课程文献中心 更多>>

关键词： 人工智能   特殊教育   技术赋能   身心障碍   融合教育  

摘要： 在教育数字化转型的背景下，人工智能已成为赋能特殊教育学生发展的重要力量。基于特殊教育对象的分类视角，系统探讨了人工智能技术赋能视觉障碍、听觉障碍、语言障碍、学习障碍和自闭症谱系障碍等不同类别身心障碍学生，以及资赋优异学生与轻微违法犯罪学生发展的基本逻辑与应用思路。研究发现，虽然人工智能赋能不同类别特殊教育学生发展的关注重点与思路不尽相同，但是总体的应用逻辑是一致的，都是希望利用人工智能的技术优势，为特殊教育学生筛查、诊断、干预及发展全过程，提供更加智能化与精准的支持，帮助特殊教育学生更好地适应数字时代的生存与发展。为了充分发挥人工智能的引擎作用、更好地赋能特殊教育学生发展，在实践路径方面，应持续加大相关政策的支持力度、努力推动特殊教育的数字化转型，加强人工智能人才培养、注重特殊教产品的创新设计，推动跨学科合作研发、加速人工智能特教产品的创新与迭代，重视人工智能特教产品的推广普及、推动人工智能特教产品的常态化应用，处理好伦理道德问题、保障学生隐私与数据安全。

关键词： 人工智能   思政教育   精准  

摘要： 人工智能实为驱动高校思政教育提质增效的重要利器，人工智能技术为高校精准思政落地提供强劲的支持。这既是新时代思政育人改革的新趋势，也是高校教育创新的重要课题。赋能是长期、系统、复杂的工程，高校应以新思维、新理念、新技术为抓手，从问题逻辑、理论逻辑、实践逻辑出发，协同做好“新主体”培育、“新渠道”拓展、“新平台”搭建、“新机制”探索等工作，以期实现全域精准育人。

关键词： 颈动脉狭窄   人工智能   CT灌注成像   CT血管成像  

摘要： 目的 探讨人工智能(AI)辅助头、颈部CT血管成像(CTA)和脑部CT灌注成像(CTP)参数在颈动脉狭窄程度评估中的应用价值.方法 选取颈动脉狭窄患者143例,利用AI和人工分析处理CTA图像,并对颈动脉狭窄程度进行评估.比较不同程度颈动脉狭窄患者各项CT脑灌注参数.结果 2种方法图像质量、去骨能力、血管CT值、噪声、信噪比(SNR)及对比噪声比(CNR)均有显著差异(P＜0.05).AI评估准确性为90.91％,AI和人工分析对颈动脉狭窄程度诊断的一致性较好(Kappa=0.870,P＜0.001).不同程度颈动脉狭窄患者各项CT脑灌注参数均有显著差异(P＜0.05).AI辅助CTA对颈动脉狭窄程度的评估价值较高,其受试者工作特征(ROC)曲线的曲线下面积(AUC)为0.975,准确性为0.952,约登指数为0.904.结论 采用AI辅助头颈部CTA图像后处理具有可行性,人工评估与AI辅助CTA在颈动脉狭窄程度诊断中具有较好的一致性.颈动脉狭窄患者患侧与健侧各项CT脑灌注参数差异显著.相对脑血容量(rCBV)、相对脑血流量(rCBF)及相对达峰时间(rTTP)对颈动脉狭窄程度有一定评估价值,AI辅助CTA评估颈动脉狭窄程度的价值较高.

关键词： 人工智能   烟草行业   数字化转型   数字改革  

摘要： 该文针对烟草行业现存问题,从生产、管理、营销三方面概括了烟草行业的主要问题。在此基础上,提出了人工智能技术应用于烟草行业的意义。应用通过人工智能技术构建智能生产体系、整合行业数据建立大数据平台、开发智能营销系统等措施,能够有效提升企业整体竞争力,推动行业技术进步。研究表明,烟草行业未来应积极引入人工智能技术,培养高新技术人才,以此推动烟草行业高质量发展。

关键词： 人工智能   想象力   ChatGPT   弱人工智能  

摘要： 人工智能的潜力一直是人类关注的热点,探讨人工智能是否具有想象力,有助于更加全面地认识人工智能。本文以人工智能的现状为基础,通过对现有人工智能的实践和运用进行研究,深入探讨人工智能的运作原理,即人工智能是根据人类提供的条件和指令,经过数据库和极强的算力,从而生成最后的结果。因此,人工智能事实上并不能真正拥有人的意识、情感和创新思维,也不能真正拥有想象力,该思路有助于推动人工智能的发展。

关键词： 物联网   智慧康养   心率监测   人工智能   互信息法   随机森林  

摘要： 心血管病在我国城乡居民疾病死亡比例中占据首位，随着人口增多与老龄化加剧，人们越来越重视日常生活中的健康监测和管理。基于此，构建了一种基于物联网、互信息法(MI)以及随机森林(RF)的智慧康养心率监测系统。首先设计了一个智慧康养心率监测物联网模块，通过国产设备与鸿蒙系统对接，实现了健康数据的实时监测和处理；其次，提出了一种基于MI-RF的心率失常分类方法，提高了分类的效率和准确性；最后，通过实验验证了该系统在实时数据监测和心率失常检测方面的有效性。实验结果表明，所提出的MI-RF心率失常分类方法在准确性和效率上显著优于传统方法，拥有更卓越的性能和稳定性。同时本系统有着更多样化的监测功能模块与更优秀的鸿蒙操作系统，能够实时监测用户的心率数据与心律失常状态，并实时上传数据至终端达到远程监控的效果。该系统具有广泛的应用前景，能够为心血管疾病预防和主动健康领域的可靠心率检测场景应用提供理论基础和技术支持。

摘要： 人工智能作为一种新质生产力，在信息时代为我们提供了一种前所未有的分析世界、认识世界、改造世界的新方法新手段，甚至一种新的思维方式。人工智能总体上沿着计算智能、感知智能、认知智能的逻辑方向发展，当然这三者并非线性地发展，而是螺旋式循环上升的。那么如何实现人工智能从弱到强的技术路径？第1条技术路径是数据驱动的大模型。大模型是指参数规模超过10亿的神经网络模型，在内容生成、世界知识、代码的理解、生成方面，能够完成过去只有人才能完成的任务，被认为是人工智能从弱向强的标志。大模型的本质是运用强大算法消耗大量算力，从海量数据中训练出复杂概率分布函数。

关键词： 鼻咽癌   放射性口腔黏膜炎   人工智能   多分类器   多准则决策  

摘要： 目的评估不同放射性口腔黏膜炎(RIOM)预测模型的性能,对比分析分层多模态多分类器融合(H-MCF)模型的有效性。方法回顾性收集2022年9月~2023年2月在广州医科大学附属肿瘤医院接受观察和治疗的198例放射性口腔黏膜炎局部晚期鼻咽癌患者的数据。基于口腔放射剂量-体积参数与鼻咽癌相关的临床特征,针对不同特征选择算法和分类器两两组合得到基础分类模型。我们使用基于多准则决策的多分类器融合模型(MCF)和它的变体——H-MCF模型对基础分类模型进行融合。通过对各个模态的基础分类模型与MCF模型的性能、多模态的基础模型和MCF模型以及H-MCF模型的性能、单模态与多模态模型的性能、H-MCF与MCF以及其他集成分类器的性能进行分析比较,并通过ROC曲线下面积(AUC)、准确率(ACC)、灵敏度(SEN)和特异度(SPE)4种评价指标来评估模型的泛化性能,分析RIOM预测模型有效性。结果结合多模态特征后,H-MCF模型在预测严重RIOM方面达到了最高的准确性(AUC=0.883,ACC=0.850,SEN=0.933,SPE=0.800)。结论相较于单个分类器的预测结果,结合临床和剂量两种模态的多分类器融合算法在预测严重RIOM发病率方面表现更优。

关键词： 容量预测   UniLM   TRMF   平均值偏差   人工智能  

摘要： 随着移动互联网行业的高速发展，无线网络业务量呈爆发式增长，网络压力突增，传统模式下高度依赖人工静态配置基站软硬件能力，难以长时间适配当前业务需求。同时，面对海量历史业务数据，缺乏智能化精确小区业务趋势评估能力，无法对网络容量保障与扩容做出提前投资预判，难以保障运营商小区业务健康发展。该文基于时序模型统一语言模型UniLM(Unified Language Model)，建立了小区级未来流量长时间预测方案，旨在赋能网络优化领域快速定位高低业务量区域。

关键词： 肾细胞癌   人工智能   病理图像分析   计算机辅助诊断  

摘要： 鉴于人类视觉的局限性和认知的主观性,传统的病理切片判读既耗时又费力,且不同阅片者之间的判读结果可能存在显著差异。随着医疗技术的不断进步,肾细胞癌(renal cell carcinoma,RCC)的诊断分型、风险评估、治疗管理等已取得显著进展,但在准确性和一致性方面仍存在挑战。近年来,随着人工智能(artificial intelligence,AI)在图像分析领域能力的增强以及数字化病理切片的普及,越来越多的研究尝试将深度学习算法和图像分析技术应用于RCC的病理诊断和临床辅助决策。