关键词： 卵巢透明细胞癌   机器学习算法   预后模型   SEER数据库  

摘要： 目的:本研究旨在基于SEER数据库中卵巢透明细胞癌(ovarian clear cell carcinoma,OCCC)患者的临床病理数据,利用多种机器学习算法构建OCCC预后模型,并评估模型的预测性能,以期为OCCC患者的临床治疗和预后评估提供参考依据。方法:本研究利用SEER数据库中OCCC患者全部5452例的临床病理资料(2000~2019年),构建了基于多种机器学习算法的预后模型。研究纳入标准为具有完整临床病理资料、病理确诊为OCCC且诊断年份在2000年1月至2019年12月的患者,排除基线或随访资料缺失的患者,研究终点为患者的临床死亡,数据清洗后总例数1091例。选取了9个变量作为输入参数,并将患者的死亡情况作为输出参数。采用单因素Kaplan-Meier生存分析和Cox多因素回归分析进行统计分析,并利用Logistic回归模型、决策树模型、支持向量机、随机森林和人工神经网络构建预后模型。模型的预测性能通过灵敏度、特异度、准确度和AUC评估。为解决数据不平衡问题,将数据按照8:2的比例随机分成训练集和测试集,并采用SMOTE过采样和随机欠采样方法进行数据平衡。此外,还利用单因素Kaplan-Meier分析筛选出影响OCCC预后的重要变量,用于构建精简模型并进行模型比较。结果:在单因素Kaplan-Meier回归分析中,种族(P=0.004)、肿瘤左右偏侧(P<0.001)、肿瘤大小(T分期)(P<0.001)、淋巴结转移(N分期)(P<0.001)、远处转移(M分期)(P<0.001)、肿瘤分化程度(即分级)(P=0.030)这6个因素对患者生存时间具有显著影响,且6个因素之间无多重共线性,方差膨胀因子均<5。多因素Cox回归分析显示,种族中与白人相比,黑人(HR=2.409,P<0.001)与风险显著正相关;肿瘤左右偏侧中与双侧原发相比,左侧原发(HR=0.607,P<0.001)、右侧原发(HR=0.564,P=0.002)与风险显著负相关;T分期中与T1相比,T2分期(HR=3.060,P<0.001)和T3分期(HR=4.721,P<0.001)与风险显著正相关;N分期中,与N0相比,N1分期(HR=1.636,P<0.001),M分期中与M0相比,M1分期(HR=2.040,P<0.001)与风险显著正相关。比较5种机器学习模型发现,随机森林模型在训练集和测试集上的AUC值均最高,分别为0.868和0.762,表明其预测性能优于其他机器学习模型,可以有效预测OCCC患者的预后。5种模型中,T分期都是影响OCCC预后的最重要因素,特征重要度评分均最高。结论:随机森林模型可以有效预测OCCC患者的预后;T分期是影响OCCC预后的最重要因素。

关键词： 核桃   智能化生产   大数据   人工智能  

摘要： 我国核桃传统生产模式存在生产效率不高和产品质量稳定不足等问题,难以应对不良天气、高品质需求等带来的挑战。在物联网、大数据、人工智能等现代科技迅速发展的背景下,有望推动核桃生产智能化转型,有助于克服现有产业瓶颈,提高生产效率和产品质量,促进核桃产业可持续发展。核桃智能化生产模式,一是综合应用物联网、大数据和人工智能技术实现精准生产和智能化管理,二是综合应用智能设备和机器人技术实现病虫害预警和控制智能化,三是综合应用物联网和云计算技术实现生产溯源和产业链管理智能化。未来与生物技术相结合,核桃智能化生产将迈向更高水平。

关键词： 酒驾醉驾   人工智能   工程控制   饮酒基因检测  

摘要： “酒驾”被称作全球范围内道路交通安全领域里的“第一大难题”,各国政府都积极采取措施,处罚普遍趋于严格,但整体效果并不理想。我国醉驾入刑始于2011年,其自2019年以来已连续六年稳坐“第一大罪”,社会普遍认为对相关行为的大规模定罪处罚并不是治理问题的最好办法,反而可能导致社会对立面不断增多,造成司法和个人的“两败俱伤”。本文旨在从酒驾醉驾治理“铜梁样本”出发,简要阐述了相关背景内容和科研发现,分析了工作中存在的困难原因,介绍了相关的改革创新举措,最后提出了针对性思考建议,以期为探索酒驾醉驾预防治理这一世界级难题的“中国解决方案”提供参考。

关键词： 人工智能   赋能   中华优秀传统文化   传播  

摘要： 中华民族在几千年的发展历程中,积淀出有着深刻内涵的中华优秀传统文化并世代流传,部分甚而成为人们生活的信条,人们对其怀有敬仰之情。随着社会进步和科技发展,人工智能已广泛融入生活的各方面并正在改变人们的生活方式。探索人工智能赋能中华优秀传统文化传播的路径与意义,可活化传统文化,提高人们对传统文化的体验感,增强传统文化的感染力,从而实现传统文化的可持续发展,对增强民族文化自信具有重要意义。

关键词： 高校   思政教育   人工智能  

摘要： 人工智能技术有助于推动教师角色转变、思政教育模式转型,提升思政教育效果,但也存在数据安全治理困境、学生价值引导与人工智能推送之间的矛盾、缺乏人工智能赋能思政教育的系统机制等问题,给高校学生思政教育带来挑战。为此,高校思政教育部门、教师要科学运用人工智能,助力学生价值引导,提升数据安全治理能力,完善人工智能赋能思政教育的运作机制,进而落实立德树人根本任务,培养能担当民族复兴大任的时代新人。

关键词： 人工智能   档案管理   数智化转型  

摘要： 随着人工智能技术的快速发展,其在档案管理领域的应用逐步成为推动档案工作数智化转型的关键驱动力。文章首先分析了人工智能时代档案工作的背景与发展趋势,指出人工智能通过自然语言处理、计算机视觉、知识图谱等前沿技术,显著提升了档案数据处理、智能化服务与档案安全管理的效率与质量,推动了档案工作从传统的静态保存向动态利用和智能服务的转型。接着通过典型案例分析,进一步阐述了人工智能在档案资源建设、开放利用、数字编研和安全管理等方面的实际应用效果与成效。最后基于案例分析,文章发现当前人工智能在档案工作的应用过程中仍面临技术发展与实际需求不匹配、区域资源分布不均、数据质量不高、技术适配与人员能力不足等问题。为此,文章提出了优化算法、加强数据标准化、推动产学研协同创新等改进策略,探讨了人工智能应用中可能引发的法规与伦理问题,提出了完善法律法规与责任界定的建议,以期为档案行业的数字化、数智化转型提供理论支持与实践指导。

关键词： 人工智能   钻井工程   智能钻井预警系统  

摘要： 在互联网时代,随着人工智能技术的飞越发展,一些人工智能技术被应用到石油勘探中,提升了勘探的智能化水平,但在在钻井工程事故预警中的应用往往引发许多问题。基于此,文章对智能钻井工程事故预警软件系统展开分析,采用对比分析法,探究系统在应用中展现的问题,并对人工智能在钻井工程事故预警中的局限性进行了总结,展望该类现象的改善前景。

关键词： 未来产业   人工智能   重大科技项目   应用示范   关键核心技术   现代化产业体系   中央经济工作会议   创新引领  

摘要： 近期召开的中央经济工作会议在部署今年重点任务时强调,以科技创新引领新质生产力发展,建设现代化产业体系。加强基础研究和关键核心技术攻关,超前布局重大科技项目,开展新技术新产品新场景大规模应用示范行动。开展“人工智能+”行动,培育未来产业。加强国家战略科技力量建设。

关键词： 无损检测   深度学习   机器学习   金线莲   多糖与黄酮含量  

摘要： 为了无损、快速地实现金线莲叶片中多糖与黄酮含量水平的判别,本研究以在不同光周期下(10、12、14、16、18、20 h/d)栽培的金线莲为样本,通过高光谱技术获取叶片像素光谱数据,运用传统机器学习(PCALDA与PCA-SVM)与深度学习方法(1D CNN及其优化方法)构建了相应的判别模型。结果表明,1D CNN模型在训练集、验证集与独立测试集上的判别准确率优于PCA-LDA与PCA-SVM模型,分别为99.99%与99.89%、99.98%与99.78%、91.62%与87.92%。通过在1D CNN模型中引入Dropout层,模型的泛化能力得到增强,多糖与黄酮含量水平在独立验证集上的判别准确率分别提升至98.92%与95.67%。基于此,本研究进一步构建了多糖与黄酮含量水平的可视化图像,通过颜色直观展示了不同含量水平的判别结果。研究证实了高光谱技术可用于评估金线莲叶片中多糖与黄酮的含量水平,研究结果可为金线莲的品质控制提供技术支撑。

关键词： 肺肿瘤   部分实性肺结节   人工智能   机器学习   预测模型  

摘要： 背景与目的肺癌是全球最常见的恶性肿瘤之一,也是癌症相关死亡的主要原因。早期肺癌通常表现为肺结节,准确评估其恶性风险对于延长生存期及避免过度诊疗至关重要。本研究旨在基于人工智能(artificial intelligence,AI)自动提取的影像学特征参数构建模型,评估其在部分实性结节(part-solid nodule,PSN)恶性预测中的效能。方法回顾性分析2020年10月至2025年2月于兰州大学第二医院接受肺结节切除术的222例患者的229个PSN资料。根据病理结果,将45个良性病变及腺体前驱病变归为非恶性组,184个肺部恶性肿瘤归为恶性组。所有患者均接受胸部计算机断层扫描,使用AI软件提取影像学特征参数。通过单因素分析筛选显著变量,计算方差膨胀因子并剔除共线性较高的变量,LASSO回归进一步筛选关键特征,多因素逻辑回归确定独立危险因素。基于筛选结果,构建逻辑回归、随机森林、XGBoost、LightGBM、支持向量机5种模型,使用受试者工作特征(reciever operating characteristic,ROC)曲线评估模型性能。结果PSN良恶性的独立危险因素包括粗糙度(ngtdm)、依赖方差(gldm)和短运行低灰度重点(glrlm)。逻辑回归在训练集和测试集的曲线下面积(area under the curve,AUC)分别为0.86和0.89,表现较好。XGBoost的AUC分别为0.78和0.77,表现相对均衡,但准确度较低。支持向量机在训练集的AUC为0.93,测试集AUC降至0.80,表明该模型存在一定的过拟合。LightGBM在训练集表现优异,AUC为0.94,但在测试集上有所下降,AUC为0.88。随机森林模型在训练集和测试集上均表现稳定,训练集AUC为0.89,测试集AUC为0.91,具有较高的稳定性和良好的泛化能力。结论基于独立危险因素构建的随机森林模型在PSN良恶性预测中表现最佳,可以为临床医生提供有效的辅助预测,支持个体化治疗决策。