课程文献中心 更多>>

关键词： 人工智能   神经再生   脊髓损伤   机器外骨骼   脑机接口   神经电刺激   脑皮质重组   深度学习   机器学习   神经网络  

摘要： 背景:近年来人工智能逐渐兴起,在多方面应用于脊髓神经损伤与修复领域,对临床治疗也有诸多积极影响。目的:研究人工智能在脊髓神经损伤与修复领域的诊断、治疗和康复中的应用进展,明确该领域的研究热点和不足,为今后研究工作提供建议。方法:在Web of Science核心集数据库检索建库至2023年收录的人工智能在脊髓神经损伤与修复领域相关文献,使用CiteSpace 6.1.R6和VOSviewer 1.6.19软件对文献数据进行一般文献学分析、文献共被引、期刊共被引、期刊双图叠加及关键词聚类等可视化分析。结果与结论:①共筛选出1713篇文章,此领域年发文量呈波动上升趋势,其中美国占据主导地位,Kadone Hideki是发文量最多的作者,《ARCH PHYS MED REHAB》是被引用次数最多的期刊。②关键词共现和聚类分析显示,去除与检索词相近的关键词后,主要关键词被分为3个主要集群:外骨骼与运动康复(为最大核心热点)、机器学习和神经可塑性、机器人和康复训练。③关键词爆发分析显示,深度学习和人工智能在过去5年中已成为突发术语。④文献共被引和高被引文献分析结果显示,人工智能在脊髓神经损伤与修复领域热点集中于动力外骨骼(powered exoskeleton)、步态(gait)、神经电刺激(electrical nerve stimulation)、皮质内脑机接口(intracortical brain-computer interface,IBCI)、机器人(robot)、高分子生物材料(polymer biomaterials)及神经干细胞(neural stem cell)等内容。⑤人工智能在脊髓神经损伤与修复领域的研究近年来呈现上升趋势,该领域的关注点从外骨骼、电刺激等单一的治疗手段,逐渐向智能化、精准化和个性化等方向转变。⑥该领域存在一些局限性,例如数据缺失或不平衡的后果、数据准确性和可重复性低以及伦理问题(如隐私、研究透明度和临床可靠性等),未来的研究应该解决数据收集的问题,需要大样本、高质量的临床数据集来建立有效的人工智能模型;同时该领域的基因组学等机制研究十分薄弱,未来可利用类脑芯片等多种机器学习技术,运用基因编辑治疗及单细胞空间转录组等方法,进行再生相关基因上调和轴突生长结构蛋白产生等基础机制研究。

关键词： 人工智能   骨创伤   骨折   机器学习   深度学习   文献计量学   Web of Science   影像诊断   Citespace   可视化分析  

摘要： 背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究现状、热点和未来发展趋势,以期为今后的研究提供新的见解。方法:选择Web of Science核心集数据库中,时间跨度设为自建库至2023年8月,检索人工智能、机器学习、深度学习应用于骨创伤相关的文献420篇。通过人工筛选,导出与文章相关的文献共202篇,采用Citespace软件进行国家、机构、被引期刊和引文分析等的合作和关键词的共现等可视化分析。结果与结论:①分析筛选后纳入的202篇文献,总体发文量呈上升趋势,且在未来研究潜力巨大。研究中心性最高和发文量排名第一的国家均为美国。加州大学(美国)是发文量最多的研究机构。②人工智能在骨创伤研究中最常用的前5个关键词是深度学习、人工智能、骨密度、机器学习、诊断,中心性最高的关键词为骨密度,关键词数量最多的为深度学习。③共被引频次前10位的参考文献分别从多个方面介绍了人工智能技术应用于骨创伤领域诊断的可行性研究,其中8篇涉及骨关节损伤与深卷积神经网络,1篇涉及深度学习在CT检查中检测骨质疏松从而预防脆性骨折,1篇通过人工智能识别皮肤纹理变的特征应用于骨的特征性识别的相关性研究。④今后,人工智能的研究热点将主要集中在骨关节创伤和骨质疏松引发的骨折特异性研究上,未来研究趋势主要集中在提升人工智能算法的性能上,使用人工智能新技术对骨损伤进行精准划分和快速高效诊断,尤其是针对复杂和隐匿性骨折的诊断,通过建立有限元分析模型,实现对骨创伤的更加标准化评估。

关键词： 膝关节   关节软骨   半月板   生物力学   有限元分析   有限元模型   膝骨关节炎   关节置换   人工智能   综述  

摘要： 背景:有限元分析是一种先进的计算机工程技术,利用数学近似的方法对真实人体进行模拟,可以真实反映膝关节结构内部的生物力学特征,为理解膝关节疾病发病机制、优化手术方案以及开发新型植入材料提供了有效的工具。目的:对膝关节有限元模型的建立及其在膝关节疾病研究中的应用进行综述,并展望了未来的发展趋势。方法:第一作者于2024年4月以“Finite Element Analysis,FEA,knee joint,Finite Element Model,Knee Biomechanics,Knee Osteoarthritis,Knee Prosthesis,Knee Ligaments,Meniscus”为英文检索词在PubMed和EI数据库进行检索,以“有限元分析,有限元模型,膝关节,生物力学,骨关节炎,计算模型,膝关节假体,膝关节韧带,半月板”为中文检索词在中国知网和万方数据库进行检索,最终纳入75篇文献进行分析。结果与结论:①有限元分析法利用医学影像数据获得三维人体模型,将复杂的人体关节结构简化为有限且相互连接的单元,通过对模型施加外部载荷,直观地显示膝关节内部的应力分布。②研究者通过有限元分析深入研究膝关节在不同工况下的内部应力和应变分布,可发现膝关节内部载荷分配平衡改变时,关节软骨的过度载荷及部分区域的负荷下降,这种长期异常应力会引起软骨变形和磨损,最终缺失,对于理解生物力学因素如何引起膝关节退行性变至关重要。③有研究通过有限元分析评估膝骨关节炎患者采用太极拳、步态调整等物理治疗方法的效果,结果显示这些治疗方法减少了软骨的过度负荷,为临床治疗提供了科学理论依据。④临床医生通过有限元分析在手术前进行三维重建、数据测量和模拟手术,能够优化手术治疗策略;此外,还可以通过模拟不同假体的力学特征,改进假体的形状、材料和固定方式,减少患者的并发症,提高患者的治疗效果。⑤人工智能与有限元分析相结合使得有限元模型的构建更为精确和易于操作,极大提高了临床医生医疗实践的效率和患者的治疗效果。⑥有限元分析仅是数字化的模拟,与真实物理状态仍存在一定差异。

关键词： 人工智能技术   语言模型   科技论文   学术论文   计算能力   学术研究   GPT   生成式  

摘要： 2022年10月,美国OpenAI公司发布的大语言模型ChatGPT使得生成式人工智能技术达到一个新的发展阶段。该平台结合了大量的数据、强大的计算能力和新颖的处理技术,能够对各种各样的输入生成类似人类的反应,且可自由访问,已经吸引了数亿万次互动。在学术研究和写作中,也有越来越多的作者开始使用生成式人工智能工具辅助科研,甚至有人使用ChatGPT等大语言模型来撰写学术论文。如2023年9月,Physica Scripta(《物理写作》)刊登的一篇论文中出现了类似ChatGPT按钮上短语Regenerate Response(“重新生成回复”),作者也证实使用了ChatGPT来帮助起草手稿,最终文章被出版商撤回。

关键词： 运动损伤   损伤预警   损伤预防   智能预警   机器学习   深度学习   人工智能   体育运动  

摘要： 背景:运动医学界广泛呼吁采用机器学习技术高效处理庞大、冗杂的运动数据资源,构建智能化的运动损伤预警模型,以实现运动损伤的精准预警。对此类研究成果进行综合归纳与评述,对把握预警模型改进方向,指导中国损伤预警模型构建工作均具有重要意义。目的:系统梳理基于机器学习技术的运动损伤预警模型相关研究,为中国运动损伤预警模型构建工作提供借鉴。方法:对中国知网、Web of Science和EBSCO数据库进行文献检索,主要检索机器学习技术和运动损伤相关文献,最终纳入61篇运动损伤预警模型相关文献进行分析。结果与结论:①在纳入文献的外部风险特征指标中,缺乏比赛场景类指标,后续需进一步完善相关特征指标的纳入工作,以进一步丰富模型训练的数据集维度;此外,运动损伤预警模型的纳入特征权重方法以过滤法为主,需强化嵌入法及包裹法等权重方法的运用,以增强多风险因素交互效应的分析。②在模型主体训练方面,模型主体训练算法多以监督式学习算法为主,此类算法对样本标注信息的完整度有较高要求,应用场景易受限,后期可增加无监督式与半监督式算法的应用。③在模型性能评估优化方面,现研究主要采用了HoldOut交叉与k-交叉两种验证方式评估模型性能,模型的AUC值范围(0.76±0.12),灵敏度范围(75.92±11.03)%,特异度范围(80.03±4.54)%,F1分数值范围(80.60±10.63)%,准确度范围(69.96±13.10)%,精确度范围(70±14.71)%,数据增强与特征优化为最常见的模型优化操作。当前运动损伤预警模型准确度及精确度均约为70%,预警效果良好,但模型优化操作较单一,多采用数据增强方法提升模型性能,需强化对模型算法、超参数的调整,以进一步提升模型性能。④在模型特征提取方面,纳入的内部风险特征指标多以人体测量学、训练负荷、训练年限和损伤史等指标为主,缺乏运动恢复类指标与身体机能类指标。

摘要： 人们一直对机器学习算法忧心忡忡,因为机器学习算法犹如一个未知的"黑箱",无法得知它们是如何以及为何做出某些决策、建议或预测.目前,法官遇到机器学习算法相关案件的频率日益上升,其中包括刑事案件、行政案件和民事案件.本文认为,法官应当要求对机器学习算法结果进行解释.设计出能够解释机器学习算法如何得出结论或预测的系统,这是解决"黑箱"问题的方法.如果法官要求对算法结果作出解释,那么他们将在塑造"可解释人工智能"(xAI)的性质和形式方面发挥至关重要的作用.法院以普通法为工具,可规定"可解释人工智能"在不同法律背景下所应有的含义.让法院扮演这一角色具有一定优势:司法推理自下而上构建,通过逐案考虑事实,做出细致入微的决定,这对制定可解释人工智能相关规定而言是切实可行的.此外,法院可能会促使可解释人工智能以不同形式出现,以适应不同法律环境和受众群体.总体而言,我们应当支持公共部门更多地参与塑造可解释人工智能,而迄今为止,可解释人工智能很大程度上仍由私营部门掌握.

关键词： 分级阅读   人工智能   阅读教学  

摘要： 上海市实验小学利用文本难易度的量化指标建立文本自动分级模型,结合权威阅读能力评价指标,建设校本人工智能分级阅读平台,探索信息技术为教育教学提供从经验到数据的支持路径,探索技术辅助下的个性化、差异化的阅读教学方法和策略。