关键词： 人工智能   特殊教育   技术赋能   身心障碍   融合教育  

摘要： 在教育数字化转型的背景下，人工智能已成为赋能特殊教育学生发展的重要力量。基于特殊教育对象的分类视角，系统探讨了人工智能技术赋能视觉障碍、听觉障碍、语言障碍、学习障碍和自闭症谱系障碍等不同类别身心障碍学生，以及资赋优异学生与轻微违法犯罪学生发展的基本逻辑与应用思路。研究发现，虽然人工智能赋能不同类别特殊教育学生发展的关注重点与思路不尽相同，但是总体的应用逻辑是一致的，都是希望利用人工智能的技术优势，为特殊教育学生筛查、诊断、干预及发展全过程，提供更加智能化与精准的支持，帮助特殊教育学生更好地适应数字时代的生存与发展。为了充分发挥人工智能的引擎作用、更好地赋能特殊教育学生发展，在实践路径方面，应持续加大相关政策的支持力度、努力推动特殊教育的数字化转型，加强人工智能人才培养、注重特殊教产品的创新设计，推动跨学科合作研发、加速人工智能特教产品的创新与迭代，重视人工智能特教产品的推广普及、推动人工智能特教产品的常态化应用，处理好伦理道德问题、保障学生隐私与数据安全。

关键词： 人工智能   思政教育   精准  

摘要： 人工智能实为驱动高校思政教育提质增效的重要利器，人工智能技术为高校精准思政落地提供强劲的支持。这既是新时代思政育人改革的新趋势，也是高校教育创新的重要课题。赋能是长期、系统、复杂的工程，高校应以新思维、新理念、新技术为抓手，从问题逻辑、理论逻辑、实践逻辑出发，协同做好“新主体”培育、“新渠道”拓展、“新平台”搭建、“新机制”探索等工作，以期实现全域精准育人。

关键词： 颈动脉狭窄   人工智能   CT灌注成像   CT血管成像  

摘要： 目的 探讨人工智能(AI)辅助头、颈部CT血管成像(CTA)和脑部CT灌注成像(CTP)参数在颈动脉狭窄程度评估中的应用价值.方法 选取颈动脉狭窄患者143例,利用AI和人工分析处理CTA图像,并对颈动脉狭窄程度进行评估.比较不同程度颈动脉狭窄患者各项CT脑灌注参数.结果 2种方法图像质量、去骨能力、血管CT值、噪声、信噪比(SNR)及对比噪声比(CNR)均有显著差异(P＜0.05).AI评估准确性为90.91％,AI和人工分析对颈动脉狭窄程度诊断的一致性较好(Kappa=0.870,P＜0.001).不同程度颈动脉狭窄患者各项CT脑灌注参数均有显著差异(P＜0.05).AI辅助CTA对颈动脉狭窄程度的评估价值较高,其受试者工作特征(ROC)曲线的曲线下面积(AUC)为0.975,准确性为0.952,约登指数为0.904.结论 采用AI辅助头颈部CTA图像后处理具有可行性,人工评估与AI辅助CTA在颈动脉狭窄程度诊断中具有较好的一致性.颈动脉狭窄患者患侧与健侧各项CT脑灌注参数差异显著.相对脑血容量(rCBV)、相对脑血流量(rCBF)及相对达峰时间(rTTP)对颈动脉狭窄程度有一定评估价值,AI辅助CTA评估颈动脉狭窄程度的价值较高.

关键词： 物联网   智慧康养   心率监测   人工智能   互信息法   随机森林  

摘要： 心血管病在我国城乡居民疾病死亡比例中占据首位，随着人口增多与老龄化加剧，人们越来越重视日常生活中的健康监测和管理。基于此，构建了一种基于物联网、互信息法(MI)以及随机森林(RF)的智慧康养心率监测系统。首先设计了一个智慧康养心率监测物联网模块，通过国产设备与鸿蒙系统对接，实现了健康数据的实时监测和处理；其次，提出了一种基于MI-RF的心率失常分类方法，提高了分类的效率和准确性；最后，通过实验验证了该系统在实时数据监测和心率失常检测方面的有效性。实验结果表明，所提出的MI-RF心率失常分类方法在准确性和效率上显著优于传统方法，拥有更卓越的性能和稳定性。同时本系统有着更多样化的监测功能模块与更优秀的鸿蒙操作系统，能够实时监测用户的心率数据与心律失常状态，并实时上传数据至终端达到远程监控的效果。该系统具有广泛的应用前景，能够为心血管疾病预防和主动健康领域的可靠心率检测场景应用提供理论基础和技术支持。

关键词： 岱海   悬浮物质量浓度   Sentinel-2 MSI   机器学习   遥感反演  

摘要： 【目的】对比分析传统经验模型和5种机器学习算法精度和性能，分析2017—2023年岱海悬浮物质量浓度的时空分布特征，并探讨岱海悬浮物质量浓度变化的影响因素。【方法】通过现场实验获取岱海水体实测光谱和悬浮物质量浓度，对比分析5种机器学习模型（BP神经网络模型、卷积神经网络模型、随机森林模型、支持向量机模型、径向基函数神经网络模型）和传统经验模型的遥感反演精度，选取精度最高的反演模型基于Sentinel-2 MSI卫星数据反演岱海悬浮物质量浓度。【结果】①机器学习模型较传统经验模型的反演精度高，经三折交叉和地面同步数据验证BP模型反演效果优于其他模型，模型R2为0.76，RMSE为4.66 mg/L，MAPE为26.57%；②BP模型的9个输入特征变量均对模型有正贡献作用，特征变量B4*B5对模型的重要性最为显著，其次B4、B4+B5和B5*（B4+B5）对模型精度影响较大；③2017—2023年岱海年平均悬浮物质量浓度介于8.43～11.68 mg/L，且呈小幅波动下降趋势，5—10月岱海月平均悬浮物质量浓度介于7.77～10.84 mg/L，5月悬浮物质量浓度显著高于其他月份且变化较大，6月后开始下降并趋于稳定。空间上，岱海悬浮物质量浓度主要呈“近岸高、离岸低”的特点，高值区主要分布在岱海西南和东部近岸水域；④岱海悬浮物质量浓度与风速表现出显著的正线性关系（r=0.61， P<0.001），与气温和降水量的相关性不大。【结论】遥感技术结合机器学习模型能够大幅度提升水质监测的效率和精度。在众多模型中，BP模型和CNN模型精度优势更为明显，其中BP模型精度更高且更为稳定。

关键词： 土压平衡盾构   砾砂地层   渣土改良   坍落度试验   机器学习  

摘要： 在砾砂地层中掘进时，渣土改良效果是影响盾构掘进效率的关键因素。通过坍落度试验研究了泡沫、膨润土泥浆和高分子聚合物对改良土体流塑性的影响。以试验结果作为数据样本集，采用SVR,KNR,RFR和BPNN等常用机器学习方法构建了土体坍落度的预测模型，并将预测值与实际值进行了对比分析。研究结果表明：（1）泡沫对砾砂渣土流塑性的改良效果较好。（2）对于高含水率的砾砂地层，应使用高黏度的膨润土泥浆或PAM溶液进行改良，以起到保水增黏、防止喷涌的目的。（3）对比SVR,KNR和BPNN模型，RFR模型在预测时的性能表现最佳，能够更准确地预测改良渣土的坍落度，并且对模型进行了可解释性分析。

关键词： 肾细胞癌   人工智能   病理图像分析   计算机辅助诊断  

摘要： 鉴于人类视觉的局限性和认知的主观性,传统的病理切片判读既耗时又费力,且不同阅片者之间的判读结果可能存在显著差异。随着医疗技术的不断进步,肾细胞癌(renal cell carcinoma,RCC)的诊断分型、风险评估、治疗管理等已取得显著进展,但在准确性和一致性方面仍存在挑战。近年来,随着人工智能(artificial intelligence,AI)在图像分析领域能力的增强以及数字化病理切片的普及,越来越多的研究尝试将深度学习算法和图像分析技术应用于RCC的病理诊断和临床辅助决策。

关键词： 辊弯成形   金属板材成形   有限元分析   智能制造  

摘要： 辊弯成形是一种节材、节能、高效的金属板材成形工艺，在建筑行业、汽车制造、轨道交通等诸多领域得到了广泛应用。目前辊弯成形技术以传统等截面形状的产品生产与研究为主，但工业4.0的到来对辊弯成形的未来发展提出了新的要求与趋势，为提高辊弯成形适用范围，满足更高的产品要求，变截面柔性辊弯成形、热辊弯成形等技术得到发展与研究；更加高效、精密、灵活的辊弯成形设备也随着前沿技术的深入研究应运而生。对辊弯成形技术的理论研究、工艺研究、前沿技术、装备发展以及智能制造方面进行国内外研究与发展现状综述，并提出了辊弯成形近年来在各应用领域的前沿进展，指出未来辊弯成形关键问题与突破点。

关键词： 真实世界数据   机器学习   舌象与年龄相关性   舌象与性别相关性  

摘要： 目的 借用真实世界健康人舌象数据验证舌象特征与年龄及性别的相关性。方法 采用人工智能图像采集技术和机器学习工具实现模型的建立、训练及验证。结果 （1）人工智能实现了对中医舌诊资料的数据化与标准化，建立了中医舌诊数据库（n=56573）。（2）高准确度的随机森林模型说明了舌象特征与性别、年龄的相关性。（3）进一步筛选出舌象特征在不同年龄段和性别之间的差异的关键因素。（4）训练、测试并验证了机器学习人工神经网络模型（训练集R2=0.8772，验证集R2=0.8715，测试集R2=0.8707,AUC=89.5%），具有良好的性能。结论 经机器学习验证在真实世界数据中随年龄的变化，舌象特征会随之改变。此外真实世界大样本量数据发现性别的差异会有不同的舌象特征。

关键词： 双相障碍   自杀预测   随机森林   人工神经网络   机器学习  

摘要： 目的 通过构建基于随机森林和人工神经网络的机器学习模型，建立双相障碍患者的自杀行为预测模型，为患者提供自杀预防和干预的临床决策支持。 方法 2020年1月至2023年8月，选取1 005名双相障碍患者作为研究对象，收集其一般临床资料和社会功能缺陷、焦虑、抑郁评分。运用随机森林算法进行特征选择，并以此构建人工神经网络模型，最终对模型拟合效果及模型预测性能进行评估。 结果 双相障碍患者的自杀尝试组( n ＝293例)、自杀意念组( n ＝332)和无自杀组( n ＝380)在社会人口学特征、生理和心理因素上均差异有统计学意义( P <0.05)。利用随机森林法筛选出文化程度、年龄、游离三碘甲状腺原氨酸(FT3)、认知障碍、绝望感和精神性焦虑6个特征作为主要预测变量。构建人工神经网络模型，其模型预测性能精确度为79.3%，召回率为79.6%，F1分数为79.4%，测试集的AUC为0.89，显示预测模型具有较高的准确度和区分度。 结论 本研究构建的基于机器学习的双相障碍患者自杀行为预测模型，具有较高的准确度和区分度，为双相障碍患者自杀行为的预防和干预提供决策依据。