关键词： 扎根理论   医学教育   核医学   人工智能   ChatGPT  

摘要： 目的 探讨ChatGPT在核医学课程学习及教学中的应用优势因素。方法 采用质性研究思路，借助扎根理论方法，通过线下面访和线上访谈收集数据，运用NVivo14.0软件对访谈文本进行三级编码。结果 提出ChatGPT在核医学教育领域中存在的指导课程知识学习、辅助课程理论教学、营造科研学术氛围、加强临床实践能力、平衡教育资源不均，以及提高医学人文素养六大优势因素，其中指导课程知识学习和加强临床实践能力两大优势因素最受关注，被提及的频繁程度分别为29%和21%。结论 ChatGPT在核医学教育领域的应用优势展现在学生自主学习、教师教学辅助，以及社会医学人文3个层面，为高等医学教育的高质量发展带来了巨大的机遇和挑战。

关键词： 固定翼无人机   着陆回收   钩索成功率   DQN   人工智能  

摘要： 使用拦阻索回收无人机时，钩索成功率是评估其回收安全性与可靠性的关键指标之一。针对无人机回收区域受限的情况下如何提高钩索成功率这一问题，本文提出了一种无人机主动捕捉拦阻回收方法，通过在车载移动平台的拦阻系统在人工智能计算结果的引导下主动移动至最佳钩索位置来提高无人机的钩索成功率。首先，建立无人机着陆回收拦阻动力学模型来计算钩索失效边界，使用支持向量机（SVM）方法对动力学仿真结果进行识别，并生成无人机钩索分析代理模型。然后，将移索过程简化成马尔可夫决策过程，使用移索装置模型作为训练环境，六自由度无人机着陆下滑模型生成数据集，钩索分析代理模型构成奖励函数，采用深度Q网络（DQN）训练得到能够实时计算并引导拦阻装置向最佳钩索位置主动调整的移索策略。仿真结果显示，在回收空间受限的情况下，与传统被动式拦阻回收方法相比，使用主动捕捉拦阻方法钩索成功率提高了29%。该方法有效提高了无人机着陆回收的安全性和可靠性，为智能化回收技术的发展提供了新的理论支持和实践方案。

关键词： 人工智能   慢性疾病   CiteSpace   可视化分析   文献计量学  

摘要： 目的 应用CiteSpace可视化分析人工智能在慢性疾病中的应用研究现状，并探讨该领域热点研究与演变进程。方法 以WebofScienceCoreCollection(WOSCC) IndexExpanded(SCI-Expanded)数据库（WOSCC SCI-Expanded 数据库）为数据来源，利用布尔逻辑运算符“AND”“NOT”“OR”进行主题词检索，通过CiteSpace软件可视化分析人工智能在慢性疾病中的应用研究相关信息，包括发文量、国家、机构、作者、关键词共现/聚类/突现等主题热点，并绘制科学图谱。结果 共检索出1302篇文献，符合标准的1243篇纳入统计分析。自2018年以来，人工智能在慢性疾病领域的研究呈明显逐年显著增长趋势。其中美国发文量最多，其哈佛大学和加州大学是发文量最多的机构。其中目前该领域尚缺乏核心的研究作者，且作者间的合作紧密度不高。热点研究疾病主要集中在成人心脏、肺脏、肾脏、内分泌代谢等方面，既往以干预治疗为主，逐渐过渡到精准医疗、决策支持、管理、心理健康、移动医疗保健等。结论 人工智能在慢性疾病中的应用研究目前仍是热点研究方向，本文为该领域研究提供了一定参考。

关键词： 小麦   生物育种   文献计量分析   VOSviewer   潜在狄利克雷分配(LDA)   机器学习  

摘要： [目的] 分析全球小麦Triticum aestivum生物育种研究进展，揭示其研究主题、核心知识元素和前沿热点，为小麦育种的理论研究和学科发展提供参考。[方法] 从Web of Science (WoS)核心合集数据库检索2013—2024年全球小麦生物育种研究领域发表的文献，利用文献计量学方法分析该领域的发文量、学术影响力、发文主体等，利用VOSviewer生成国家合作网络和关键词共现网络，利用机器学习算法潜在狄利克雷分配(LDA)分析文献摘要，建立语言模型，识别研究主题。[结果] 2013年以来全球小麦生物育种研究的科研产出大幅增加，共发表文献16 151篇。中国是全球在该领域发文最多的国家，其次是美国。关键词共现图谱显示，产量、数量性状位点、全基因组关联分析、干旱胁迫、基因表达、单核苷酸多态性是小麦生物育种研究的热点，而规律间隔成簇短回文重复序列(CRISPR)、基因组编辑、高通量表型分析、无人机、机器学习等是近年来兴起的研究领域。LDA分析结果显示：小麦生物育种可大致分为5个研究领域，包括遗传定位、基因组和育种、生物逆境、非生物逆境和产量形成。其中，小麦锈病、数量性状位点定位、面粉品质、干旱、基因组等是高度关注的研究主题。[结论] 未来小麦生物育种需要充分利用包括组学、自动表型、人工智能、基因编辑、基因组育种等现代生物技术和信息技术，发掘和利用重要基因，开展智慧育种。图4表2参25

关键词： 硅基光电子   光电集成   光电计算   光互连   人工智能  

摘要： 在后摩尔时代的今天，以小型化和集成化为显著特征的微电子系统和以大传输容量为优势的光电子系统均已接近发展的极限。硅基光电子(Silicon Based Optoelectronics,SBO)芯片得益于成熟的CMOS工艺，能将微电子系统与光电子系统大规模地集成在一个硅衬底上，是满足信息系统在小型化、功能化、大规模以及低功耗等发展需求的最佳解决方案之一。本文从信息技术的基本要素出发，简述微电子、光电子的发展历程，论证SBO技术的必然性及其对信息系统小型化的关键赋能作用，并进一步阐述其近年来取得的一些重要进展，分析在大算力需求背景下的光互连、光电传感和光电计算这三个典型应用，以期为相关领域的研究人员提供有价值的参考，推动SBO技术在信息技术发展中的进一步探索与应用。

关键词： 可解释   人工智能   算法解释  

摘要： 可解释是建立人工智能系统信任的关键要素之一,如何实现人工智能系统可解释、提升系统在不同场景下的可解释性,已随人工智能技术的发展而日渐受到关注。人工智能可解释性的实现面临必要性质疑和可行性困境,需要在明确人工智能可解释制度效能的基础上,突破设定解释义务的单一路径,进行体系化、层次化、动态化的制度建构。在人工智能立法中嵌入人工智能可解释的基本原则,应当区分监管模式、使用者模式、专业模式下的可解释性义务要求,并建立对解释进行评估监管的具体方案,以促进人工智能可解释的实现,迈向可监管、可维权、可创新的人工智能。

关键词： 人工智能   数据治理   数据政策   数智转型  

摘要： 文章从政策制定情况、政策内容要点、政策内容地区分布等方面梳理与分析我国面向人工智能的数据治理政策体系的构建情况。研究发现：我国面向人工智能的数据治理政策从国家到地方得到不同程度的制定，总体涉及数据主体、数据对象、数据全生命周期管理、数据保障等不同方面，进一步从凸显数据视角专题政策构建、强化数据专业要求的政策内容扩充、完备多元共进的央地政策协同等方面讨论政策体系的优化方向。

关键词： 针刺   机器学习   人工智能  

摘要： 机器学习在针刺处方优化、智能治疗、精准医疗领域应用日益广泛，并取得一定成果。然而相关研究仍存在模型可解释性较差、针刺研究数据集质量参差不齐、所构建模型在临床实际应用中难以落地等亟待解决的问题。因此，未来研究应以获取高质量临床及实验数据集为中心，以各类机器学习算法为抓手，着力构建解决各类针刺领域问题的专业模型，推动针刺领域研究的高质量发展。

关键词： 人工智能   AI新创企业   最优区分   场景驱动创新   资源编排   新质生产力  

摘要： 培育具有竞争力的人工智能（AI）企业，已成为落实“人工智能+”战略，加快发展新质生产力的关键。但相较于一般新创企业，AI新创企业处于新兴场域，且面临着数据资源获取难、算力基础设施缺乏、算法基础研究薄弱等新兴困境，更容易陷入短期内合法性难获取、中长期独特性难建构从而制约其持续发展的“创业魔咒”。最优区分理论为AI新创企业“求同存异”突破困境提供新视角，但鲜有学者关注AI新创企业实现最优区分、持续发展的机理。同时，由ChatG PT引发的新一轮AI大模型创业方兴未艾，但多数AI新创企业面临大模型能力复用差、场景应用能力弱、自我造血能力缺失等瓶颈，关键在于没有面向真实场景开展资源编排，难以驱动多元创新要素与情境要素整合共融，从而制约企业获取合法性与建构独特性。本文以典型的场景驱动型AI新创企业微言科技为例，通过纵向单案例研究发现：场景驱动助力AI新创企业实现最优区分、持续发展的动态过程经历了单场景探索、多场景并行和跨场景协同三个阶段，最优区分机制相应地由补偿协奏到耦合协奏并向裂变协奏演化。在最优区分实现过程中，AI新创企业面向特定场景有效编排资源，遵循“拼凑资源探索典型场景—捆绑资源拓展场景链—撬动资源构建场景生态”的演进规律，能推动资源向能力快速转化。本文揭示了AI新创企业如何应用场景驱动策略实现最优区分的动态过程机理，拓展了最优区分理论的应用边界，丰富了场景驱动创新与资源编排研究，为AI新创企业破解“创业魔咒”和国家加快“人工智能+”行动落地提供启示。

关键词： 临床决策   预后模型   机器学习   随机森林   不良心血管事件  

摘要： 目的 本研究旨在建立一种利用机器学习识别冠状动脉慢性完全闭塞病变介入治疗（Chronic Total Occlusion Percutaneous Coronary Intervention,CTO-PCI）术后主要不良心血管事件（major adverse cardiovascular event,MACE）危险因素的临床预测模型。该模型可增强临床决策能力。方法 纳入2018～2021年在西京医院经皮冠状动脉介入治疗(percutaneous coronary intervention,PCI)的冠状动脉慢性完全闭塞（Chronic Total Occlusion,CTO）患者843例。患者数据包括基本信息、病史、住院MACE事件、术前检查和干预细节。对所有患者进行为期一年的随访，记录患者MACE事件。患者被分为训练(80%)和验证(20%)数据集。使用最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator,lasso）回归筛选变量，训练了共计10个机器学习模型并进行5倍交叉折叠验证，最终选择随机森林方法进行预测模型构建。采用接受者操作特性曲线（receiver operating characteristic curve,ROC）、决策分析曲线（Decision Curve Analysis,DCA）和布里尔评分（Brier Score,BS）评估模型性能。并使用特征重要性分析和SHapley Additive exPlanations(SHAP)值依赖图，详细解释关键特征对模型预测结果的贡献和影响。结果 根据lasso回归分析结果，共计纳入16个预测变量进行模型的构建，其中，随机森林模型在所有构建的模型中表现最佳，ROC曲线下面积（AUC）为0.759,BS为0.120，特征重要性分析显示，红细胞计数（RBC）、D-二聚体（D-Dimer）、血小板计数（PLT）、手术时间（Operation Time）和年龄（Age）是预测CTO-PCI患者术后一年内发生MACE事件的关键特征。SHAP值依赖图进一步揭示了这些特征对模型预测结果的具体影响。结论本研究成功构建了一个用于预测CTO-PCI患者术后一年内发生MACE事件的随机森林模型，该预后模型成功识别了cto-pci术后高危患者，有助于临床决策并降低MACE风险。