关键词： 智能教具   设计平台   人工智能   模块化设计  

摘要： 本文开发了一款智能教具设计平台可以根据中小学生的学习兴趣进行精准推荐，该平台指导学生全程参与教具的设计与开发，提升学生的学习体验与动手能力。人工智能推荐算法实现设计平台从需求识别、硬件选择、代码生成到实物组装的全过程自主设计；结合模块化设计与快速组装功能，用户通过标准化接口能够在短时间内完成个性化教具的快速组装。利用设计平台，学生无需较强的编程基础，即可快速设计、组装一套个性化教具装置。通过平台智能推荐相关场景，用户全程自主设计和教具工具盒的快速组装，提升了中小学生的学习效果和体验。

关键词： 核酸元件   智能设计   机器学习   合成生物学   代谢工程  

摘要： 核酸元件是重要的功能性核酸序列，在生物制造中通过基因表达调控、代谢途径优化和基因编辑等方面来影响目标产物的合成，因此核酸元件的设计和优化对细胞工厂的构建有重要作用。通过人工智能技术可以准确有效地预测功能性核酸元件，设计和优化功能稳定的元件序列，同时解析其作用机制，为生物制造提供强大的技术支持。近年来，人工智能技术在生物制造中通过设计启动子、核糖体结合位点和终止子等核酸元件及其组合，可以大幅度减少实验工作量，加快生物制造进程。但是由于生物系统的复杂性和高质量训练数据不足等问题，导致核酸元件的智能设计在生物制造中的应用较为单一。本文综述了应用于生物制造的各种DNA和RNA核酸元件，基于人工智能算法构建的核酸元件预测和设计工具及人工智能技术在生物制造中的应用案例。未来通过整合人工智能技术、合成生物学和高通量技术等，有望开发更高效准确的核酸元件设计方法，加速其在生物制造中的应用。

关键词： 实体识别   关系抽取   大语言模型   学术图谱   人工智能  

摘要： 【目的】解决传统文献分析工具不适合开展文献内容细粒度分析、不能进行文献研究问题与研究方法体系构建的问题。【方法】提出构建一种面向“问题与方法”体系生成的细粒度学术图谱，提出了针对问题体系与方法体系表征的本体设计和融合上下文信息的多关系联合抽取方法，创新了大语言模型在信息抽取和图谱问答任务中的应用方式。【结果】本文提出的三元组抽取及增强方法可以分别将实体分类和关系抽取的F1值提升9.18%和8.07%；“问题与方法”图谱可以有效支撑研究热点分析与文献关联分析，在大语言模型的加持下还可以实现高质量的图谱问答。【局限】本文学术图谱的本体设计不够完善，不能满足对文献内容的全方位分析；基于GPT-4o大模型的三元组抽取运行效率比较低，不能满足大规模图谱构建需求。【结论】“问题与方法”学术图谱能够有效辅助学者开展领域研究现状分析及问题与方法维度下的文献关联分析；大语言模型能够在学术图谱构建及应用中发挥重大作用。

关键词： 直肠癌   淋巴结转移   影像组学   人工智能  

摘要： 直肠癌患者的淋巴结状态对其治疗方式的选择和预后具有重要价值，术前准确、无创地预测淋巴结转移是该领域的研究难题。近年来，影像组学和人工智能由于可以从医学影像中非侵入性地获取高通量数据信息而受到关注，在术前识别淋巴结转移的效能优于普通放射科医生。本研究综述近年来基于影像组学和人工智能预测直肠癌淋巴结转移的相关研究，以期为医护人员更准确地识别高风险人群并拟定精准治疗策略提供依据。

关键词： 人工智能   胸外科   肺结节   肺段解剖   教学  

摘要： 目的 探讨人工智能（artificial intelligence,AI）在胸外科住院医师规范化培训中的应用，特别是通过AI辅助肺结节识别和肺段解剖教学，提升医师的临床技能和解剖理解。方法 本研究选取2023年9月—2024年9月在北京协和医院进行胸外科规范化培训的住院医师，采用随机数字表法将其随机分为试验组和对照组。试验组使用AI辅助的三维重建技术进行肺结节识别，而对照组仅使用常规胸部CT图像。在进行基础教学和自主练习后，评估两组对相同患者CT图像的肺结节识别能力，最后通过问卷调查收集反馈。结果 本研究共纳入72名住院医师，其中男30人（41.7%）、女42人（58.3%），平均年龄为（24.0±3.0）岁。试验组在肺结节的总体诊断准确性（91.90%vs. 73.30%）和肺段标识（100%vs. 83.70%）方面均显著优于对照组，且阅片时间显著缩短[（118.5±10.5）s vs.(332.1±20.2)s,P<0.01]。问卷结果显示，约94%的住院医师对AI技术持积极态度，认为其能够显著提高诊断的准确性。结论 AI辅助教学显著提升了胸外科住院医师的阅片能力和临床思维，为规范化培训改革提供了新的方向。

关键词： 人工智能   卷积神经网络   胃癌   内镜  

摘要： 胃癌的早期诊断对提高患者生存率至关重要。然而，传统内镜检查在特异度和灵敏度上的限制，导致误诊和漏诊风险的存在。基于卷积神经网络的人工智能技术的发展为提升内镜检查的准确性提供了新途径。本文系统综述了卷积神经网络的原理，以及计算机辅助检测、计算机辅助诊治和计算机辅助质量评估系统在胃癌早期病变检测、诊断和质量评估方面的应用和挑战，为人工智能辅助消化内镜在胃癌早期诊断中的广泛应用奠定基础，对于减少临床实践中的漏诊和误诊具有重要意义。

关键词： 土壤湿度   集成学习   遥感反演   机器学习   风云卫星  

摘要： 为了提高机器学习模型的适应性和精度，选用支持向量机、极端梯度提升、Catboost、随机森林、Adaboost和将前5种机器学习作为基模型，线性回归作为元模型的Stacking模型反演安徽省土壤湿度；并对Stacking模型的土壤湿度反演结果进行空间分布和时间序列分析。结果表明：在输入遥感数据相同的情况下，Stacking集成学习模型与单一模型相比，具有更高的精度和鲁棒性，反演得到的土壤湿度与实测数据之间的相关系数达到0.72，均方根误差为0.05 m3/m3；反演结果的空间分布和时间序列反映了模型较好的适用性和稳定性，捕捉到了安徽省土壤湿度的动态变化。

关键词： 机器学习   人工湿地   氨氮   COD   重金属  

摘要： 数据驱动的方法可以预测人工湿地出水水质，这对于提高人工湿地的处理性能至关重要。本研究考虑了水质指标、气候指标、湿地运行参数三大方向，收集以往大量研究文献数据，通过三种机器学习模型预测人工湿地出水氨氮(NH4+)、COD、磺胺甲噁唑（SMX）以及部分重金属的浓度。结果表明，随机森林在整体性能上略优于XGBoost和LightGBM，其决定系数(R2)和均方根误差（RMSE）的表现更为稳定，尤其是在NH4+和SMX的预测上取得更高精度(NH4+预测的R2分别为0.93、0.89和0.87)。相比之下，在COD的预测中，三种模型的表现相对较弱，R2分别为0.71、0.61、0.64。通过引入SMOTE数据扩充技术，模型的预测性能和精度得到了显著的提升，尤其是对COD的预测性能提升幅度达到了7.04%～26.23%。此研究将科学的数据分析与机器学习算法相结合，可为实际工程应用提供可行方法。

关键词： 数据要素   人工智能   新质生产力   机制与框架  

摘要： 在人工智能和数字经济快速发展的背景下，政府推动“人工智能+”“数据要素×”战略，以促进新质生产力发展。数据和人工智能在技术创新、资源配置和产业转型中发挥关键作用，推动生产效率和商业模式创新。文章构建一个系统性机制框架，深入分析数据和人工智能如何共同推动新质生产力发展。研究发现：两者已融合成一个有机体，通过数据生命周期各阶段的相互作用构建高效价值创造体系；在经济活动各环节展现协同效应，助力生产力要素升级；提出的机制与框架为新质生产力发展提供新的诠释，并指导实践应用。

关键词： 支气管动脉   体层摄影术,X线计算机   人工智能   前瞻性研究  

摘要： 目的 探讨胸部增强CT（C-CECT）联合深度学习全模型迭代算法（AIIR）用于支气管动脉（BA）成像的价值。方法 前瞻性纳入70例接受C-CECT检查的患者，分别以AIIR（AIIR组）与混合迭代重建（HIR，HIR组）重建图像。由2名医师采用5分法对整体图像质量、BA可追溯性、BA锐利度和诊断BA异常信心进行主观评估，比较组间评分及观察者间评估结果的一致性。比较组间重建图像中胸主动脉、肺动脉干、BA及竖脊肌噪声（SD），上述3支血管相对竖脊肌的对比度噪声比（CNR），以及BA起源处、分叉处与肺门处直径。结果 AIIR组整体图像质量、BA可追溯性、BA边缘锐利度及诊断BA异常信心评分均高于HIR组（P均＜0.001），且观察者间主观评分的一致性较好（Kappa=0.46～0.73）。AIIR组主动脉、肺动脉干、BA及竖脊肌SD均低于、而上述3支血管CNR均高于HIR组（P均＜0.05）。组间BA各处直径差异均无统计学意义（P均＞0.05），而观察者间针对AIIR组测量结果的一致性高于HIR组（组内相关系数：0.89～0.94 vs. 0.63～0.78）。结论 C-CECT联合AIIR可显著提升BA成像质量与诊断信心。