关键词： 人工智能   辅助病理诊断   前列腺穿刺   HE切片   质量控制  

摘要： 前列腺癌（prostate cancer，PCa）是全球男性中最常见的癌症之一，我国多数患者初诊时已处于中晚期，其总体预后远差于西方发达国家[1]，因此对高危人群进行早期筛查诊断是提高总生存率的有效率手段。人工智能（artificial intelligence， AI）辅助诊断前列腺穿刺活检是近年来兴起的一种病理辅助诊断技术，可以协助医生准确、快速地发现病灶、做出诊断，具有可重复性、敏感性高、特异性强的特点。

关键词： 人工智能   人机传播   镜像机制   主体性   拉康  

摘要： 近年来,以大语言模型为代表的人工智能在语言推理与情感识别上的突破使其以人格化的姿态介入人机传播,进而影响使用者进行自我认知的主体性建构。从拉康的镜像机制概念入手,根据“主体性感知机制”“他者角色功能”“语言秩序开放度”三个维度对ChatGPT、DeepSeek、豆包等大语言模型进行多案例交叉分析,发现“拟人化”作为人机传播的一大特征赋予人工智能超越一般媒介的他者身份。在新传播形势下,大语言模型会根据自身的角色定位与内容政策主动消除对话中的模糊性,并在对使用者反身化的凝视中构建自身语言秩序圆满化的幻象,从而遮蔽剩余快感的显现路径,造成使用者主体性的结构性缺场。这种具备人工智能传播特征的镜像机制将人推入自恋循环,并加剧了技术鸿沟与意识形态风险。与此同时,语言秩序中的裂隙为主体性的回返提供了可能。通过提升使用者的AI素养,并在人工智能的开发、运营与监管中建立全链条的伦理规范,能够为使用者的主体性回返创造条件。

关键词： 人工智能   基础模型   绿色原则   治理路径   人工智能法  

摘要： 人工智能的研发、提供和使用活动伴随着可观的能源消耗和生态代价,人工智能基础模型的指数级发展加剧了这一问题,人工智能践行绿色原则的必要性日益突出。为实现其绿色治理,不仅需要阐明绿色原则如何更好地适用于人工智能,还需要更加有效地激励节能减排技术措施的研发和利用。《民法典》绿色原则和《个人信息保护法》最小必要原则等法律条款适用于人工智能的研发、提供和使用活动,但缺乏体系的展开。人工智能在研发、提供和使用活动中采取模型蒸馏、压缩和加速等部署措施,理应推出践行绿色原则、履行社会责任和响应ESG倡议的技术措施。这些措施在人工智能(基础模型)相应活动中已属通行,但法律上的关注、认可和激励依然不足。正在制定和审议的人工智能法和《生态环境法典(草案)》应促使人工智能在研发、提供和使用活动的各个具体环节进一步践行绿色原则,特别是对基础模型训练践行绿色原则设定更系统、更具体、激励效果更充分的规则,促进绿色原则深度嵌入并内化于人工智能的技术实践和组织实践。由此更加充分地发现和绿色原则最为相关的技术事实,设计在产业界具备广泛实践基础、天然“激励相容”的治理路径。

关键词： 人工智能   深度学习   磁共振成像   加速技术  

摘要： 如何快速高质量成像一直是磁共振成像领域面临的重大难题和关注焦点.近年来,人工智能,尤其是深度学习方法在磁共振成像领域展现出巨大的潜力,也取得了许多重大突破,主要涉及磁共振数据采集、k空间填充、图像重建、图像分割、辅助诊断等方面.为了更好地厘清人工智能在磁共振加速成像领域的发展,本文总结了人工智能在k空间填充和图像重建两方面的临床应用,重点探讨了磁共振信号的欠采样以及实现磁共振图像重建的多种算法.同时探讨了人工智能实现磁共振加速成像所面临的困难和今后的发展方向,有助于影像技师和诊断医师更好地理解、使用和探索基于人工智能的磁共振加速成像技术,在缩短磁共振成像时间的同时保障图像质量满足临床诊断需求,为幽闭恐惧症、耐受度差、危重症、婴幼儿等患者带来福音.

关键词： 生成式人工智能   高校   思想政治教育  

摘要： 生成式人工智能的快速发展为高校思想政治教育的创新注入强劲动能。研究聚焦生成式人工智能赋能高校思想政治教育的价值、挑战与应对策略,揭示其核心价值在于重构思政教育资源形态、推动精准育人实践、拓展教育时空领域。同时,应用过程中可能会面临三大挑战:教育主体性削弱风险、数据安全与伦理失范风险、主流价值弱化风险。为此,亟须构建“技术赋能+价值引领”协同育人机制:强化人机协同,巩固主体地位;把握话语权,筑牢价值根基;加强伦理保障,降低风险。

关键词： 人工智能   高职院校   图书馆   数字阅读   推广方法  

摘要： 广西高职院校图书馆在数字阅读推广中应用人工智能技术,实施个性化推荐、智能咨询及资源优化服务。依托借阅者行为数据分析,构建分类标签体系,实现内容精准推送。部署轻量级聊天机器人解答常见问题,提升服务响应效率与质量。结合院校特征整合课程资源与阅读材料,确保服务实用性。通过校内协作机制,推动教师参与并吸纳学生反馈,持续优化推广模式,提高数字资源利用率及读者参与度。

关键词： 人工智能   情感识别   钢琴音乐会   互动音效   趣味性体验  

摘要： 本文探索将 AI 情感识别技术引入钢琴音乐会,通过实时识别钢琴演奏中蕴含的情感信息来驱动音效参数的动态调整,提升音乐会沉浸感和互动性,创造新颖有趣的听觉体验。研究分析 AI 情感识别技术在音乐会中应用的可行性与前景,阐述针对钢琴音乐设计的情感识别模型、音频数据预处理、音频流情感分析与音效参数映射的技术路径,并总结构建沉浸式音效系统原型、设计互动音效创新方案、现场效果评估与反馈优化的创新实践流程。AI 驱动的智能化、沉浸式音效调控能为传统钢琴音乐会注入新活力,为观众带来耳目一新的趣味性体验,为音乐会互动形式创新提供新思路,对拓展钢琴音乐表演形式、吸引年轻观众群体、促进钢琴艺术传播具有积极意义。

关键词： 肝细粒棘球蚴病   人工智能   卷积神经网络   超声检查   诊断准确性  

摘要： 目的探讨基于卷积神经网络（convolution neural network,CNN）的ResNet50模型辅助肝细粒棘球蚴病（hepatic cystic echinococcosis,HCE）超声分型诊断的应用价值。方法回顾性收集2020年1月至2024年6月期间新疆医科大学第一附属医院等5家医疗机构（含4家基层医院）经术后病理或多种影像学长期随访确诊HCE患者的肝脏内病灶超声图片，分别由1名低年资超声医师与1名高年资超声医师按照CE1（单囊型）、CE2（多子囊型）、CE3（内囊塌陷型）、CE4（坏死实变型）和CE5（钙化型）等5种类型分型诊断，后上传至基于ResNet50模型的HCE智能分型诊断超声影像云平台进行分型诊断。采用字母编码方式对研究的医疗机构进行分组标识，具体分组及编号如下：A组为新疆医科大学第一附属医院、B-E组为4家基层医院、F组为4家基层医院合并数据集、G组为5家医院合并数据集，采用卡方检验比较各组间低、高年资超声医师与ResNet50模型HCE分型诊断准确率，Kappa分析评价诊断一致性，并分析ResNet50模型误诊的原因。结果共纳入952例HCE患者的1 596张HCE超声图像，各组低、高年资超声医师与ResNet50模型诊断准确率分别为：A组88.3%(594/673）、95.7%(644/673）、89.2%(600/673);B组72.7%(157/216）、86.6%(187/216）、89.8%(194/216);C组77.6%(232/299）、87.6%(262/299）、91.3%(273/299);D组74.5%(164/220）、85.5%(188/220）、90.5%(199/220);E组69.1%(130/188）、84.0%(158/188）、88.3%(166/188);F组75.1%(693/923）、86.1%(795/923）、90.1%(832/923);G组80.6%(1 287/1 596）、90.2%(1 439/1 596）、89.7%(1 432/1 596）。由统计学分析得出以下结果：(1)A组ResNet50模型诊断总体准确率低于高年资超声医师，P<0.025;B、C、D与E组的ResNet50模型总体诊断准确率均高于低年资超声医师，P均<0.025;F组ResNet50模型总体诊断准确率高于低、高年资超声医师，P均<0.025;G组ResNet50模型总体诊断准确率高于低年资超声医师，P<0.025。（2）各组中ResNet50模型与高年资超声医师诊断一致性最高，均≥0.836，低年资与高年资超声医师间诊断一致性稍低，而ResNet50模型与低年资超声医师间诊断一致性最低。（3) ResNet50模型中CE1最易被误诊为CE3，占CE1误诊的68.6%(24/35);CE2易被误诊为CE4、CE3，分别占CE2误诊的37.9%(11/29）、31.0%(9/29);CE3最易被误诊为CE2，占CE3误诊的65.6%(21/32);CE4与CE5相互容易误诊。结论基于ResNet50架构的卷积神经网络模型可有效解析HCE分型的超声特征，为基层医疗机构医师提供辅助诊断支持，提升分型判读的准确性。

关键词： 人工智能   故障诊断   建筑电气   深度学习   智能运维  

摘要： 人工智能在建筑电气系统故障诊断中的应用,突破了传统人工经验和规则判断的技术瓶颈,展现出更高的准确性与响应效率。通过对多源异构数据的采集与分析,结合神经网络与机器学习模型,构建了具备自主识别与分类能力的智能诊断体系,并设计出可实现毫秒级预警的系统架构。多个典型工程的应用验证表明,该类技术在故障定位、风险预测和运维支持方面具有显著优势。智能诊断技术的推广不仅提升了建筑电气系统的安全性与稳定性,也为未来智能建筑的发展奠定了坚实基础。

关键词： 头影测量   人工智能   自动定点   口腔正畸   实践教学  

摘要： 目的　探讨人工智能（artificial intelligence， AI）自动定点技术辅助正畸头影测量分析教学的应用效果。方法 选择上海交通大学医学院2022级口腔五年制本科生20名，采用Uceph数字化头影测量软件进行示教和练习，随机分为试验组与对照组，每组10人。试验组使用AI自动定点技术辅助头影测量，对照组为人工定点方式，每位学生独立完成10份头影测量分析并提交相关调查问卷。结果　与教师的基准值比较，SNA与SN-MP在试验组的差值均显著小于对照组，差异有统计学意义（P＜0. 05）。问卷调查结果显示，学生对试验组评分为（8. 48±0. 59）分，对照组评分为（6. 26±1. 21）分，两组比较差异有显著统计学意义（P＜0. 001）。学生评价AI自动定点法主要的优点体现为“可提高课堂趣味性” “促进师生交流与互动” “对颅颌面结构认识更为清晰，更为准确”。结论　AI自动定点辅助头影测量分析技术取得了很好的教学效果和学生认可度，值得进一步完善及推广。