关键词： 超声   影像组学   乳腺癌   机器学习   深度学习   人工智能   综述  

摘要： 乳腺癌的诊断方法包括乳房X射线摄影、超声、磁共振成像和活检技术,但每种方法都存在一定的局限性。超声影像组学是一个新兴领域,通过提取和分析超声图像中的定量特征,有助于提高乳腺癌的诊断和预后评估准确性。这项技术已应用于乳腺癌领域,可以提高其诊断准确性、帮助建立预后模型、预测腋窝淋巴结转移、监测治疗反应并指导个性化治疗。未来的研究方向可能包括整合多模态数据、定制诊断和治疗策略、优化机器学习和人工智能算法、建立标准化方法并进行临床验证及监测治疗效果等,但也需要解决一系列挑战,如建立标准化方法、提高图像质量、保护数据安全和患者隐私、验证特征的可靠性和实用性。解决这些问题将有助于在乳腺癌领域中更广泛地应用超声影像组学技术,从而提高患者的治疗效果和生存率。

关键词： 机器学习   数据分析   模型预测   运动损伤因素  

摘要： 随着人们对竞技体育关注度的提升,运动员健康成为管理焦点。本研究应用机器学习预测运动员受伤风险,优化健康管理。基于1000样本数据,分析六大特征,通过统计方法确认训练强度为核心因素。对比七种机器学习模型,采用十折交叉验证,衡量多种性能指标,证实随机森林模型预测准确度最高。本研究不仅建立了损伤预测模型,还深入分析其效能与潜在改进空间,为模型跨领域应用奠定科学基础,对预防运动损伤具有重要理论与实践意义。

关键词： 不动产运营决策   机器学习   数据驱动   集群分析   回归模型  

摘要： 不动产运营决策是一个复杂的系统工程,涉及众多影响因素。传统决策方法主要依靠经验,缺乏客观性和准确性。文章提出一种基于机器学习的数据驱动型决策优化模型,以提高不动产运营决策的效率和效果。首先,收集大量包含不动产属性、交易记录、宏观经济指标等内容的不动产交易数据。其次,对数据进行清洗、整合和特征提取,提取有效信息,将数据转化为模型训练所需格式。再次,设计了一个结合集群分析、回归模型和优化算法的机器学习框架。使用K-means算法对不动产根据属性进行集群划分。在每个集群内建立回归模型,预测物价与影响因素的关系。最后,开发优化模块,通过最大化不同情景下的预期收益来推荐最优运营策略。将模型应用于一个不动产公司的实际案例。实验结果显示,模型可以生成比传统经验决策更科学和获利的决定。文章从数据驱动角度为不动产运营管理提供了一种创新思路。

关键词： 人工智能   思想政治教育一体化   思政育人  

摘要： 近年来学界关于思想政治教育一体化建设的探讨多基于传统的教学模式,关于实现思想政治教育工作体系化、现代化、科学化发展的理论探索仍有待深化.然而在建设数字中国和教育强国的战略背景下,思想政治教育一体化建设需要凭借人工智能技术的辅助实现纵向联动、横向贯通协同育人格局,因此文章提出了人工智能赋能思想政治教育一体化建设的价值意蕴、现存困境和实践路径,以期通过激发教育主体的数智化教学动力、整合网络化教学资源、创新新时代思政教育方法、净化网络育人环境以及提高学生数字素养等途径推动思想政治教育智慧化、结构化、一体化建设.

关键词： 人工智能   音频后期制作   音干分离   音乐生成   语音增强   语音识别  

摘要： 近期,随着人工智能技术的飞速发展,影视音频后期制作领域迎来了前所未有的变革。本文从AI音乐技术、AI语音(对白)技术和AI音效技术三个方面介绍现阶段人工智能在影视音频后期领域的应用,具体涵盖音干分离、音乐生成、音乐混音,语音增强(语音降噪)、语音生成、语音识别、语音变音,音效识别搜索、音效生成等方面。

关键词： 人工智能   医疗   卫生技术评估   评估体系  

摘要： 目的:探讨构建适合我国国情的医疗人工智能技术评估体系。方法:对国内外传统卫生技术评估体系进行总结,分析医疗人工智能技术的显著特性和新风险因素。结果:现有技术特性评价指标中最有可能根据可靠性的次级评价指标对人工智能技术进行评估,但是可靠性评估的侧重点无法针对算法、大数据、算力及存在的风险因素进行评估,现有卫生技术评估体系有待进一步完善。结论:传统卫生技术评估体系难以适用于医疗人工智能技术的评估,建议以传统卫生技术评估体系为基础框架,新增与医疗人工智能技术特征相关的评价指标,参考相关领域的评估指标和方法加以调整、完善医疗人工智能技术评估体系。

关键词： ChatGPT类技术   人工智能   赋能职教   高质量  

摘要： ChatGPT类技术可以赋能职业教育高质量发展,同时也面临着现实的挑战,如教师队伍素质提高、教学模式转型等诸多方面的问题。但是,人类是最能动的,可以通过多种方法和有效的措施加以避免或减轻消极影响。文章从提高教师信息技术素质、实施教学教法改革、完善教学改革范式、主导思想政治舆论方向、深化师生情感对话交流、保护师生个人隐私等方面,进行全方位的探讨,以期对职业教育教学者有所帮助。

关键词： 翻译学科建设   翻译行业   翻译教学   《上海翻译》   人工智能   语言模型   翻译人才培养   研修班  

摘要： 随着以大语言模型为代表的新一代人工智能不断发展,翻译学科和翻译行业都面临着新的机遇与挑战。为深入探讨新形势下的翻译学科建设与翻译人才培养,上海市科技翻译学会携手《上海翻译》编辑部和云南财经大学计划于2025年1月17-19日举办“人工智能背景下翻译学科建设与人才培养研修班”。研修班将邀请相关专家,就人工智能时代翻译研究、翻译教学和翻译实践的创新与发展,展开深入分析与讲解,旨在帮助学员了解最新动态,掌握前沿理论与方法,推动翻译教学与研究的全面发展。

关键词： 农业供给侧结构性改革   农业经济结构   现代农业产业体系   集聚与扩散   产业集群   产业层次   黄泛平原   人工智能  

摘要： 坐落于鲁北黄泛平原的阳信县,有百万亩良田,然而很长时间以来,受农业经济结构、生产模式、自然条件等制约,落后于全省的发展。知弱而图强,近年来,在人工智能、大数据飞速发展的背景下,阳信县大力推动农业供给侧结构性改革,优化农业产业结构,发展高效特色农业,发挥资金、科技、信息、人才等现代要素的集聚与扩散作用,加快提升现代化农业产业层次,构建现代农业产业体系、培育农牧业产业集群,农业经济发展实现提质增效,产业可持续发展水平显著提升。

关键词： 连铸保护渣   机器学习   黏度   熔化温度  

摘要： 连铸保护渣在保障连铸顺行和铸坯质量方面发挥着关键作用,其作用的发挥与保护渣的性能密切相关。保护渣的黏度和熔化温度是保护渣的关键性能参数,其测定所需的时间与物力成本较高。鉴于机器学习技术的发展,本研究基于K近邻算法(KNN)、核岭回归算法(KRR)与随机森林算法(RF)3种机器学习算法建立保护渣黏度和熔化温度预报模型,旨在准确预报保护渣的黏度与熔化温度,为保护渣的快速、便捷设计提供指导。结果表明,基于KRR算法的模型在保护渣黏度预报方面有着较好的表现,其决定系数(R^(2))、均方根误差(RMSE)和平均绝对误差(MAE)分别为0.983、0.023和0.014;基于RF算法的模型在预报保护渣熔化温度方面具有更高的可靠性,R^(2)、RMSE和MAE分别为0.823、14.004和8.974。输入特征的排列重要性分析表明SiO_(2)、F、Al_(2)O_(3)对黏度的影响依次降低,Na_(2)O对熔化温度的影响最大。与广泛应用的黏度和熔化温度预报模型相比,KRR算法黏度预报模型和RF算法熔化温度预报模型的平均相对误差(MRE)分别为6.26%和0.83%,远低于目前广泛应用的预报模型的平均相对误差,表明机器学习模型具有较高的可靠性。基于模型建立的黏度和熔化温度分布图可为保护渣的设计提供直观参考。