支付   人工智能   监测与防控   大数据   江苏泗阳   制度先行  

摘要： 江苏泗阳农商银行将大数据、人工智能等前沿科技深度融于电子支付业务,凭借数智化转型的强大驱动力,显著增强风险监测与防控效能,为民众电子支付安全筑起一道坚实防线。“制度+流程”构建电子支付风控基石制度先行,规范引路。

关键词： 数字化转型   教育强国   路径探究   德育   人工智能   互联网   模式和方法   战略目标  

摘要： 2025年将开启“国家教育数字化战略行动”新三年,互联网和人工智能等数字技术的广泛应用为德育数字化转型发展注入了新动能,并以前所未有的速度和规模改变着德育的传统面貌。在数字化转型的浪潮中,德育能否坚守根本任务、本质属性和基本规律,变革教育形式、模式和方法,对青少年树立正确的世界观、人生观、价值观,扣好人生第一粒扣子至关重要。因此,为推动德育工作走深走实,我们应积极探索数字技术,以切实行动助力教育强国建设战略目标的实现。

关键词： 新旧动能转换   人工智能   高科技产物   深度融合   无人系统   生产力   无人机产业   机器人  

摘要： 在2025年春晚的舞台上,机器人与无人机等新质生产力元素惊艳亮相,赚足了眼球。这些高科技产物不再是遥不可及的概念,它们正逐步走进寻常百姓的生活,让人们真切地感受到科技创新带来的乐趣,享受科技赋予生活的便利。无人机集群表演虽只是中国无人系统与人工智能发展的一个缩影,却充分展现了我国在这一领域的先进水平。如今,中国通信技术、人工智能与无人机产业深度融合,不断向各行各业渗透,作为新质生产力的代表,已然成为推动中国经济新旧动能转换的重要力量。

关键词： 肺腺癌   气腔播散   人工智能   体层摄影术   X线计算机  

摘要： 目的探讨人工智能技术(AI)提取的定量参数及CT征象对T1、T2期肺腺癌发生气腔内播散(STAS)的预测价值。方法回顾性分析经手术病理证实的367例T1、T2期肺腺癌患者的胸部平扫CT图像。依据病理结果分为STAS阳性组(138例)和STAS阴性组(229例)。分析两组病灶的AI定量参数及CT征象的差异,以二元Logistic回归分析筛选肺腺癌STAS的独立预测因子,建立AI定量参数模型、CT征象模型及联合模型,绘制受试者工作特征(ROC)曲线,评估各模型诊断效能。结果吸烟史、10个CT征象和17个AI定量参数在两组间具有统计学差异。CT征象模型、AI定量参数模型、联合模型中的受试者工作特征曲线曲线下面积(AUC)值分别为0.8195、0.7402、0.8367。结论AI定量分析及CT征象联合模型对肺腺癌STAS具有较好的预测价值。

关键词： 电力系统及其自动化   人工智能   非侵入式负荷监测   数据生成方法   周期信号频率不变变换   时间序列生成对抗网络  

摘要： 非侵入式负荷监测(non-intrusive load monitoring,NILM)是一种无需进入每个用电器内部系统,仅在用户总线入口处安装监测设备的技术.在开展NILM技术研究时,往往需要收集大规模的用户负荷数据来证明所提出方法的普适性,此需求不可避免地带来了繁重的数据收集与整理负担.为克服该挑战,设计了一种结合周期信号频率不变变换(frequency invariant transformation for periodic signals,FIT-PS)原理与时间序列生成对抗网络(time series generative adversarial networks,TimeGAN)的混合模型,记为FIT-PSTimeGAN.针对全球家庭与工业瞬态能量数据集(worldwide household and industry transient energy dataset,WHITED)中的空调、微波炉、吸尘器、冰箱和热水壶5种电器,运用FIT-PS对负荷数据集进行切割和拼接,构建TimeGAN不同状态下的训练集和测试集.评估测试集的效果发现,生成的波形数据与真实数据表现出高度一致性.进一步采用FIT-PS对训练得到的生成数据进行截取和拼接,生成满足测试需求的完整的单负荷波形和多负荷波形.对这些生成的波形与相同状态下的真实数据进行对比,结果显示两者吻合度很高.与自回归模型和生成对抗网络(generative adversarial network,GAN)模型相比,FIT-PS-TimeGAN模型在生成数据的性能方面表现更优.研究结果表明,FIT-PS-TimeGAN混合模型能够有效生成符合标准电器运行规律的波形和场景数据.

关键词： 大学生   人工智能   学业成就  

摘要： 在科技日新月异的今天,“硅基智能”与“碳基智慧”的博弈正悄然重塑教育生态,人工智能技术的应用更是为学习者带来前所未有的便利,同时也引发了人们对于AI的担忧和反思。本研究创新性地聚焦于这一背景下,基于扎根理论,同时结合相关学者的成熟量表,形成调查问卷,随机调查了316位大学生作为研究对象,通过对其主观感受、自主意识、创新能力等方面的深入研究,进而深入剖析AI(作为硅基智能代表)对大学生学业成就产生的多维度影响与挑战,旨在探索科技赋能教育的双刃剑效应及其应对策略。

关键词： 冬小麦   叶片含水量   机器学习   变量筛选   植被指数  

摘要： 为进一步提升利用高光谱数据快速监测叶片含水量的能力,以关中地区冬小麦为研究对象,分别获取2022和2023年孕穗期、抽穗期及灌浆期冬小麦叶片含水量,并同步监测叶片高光谱信息。通过波段组合的形式构建植被指数,并利用相关性分析进行初步筛选,再以ReliefF算法优选得到输入特征变量,然后分别利用随机森林(random forest,RF)、长短期记忆(long short-term memory,LSTM)网络和基于粒子群(particle swarm optimization,PSO)优化的反向传播神经网络(back propagation neural network,BPNN)构建冬小麦叶片含水量估算模型,并进行精度评价。结果表明,通过相关性分析与ReliefF算法结合优选变量,能够较单独通过相关分析明显提升LSTM和PSO-BPNN模型的建模精度,但对RF模型则无法优化变量。相关性分析与ReliefF结合后PSO-BPNN模型在各生育时期均取得最佳预测结果,其中孕穗期、抽穗期和灌浆期验证集r2分别为0.816、0.736和0.806,RMSE分别为0.546%、0.899%和1.531%,NRMSE分别为0.681%、1.195%和2.185%。由此可见,在相关分析的基础上,通过ReliefF算法优选特征变量能够提升特定模型对冬小麦叶片含水量的估算精度,其中对PSO-BPNN模型的效果最好。

关键词： 人工智能   变电设备   状态评估   检修  

摘要： 随着电力系统的快速发展和智能化水平的不断提高,变电设备的状态评估和检修技术已成为保障电力系统稳定运行的关键环节。本文首先介绍了基于人工智能的变电设备状态评估架构;接着运用RBF神经网络模型,建立了基于智能感知与诊断的设备状态评估模型,然后介绍了变电设备的状态评估等级,以及评估过程;最后通过一个具体的算例,进行仿真测试,展示了人工智能技术在变电设备状态评估和检修中的实际应用效果。