关键词： 人工智能   腺癌   肺结节   量化分析   病理分级  

摘要： 目的 探讨人工智能（artificial intelligence,AI）量化参数鉴别临床Ⅰ期浸润性腺癌（invasive adenocarcinoma,IAC）病理分级的应用价值。方法 回顾性分析2018年10月—2023年5月烟台山医院收治IAC患者的临床资料。依据2021年WHO肺腺癌病理分级标准，将267例IAC分为Ⅰ级48例、Ⅱ级89例和Ⅲ级130例，比较各组间参数的差异，并采用logistic回归分析评估AI量化参数对Ⅲ级IAC的预测效能。通过LASSO回归分析筛选参数，并基于这些参数构建三种机器学习模型来预测Ⅲ级IAC，并进行内部验证以评估其效能，用列线图进行可视化描述。结果 共纳入261例IAC患者的临床资料，其中男101例、女160例，年龄27～88(61.96±9.17)岁。6例为双原发病灶，且同一患者的不同病灶作为独立样本进行分析。（1）三组组间比较：实性成分占比（consolidation/tumor ratio,CTR）、长径、短径、恶性概率、CT平均值、CT最大值、CT最小值、CT中位值、CT标准差、峰度、偏度和熵等参数差异均有统计学意义（P<0.05）;(2)两组组间比较：将Ⅰ级和Ⅱ级合并，与Ⅲ级进行单因素分析，结果提示除了年龄外，其余变量差异均有统计学意义（P<0.05）。多因素分析提示CTR和CT标准差是鉴别Ⅲ级IAC的独立危险因素，两者呈负相关。（3）病理特征的比较：Ⅰ级无淋巴结转移，Ⅱ级有2例发生淋巴结转移且均伴有微乳头成分，Ⅲ级有19例发生淋巴结转移。Ⅲ级IAC有更晚的TNM分期、更多的病理高危因素、更高的淋巴结转移率和高级别结构占比。（4）相关性分析：在所有患者中CTR与高级别结构占比呈正相关。在Ⅲ级中两者呈正相关，而在I级与Ⅱ级中无相关性。（5）采用LASSO回归分析筛选出CTR和CT中位值2个参数，分别构建并验证logistic、随机森林和XGBoost模型。其中，XGBoost模型预测效能最佳。结论 当CTR>39.48%、CT标准差<122.75 Hu时，需警惕为Ⅲ级IAC。基于联合CTR和CT中位值构建XGBoost模型对Ⅲ级IAC有较好的预测效果，有助于临床医师做出个性化的临床决策。

关键词： 地浸采铀   机器学习   砂岩型铀矿   岩性识别   测井数据   SMOTE-LSTM模型   XGBoost模型  

摘要： 机器学习算法可从大量地质数据中自动学习和提取特征，进而实现对岩性的快速准确识别。以内蒙古某砂岩型铀矿区为研究对象，将数口井的测井数据随机划分为训练集和验证集，通过调整模型结构和优化超参数进行训练，利用BC1401、BC2802、BC4603和BC7206等4口井进行测试，实现对随机森林、XGBoost、K值邻近算法、BP网络和SMOTE-LSTM算法等模型应用效果的对比。分析结果显示，SMOTE-LSTM模型应用的稳定性和准确度最优，准确率为84.6%。

关键词： 高光谱成像   机器学习   石质文物   风化赋存环境   无损检测  

摘要： 石质文物是人类历史与文化的珍贵载体，而风化问题正在严重威胁着石质文物的长久保存。确定其主要风化赋存环境，对于制定相应保护措施具有重要意义，但目前仍难以实现风化环境的无损、非接触式判定。鉴于此，本文提出了一种基于高光谱成像技术的风化赋存环境评价方法。首先利用高光谱成像技术，采集了不同环境风化砂岩的可见光–近红外（VNIR）和短波红外（SWIR）光谱数据；采用标准正态变化（SNV）和多元散射校准（MSC）对光谱进行预处理，并通过主成分分析进行光谱特征降维；随后，采用多种机器学习及深度学习算法建立石质文物风化赋存环境分类模型。结果表明，基于SNV预处理的光谱数据建立的分类模型，整体上具有更高的准确率。同时，深度学习模型表现优于传统机器学习模型，最高准确率达到0.98。本文提出的方法能够实现石质文物风化赋存环境的快速、非接触评估，为针对性的文物保护工作提供重要支持。

关键词： 肺结节   电子鼻   机器学习   中医证素   呼气图谱  

摘要： 目的 探究电子鼻联合机器学习对肺结节良恶性及中医证素的呼气图谱辨识效能。方法 研究设计为单中心观察性研究。收集2023年4月—2024年3月期间就诊于成都中医药大学附属医院心胸外科住院部108例肺结节患者的一般资料及四诊信息，通过证素辨证的方法分析患者中医病位、病性分布特点，运用Cyranose 320电子鼻采集口腔呼气的气味图谱，基于随机森林（random Forest,RF）、K最近邻（k-Nearest Neighbor,KNN）、逻辑回归（logistic Regression,LR）、支持向量机（support Vector Machine,SVM）、极端梯度提升（e Xtreme Gradient Boosting,XGBoost）5种机器学习算法辨识肺结节良恶性及不同中医证素的呼气图谱。结果 （1）肺结节常见病位证素从高到低依次是肝、肺、肾；常见病性证素从高到低依次是阴虚、痰、湿、气滞、血虚。（2）电子鼻联合RF算法对肺结节良恶性呼气图谱辨识效能最佳，受试者工作特征曲线下面积（AUC）为0.91，准确度为86.36%，特异度为75.00%，灵敏度为92.85%。（3）电子鼻联合RF、LR或XGBoost算法能较好辨识肺结节不同病位、病性证素，其分类准确度、特异度及灵敏度普遍达80.00%以上。结论 电子鼻联合机器学习不仅具备鉴别肺结节良恶性的潜力，亦可为肺结节中医客观化病证诊断提供新技术与新方法。

关键词： 润滑   层状材料   环境作用   第一性原理计算   机器学习  

摘要： 以层状材料为代表的固体润滑涂层如石墨、二硫化钼（MoS2）等具有极低的摩擦因数和磨损速率，是当前优异的润滑材料。但是，摩擦作为典型的表界面过程，固体润滑涂层的性能在很大程度上会受到所处环境的影响，例如湿度等。由于试验方法在原位实时检测摩擦界面动态演变过程时会遇到极大的技术挑战，理论计算研究在揭示材料润滑行为和机制中起到越来越重要的作用。从经典的理论摩擦分析模型出发，在回顾这些模型构建思路的基础上，总结目前常用的原子级理论研究方法，包括经典分子动力学模拟、第一性原理静态势能面计算以及第一性原理分子动力学（AIMD）模拟。并且强调量子力学方法（第一性原理计算）在探索涉及复杂电子相互作用摩擦问题时不可替代的重要作用，由此基于自由能微分提出一种有效的AIMD模拟方法来精确模拟界面滑动过程，从而揭示摩擦性能演变的电子级起源。该方法还可以很好地机器学习力场加速，大幅增加模拟尺度并减少模拟时间。研究结果对理论模拟方法的总结和展望将有助于未来更好地探索材料在复杂环境下的微观润滑机制，并指导设计高性能润滑涂层。

关键词： 油井   采油   抽油机井   动液面   预测模型   机器学习   皮尔逊相关系数   神经网络  

摘要： （目的意义）为解决抽油机井动液面传统人工测试方法劳动强度大、测试频次低、测试成本高等问题，（方法过程）文章利用皮尔逊相关系数分析方法，分析了29项抽油机井自动采集特征参量与实测动液面的相关性，确定了13项主控特征参量；应用XGBoost、LightGBM及BP神经网络等机器学习方法，分别创建了抽油机井动液面预测模型，通过对三种模型输入13项主控特征参量，评价了三种模型的动液面预测结果，发现单一预测模型无法适应全部抽油机井，因此建立了基于上述三种预测模型的变权重组合模型。（结果现象）长庆油田现场多轮次应用显示：与传统人工测试方法对比，平均相对误差在5%以内，测试效率提升15万倍以上，劳动强度降低90%以上，测试频次高出2000多倍，测试成本降低96%。（结论建议）变权重组合动液面预测模型切实解决了传统人工测试方法劳动强度大、测试频次低、测试成本高等问题，为国内油田动液面测试提供了新思路。

关键词： 工业烟气   脱硝技术   人工智能   大数据   优化控制  

摘要： 随着工业发展和环保要求的提升，氮氧化物(NOx)排放的控制成为大气污染治理的重要议题。传统的选择性催化还原（SCR）等脱硝工艺虽然已经较为成熟，但大多仍采用粗犷的人工控制或精细化程度较低的自动、半自动化控制方式，存在排放波动大、资源消耗大、劳动强度大等诸多缺陷。近年来，随着人工智能、机器学习及大数据分析等技术的飞速发展，智能化技术逐步被引入到工业烟气SCR脱硝过程控制中用以克服传统控制方式的不足，取得了一定的成效。本文综述了近年来烟气脱硝过程智能控制模型的研究进展，重点介绍了基于大数据、人工智能、机器学习等先进技术的烟气脱硝优化控制方法；通过对BP神经网络、深度学习（如LSTM、CNN）等方法进行NOx浓度预测和脱硝控制优化以及通过优化BP神经网络（如结合灰狼算法、粒子群算法等）的研究进行综述，并对基于PID的模糊控制与二自由度策略等自适应控制模型的应用进行分析，探讨脱硝过程智能控制技术在工业中的应用现状及面临的挑战；最后，展望了脱硝过程智能控制技术未来的发展趋势与研究方向，以期为工业烟气污染治理提供参考。

关键词： 无线网络安全   无线设备身份识别   物理层特征指纹   信道状态信息   机器学习  

摘要： 近年来无线网络在医疗、工业、教育、军事等领域得到广泛的应用，但同时也面临着更大的安全威胁。传统的密码学验证存在一系列问题，包括计算资源有限、量子计算威胁和身份验证信息易篡改等。为解决此类问题，提出了一种基于物理层信息的设备指纹验证方案，该方案利用基于CSI（Channel State Information）的指纹特征进行设备识别，防止恶意WiFi连接。该方案综合考虑了静止设备和可移动设备两种不同终端状态时的情况，旨在解决终端识别精度低和稳定性较差的问题。对于静止设备，认证情况的干扰较少，采用CSI幅值信息矩阵作为认证指纹；对于移动设备，由于CSI信息会随设备的移动而发生变化，直接提取指纹信息不再适用，通过提取I/Q相位误差构建特征指纹进行设备识别。采用自主设计的OSCL、IFCL模型分别对两种方案构建的指纹进行训练，实现了对目标设备的识别。在静止设备识别中，准确率达到99%；在移动设备识别中，准确率达到74%。该方案可以起到对基于密码学的设备识别方案很好的补充作用，同时训练阶段仅使用正向数据对模型进行训练，很好的解决了异常设备指纹信息不可预测的情况。

关键词： 人工智能   医疗健康   智慧医疗   精准医疗   医学伦理   跨学科融合  

摘要： 本综述全面审视了人工智能（AI）在医学领域的多维应用现状、面临的挑战及未来发展方向，总结了AI在基础医学研究、疾病预防、智能诊断、治疗、康复、护理和健康管理等方面的具体应用，同时关注AI在临床试验、医院管理、医学教育以及医学伦理和政策制定中的创新实践和作用。AI医疗面临算法透明度不足、数据隐私保护、监管标准缺失、风险评估体系不完善等挑战。未来AI医疗的发展方向包括：提升算法可解释性，推进生成式AI应用；建立高效数据共享机制；完善监管政策与标准；加强跨学科人才培养；推动产学研医协同创新；发展普惠医疗和个性化精准医疗。AI与5G、大数据、云计算等新兴技术的融合将引领医疗走向智能协同、普惠共享的新时代。通过多维度分析，为医疗卫生领域的研究者、从业者和决策者提供全面的AI医疗应用与发展前景概览，旨在促进AI技术在医疗领域的深度融合与创新应用，推动智慧医疗的可持续发展。

关键词： 新能源汽车   产业政策   政策变迁   机器学习  

摘要： 在中国新能源汽车产业的发展进程中，产业政策在发展方向引领、资源要素分配等方面发挥了至关重要的作用。但已有研究对于产业政策变迁过程和特征分析的维度较为单一。因此本文从政策变迁视角出发，提出了基于产业政策目的性、方向性和导向性的三维分析框架。基于计算文本量化分析方法分析了2007年到2023年颁布的1783条新能源汽车产业政策。采用无监督式机器学习LDA主题建模刻画了中国新能源汽车产业政策的变迁过程，使用监督式学习随机森林算法对政策类型进行预测划分并总结政策分布的阶段性特征。研究发现：（1）中国新能源汽车产业政策经历了由初始阶段到快速推广阶段再到高质量发展阶段的变迁过程，政策分布从初期的分散和不平衡过渡到更加集中和均衡的状态；（2）产业政策整体以选择性、区域性和市场导向为主，但政策变化呈现出向功能性、行业性、技术导向逐渐转移的趋势；（3）政策变迁过程表现出市场准入制度趋于成熟、财政补贴精准化、基础设施建设日益重视、信息化与智能化趋势加强的特征。本文拓展了政策变迁研究的理论视角，完善了政策工具的分析框架，丰富了产业政策变迁特征和规律的分析方法，同时亦对产业政策优化提供实践启示。