关键词： 立德树人   生成式人工智能   高校   改革创新  

摘要： “形势与政策”课是高校落实立德树人根本任务的重要课程,肩负着引导学生准确理解国家政策、理性认知时事局势、提升政治判断力与社会责任感的重要使命。借助生成式人工智能,推动“形势与政策”课教学内容、模式、师资、评价等要素改革创新,探索构建“权威主导+多样内容”教学资源智库、创新“自主探究+模拟互动”教学模式、建设“真人教师+数字教师”协同共育师资队伍、推进“全程追踪+智能优化”教学评价改革,全面提升课程的时效性、引领性与针对性。

关键词： PET-CT   肿瘤诊断   正电子发射体层显像  

摘要： 正电子发射体层显像(positron emission tomography,PET)与CT的结合即PET-CT。作为一种先进的医学影像技术,其在肿瘤诊断、分期及治疗评估中广泛应用。PET-CT技术的独特性是将功能性PET成像与形态学CT成像在图像上融合,并提供病灶的多平面(如横断面、冠状位及矢状位)形态学结构和分子代谢信息,这种融合成像技术显著提升了病灶检测的敏感性和准确性,在肿瘤的早期诊断和转移评估中发挥重要作用^([1~2])。

摘要： ~~

关键词： 人工智能时代   网络入侵检测   防御技术  

摘要： 本文研究了人工智能在网络安全中的应用,分析了网络检测不足,并提出了基于AI的网络入侵检测与防御技术方案。方案包括系统架构创建、双流网络规划、数据预处理、模型整合、AI分析、决策响应及管理控制模块优化,旨在提升网络入侵检测成功率,增强网络安全防护效果。

关键词： 人工智能   篮球   裁判员   执裁水平  

摘要： 本研究以提升篮球裁判执裁水平为核心目标,探索AI技术在多模态感知、人机协同和分级评估方面的创新应用。通过构建融合光学追踪、惯性测量与语音识别的裁判决策数字孪生体,AI可以实现违规动作的毫米级精准识别和实时预警。本文提出动态分级的人机权责分配模型,其在保留裁判最终裁量权的同时,可使职业联赛关键误判率下降。同时,针对不同赛事级别应开发自适应评估体系,青少年赛侧重教学功能、职业赛强调时效性、国际赛关注跨文化公平性。

关键词： “人工智能+”   小学体育   大课间  

摘要： 基于《教育强国建设规划纲要(2024—2035年)》要求,文章提出“人工智能+”背景下小学体育大课间游戏化教学的三维创新路径:通过技术赋能,构建虚实融合的交互式情景化运动游戏,提升学生课间活动参与度;通过资源整合,依托智慧教育平台实现优质活动内容的供给,构建数字化赛事机制,形成“教学—训练—竞赛”一体化大课间活动新范式;通过数据驱动,建立“采集—分析—反馈”闭环机制,提升活动反馈的即时性,确保大课间活动实效性,从而有效突破传统大课间活动形式单一、评价滞后等瓶颈,为深化体育课程改革提供了可复制的实践范式。

关键词： 耐心资本   新质生产力   资金供需体系   资源跨期配置   人工智能  

摘要： 壮大耐心资本对培育和发展新质生产力具有重要意义。新质生产力集中体现在以大数据、云计算、新能源和生物科技为代表的战略性新兴产业,函须资源“投早、投小、投长期、投硬科技”,多措并举打通资金循环成为现阶段函待解决的关键要务。耐心资本具有长期性、强引导性和高风险承受能力等特征,有利于实现社会资源跨期配置,聚焦重点技术攻关、战略性新兴产业、未来产业以及传统产业转型升级等国家长远发展领域,推动产业创新发展。未来需进一步加强顶层设计、强化耐心理念,精准施策、完善资本运作机制,持续构建多层次金融市场,推动人工智能重塑科学决策与全周期管理,为培育和发展新质生产力注入强劲动力。

关键词： 人工智能   会计学专业   转型路径   人才培养  

摘要： 人工智能在会计核算、会计监督、会计决策等方面的应用,给传统会计学专业的发展带来巨大冲击。本文在分析人工智能对会计学专业影响的基础上,探索了会计学专业转型发展的趋势,提出人工智能时代会计学专业转型的路径选择。

关键词： 乳腺癌   可解释人工智能   诊断   解读  

摘要： 病理诊断是确诊乳腺癌的金标准,传统的乳腺癌人工病理诊断方法费时费力,主观性强,诊断一致性欠佳。近年来,人工智能(artificial intelligence,AI)技术迅猛发展,其作为一种有前途的早期诊断工具,逐步应用于临床,但现有AI模型多缺乏可解释性,限制了临床应用的可信任度。Khater等通过结合高精度机器学习模型与可解释AI模型,实现了乳腺肿瘤的高精准诊断,并对影响诊断结果的关键生物学病理特征进行解释,为未来AI在医学诊疗中的应用和发展指明了方向。本文对该研究的主要内容进行解读,分析AI在医学诊疗中的优势和局限性,以期其能更好地应用于临床。

关键词： artificial intelligence framework   perovskite solar cell   full-process design  

摘要： The development of high-efficiency perovskite solar cells(PSCs)demands a comprehensive control of multi-scale factors that influence device *** recent years,artificial intelligence(AI),represented by machine learning(ML),has rapidly become a key tool for the design and optimization of ***,current ML models often oversimplify the design of PSCs at the device level,making it difficult to capture the complexity of their multi-scale ***,they are constrained by relatively small and specialized datasets,which limits their generalizability across diverse device architectures and fabrication *** this work,we developed a full-process AI framework based on over 20,000 experimentally measured PSC samples and approximately 260 multi-scale *** framework offers significant advantages in both sample diversity and feature *** combines material selection,fabrication processes,and environmental factors to provide a more accurate and comprehensive optimization solution for *** addressed challenges from data diversity and heterogeneity through feature engineering and model training,which results in a highly generalizable PSC performance prediction model with comparable prediction error to small-scale *** framework enables precise optimization of specific features for any PSCs,and provides valuable insights for designing high-performance photovoltaic devices.