关键词： 脓毒性休克   乳酸清除率   长短期记忆网络   预测模型   机器学习  

摘要： 目的针对脓毒性休克患者乳酸代谢动态监测的临床需求,开发基于长短期记忆网络(LSTM)的时序预测模型,用于预测入院24 h乳酸清除率。方法采用多阶段回顾性队列设计,纳入2018年1月—2024年9月某医院重症医学科收治的脓毒性休克患者。通过单因素分析和LASSO联合特征筛选,从多维临床数据中提取预测因子。建立端到端LSTM架构(双层64/32单元,dropout率=0.3),采用滑动窗口策略(6 h步长)进行动态预测,并与传统logistic模型进行校准度(Brier score)、区分度[时间依赖性受试者工作特征曲线下面积(AUC)]和临床实用性(决策曲线分析)三维度对比。模型预测结果与实际乳酸清除率进行一致性分析,评估预测准确性。结果共纳入112例脓毒性休克患者,其中男性65例,女性47例;平均年龄(67.35±7.28)岁。乳酸清除率≥10%的良好组65例,<10%的不良组47例;训练集78例,验证集34例。时间依赖性AUC分析显示,LSTM模型在6、12、24 h时间窗的预测性能分别为0.89(0.85~0.93)、0.91(0.88~0.95)、0.92(0.89~0.96),优于logistic回归模型(ΔAUC=0.085,P<0.01)。核心预测因子包括APACHEⅡ评分(OR=1.38)、入院时乳酸水平(OR=1.65)、血管活性药物剂量(OR=1.42)和6 h液体复苏量(OR=1.35)。模型预测值与实际24 h乳酸清除率的Pearson相关系数为0.83(P<0.001),平均绝对误差为8.2%。决策曲线分析证实,当阈值概率在15%~60%时,LSTM模型可提升27.3%的临床净收益。各亚组验证显示,模型在肺部感染亚组(n=16)中保持最优预测效能(AUC=0.87)。结论基于LSTM的乳酸清除率动态预测模型通过整合入院早期指标预测24 h乳酸清除率,具有良好的预测性能和临床应用价值,可为脓毒性休克患者的个体化治疗决策提供重要参考。

关键词： 科技图书   编辑内容   生产模式   人工智能   创新路径  

摘要： 【目的】通过对人工智能驱动科技图书编辑内容生产模式的创新路径的深入探索,解决传统生产模式现存的问题,为推动科技图书出版行业的高质量发展提供参考依据。【方法】通过案例分析法与文献研究法来深度剖析科技图书编辑内容的传统生产模式,并针对科技图书编辑内容生产领域存在的主要问题,提出有效的解决策略。【结果】人工智能技术为科技图书编辑内容生产模式创新提供了全方位的技术支撑,不仅从根本上解决了传统生产模式的诸多弊端,实现了降本增效、提升内容质量和满足读者个性化需求的目标,为进一步探索创新路径指明了方向。【结论】通过对人工智能驱动科技图书编辑内容生产模式创新路径详细阐述,强调了人工智能技术对科技图书编辑内容生产模式革新的关键作用和重大意义,进而为科技图书出版行业的数字化转型提供理论依据与实践指导。

关键词： 交通工程   出行方式选择行为   均值异质性随机参数logit模型   机器学习   活动   混合方法  

摘要： 为研究活动对出行方式选择行为的影响,提出一种顺序混合方法,旨在捕捉更加丰富的出行行为规律。第一阶段使用均值异质性随机参数logit模型,分析各因素对出行方式选择行为的影响,并研究显著影响因素的异质性;第二阶段使用XGBoost-SHAP算法,补充发现显著影响因素的重要性及交互性。研究表明:11个影响因素会增加出行者选择公共交通方式的概率,其中3个是与活动属性相关的因素。5个影响因素具有随机参数,其中,与活动属性相关的因素包括:出行前活动地点与最近停车场的距离近(≤200 m)、出行后活动地点与最近地铁站的距离近(≤800 m)、出行前活动类型(不在家的娱乐性活动),并且前2个因素表现出随机参数的均值异质性。活动属性相关的因素与其他属性相关的因素交互时,会对出行方式选择产生不同的影响。

关键词： 机器学习   生物制造   生物过程工程   生物分离   算法  

摘要： 化学品生物制造过程具有绿色低碳、环境友好和可持续性优势,在化学工业中的作用日益重要。然而,化学品生物制造过程受代谢调控和外源环境等诸多因素影响,其生物合成的监测、控制、优化及产物分离,都具有实时动态复杂性。机器学习在无须明确机理条件下即可捕捉动态过程数据中的复杂非线性关系,有助于掌握化学品生物制造过程的复杂规律,进行过程优化和预测。本文对机器学习范式、主流算法及其在生物合成过程优化、监测与控制、生物分离过程开发和生物燃料化学品生产中的研究进展进行了综述分析,探讨了未来机器学习用于化学品生物制造过程中的问题。

关键词： 人工智能   体育教育   智慧体育   风险社会理论   风险治理  

摘要： 作为智能时代标志性技术的人工智能,具有改变未来的颠覆性、变革性和战略性等特征,必将以技术赋能等方式助力体育教育高质量发展。人工智能应用于体育教育能够助力学生学习从“学以致用”到“致以用学”,助力体育教师从“大水漫灌”到“精准教学”,助力教育管理从“经验主导”到“数据驱动”,助力体育科研从“小数据时代”走向“大数据时代”。由于行政法规和部门规章的缺位、隐私泄漏和情感依赖的担忧、人工智能技术发展和技术应用的局限、数字鸿沟和评价偏差的产生等原因,体育教育领域应用人工智能可能存在法律、伦理、技术和教育等潜在风险。为有效规避体育教育中人工智能应用的潜在风险,需完善法律法规,增强体育教育中人工智能的应用规范;重视伦理审查,引导体育教育中人工智能的发展向善;创新技术发展,推动体育教育中人工智能的主体协作;回归教育本真,凸显体育教育中人工智能的以人为本。

关键词： 性能要求   测试方法   知识图谱   人工智能  

摘要： 近日,GB/T 45923.2-2025《人工智能知识图谱应用平台第2部分:性能要求与测试方法》国家标准正式发布,将于2025年10月1日实施。GB/T 45923.2-2025紧密围绕当前知识图谱及其与大模型融合应用发展态势,结合各行业实践成果,规定了知识图谱应用平台的性能要求,并给出了相应的测试方法。

关键词： 人工智能   小学德育   道德素养   智能德育  

摘要： 随着社会不断发展和科技迅猛进步,教育领域也须不断创新和改进,以满足新时代学生的需求。文章旨在探讨人工智能如何为小学德育课程注入新活力,提升学生道德素养。结合人工智能技术和德育教育的理论框架,文章探索智能德育的概念和实施方式,介绍使用人工智能技术改善小学德育的方法,提出相关可行性策略,旨在通过人工智能提升德育课程的教学质量。文章呼吁教育者、政策制订者和研究者积极借助人工智能技术,引领小学德育思维走向深刻。

关键词： 人工智能   档案查询   智能检索   智能浏览   咨询服务   人脸识别   知识图谱  

摘要： 人工智能在档案查询服务中的应用场景,主要有档案智能检索、档案智能浏览、档案智能咨询三个方面。针对目前存在档案智能检索服务中的文本算法分类不明确、图像识别技术误识率较高、语音理解深度不全面,档案智能浏览服务中的知识图谱浏览存在局限性、语音朗读角色单一化、信息加工分析能力弱,档案智能咨询服务中的时效性和针对性不佳、准确性和完整性偏弱、被动交互体验感不佳等困境,提出人工智能在档案查询服务中的应用优化路径。

关键词： 智能化环境监测   物联网   人工智能   数据分析  

摘要： 本研究旨在探讨生态环境监测系统智能化技术的应用及发展策略,以提高环境监测的效率和准确性。通过结合物联网、大数据和人工智能等技术,研究实现了一个高效的智能化生态环境监测系统,专注于数据的实时采集、分析和预警。在广州市珠江流域进行了实际应用,监测点位主要布置在工业排放口及居民区附近,以检测重金属和有机污染物的浓度。结果表明,系统能有效实时监测和预警环境质量变化,污染物浓度有显著下降。结论显示,智能化技术显著提升了生态环境监测的实时性和准确性,为环境保护政策提供了有力支持,推动了环境管理模式的转型和科学化。

关键词： 超声图像   人工智能   乳腺肿瘤   YOLO算法  

摘要： 为提高乳腺肿瘤超声图像良恶性病灶的识别准确率,本文提出一种基于改进YOLOv5s算法的深度学习检测方法。选取于Kaggle数据库公开的659张乳腺肿瘤超声图像,使用Labelimg工具进行病灶标注,并按7∶3比例将其中629张图像随机分为训练集(440张)和验证集(189张),其余30张作为独立测试集。本文在原模型YOLOv5s算法的基础上引入空洞空间卷积金字塔结构(ASPP)增强多尺度特征提取能力、CA注意力机制提升病灶区域关注度,改进后衍生3种模型,分别为YOLOv5s-AS(仅采用ASPP结构改进)、YOLOv5s-C(仅引入CA注意力机制)、YOLOv5s-AS-C(ASPP与CA注意力机制的协同优化版本)。结果显示,经过200次迭代训练后,YOLOv5s-AS、YOLOv5s-C和YOLOv5s-AS-C的平均精度均值(mAP)分别为67.5%、77.5%、75.3%,均较原模型YOLOv5s(69.0%)显著提升,其中以YOLOv5s-C的mAP最高。选取YOLOv5s-C模型进行独立测试集检验,结果显示YOLOv5s-C模型对图像具有更好的识别度,可以对原模型未识别出的图像进行目标检测,实现了更精确的病灶定位。结果证实:①融合CA注意力机制的YOLOv5s-C模型可有效提升乳腺肿瘤图像识别性能;②通过深度学习与人工提取特征图像结合的方法可以获得更高的识别精度及置信度。该方法可较高效、准确地对乳腺肿瘤超声图像病灶进行检测识别,使目标病灶的检出及鉴别诊断更加直接、清晰且客观,辅助提高使用者诊断效率。