关键词： 胃腺癌   机器学习   生物标志物   风险预测模型   列线图  

摘要： 本文基于生物信息学和机器学习算法确定与胃腺癌（stomach adenocarcinoma， STAD）预后密切相关的关键基因，并构建高效预后风险模型。从TCGA-STAD数据集中获取胃腺癌患者及癌旁组织的RNA测序数据，并结合临床病理信息进行分析。首先对纳入的RNA测序数据进行了差异基因分析基因筛选、蛋白互作网络分析基因筛选和功能富集分析。其次，结合RNA测序数据和临床病理数据，采用单因素Cox分析和4种机器学习算法（LASSO、SVM-RFE、ORSF、XGBoost）进一步进行特征选择，得到核心基因，并在GEO数据集中验证核心基因表达的差异。最后基于LASSO-Cox回归构建预后风险模型，并采用列线图进一步对患者进行个性化预测。通过Kaplan-Meier生存分析、ROC曲线评估模型的预测能力，并在验证组中进行独立验证。基于差异表达筛选及蛋白质相互作用网络分析得到的197个关键基因，主要富集在细胞色素P450介导的外源性物质代谢、化学致癌-DNA加合物等通路，并参与外源性刺激物响应、激素代谢等生物学过程。构建COL10A1、CYP2D6、GPT、GPX3、PLN、TREM2等6个基因组成的风险预测模型，高风险组患者总生存期显著低于低风险组，ROC曲线AUC值为0.738，时间依赖性ROC曲线2年、3年、5年AUC值分别为0.708、0.744、0.834，表明该模型具有良好的生存预测能力。列线图模型显示出较高的预测准确性，校准曲线表明模型的预测结果与实际生存率高度一致。验证组分析进一步证实了该模型的稳定性。

关键词： 数字化   医学教育   课堂教学改革   教育现代化   人工智能  

摘要： 发展教育数字化,推进医学教育现代化是大势所趋,发展所需,改革所向,不仅关系到医学人才的培养质量,对整个生命周期的人口健康素质和健康水平的提高也有着直接的影响。因此,医学院校在推进医学教育数字化转型过程中,要立足医学教育现代化发展趋势,围绕医学教育数字化建设实践,把课堂教学改革作为提升人[2]才培养质量的突破口,充分运用大数据、人工智能等信息化智能化技术,推动深度学习、跨界融合、人机协同[3],助力实现因材施教,构建管理服务科学化、教师教学精准化、学生学习个性化、治理能力现代化的智能化教育体系,全面提升医学院校智慧基建、数据赋能、智能应用的教育现代化水平。

关键词： 矸石胶结充填体   粉煤灰占比   声发射参数   阶段特征   机器学习  

摘要： 为探究矸石胶结充填体承载破坏过程中声发射多元参数的变化规律，开展了粉煤灰占比40%～80%的矸石胶结充填体单轴压缩试验，同时获取声发射多元参数阶段特征（振铃计数、b值、r值、RA-AF）并构建数据集。建立随机森林（RF）和K最近邻（KNN）两种峰前阶段特征识别模型，实现矸石胶结充填体峰前各阶段声发射多元参数的识别。结果表明：矸石胶结充填体峰前应力应变曲线的压密应力(σcc)、起裂应力(σci)、损伤应力(σcd)、峰值应力(σf)四个强度特征值之间的关系为：σcc≈ 0.12 σf，σci≈ 0.27 σf，σcd≈ 0.73 σf。低粉煤灰占比（40%～60%）的矸石胶结充填体呈脆-延性破坏，临近峰值处主要为剪切破坏；随着粉煤灰占比增加（70%～80%），矸石胶结充填体转为延性破坏，临近峰值处为拉剪复合破坏。对模型和样本特征值进行验证和评估，结果显示RF模型识别性能较好，b值和r值在识别模型中起主导作用。该方法可以准确识别矸石胶结充填体加载破坏前各阶段的声发射多元参数，同时为预测矸石胶结充填体破坏提供参考。

关键词： 人工智能   人机融合   亚文化   应急管理   决策  

摘要： 随着人工智能的发展,人机融合智能决策在应急管理中的应用日益广泛,特别是在应对洪灾等复杂环境时.然而,亚文化认知的差异会对人机融合智能的决策过程产生重要影响.本研究通过探索亚文化认知差异在人机融合智能决策过程中的作用机制,聚焦于洪灾救援背景.人机融合智能体系中,人类智能(HI)和人工智能(AI)的结合,增强了系统在复杂不确定环境中的决策能力.然而,由于亚文化背景对决策优先级、风险评估及解决方案选择的影响,跨文化应急救援行动的效率和效能可能会受到冲击.本研究通过建立仿真模型,量化分析亚文化差异对人机融合智能决策的影响,并提出优化人机融合系统的方法,为未来跨文化应急管理研究提供理论基础和实践方法.

关键词： 遥感影像   智能解译   领域知识   深度学习   人工智能   综述  

摘要： 随着遥感技术的快速发展和应用需求的不断提升，遥感影像的智能解译已成为研究的热点。而知识作为对特定领域或现象的理解、经验和信息，能帮助解译模型更好地解释和处理遥感数据，除了能够提升解译精度、减少对标注数据的依赖之外，还能在复杂、不确定场景下增强模型的鲁棒性，为应对多源异构遥感数据的智能处理提供了关键支撑。本文首先介绍了知识引导下的遥感影像智能解译方法的发展历程，归纳了当下常用于解译任务中的知识类型，并从多种层次总结和比较了不同知识驱动方法的有效性和先进性；最后对知识引导下的遥感影像智能解译方法进行了总结与展望。

关键词： 主客体二分法   法哲学思想   知识产权法   人工智能  

摘要： 主体（人）与客体（物）是民法理论的基本范畴，“主客体二分法”源于人与外部世界有别的近代哲学思想。法哲学意义上的主客体概念范畴以及主客体关系基本理论，是我们考察知识产权法律构造以及应对人工智能技术挑战的重要思想工具。知识产权是罗马法以来财产权制度的创新，其法律框架包括以“人类中心主义”为要义的主体制度，以“财产非物质化革命”为主导的客体制度，并在此基础上塑造了“创造者—创造行为—创造物”为要素的主客体关系。当代生成式人工智能技术的出现，正在改变人类智力创造活动的样态，对知识产权领域的主客体关系带来影响。我们有必要对传统“主客体二分法”进行反思和重构，即确立“创新”和“安全”的法价值观，把握人工智能技术“可用”和“可控”的尺度；厘定“谨慎”并“开放”的法律政策立场，保持知识产权法对人工智能问题的调控功能；探索“原则”和“规则”的法规范体系，包括对主体规则、客体规则、主客体关系规则的改造和完善。

关键词： 网络舆情   人工智能   CiteSpace   知识图谱  

摘要： 文章聚焦于人工智能技术背景下网络舆情研究的现状与趋势,系统梳理近年文献,揭示了网络舆情在传播速度、影响范围和互动性方面的显著特点.利用CiteSpace软件的可视化分析,进一步明确了当前研究热点,如大数据驱动的舆情分析、情感分析与舆情演化,以及知识图谱技术在舆情研究中的创新应用.展望未来,随着人工智能技术的持续进步,网络舆情治理与引导将迈向智能化.然而,数据质量与准确性等挑战亦不容忽视.文章旨在为政策制定与社会治理提供科学、精准的理论支持与实践参考,助力构建更有效的网络舆情应对策略.

关键词： 数智技术   情报工作   情报定义   人工智能   情报价值  

摘要： [研究目的]如何看待数智赋能情报工作,即深刻理解和看清今天数智赋能情报工作的效能及应用边界,是情报学科如何把握好数智技术带来的机遇与挑战的重要现实问题。[研究方法]立足情报定义的内涵及价值,通过反思与阐释数智赋能情报工作的依据、可信性、底层数据和观点生成逻辑,从而诠释技术与情报的关系,明晰数智赋能情报的边界。[研究结果/结论]为避免鸠占鹊巢,情报必须从稳定、成熟的情报定义出发,才能更加明辨哪些是情报领域完成的,哪些是体现情报价值的,甚至哪些不该由情报完成的工作。

关键词： 人工智能   劳动   资本主义   政治经济学批判  

摘要： 一种流行的观点认为，伴随技术进步，如人工智能、自动化、机器人技术的发展将促使人类社会的发展达到“经济奇点”，即在这一时刻人工智能极度发展到能够取代所有类型的人类劳动。虽然这一看法引发了广泛的担忧，但其实这种看法缺乏历史意识。人类劳动的历史本就是一个不断被新技术取代、又不断转变为新形式的过程。“经济奇点”是资本在持续积累的要求下，不断地转向更具生产力推动力的认知劳动的必然结果。但是，这也导致了“认知劳动被资本吸纳”与“人类认知能力自主发展”之间的悖论。从马克思的政治经济学批判的方法论来说，为了促进人类自主创造能力的全面发展，我们必须从资本结构与主体意识两个方面着手，进行认知劳动的重构，从而推动人类劳动文明的实现。

关键词： 人工智能   热红外遥感   农业气象遥感参数   联合反演  

摘要： 【目的】提升农业气象遥感关键参数—地表温度（LST）、地表发射率（LSE）、大气水汽含量（WVC）和近地表空气温度（NSAT）的反演精度，解决传统方法未充分利用参数间相互依赖关系导致整体精度不足的问题。【方法】文章提出了一种基于人工智能（AI）的热红外遥感多参数联合反演方法。该方法通过深度学习耦合物理辐射传输方程和统计方法，首先推导物理反演模型，明确参数反演需满足的两个条件，获得物理代表性解；然后基于多源数据构建统计代表性解，组合两者形成深度学习训练与测试数据库。反演框架先直接反演LST和LSE，再将其作为先验知识，通过交叉迭代优化WVC和NSAT的反演精度，消除不确定性，实现多参数联合反演。【结果】利用MODIS27、28、29、31和32波段进行实际反演应用分析，数据分析表明5个波段组合下LST相对反演误差MAE和RMSE分别为0.42K和0.71K。LSE31和LSE32对应相对反演误差MAE分别为0.004和0.003，RMSE均为0.005。WVC的反演相对误差MAE和RMSE分别0.46g/cm2和0.62g/cm2。NSAT的反演相对误差MAE和RMSE分别为1.26 K和1.86 K。NSAT反演引入LST和LSE后，反演精度得到了提升，并更加稳定。地面观测站点数据验证表明，LST反演的MAE和RMSE分别为1.27 K和1.61 K；WVC反演的MAE和RMSE分别为0.39 g/cm2和0.48 g/cm；NSAT反演的MAE和RMSE分别为1.73 K和2.01 K。【结论】联合反演策略下，LST和LSE精度稳定，WVC和NSAT通过先验知识迭代优化克服了传统方法精度不足的局限。分析表明，基于AI的热红外遥感多参数联合反演方法充分利用参数间关系，大幅提升整体反演精度，对农业气象遥感和卫星传感器设计具有重要意义。