关键词： 肺癌   人工智能   生物学标志物   免疫治疗  

摘要： 2022年我国肺癌新发病例106.06万,死亡73.33万,晚期肺癌的5年生存率仅在20%左右。我国肺癌的发病率和病死率均位居恶性肿瘤的首位。近年来,随着免疫检查点分子(如PD-1、PD-L1和CTLA-4)的发现,针对晚期肺癌的免疫治疗策略得到了显著发展,尤其在基于生物学标志物的检测和应用方面取得了重要进展。这些新方法改善了传统的手术、化疗和放疗方案,但在识别和筛选靶向生物学标志物获益患者人群时仍存在一定的主观性评估问题。因此,该文综述了人工智能(artificial intelligence,AI)如何辅助提高肺癌生物学标志物识别的准确性和免疫治疗的有效性。探讨了肺癌当前的治疗现状、AI在生物学标志物识别中的应用以及免疫治疗效果的预测评估,旨在为临床医师提供有价值的指导和参考。

关键词： 胸腰椎骨折   机器学习算法   残余腰背痛   预测模型   特征变量   预测效能  

摘要： 目的 探究基于不同机器学习算法构建胸腰椎骨折术后残余腰背痛(RBP)风险预测模型,以期为临床准确识别高风险人群、有效防控RBP提供依据。方法 选取2023年1月至2024年6月河北工程大学附属医院收治的278例胸腰椎骨折患者,收集患者临床资料,并根据视觉模拟评分(VAS)分为RBP组与非RBP组,运用Logistic回归分析确定进入胸腰椎骨折术后RBP预测模型构建的特征变量,采用不同程序包构建风险预测模型,采用受试者工作特征曲线(ROC)验证其预测效能。结果随访3个月,成功完成随访者共有274例。274例胸腰椎骨折患者中,术后RBP发生率为14.60%,术后1 d、1周、1个月、3个月RBP组VAS评分高于非RBP组(P<0.05);Logistic回归分析显示,骨密度T值≥-2.5 SD、脊柱后凸角矫正度数是胸腰椎骨折术后RBP的保护因素,筋膜损伤、骨折椎体数、椎体内裂隙征、肌肉减少症、MFI是其危险因素(P <0.05);ROC显示随机森林模型、列线图预测模型、决策树模型预测胸腰椎骨折术后RBP的AUC分别为0.934(95%CI:0.897～0.960)、0.906(95%CI:0.865～0.938)、0.876(95%CI:0.831～0.913),其中随机森林的AUC>列线图>决策树模型(P<0.05)。结论 相比决策树、列线图,基于随机森林算法构建的预测模型对胸腰椎骨折术后RBP的预测效能更好,可有效评估术后RBP的发生概率,为RBP的防控提供指导。

关键词： 水平二维肋管   降膜流型转变雷诺数   机器学习   预测模型  

摘要： 降膜换热器内水平管间形成的不同流型会对换热器的传热、传质性能产生影响。为准确预测管间不同流型转变的问题，利用实验方法开展研究工作。本文设计并搭建了水平二维肋管间降膜流动系统，基于实验结果，本文采用机器学习的研究方法，建立了综合考虑管间距和肋结构影响因素的管间流型预测模型。研究结果表明，该模型预测值与实验值之间的偏差可以控制在±20% 以内；相较于文献中的传统模型，机器学习模型在预测准确性方面展现出显著优势。本文的研究成果为后续降膜流型预测模型的发展提供了新的参考依据。

关键词： 传染病   预测模型   组合模型   机器学习  

摘要： 当传染病流行情况较为复杂时，基于单一模型的传染病预测研究往往难以捕捉疾病传播的多维性质。近年来，将不同模型组合以改善传染病预测效果逐渐成为研究趋势和热点。现有研究表明，组合模型在多数时候确实具有更高的预测性能和更好的泛化能力。目前的组合模型主要围绕机器学习与其他模型间的组合展开，包括时间序列模型、动力学模型等。此外，结合不同机器学习方法的集成学习也在各研究领域中发挥着重要作用。本文围绕结合机器学习的组合模型在传染病预测领域中的应用进展进行综述，以期推动传染病组合模型的创新与实践，助力构建更加智能、高效的传染病预警预测方法和体系。

关键词： 波浪预测   小波变换   机器学习   边界问题   未来信息问题  

摘要： 准确的波浪预测对海洋工程、船舶航行、海岸防护及离岸风电场等领域至关重要。小波变换能够将波浪数据分解为不同频率成分，捕捉波浪的复杂动态变化特征，与机器学习模型结合可以提高波高预测的精度。本研究以最大重叠离散小波变换（Maximal Overlap Discrete Wavelet Transform，MODWT）为例，对结合小波变换过程中可能存在的问题进行了剖析：模型在小波变换的卷积操作中，由于边界处数据缺失或引入非原始数据，会产生边界问题；逆卷积过程则可能引入未来信息导致模型无法在现实中应用。本文指出在输入特征序列前依据滤波器长度和分解级数增加历史数据点，并通过使用分解系数直接预测或采用累加重构的小波变换方法，可以避免边界问题和引入未来信息。尽管结合小波变换的机器学习模型提升波浪预测精度作用有限，但对较长的预测提前期提升效果相对明显。同时，通过控制滤波器长度和小波分解层次避免信息丢失，有利于提高预测精度。本文加深了小波变换在波浪预测机器学习模型中应用的理解，推动小波变换与深度学习在海洋数据处理领域的融合发展。

关键词： 人工智能   政治哲学   技术异化   技术治理   发展路径  

摘要： 本文在马克思主义理论的框架下，系统梳理人工智能政治哲学的理论内涵与演进脉络，以及国内人工智能的技术异化和发展路径研究状况，并对当前研究进行了剖析和批判。研究发现，当前国内学界关于人工智能政治哲学的讨论多集中于人工智能的政治影响和治理方案，以及对国外相关理论的批判。相较而言，我国人工智能政治哲学领域的定义与内涵亟待明晰，跨学科交流仍需深刻性和广泛性探索，与马克思主义理论结合不够紧密。未来研究应结合中国实际，吸取国内外研究成果，走中国式的人工智能政治哲学道路，利用人工智能真正实现人的自由和解放。

关键词： 物理化学实验   人工智能   海洋特色   知识图谱   Deepseek   Python  

摘要： 本研究基于海洋特色物理化学实验教学，探索人工智能赋能实验教学的创新路径。介绍了知识图谱在系统化学习与跨学科知识方面的有效运用，并结合DeepSeek与Python开源大模型，提升了数据处理智能化水平，推动了实验教学智能化发展。

关键词： 三维地质建模   数字孪生   深度学习   机器学习  

摘要： 高精度的三维地质建模是数字孪生技术快速发展的重要基础,为资源预测、工程规划和灾害防治等领域提供了关键支撑。传统三维地质建模方法多依靠人工交互,难以满足复杂地质环境下对精细结构表达和实时更新的需求。为突破这些局限,近年来引入的机器学习与深度学习为地质建模提供了新的智能化解决方案,有效提升了模型的自动化程度和复杂结构的表达能力。本文系统回顾了三维地质建模的发展历程,总结了半智能化、机器学习和深度学习三个发展阶段的技术特征;深入剖析了深度学习与不确定性分析、迁移学习、主成分分析及多点地质统计学等方法的融合方法。同时,针对现有方法在数据稀疏处理、计算复杂性、模型可解释性和实时更新能力方面存在的不足,提出未来的研究趋势与发展方向,包括多模态数据融合、地质知识嵌入、轻量化模型优化、不确定性量化和人工智能大语言模型等。随着智能化建模技术的不断进步,三维地质模型的精度、可靠性和适应性将持续提升,进一步推动地质领域的数字孪生技术应用与工程实践发展。

关键词： 超细HNS   SAXS   固相熟化   机器学习   颗粒特性  

摘要： 超细六硝基茋（HNS）因其优异的热稳定性和良好的高压短脉冲性能，在冲击片雷管等领域得以广泛应用。然而，在超细HNS的使役过程中因其高表面能，易发生固相熟化。尽管已有研究从不同角度探讨了温度、残余溶剂和时间等因素对超细HNS固相熟化过程的影响，但这些研究大多集中于单一或少数几个因素的分析，尚未建立能够整合多种影响因素的预测模型。为此，研究基于先前通过小角X射线散射（SAXS）在不同温度条件和残余二甲基甲酰胺（DMF）含量下获得的比表面积（SSA）和相对比表面积（RSSA）数据，采用机器学习方法以及优化的经验模型，构建了一个综合考虑时间、温度和残余DMF含量的预测模型结果显示，在训练集上，随机森林预测的R2达到了0.9989，多项式回归模型拟合的R2为0.9091，优化后的经验模型的R2为0.9129。通过对比这三个模型的预测效果，找出了最适合预测超细HNS固相熟化进程的模型。此外，通过纯度测试、扫描电子显微镜（SEM）等手段揭示了颗粒特性的差异对超细HNS固相熟化程度具有显著影响。本研究提供了一种预测超细HNS固相熟化进程的方法，为探索其熟化机理及优化贮存稳定性奠定了基础。

关键词： 人工智能   深度求索   中西医结合   教育   自然语言处理   智能教学系统  

摘要： 本文探讨了人工智能在中西医结合教育领域的应用现状和前景。通过文献研究和案例分析，阐述了人工智能技术在该领域的应用价值，包括深度求索（DeepSeek）、智能教学系统、虚拟现实技术、大数据分析和自然语言处理等。研究发现，人工智能可有效提升中西医结合教育的质量和效率，促进个性化学习和跨学科融合，提升临床实践技能。同时，笔者也指出了其在应用过程中面临的技术困境、自主学习、师生适应性等挑战，建议利用证候要素进行细颗粒度分割，提高算法和模型的中医学思维符合度，加强人工智能技术与基于问题的学习、基于案例的教学法、以团队为基础的学习等多种教学模式在临床实践中深度融合，开发更适合中西医结合教育特点的智能系统，提升名老中医数字化传承效率，为未来人工智能在中西医结合教育领域的应用提供了参考。