关键词： 6G   智能机器通信   人工智能   高时效  

摘要： 人工智能在机器终端侧的广泛部署显著提升了机器智能水平,推动6G通信系统中“物联”服务对象从“可联网”的感知设备拓展至“可自主”的智能机器。预计到2030年,以智能车、工业机器人为代表的智能机器通信接入量将超过总接入量的85%。

关键词： 目标检测   低光场景   红外预测   特征融合   特征金字塔   全局特征   局部特征   人工智能  

摘要： 【目的】随着人工智能领域的快速发展,基于可见光图像的目标检测技术日益成熟,并在自动驾驶、安防监控、智能交通等领域得到了广泛应用。然而,在低光场景(如黑夜或昏暗灯光环境)下,基于可见光图像的目标检测算法性能显著下降。主要原因在于可见光图像在低光条件下信息丢失严重,导致目标特征难以提取。为解决这一问题,提出了基于可见光图像和红外图像的多模态目标检测技术,该技术能够有效改善低光场景下的目标检测性能。然而,多模态检测技术的成本较高,需要对不同模态的图像进行精确配准,计算量较大,从而增加了实现难度和处理负担。基于此,提出了一种具备红外感知的目标检测网络(InSCnet),旨在通过一个可见光相机来预测红外热辐射特征,在不增加模态的情况下提升网络在低光场景下的目标检测能力。【方法】InSCnet以可见光图像为输入,通过红外预测分支(IPB)生成红外图像来预测热辐射特征,从而增强网络对低光场景的感知能力。为了有效融合多尺度视觉和热辐射特征,设计了互补融合滤波(COFF)模块。COFF通过互补融合这两种特征,增强特征间的互补性,避免了网络对单一模态特征的过度依赖。此外,采用混合特征金字塔(HyFP)模块,通过特征金字塔和注意力机制,进一步提升多尺度全局与局部特征的融合与提取能力,确保网络在不同程度的低光条件下均能保持较高的检测准确率。【结果】实验结果表明,InSCnet在LLVIP行人检测数据集上表现优异。具体而言,S mAP50达到了0.830,S mAP50-95达到了0.426。同时在DroneVehicle数据集上进行了实验,S mAP50达到了0.702,证明了InSCnet具备多类别低光检测能力。【结论】InSCnet通过引入红外热辐射特征和特征融合机制,提升了低光场景下的目标检测性能;在低光场景下能够有效检测可见光图像中难以识别的目标,为低光场景下的目标检测提供了一种有效的解决方案。未来的研究可以进一步探索如何优化网络结构。

关键词： 人工智能   意识形态   生成逻辑   消解策略  

摘要： 生成式人工智能作为人工智能领域的前端分支,在赋能信息生成与传播等方面彰显出卓越优势,但在资本逻辑内嵌、技术“自主性”衍生价值偏向和“把关”主体格局变革的共同影响下,易引发网络主流意识形态被侵蚀、被干扰及被弱化三重风险,对我国主流意识形态的凝聚力和引领力形成一定的冲击和挑战。消解生成式人工智能应用诱发的网络意识形态风险,应当强化主流意识形态价值引领,掌握生成式人工智能应用过程中主流意识形态话语权,从而推动我国网络意识形态安全治理现代化。

关键词： 结核,胸膜   胸腔积液   诊断,计算机辅助   模型,统计学   算法   人工智能  

摘要： 目的:探索基于人工智能机器学习算法(machine learning algorithm,MLA)构建的诊断模型在结核性胸腔积液(tuberculous pleural effusion,TPE)诊断中的价值。方法:采用回顾性研究方法,参照入组标准纳入2020年1月至2022年9月四川省乐山市人民医院收治的233例胸腔积液患者作为内部实验组,按是否诊断为TPE,将患者分为结核组(106例)和非结核组(127例)。运用R 4.1.1软件进行数据整理和统计分析,利用LASSO回归筛选变量,并依此分别构建随机森林(RF)、支持向量机-线性核(SVM-linear)、支持向量机-多项式核(SVM-polynomial)、多因素logistic回归等4种MLA开发诊断模型。通过受试者工作曲线下面积(AUC)评估不同模型的诊断性能,并与胸腔积液腺苷脱氨酶(ADA)的诊断效能进行比较。另纳入同期西南医科大学附属医院的141例胸腔积液患者(结核组101例,非结核组40例)进行外部验证。结果:LASSO回归分析显示,胸腔积液总蛋白、ADA、单核细胞占比,以及血清中性粒细胞占比、血小板计数、发热及盗汗均是发生TPE的危险因素(惩罚系数分别为0.216、0.058、0.003、0.049、0.000、0.045、1.605),而胸腔积液癌胚抗原(CEA)、多核细胞占比,以及外周血白细胞计数均与TPE出现概率更低相关(惩罚系数分别为-0.072、-0.029、-0.567)。构建的RF、SVM-linear、SVM-polynomial和多因素logistic回归分析等4种MLA开发的诊断模型对TPE的诊断敏感度分别为91.8%、84.5%、86.9%、85.4%;特异度分别为99.0%、81.6%、93.8%、81.6%;AUC值分别为0.988、0.875、0.959和0.886,均高于胸腔积液ADA(分别为83.1%、77.9%、0.820)。在外部验证中,RF、SVM-linear、SVM-polynomial和多因素logistic回归模型的AUC值分别为0.834、0.827、0817和0.815。结论:基于RF算法构建的TPE诊断模型具有最优质的诊断性能,可以更加简单、快速、有效地识别TPE。

关键词： 认知危机   人工智能   建筑主体性转向   建筑目标体系重构   建筑技术体系迭代  

摘要： 以人工智能为代表的新兴技术集合推动着建筑学拥有更多可能性的同时,也带来了一系列挑战。建筑学作为一门兼具自然科学(硬科学)和人文科学(软科学)特征的学科,既要面对当下的变革,包括原有增长路径的重塑、新型设计和研究范式的涌现,又要从内涵和外延方面不断思考学科转型与重构的可能。本文聚焦建筑主体性转向、建筑目标体系重构、建筑技术体系迭代三大变革,提出建筑学既需要文化层面理论架构的重塑,也需要技术层面研究方法的拓展。

关键词： 儿童干眼   非侵入性诊断   Keratograph 5M眼表综合分析仪   人工智能   多模态评估  

摘要： 随着电子设备使用低龄化与生活方式改变,儿童干眼发病率显著上升,成为临床与科研热点。因其症状体征分离、表现隐匿、病因复杂,形成特殊诊疗群体。传统干眼检测存在儿童配合度低、准确性差、侵入性强等问题,且缺乏统一诊断指南,难以精准评估相关指标,亟需科学诊断技术与标准。近年来,新型检测技术带来突破。Keratograph 5M眼表综合分析仪可客观评估泪膜与睑板腺功能;DEQ-5等问卷提升低龄儿童症状反馈可行性;SM Tube试纸无创快速,利于泪液筛查;人工智能革新诊断模式,提升效率与依从性。但现有技术面临基层普及难、缺乏儿童特异性参考值、跨学科数据整合不足等挑战。未来需多中心协作建立年龄分层诊断标准,融合人工智能与多模态检测,构建多元化评估体系,支撑儿童干眼早期干预与精准治疗。文章综述儿童干眼检测技术进展,针对其诊疗独特性,探讨临床难点,整合多模态与智能化方法,为精准诊断、降低误诊率、完善诊疗体系提供创新方案与实践路径。

关键词： 人工智能   中学书法   深度学习  

摘要： 随着人工智能(AI)技术的飞速发展,其在教育领域的应用日益广泛。书法教育作为中小学基础教育的重要组成部分,不仅能够提升学生的汉字书写能力,还能培养学生的审美情趣、文化素养和民族精神。而人工智能技术的出现为书法教育带来了新的机遇与变革,它能通过智能化的手段,如精准评估、个性化学习路径规划等,有效弥补传统书法教育的不足,助力中华优秀传统文化在中学书法教育中的传承与弘扬,使书法教育在新时代背景下焕出新活力。

关键词： 人工智能   中医   儿科   治未病   健康管理   PEST⁃SWOT模型   对策  

摘要： 人工智能技术在中医儿科“治未病”健康管理的应用中面临许多机遇和挑战。本文综合政策资料和医院实地调研,运用PEST⁃SWOT模型从政治、经济、社会和技术等外部环境因素出发,同时结合医院自身的优势、劣势、机遇和威胁,分析目前人工智能技术在中医儿科“治未病”健康管理发展的驱动因素,提出加强中医儿科标准化和规范化建设、研发适合儿童特点的人工智能算法和模型、加强儿童健康数据安全保护、加强人工智能技术在基层医疗机构的推广应用等建议。

关键词： 自动化   决策建议   就业结构变化   机器学习  

摘要： 从人类历史的几次创新周期(19世纪中叶的英国工业革命、20世纪中叶电力的广泛应用、20世纪末信息通信技术的发展)来看,机器在取代了人类手工劳动和重复且枯燥的劳动后,自动化开始朝智能方向发展,并逐渐取代需要一定决策能力的工作。与信息通信技术相比,人工智能(AI)虽然也属于通用技术,但显然其传播速度更快.应用也更加灵活。最为重要的是,AI,自学习算法和仿人机器人能够完成通常需要人类智力才能实现的任务,如语音识别、决策建议、疾病诊断、文件翻译、海量数据识别,甚至执行健康损害和危险的任务。历史上的几次技术变革使体力劳动实现了自动化,而AI和自动化的结合似乎将在未来全方位接管人类的所有工作。

关键词： 胸腔镜肺癌根治术   苏醒期躁动   机器学习   风险因素   预测模型   护理  

摘要： 目的构建并验证胸腔镜肺癌根治术患者苏醒期躁动风险预测模型,利用机器学习算法筛选最优模型,为临床制订护理风险管理方案提供借鉴。方法采用便利抽样法,回顾性选取2023年1—12月在杭州市某三级甲等医院行胸腔镜肺癌根治术的476例患者作为构建组研究对象,运用SPSS 29.0和R 4.3.0软件构建Logistic回归、决策树、随机森林和朴素贝叶斯模型,通过准确率、精确率、召回率、F1分数及受试者操作特征曲线下面积比较各模型预测性能,筛选最优模型。前瞻性选取2024年1—6月同一单位行胸腔镜肺癌根治术的204例患者作为外部验证组研究对象,通过受试者操作特征曲线下面积和校准曲线评估最优模型的区分度和校准度。结果最终680例患者完成调查。4种模型均显示,是否使用多模式镇痛、胸腔引流管型号、疼痛评分、气管插管型号、是否焦虑和导尿管留置时机是胸腔镜肺癌根治术患者苏醒期躁动的影响因素(P<0.05)。内部验证结果显示,随机森林模型综合效能最佳,外部验证结果显示,受试者操作特征曲线下面积为0.913,校准曲线与45°理想线贴合较好。结论4种预测模型中随机森林模型性能最优,更适用于胸腔镜肺癌根治术患者苏醒期躁动风险评估,具有良好的泛化性和临床应用价值。