关键词： 静脉用药   用药安全   机器学习   预测模型  

摘要： 目的:收集患者临床信息,采用机器学习算法构建患者静脉用药风险预测模型。方法:回顾性纳入静脉用药患者(建模组1 302例和验证组281例),采用药学监护联盟协会提出的药物相关问题V 9.09分类标准分析患者存在的药物相关问题,采用logistics回归、神经网络、CHAID决策树、贝叶斯网络、支持向量机等机器学习算法构建静脉用药风险预测模型,并采用混淆矩阵格式对各预测模型进行评价。通过准确率、召回率、精确率、F1值以及生成验证受试者工作特征曲线下面积(area under curve,AUC)评价模型的预测性能。结果:患者药物相关问题发生率为26.9%。患者药物相关问题主要集中在治疗安全性方面(n=556,94.9%),其次是治疗有效性方面(n=30,5.1%)。构建的模型中支持向量机的预测效能最好,AUC为0.826。结论:机器学习算法构建的静脉用药风险预测模型预测效能良好,可为静脉用药安全管理提供新思路和新方法。

关键词： 校园安全   报警系统   安全屏障   探索实践   人工智能   大数据   教学秩序   暴力事件  

摘要： 随着教育事业的不断发展,校园安全成为社会各界关注的焦点.近年来校园欺凌、暴力事件、火灾等安全事故频发,再加网络上的不实信息和恶意传播,给学生的身心健康、学校的教学秩序以及教育的公信力带来了巨大威胁.传统的校园安全管理手段已难以满足当前复杂多变的安全需求,因此引入数字报警系统,利用人工智能、大数据等先进技术构筑校园安全屏障,成为提升校园安全管理水平的重要途径.本文将从校园安全面临的挑战、引入报警业务服务考虑的要点、数字报警系统构成与应有特性、历城区教育局的探索实践以及构建方向等方面进行深入探讨.

关键词： 原发性肝细胞癌   机器学习   增强CT   联合检测   预测模型  

摘要： 目的基于检验数据和增强CT图像探讨机器学习方法在早期预测原发性肝细胞癌(HCC)的临床价值。方法回顾性分析2013至2021年十堰市太和医院654例肝脏疾病患者的检验数据及增强CT图像,其中原发性HCC患者199例,肝炎患者223例,肝硬化患者232例。将其以7∶3的比例随机分配到训练集和测试集。通过逻辑回归、支持向量机、随机森林、决策树及AdaBoost 5个算法按照检验数据、增强CT图像以及两者联合三种方式训练模型,采用受试者工作特征曲线计算曲线下面积(AUC)、准确率、灵敏度及特异度对模型进行验证。结果从数据模态上分析,联合检验数据和增强CT图像的多模态方式比单模态方式显著提高原发性HCC的分类准确度。从机器学习模型上分析:(1)随机森林算法在检验数据组中对原发性HCC识别效能较高,准确率为84.77%,特异度为89.96%,灵敏度为86.11%,AUC值为0.889;(2)决策树算法在动脉期增强CT组中对原发性HCC识别效能较高,准确率为76.14%,特异度为77.84%,灵敏度为61.90%,AUC值为0.789;(3)AdaBoost算法在检验数据联合动脉期增强CT数据的联合数据组中对原发性HCC识别效能更高,准确率为87.31%,特异度为88.28%,灵敏度为84.62%,AUC值为0.918。结论基于检验数据与增强CT图像多模态数据构建的模型均能较好预测原发性HCC,其中基于检验数据及动脉期增强CT影像组学特征构建的AdaBoost模型表现出更高的预测价值。

关键词： N_(2)O浓度   GF-1卫星   反演   机器学习  

摘要： [目的]探究利用GF-1卫星数据反演水体溶存氧化亚氮(N_(2)O)浓度的可行性,为实现低成本、高效率的水质实时监测提供有效途径。[方法]以宁夏青铜峡灌区第1和第5排水河沟为研究对象,选取与排水河沟水体溶存N_(2)O浓度相关性高的GF-1卫星影像波段反射率和水质参数作为自变量,通过最优子集筛选法确定最优自变量组合,分别构建了多元线性回归、BP神经网络和支持向量机模型,对水体溶存N_(2)O浓度进行预测对比。[结果]水温(T)、溶解性有机碳(DOC)等是影响水体溶存N_(2)O浓度的主要因素,同时近红外(NIR)等卫星波段与水体溶存N_(2)O浓度变化趋势显著相关。当自变量包括T,NIR等7个因素时,模型预测效果最佳。在3种模型中,BP神经网络模型验证结果R^(2)为0.64,具有最高预测精度。[结论]GF-1卫星数据以及水质参数与水体溶存N_(2)O浓度存在复杂的相关性关系,且BP神经网络能够实现利用GF-1卫星数据较高精度地反演水体溶存N_(2)O浓度。

关键词： 人工智能   文旅新闻   内容创作   内容分发  

摘要： 在人工智能技术迅速发展的当代,其在文化旅游新闻报道领域的应用日益增多,不仅大幅提高了报道的效率和广度,也产生了新的挑战和变革需求。本文探讨了人工智能(AI)技术在文旅新闻报道领域的应用及其带来的影响,展示了AI如何通过优化内容创作、精准化内容分发、增强报道多样性与地方特色以及建立使用指导原则等策略,有效提高文旅新闻的传播效率和质量。文旅新闻报道需要在深化AI应用的同时解决现有问题,并不断创新技术与内容结合的方式,以推动行业的持续发展和质量提升。

关键词： 机器学习   语言模型   完全自动化   科研过程   AI   撰写论文   无人区   《自然》  

摘要： 科研过程可以完全自动化吗?一个研究机器学习的国际团队正在勇闯“无人区”。据《自然》网站近日报道,日本Sakana AI公司和加拿大、英国科学家携手,创建了一种基于大语言模型的“人工智能(AI)科学家”。从阅读文献到提出新假设,再到尝试各种解决方案并撰写论文,整个研究周期,“AI科学家”能一气呵成。

关键词： 医院信息系统   大数据   网络安全   数据泄露   人工智能  

摘要： 大数据技术在医院信息系统中的广泛应用,显著地提升了医疗服务质量,同时也引发了新的网络安全问题。文中分析和讨论了大数据环境下医院信息系统面临的网络安全威胁,评估了现行网络安全措施的有效性,并探索了先进的防御技术与策略,提出了相应的应对策略,如应用结合了人工智能、区块链和威胁情报的综合安全框架,以增强医院信息系统的安全性和抵抗能力。

关键词： 人工智能技术   计算机系统   机器学习   信息技术   自动学习   新闻传播   技术的应用   多元化  

摘要： 人工智能技术以信息技术为载体,并且在不断探索和发展过程中逐步应用到新闻领域。本文主要从以下几个方面论述如何在人工智能技术快速发展以及驱动下实现新闻传播的多元化,以期为新闻传播的多元化发展提供参考。人工智能技术概述人工智能技术是一种基于计算机系统的智能化信息技术。在人工智能技术的应用中,机器学习是其中一项非常重要的技术。其核心思想是通过对大量数据的学习和训练,使计算机系统能够自动学习和发现数据中的规律和模式,从而能够进行预测和决策。

关键词： P110钢   冲刷腐蚀   高温高压   机器学习   随机森林  

摘要： 目的探究高温高压环境下P110钢在不同冲刷速度和角度下的腐蚀行为规律,揭示其冲刷腐蚀机理,建立腐蚀预测模型,以期指导油气田材料腐蚀防护与腐蚀预测。方法采用电化学工作站和高温高压反应釜,开展高温高压冲刷腐蚀实验。采用金相显微镜、扫描电子显微镜、X射线衍射仪等对冲刷腐蚀前后材料的微观组织结构、化学成分及物相进行表征。此外,通过调研文献数据,基于随机森林(Random Forest,RF)算法构建了P110钢的冲刷腐蚀预测模型,并开展了预测准确性研究。结果在3m/s的冲刷速度下,随着冲刷角度的增加,自腐蚀电流密度由30°的2.19×10^(-4)A/cm^(2)降低到90°的1.449×10^(-4)A/cm^(2)。在30°的冲刷角下,随着冲刷速度的增加,自腐蚀电流密度由0m/s的6.30×10^(-5)A/cm^(2)增加到3 m/s的2.19×10^(-4)A/cm^(2)。腐蚀产物具有双层膜结构,外层主要由FeCO_(3)组成,内层主要为Fe_(2)O_(3)。腐蚀预测模型分析结果表明:温度对P110钢的腐蚀速率影响程度最大,其次是CO_(2)和冲刷速度。结论在高温高压环境下,P110钢能够产生Fe_(2)O_(3)和FeCO_(3)的双层腐蚀产物膜,随着冲刷速度的增加和角度的降低,腐蚀产物膜完整性破坏,腐蚀加剧。腐蚀预测模型具有良好的性能,能够有效预测腐蚀速率。

关键词： 产业报国   互联网行业   人工智能   中国式现代化   实体经济   生成式   生产力   高质量发展  

摘要： 2023年以来,生成式人工智能、大模型技术加速发展,互联网行业面临新一轮人工智能浪潮洗礼。同时,中国也踏上了推进中国式现代化、实现高质量发展的新征程,亟待培育和壮大新质生产力。当今时代,培育和创造更多新质生产力,核心在于如何推动中国全行业、全社会更好地利用人工智能和互联网,推动数字经济与实体经济更加深度地融合。