关键词： 人工智能   腰椎间盘突出症   深度学习   机器学习   大数据   机器人   工程化组织构建  

摘要： 背景：近年来人工智能技术越来越多地被用于腰椎间盘突出症的诊治，提高了腰椎间盘突出症诊断的准确率及效率，丰富了腰椎间盘突出症的治疗手段，成为研究焦点。目的：从诊断与治疗角度全面展现人工智能在腰椎间盘突出症中的应用现状，分析相应技术的局限性。方法：应用计算机检索PubMed、中国知网、万方数据库及维普数据库建库至2024年8月发表的关于人工智能在腰椎间盘突出症诊治中应用的相关文献，英文检索词为“Lumbar Disc Herniation,Artificial Intelligence,Machine Learning,Deep Learning,Big Data,Robot,Neural Network,Model,Algorithm”，中文检索词为“腰椎间盘突出症，人工智能，机器学习，深度学习，大数据，机器人，神经网络，模型，算法”，按入组标准梳理最终筛选出101篇文献进行综述。结果与结论：人工智能的不同技术推动了腰椎间盘突出症的智能化治疗，在未来的发展中凸显出巨大潜力。深度学习技术基于先进的算法，通过相应学习模型的构建对X射线片、CT及MRI影像进行优化处理，实现对退变腰椎间盘的精确定位、识别与分析，提高了自动化诊断的精度。大数据技术利用数据平台，通过分析海量医疗数据模拟疾病发展趋势，为病情评估与预测提供了新的视角。手术机器人结合机械臂、3D高清视觉系统及5G通信技术为远程精确手术操作提供支持，展现显著的技术优势。未来人工智能对腰椎间盘突出症的诊治将通过算法的持续优化和数据平台的专业化发展，推动诊治手段向规范化、高效化、精准化方向演进。

关键词： 检验医学   医疗决策系统   人工智能   检验组学   医疗数据   医学教育  

摘要： 基于人工智能的医疗决策系统能够显著加快医疗决策过程并提升其准确性,然而,该系统在个性化医疗和医疗数据采集方面仍面临挑战。文章从基于人工智能的检验组学和多维度数据采集两方面入手,探讨了解决这些问题的可能途径,并总结了利用检验组学和多维度数据采集推动智能医疗决策系统发展的成果,以及存在的瓶颈问题。此外,文章还分析了人工智能在医学教育中的应用前景及其对提升整体医疗决策水平的潜在作用。

关键词： 润滑油   基础油   分子数据库   机器学习   强化学习   随机森林  

摘要： 基于从分子层面更理性化指导润滑油品改性实验、构建充分详实的基础油分子结构和物性数据库的目的，采用了一种结合机器学习和强化学习的润滑油矿物型基础油分子集生成方法，按个性化地生成满足目标结构或性质要求的理想分子集。通过利用随机森林模型快速预测分子物性和神经网络模型智能探索分子化学空间的双重优势，该方法能够在数小时内生成数千个满足设计要求的基础油分子，并且可同时考虑熔点、沸点、油品黏度、分子结构等多方面的设计需求，针对油品数据库构建时探究理想分子组成和辅助油品分子表征2种应用场景，分别通过以探究理想分子组成为目的的基础油分子生成和以辅助分子表征为目的的基础油分子生成2个案例来说明提出的技术路线的可行性和有效性。

关键词： 激素性股骨头坏死   衰老   WGCNA分析   机器学习   免疫浸润分析   实验验证  

摘要： 背景：激素性股骨头坏死与衰老紧密相连，但调控靶点和机制尚不明确。通过生物信息学联合机器学习分析并加以实验验证，确定细胞衰老介导激素性股骨头坏死发生发展的关键基因，将为激素性股骨头坏死的防治提供新思路。目的：使用生物信息学分析筛选激素性股骨头坏死的衰老核心基因并进行实验验证，以探讨其作用机制。方法：从GEO数据库的GPL15207平台获取了GSE123568数据集，其中包含了30名激素性股骨头坏死患者与10名健康对照的外周血清样本基因表达谱；从CellAge数据库获取了279个细胞衰老相关基因的数据。对激素性股骨头坏死基因谱进行差异分析及加权基因共表达网络（WGCNA）分析，两者与衰老相关基因取交集再取并集得到激素性股骨头坏死衰老潜在基因，并进行GO和KEGG富集分析。机器学习方法筛出枢纽基因，构建Nomogram模型，进行共识聚类及免疫浸润分析。最后收集临床股骨头样本通过qPCR及Western blot方法进行验证。结果与结论：（1）共获得41个潜在基因，主要富集在衰老及氧化应激反应等生物过程，以及FoxO、肿瘤坏死因子信号通路中；（2）机器学习鉴定后得到枢纽基因过氧化氢酶、结缔组织生长因子、叉头框蛋白O3、胰岛素受体底物2和丝裂原活化蛋白激酶激酶11,Nomogram模型预测能力良好；（3）共识聚类分析将患者分为a,b和c共3组，过氧化氢酶、叉头框蛋白O3、胰岛素受体底物2和丝裂原活化蛋白激酶激酶11在3个分子亚型之间表达存在差异（P <0.05），免疫浸润结果显示活化CD4+T细胞、活化CD8+T细胞、嗜酸性粒细胞等免疫细胞的丰度在3个分子亚类中存在差异（P <0.05）；（4）qPCR和Western blot结果显示，激素性股骨头坏死组过氧化氢酶、结缔组织生长因子、叉头框蛋白O3和丝裂原活化蛋白激酶激酶11比对照组表达降低（P <0.05），胰岛素受体底物2的表达升高（P <0.05）；（5）上述结果证实，通过结合生物信息学与机器学习深入分析，并进一步实验验证，最终确定了5个激素性股骨头坏死衰老相关枢纽基因，分别是过氧化氢酶、结缔组织生长因子、叉头框蛋白O3、胰岛素受体底物2及丝裂原活化蛋白激酶激酶11，这些基因可能通过调控细胞衰老过程为未来激素性股骨头坏死的预防和治疗提供潜在的分子靶点。

关键词： 人工智能   移动边缘计算   计算资源有限   资源调度   联盟结构生成   深度强化学习  

摘要： 边缘服务器往往需要在资源有限的情况下通过组建联盟的方式协同执行任务，考虑服务器的资源利用率随任务执行而动态变化的特性，如何确保任务能够尽快完成的同时减少重构联盟耗费的成本是一大难点。针对上述问题，提出了一种基于双重深度Q网络优化的联盟结构优化策略。首先，以最大化完成任务的效率以及最小化构建联盟成本为优化目标，通过定义状态空间、动作空间和奖励函数，将问题建模为引入成本的马尔可夫决策过程（CT-MDP）。其次，针对CT-MDP中高维状态空间下易出现Q值过高估计的问题，提出一种基于双重深度Q网络的轻量化最优联盟结构搜索算法，通过两套独立的Q网络以减少更新过程中的正向累计误差。为满足边缘设备在训练过程中对资源占用率的严格要求，对激活函数进行优化以降低训练模型对存储资源的需求。最后，通过仿真实验将所提算法与Q-learning、DQL、Dueling DQN等算法进行比较分析；结果表明，本文方法具有良好的收敛性和稳定性，且在联盟构建成本与资源占用率方面分别降低了20.36%与12.12%，证明了该方法的有效性。

关键词： 巨龙铜钼矿   隐式建模   机器学习   成矿预测  

摘要： 三维成矿预测打破了传统二维预测图件的限制，可以将地学信息在真三维空间中直观的表达出来，因此受到人们越来越多的关注。三维地质建模和成矿预测方法是三维成矿预测过程中非常重要的步骤，但是随着地质数据采集方式的多样化，地质数据来源的多样性，地质数据也逐渐具备了大数据的特征，传统的显式建模方式和成矿有利信息提取方法受到了诸多限制，主要体现在不能有效的对三维模型进行实时更新和对大量地质勘查数据的分析与处理。为了提出针对该类问题的一种有效解决方案，笔者选择西藏巨龙超大型斑岩铜钼矿床为研究对象，利用隐式建模方法构建矿区三维地质–地球化学模型，并通过机器学习算法对成矿有利信息进行提取、分析，最后对潜在的有利成矿空间进行预测。建模结果表明，隐式建模方法可以通过插值函数获得整个空间的地质体数据，三维地质体曲面重建算法可以对地质体数据进行三维建模与可视化，自动生成三维可视化模型。隐式建模大大降低了显示建模中人机交互圈定地质界线的繁琐过程，可以实现三维模型的快速动态更新，而且隐式建模在更大程度上能够精确反应地下深部地质体的空间分布特征。成矿预测主要基于三维地质–地球化学模型提取深部有利成矿信息，构建训练集和测试集，利用有监督的机器学习模型（逻辑回归模型、支持向量机模型、人工神经网络模型、随机森林模型）进行训练。训练后的模型对测试集进行预测，并将预测结果绘制成ROC曲线进行预测结果评估。评估结果显示，4个不同预测模型的AUC值都大于0.6，说明所训练的模型预测精度是优于随机过程的，其中随机森林算法的AUC值最大（0.97），模型预测效果最优。本文选择随机森林模型对矿床深部进行预测，圈定了2个找矿靶区。经过钻探验证，靶区B潜在资源与预测结果相符，证实了该方法具有一定的科学性与可行性。

关键词： 船舶设计   人工智能   减阻   船型优化   多保真深度神经网络   数据融合   迁移学习  

摘要： [目的]为了提高优化效率并获得更好的优化结果，将不同精度数据进行有机融合，利用多保真深度神经网络开展船型优化设计。[方法]基于多源数据融合和迁移学习思想，构建了一种多保真深度神经网络。通过将大量低保真数据与少量高保真数据融合学习，构建与高保真数据之间的线性项和非线性项，得到高保真近似模型。基于此方法开展针对DTMB 5415船静水阻力的优化设计。分别采用势流和黏流样本点阻力进行评估，势流计算结果作为低保真数据，黏流计算结果作为高保真数据,构建多保真深度神经网络近似模型。借助遗传算法获得优化解并与只使用单一高保真数据构建的Kriging近似模型的优化结果进行对比。[结果]基于多保真神经网络方法，DTMB 5415阻力减少了6.73%。基于Kriging模型，DTMB 5415阻力减少了5.59%。[结论]多保真深度神经网络近似模型可以兼顾效率和精度，可以用于优化求解，且由其得到的优化船型阻力优化效果更为显著。

关键词： 不平衡数据   轨道角动量   机器学习   粒子群优化算法   极限学习机  

摘要： 针对标签分布不平衡的轨道角动量(OAM)识别问题，提出了基于粒子群优化(PSO)的加权极限学习机(WELM)分类模型。该模型利用PSO对WELM的输入权重和偏置进行联合优化，提高了WELM的稳定性和鲁棒性。并将PSO-WELM和支持向量机、深度学习算法、反向传播人工神经网络进行了对比，结果表明：PSO-WELM在较弱湍流强度下能够完全正确识别少数类、多数类OAM光束；在中等湍流强度下，PSO-WELM的各项评价指标值均优于对比方法。证明了该模型在识别不平衡状态OAM光束方面具有可行性和有效性。

关键词： 专家知识   机器学习   事故诊断   模型融合  

摘要： 核反应堆事故诊断是事故处理过程中最为重要的一步，诊断结果直接决定了事故的处置策略。本文提出了一种融合专家知识与机器学习算法的核反应堆事故诊断方法，该方法在已有的成熟的专家知识基础上，引入机器学习诊断算法，实现两类方法优势的叠加和劣势的互补：在专家知识诊断方面，采用基于征兆导向的事故诊断方法，形成征兆导向专家知识库，并形成基于专家知识的事故诊断功能模块；在基于机器学习算法的事故诊断方面，采用极端梯度提升（XGBoost）算法、线性支持向量机（SVM）算法、深度前馈网络（DFN）以及长短期记忆（LSTM）算法建立了事故诊断模型，并利用投票机制算法对各类算法进行融合，形成了机器学习智能诊断模块。在此基础上，本文提出了以专家知识诊断模型为主，机器学习智能诊断为辅的诊断模型，并利用“华龙一号”蒸汽发生器传热管破裂（SGTR）事故进行了验证，证明了该方法的合理性。

关键词： 国家会议中心   智能制造   赋能   智能化发展   制造业   核心议题   发布会   母机  

摘要： 11月20日,北京精雕科技集团有限公司主办的北京精雕工业母机创新价值发布会在国家会议中心成功举办.本次发布会以"智以成器,软鉴未来"为主题,聚焦未来智能制造发展趋势,分享工业母机对于智能制造的创新价值及赋能路径,并邀请政府有关部门领导、行业伙伴、典型用户和媒体代表参会.