关键词： CNC全自动锯床   人工智能   强化学习   深度学习  

摘要： 本研究旨在利用人工智能(AI)算法优化CNC全自动锯床的复杂形状切割路径,以提高切割精度、减少切割时间和降低材料浪费。方法 采用深度学习、遗传算法和强化学习三种AI方法对切割路径进行优化,并在MATLAB/Simulink仿真平台上进行实验验证,比较不同算法在切割精度、时间效率和材料利用率方面的表现。结果 结果表明,强化学习算法在切割路径优化方面表现最佳,切割误差降低至0.3mm,切割时间缩短至20s,材料浪费率降至8.2%。相比之下,深度学习和遗传算法的优化效果虽优于基准算法,但仍略逊于强化学习。结论 AI算法的应用显著提升了CNC锯床的切割性能,强化学习算法在处理复杂形状切割路径时展现出更优的适应性和优化效果,为智能制造和自动化加工提供了新的优化手段。

关键词： 脑卒中   取栓   人工智能   流程   预后  

摘要： 目的 探讨计算机断层扫描血管造影（computed tomography angiography， CTA）及脑灌注成像（computed tomography perfusion imaging， CTP）自动化软件的应用是否能改善院内血管内治疗的工作流程。方法 研究纳入了2020年1月1日至2022年12月30日在西南医科大学附属医院脑卒中绿色通道接受CTA及CTP评估并进行血管内治疗的急性缺血性脑卒中患者。根据是否采用自动化软件评估，将患者分为对照组和人工智能组。对照组包括2021年6月之前通过人工后处理多模式影像的患者，而人工智能组则包括2021年7月之后使用自动化软件处理的患者。主要结局指标为患者入院至动脉穿刺时间（door-to-puncture time， DPT），次要结局为90 d改良Rankin量表的结果。结果 共计纳入312例患者，其中对照组145例，人工智能组167例。全部患者的中位年龄为68岁（58～74岁），男性占55.4%（173人）。发病时美国国立卫生研究院卒中量表（National Institute of Health Stroke Scale， NIHSS）评分的中位数为16（12～19）。使用人工智能软件前患者从入院到动脉穿刺的时间（DPT）中位数为110 min（80～150 min），使用后缩短至95 min（65～125 min）（P<0.001）。然而，改良Rankin量表评分0～2分的功能独立比例在两组间没有显著差异（39.3% vs. 41.3%，P=0.719）。结论 脑卒中多模式CT自动化软件的应用，改善了院内急性缺血性脑卒中的工作流程。该软件的实施缩短了血管内治疗（EVT）的时间，但未显示出对患者神经功能预后的显著影响。

关键词： 钢铁行业设备故障诊断   人工智能技术   状态监测  

摘要： 钢铁行业设备故障诊断面临复杂工况环境与多源异构数据处理的挑战。研究聚焦人工智能技术在冶金装备状态监测与失效预警中的应用价值,系统分析设备故障产生机理与诊断需求。通过构建深度学习网络解析振动频谱特征,应用时序预测算法评估部件剩余寿命,结合知识图谱技术整合多维度运行数据。结果表明,数据驱动方法有效提升故障识别精度与响应速度,但受限于数据质量缺陷与标准化不足。针对现有技术瓶颈,提出优化数据采集策略与模型泛化能力的改进路径,为构建智能化设备管理提供理论支撑。

关键词： 机体防御与免疫   数智赋能   人工智能   教学创新  

摘要： 信息技术的飞速发展为医学教育带来了新的机遇与挑战，人工智能（AI）作为引领未来的关键技术之一，正在成为推动教育高质量发展的关键力量。“机体防御与免疫”教学团队积极探索课程教学创新与实践，通过建设知识图谱、构建学习地图、形成思政图谱、引入AI助教、借助AI工具、AI分析学情等举措，学生积极性提高，知识点平均掌握率高达86.13%。同时，本文进一步思考数智赋能课程在教师发展、产教融合、安全规范和与人类智慧关系等方面的思考与展望，以期更好地为医学创新人才的培养服务。

关键词： 机械系统   故障诊断   故障排除   人工智能   大数据分析   物联网   预测性维护  

摘要： 本研究聚焦于机械系统故障诊断与排除方法,探讨了在现代工业环境中提高机械设备可靠性和维护效率的创新策略。通过分析机械系统故障的类型和特征,本文系统梳理了传统故障诊断方法的局限性,并提出了基于人工智能、大数据分析和物联网技术的先进故障诊断与排除方法。研究比较了不同诊断技术的优劣,并提出了优化故障排除流程的方案。同时,本文还探讨了智能维护系统在机械系统故障管理中的应用,包括预测性维护、远程监控和自主修复等。研究结果表明,采用先进的故障诊断与排除方法可以显著提高机械系统的可靠性和运行效率,为现代制造业的智能化转型提供了重要的技术支持。

关键词： 人工智能   计算语言学   大语言模型   大数据驱动   语言研究  

摘要： 随着人工智能技术的迅猛发展，语言研究正迎来诸多的挑战，经历着一场前所未有的理论革新机遇。基于大数据和神经网络机器学习的自然语言处理技术大力推动了语言智能处理技术的进步。本文从计算语言学70多年的发展史出发，梳理出计算语言学对语言理解和语言生成两个过程的重要区分和两大理论基础：信息论和机器学习，以及之所以取得成功的三大要素：大算力、大数据、大模型。语言学突破了在数据获取、存储和计算的巨大限制，可以走向“理论假设—数据采集—建模计算实验—计量分析—修正理论”的数据驱动、计算建模的实证研究路径。

关键词： 肺结节   肺癌相关自身抗体检测   人工智能识别技术   诊断价值  

摘要： 探讨对于肺结节的诊断,采取肺癌相关自身抗体检测+人工智能识别技术联合作用,分析其临床价值。方法 选取时段介于2024年1月至2025年3月在南通市通州区平潮中心卫生院就诊的410例肺结节的患者作为本观察对象,均接受肺癌相关自身抗体检测和CT检查,在CT检查后利用人工智能识别技术实施诊断,分析其预测价值。结果 肺癌相关自身抗体检测联合人工智能识别技术的灵敏度、特异度、准确度、阳性预测值、阴性预测值均高于单一实施CT+人工智能识别技术、肺癌相关自身抗体检测的数据(P<0.05)。恶性结节组患者的抑癌基因 53、黑色素瘤抗原 A、人癌抗原、干细胞转录因子2、肿瘤抗原4-5、蛋白基因产物 9.5检测数据均高于良性结节组(P<0.05)。肺癌组的AI风险概率为(74.45±6.81)%,良性结节组的AI风险概率为(66.41±8.53)%,显示肺癌组的AI风险概率高于良性结节组数据(P<0.05)。结论 对于肺结节的诊断,采取肺癌相关自身抗体检测+人工智能识别技术联合作用,可得到较高的诊断效能。

关键词： 生成式人工智能   认知情况   使用意愿   实际应用   科研人员  

摘要： 文章根据科研人员对生成式人工智能的认知情况和现有使用态度,探究生成式人工智能相关应用对科研领域的作用及现存困境。研究运用问卷调查法,针对生成式人工智能在科学研究中的应用现状、对现有技术和工具的看法进行调查,调查共回收有效问卷248份。研究发现,科研人员对目前生成式人工智能保持中立的态度,博士学历的受访者对生成式人工智能大模型更了解,受访者普遍对建设前沿背景、数据分析、总结归纳、其他细节等使用场景的应用抱有更积极的态度,同时也关注生成式人工智能的数据和内容所带来的潜在伦理道德问题。因此,在生成式人工智能应用发展的过程中,应提高科研人员的认知程度和接受度,完善使用准则,同时合理优化生成式人工智能权责归属管理,加强生成式内容监管,以确保应用的规范性和合法性。

关键词： 数据训练   合法性基础   个人同意   正当利益   平衡测试  

摘要： 生成式人工智能训练阶段依靠大量的数据，数据输入是生成式人工智能生成作品的前提和基础，而作为数据输入之前提的数据收集，则主要以网页抓取的方式进行。网页抓取的行为往往涉及个人信息处理，获取数据的合法授权问题成为企业亟需解决的难题。自然人的个人同意不足以成为大数据时代服务于生成式人工智能数据训练的基本选择，而《个人信息保护法》没有为数据训练数据来源提供责任豁免。在司法实践中处理者正当利益具有事实上的个人信息处理合法性基础，可以为作为数据处理行为的数据训练提供合法性基础。但处理者的“正当利益”判定涉及到信息主体的容忍义务，亟待明确其适用的合理边界，平衡个人信息的合理利用与个人信息的权益保护，形成我国生成式人工智能数据训练的合规路径。

关键词： 人工智能   深度学习   眼科疾病   辅助诊断  

摘要： 随着人工智能等技术的进步，深度学习等方法在医学领域的研究应用范围和影响力正日益扩大，新型技术与临床实践的结合也成为了近年来的研究热点。基于卷积神经网络的深度学习算法在疾病筛查、病灶检测、组织分割等任务中表现出了巨大的潜力，并逐渐用于青光眼、老年黄斑变性、糖尿病性视网膜疾病和白内障等多种眼科疾病的诊断和筛查。本文就深度学习在眼科疾病辅助诊断上的相关工作和应用做综述，并对未来前景和发展做展望。