关键词： 5-羟色胺去甲肾上腺素再摄取抑制剂   中重度抑郁症   疗效   机器学习   预测模型  

摘要： 目的运用机器学习方法构建中重度抑郁症住院患者使用5-羟色胺去甲肾上腺素再摄取抑制剂(SNRI)的疗效预测模型。方法回顾性收集2022年1月至2024年10月在新疆某三甲医院使用SNRI类药物治疗的中重度抑郁症住院患者病历资料,根据24项汉密尔顿抑郁量表评分标准的减分率,将患者分为有效组与无效组;经过LASSO回归筛选与SNRI类药物疗效相关的特征变量,应用训练集构建支持向量机、k近邻、随机森林、轻量级梯度提升机和极端梯度提升5种预测模型,使用贝叶斯优化算法调整模型的超参数,再以验证集评估模型性能,以筛选出最优模型。应用夏普利加性解释方法对最优模型进行解释。结果共收集到355例中重度抑郁症住院患者的病历资料,其中有效组285例、无效组70例,治疗有效率为80.28%。经过特征变量筛选,得到与疗效相关的5个特征变量,分别为汉密尔顿焦虑量表评分、血尿素氮、合用抗焦虑药物、饮酒史、首次发病。与其他模型相比,随机森林模型的性能表现最优,其受试者工作特征曲线下面积值为0.85,精确率-召回率曲线下面积值为0.87,准确度为0.74,召回率为0.75。结论基于5种特征变量建立的随机森林模型可用于中重度抑郁症住院患者使用SNRI类药物的疗效预测。

关键词： 人工智能   胆道肿瘤   治疗应用   深度学习   机器学习  

摘要： 胆道恶性肿瘤发病隐匿,恶性程度较高,传统诊疗模式面临着早期筛查不易、治疗精准度欠佳等严峻挑战。近年来,人工智能技术深度参与胆道恶性肿瘤诊疗的全流程,逐渐成为推动本领域诊治技术革新的核心驱动力。本文就近年来人工智能技术在胆道恶性肿瘤筛查、诊断、治疗中的最新应用进展进行总结、归纳、展望,希望推动人工智能驱动的新型诊疗模式向前发展,为提升胆道恶性肿瘤患者生存率提供新的视野。

关键词： 科技强国   人工智能   拔尖创新人才培养   实践进路  

摘要： 人工智能正深度重塑拔尖创新人才培养的底层逻辑,其赋能本质体现为三重战略转向:驱动教育范式从标准化向个性化转型,重构教育场景与育人方式,实现教育体系与国家战略的深度耦合。在人工智能赋能拔尖创新人才培养的双向驱动进程中,必须高度警觉潜在的创造力驯化、情感计算困境、技术治理缺位、创新生态失衡等风险。扎实推进人工智能赋能拔尖创新人才培养改革,需要筑牢拔尖创新人才自主培养根基,擘画人工智能人才培养制度矩阵,探索人智共生的人才培养新生态,创构人工智能教育的伦理治理范式,构建人工智能时代的科学评价机制,形塑人工智能全球治理的中国方案。从而为科技强国战略下拔尖人才培养提供自主可控的实施路径。

关键词： 人工智能   高校   思想政治教育   教育模式   资源共享  

摘要： 随着人工智能在高校网络教育中应用的日益深入,思想政治教育改变了传统教育模式。本研究通过剖析人工智能赋能思想政治教育的现状,探讨了人工智能如何推动教育模式创新、资源共享、精准评估等方面的变革。针对当前高校网络思想政治教育面临的挑战,提出了加强教育者的技术培训、优化教育资源的均衡配置、创新教育内容与教学方法、构建完善的数据安全与隐私保护体系等对策,旨在提升高校思想政治教育的质量与效率,推动思想政治教育的智能化转型。

关键词： 人工智能   中职教育   智慧课堂   教学模式优化  

摘要： 作为培养技术技能人才的重要阵地,中职教育智慧课堂教学模式的优化对于提升教学质量、培养适应时代需求的人才具有重要意义。文章深入探讨了人工智能技术在中职智慧课堂教学中的应用现状,分析了当前教学模式存在的问题,并提出了融合人工智能技术的中职智慧课堂教学模式优化策略,旨在为中职教育的改革与发展提供有益参考。

关键词： 人工智能   供应链现代化   流通业   发展效益   转型升级  

摘要： 本文选取2014-2023年我国30个省市区面板数据,研究人工智能对商贸流通业发展效益的影响机制。研究表明:人工智能能够提升商贸流通业发展效益,且这一结论经过一系列稳健性检验后依然成立;供应链现代化是人工智能提升商贸流通业发展效益的中介因素。基于此,本文提出应提高地区人工智能水平,推动地区供应链现代化发展的建议。

关键词： 平面设计   人工智能   人机协作   智能生成   设计优化  

摘要： 快速发展的人工智能技术在平面设计领域得到了广泛应用,并深刻改变了设计流程与创意模式。系统分析了人工智能技术在平面设计领域的应用价值与难点,阐明了人工智能技术在智能图像生成、字体排版设计、品牌视觉识别和个性化视觉内容定制4个方面的具体应用。结果证明,人工智能技术在平面设计中应用不仅能提高设计效率,还能激发创意潜能,同时也面临技术理解鸿沟、审美标准难以量化和协作模式不成熟等的难题。

关键词： 主成分分析   张量   图像去噪   图像处理   机器学习   计算机应用   信号处理   奇异值分解  

摘要： 为了解决张量鲁棒主成分分析(tensor robust principal component analysis,TRPCA)还原低秩结构时同等收缩奇异值造成的信息提取偏差问题,本文考虑区别对待奇异值,使用非凸加权张量Schatten-p范数(0

关键词： 人工智能   传感器结构设计   多目标优化   自适应调整  

摘要： 随着物联网、大数据及智能制造的兴起,传感器作为信息采集的关键组件,其结构设计面临着性能提升与多功能集成的压力。传统设计方法已显不足,而人工智能技术给传感器结构设计带来了革新机遇,特别是机器学习与深度学习。运用智能算法优化结构参数及材料选择,不仅有望提升传感器的灵敏度和稳定性,还能推动设计过程向自动化、智能化方向演进。探讨人工智能在传感器结构设计中的创新应用和优化策略,旨在提升传感器整体性能。

关键词： 综合水分指标   无人机多光谱   机器学习   土壤含水率   作物含水率  

摘要： 农田水分精准监测对农业节水与产量保障至关重要,但现有技术多聚焦土壤或叶片/植株含水率等单一指标,缺乏对土壤-植株水分协同机制的系统性表征。本研究以关中平原夏玉米为研究对象,基于地面采样数据整合多深度土壤含水率、叶片含水率、叶片相对含水率、植株含水率等7项指标,分别利用熵权法和主成分分析法构建综合水分指标(Comprehensive moisture index)CMI1和CMI2,以反映农田土壤-植株的综合水分状况;同时结合无人多光谱数据计算并筛选敏感植被指数,利用随机森林(Random forest,RF)、支持向量机(Support vector machine,SVM)等机器学习算法构建无人机数据驱动的综合水分指标模型。结果表明:CMI1与CMI2均能有效反映夏玉米农田土壤-植株的综合水分状态,但CMI2对土壤-植株水分耦合特征的表征精度在拔节期、吐丝期等多数生育期优于CMI1。植被指数与综合水分指标的响应关系随生育期动态变化,各生育期筛选出的最佳植被指数及其与综合水分指标间的相关性不同,在拔节期、吐丝期、籽粒建成期和乳熟期与CMI的相关系数最高值分别可达0.761、0.795、0.769和0.771。RF模型在建模集和验证集中结果均较稳定,估算精度优于其他模型,能稳健地实现对夏玉米综合水分指标估算。本研究通过综合水分指标与机器学习模型性能的双重对比,构建的“多指标融合-无人机遥感驱动-动态建模”体系,为田块尺度综合水情监测提供了精准化技术方案,可支撑智慧农业灌溉决策。