关键词： 脑梗死   CT血管造影   人工智能   血管狭窄  

摘要： 目的分析人工智能在螺旋CT血管造影(CTA)评估脑梗死患者颈部血管狭窄的应用价值。方法收集本院203例脑梗死患者资料,均行螺旋CTA检查,以数字减影血管造影(DSA)为“金标准”,比较人工评估、人工智能评估对颈内动脉C1段、C2~C3段、C4~C7段重度狭窄-闭塞诊断敏感度、特异度、准确率,并分析人工评估与人工智能评估一致性。结果人工评估C1段重度狭窄-闭塞敏感度85.00%,特异度93.99%,准确率93.10%,评估C2~C3段塞敏感度84.00%,特异度91.57%,准确率90.64%,评估C4~C7段敏感度84.21%,特异度92.39%,准确率91.63%;人工智能评估C1段重度狭窄-闭塞敏感度80.00%,特异度92.90%,准确率91.63%,评估C2~C3段敏感度80.00%,特异度90.45%,准确率89.16%,评估C4~C7段敏感度84.21%,特异度91.30%准确率90.64%;人工智能评估与人工评估C1段Kappa值0.73,评估C2~C3段Kappa值0.88,评估C4~C7段Kappa值0.81;人工智能评估与人工评估C1段、C2~C3段、C4~C7段重度狭窄-闭塞敏感度、特异度、准确率比较无统计学意义(P>0.05)。结论人工智能可有效辅助螺旋CTA评估脑梗死患者颈部血管狭窄,应用价值高。

关键词： 人工智能(AI)辅助分析   宫颈细胞学   宫颈癌筛查  

摘要： 目的采用两种不同的人工智能(artificial intelligence,AI)算法技术构建两种不同的宫颈液基薄层细胞涂片(liquid-based cytology,LBC)质控模型,通过混合AI辅助,对比两种算法模型对宫颈LBC的质量控制水平的提高总用。方法使用了105例宫颈LBC样本,分别采用卷积神经网络(convolutional neural network,CNN)算法和Transformer网络算法作为具体的AI算法。标记的特征包括片内细胞量、红细胞过多、炎细胞过多、气泡,涂片样本经过涂片预处理和数字化,然后进行图像分割和特征提取。利用标记的特征数据,进行机器学习模型的训练和优化。统计两种AI模型与医师的质控结果,计算KAPPA指数、灵敏度、特异度、曲线下面积(area under the curve,AUC)等指标对AI质控结果进行分析。结果CNN算法在正常涂片、炎性背景和血性背景方面的质控结果与专家复核质控结果具有统计学差异(P<0.001);Transformer算法质控结果与专家复核结果相似,差异不具有统计学意义(P>0.05);普通医师质控结果与专家复核质控结果在正常涂片检出率和血性背景方面具有统计学差异(P<0.001)。CNN算法Kappa值=0.567,与专家复核结果一致性中等;Transformer算法Kappa值=0.890,与专家复核结果一致性最好;普通医师Kappa值=0.675,与专家复核结果一致性较好。以专家复核结果作为参考标准,对Transformer算法与普通医师的质控结果预测效能进行评价,在检出血性背景与正常涂片方面,Transformer算法的预测效能(炎性背景:AUC=1.000;正常涂片:AUC=0.768)高于普通医师(血性背景:AUC=0.849;正常涂片:AUC=0.500)。结论Transformer算法能够有效辅助医师进行宫颈LBC质控评分,提高涂片样本质量控制的效率和准确性,为宫颈癌细胞学筛查提供了一种新的质量控制方法,具有潜在的临床应用前景。

关键词： 天然产物   靶标识别   靶标验证   单细胞多组学   小分子探针   人工智能  

摘要： 天然产物是新药研发的宝库,越来越多的天然产物在各种疾病中显示出巨大的治疗潜力。单细胞多组学技术包括单细胞基因组学、单细胞转录组学、单细胞蛋白质组学、单细胞表观组学等,是对单个细胞进行多方面分析和研究的方法,能够获得更全面、更准确的单细胞数据,在天然产物靶标领域研究提供了更深入的视角。该文总结了用于识别和验证天然产物靶点的方法和新兴技术,并总结了新兴技术如单细胞多组学和人工智能在天然产物药理学研究中的应用。通过将靶标识别和单细胞多组学的最新研究技术结合,更深入地阐明天然产物的作用机制,加速中医药的创新并推动其产业化和国际化。

关键词： 解蔽-遮蔽   主体性形而上学   后人类时代   保卫人类  

摘要： 发轫于现代社会的人工智能技术,自其诞生之日起就先行地将人本身当成了一种可计算的“原始材料”而试图对其加以“解蔽”;而智能人的“到场”可能会从根本上消解掉人之为“人”的一种普遍性概念,对人之所“是”形成一种终极“遮蔽”。后人类时代的“保卫人类”计划,首先需要开启人类主体性“自我贬值”的伦理自觉,在主体形而上学的“自我终结”中完成哲学从现代性到后现代性的“转身”。而“立法者僭越”和“毁灭式侵入”,则是主体性自行贬值之后人类可能遭遇到的主体性危机。因此,在一幅多种生命形式共存的未来生活图景下去谋划主体性的“自我捍卫”,则是人类朝向哲学“新纪元”进发所要完成的另一项任务。接纳自身的“天然有限性”、跳出“订置的完美”之逻辑陷阱,并以此为基础设定AI的伦理禁区、明确AI“对齐”的伦理底线,是人类在后人类时代保存自身独立性和完整性的必要伦理准备。

关键词： 人工智能   教育   传播风险  

摘要： 人工智能技术为教育领域带来新活力的同时,也蕴含着潜在的信息传播风险。个人信息是人工智能赋能教育的基础性要素,在海量信息被提取利用和快速传播时,隐私泄露、信息误导、算法偏见等诸多风险相伴而生。政府部门应对人工智能收集、利用学生个人信息的行为予以严格规制,对符合要求的人工智能工具进行数据安全认证,确保算法的透明度和可解释性,以有效防范和应对人工智能应用带来的风险挑战。

关键词： 人工智能   口语交际   人机协同   小小讲解员  

摘要： 随着智能语音识别、自然语言处理等技术的突破,人工智能为口语交际教学提供了精准化、个性化的改革路径。以统编教材五年级下册第七单元口语交际《我是小小讲解员》为实践载体,依托西兴古镇文化遗产资源,建立智能语料库,开发虚拟实训系统,构建“情境驱动一智能训练一多维反馈”的教学路径,实现“教一学一评”一体化革新。研究证实人工智能通过场景重构与精准反馈机制,能有效促进语言能力的内化迁移。

关键词： 人工智能   英语混合式教学   协作学习   多模态学习   教育创新  

摘要： 在全球化背景下,英语学习的重要性日益凸显,而传统教学模式难以满足学生个性化需求的问题亟待解决。本研究以AI赋能下的英语混合式教学为切入点,从理论层面探讨了AI技术如何支持教学创新,并提出了一种系统化的教学模式框架。研究基于自适应学习理论、智能评估理论、协作学习理论和多模态学习理论,分析了AI技术在个性化路径设计、智能化反馈机制、协作环境优化以及多感官学习体验提升中的作用。研究表明,AI技术能够通过数据分析和算法支持,动态调整学习内容,提供即时且个性化的反馈,创造沉浸式的互动场景,并整合多种媒介资源以提升学习效果。这一模式不仅突破了传统教学的局限性,还为教育领域的理论发展提供了新思路。

关键词： 生成式人工智能   学术诚信   技术异化   教育引导路径  

摘要： 生成式人工智能凭借拟真性输出与知识重组能力,在革新学术生产技术条件的同时,也引发了大学生学术诚信的异化危机,即学术成果与学生主体割裂、学术劳动退化为技术依附、创造性本质异化为工具理性附庸、学术共同体蜕变为数据网络。这一异化过程的作用机理在于,拟真性、隐匿性、易用性的技术特性助推学术不端行为,原创性模糊、价值弱化、群体传染引发的认知重构动摇学术伦理根基,检测失灵、法律真空、教育缺位的制度缝隙纵容学术异化蔓延。高校需立足重建劳动教育观与过程性评价的价值重构、技术透明化与协同治理的制度创新、批判性素养与伦理实践的能力重塑,在技术应用与学术规范之间形成动态平衡,构建技术向善、治学求真的教育引导路径。

关键词： 学术评价   影响因子   人工智能   “SCI化”   学术期刊  

摘要： 在一定意义上,近三十年来的学术评价就是一部工具理性碾压价值理性的异化史。为行政权力提供分配和管理学术资源工具是学术评价存在的主要价值。1990年代,在评价权力的角逐中,同行评议因公信力丧失而黯然离场,取而代之的是量化评价,在中国人文社会科学领域诞生了俗称“三大核心”的评价产品,其源头皆是SCI及其影响因子指标体系。在经历“自觉型SCI化”后,即时排序的行政需求得以满足,但学术创新的不可计算性却被忽视,以至于出现了“价值追求扭曲、学风浮夸浮躁和急功近利”等种种乱象。大数据、区块链等新技术曾被视为改进评价的希望,却皆以失望告终,原因在于影响因子评价对技术极低的依赖度,以及由此而彰显的童叟无欺的“公正性”。在直接关涉被评价者利益的评价中,公正性永远是压倒一切的第一原则,技术迭代导致算法的复杂度增加,必然降低评价的透明度而危及评价的公信力;影响因子则不改算法,保持透明度,从而成就了其在技术浪潮中岿然不动。破除“五唯”和清理“SCI至上”行动之所以给人越“破”越“唯”的感受,主要缘于被设为替代品的同行评议的公正性无法得到保证。因此,同行评议的回归须从尊重被评价者,让评价的公平和公正能看得见做起,对此,AI技术或许可以起到辅助作用。

关键词： 工业互联网   融合组网   网络安全   人工智能  

摘要： 随着工业4.0和数字化转型的深化,集团型工业企业面临信息技术(IT)、运营技术(OT)与通信技术(CT)深度融合的迫切需求。从技术架构、关键挑战及解决方案出发,结合工业互联网典型场景,探讨三者在组网技术、网络安全、统一管理等领域的融合路径,并基于实际案例对未来的应用进行展望,为集团型工业企业的数字化转型、智能化升级提供理论支撑。