关键词： 直肠肿瘤   磁共振成像   壁外血管侵犯   人工智能   预后分析  

摘要： 目的 建立基于人工智能（AI）的MRI壁外血管侵犯（mrEMVI）自动评分模型，验证其评分效能和预测直肠癌患者预后的价值。 方法 本研究为多中心回顾性队列研究，纳入2012年11月至2020年12月来自7个中心的2 501例直肠癌患者，并划分为完全独立的训练队列（1 830例）和验证队列（671例）。构建基于nnUNet的AI-mrEMVI自动评分模型。并以2名放射科医师人工评分结果为金标准，计算AI-mrEMVI模型自动评分的准确度。利用Kaplan-Meier生存曲线及Cox回归模型评估AI-mrEMVI自动评分在患者预后风险分层中的作用，并通过C指数评估模型的预测预后性能。 结果 验证队列671例患者中，放射科医师人工评分结果为mrEMVI评分为0~2分425例（63.3%）、3分89例（13.4%）、4分157例（23.4%），AI-mrEMVI评分为0~2分375例（55.9%）、3分95例（14.2%）、4分201例（30.0%），总体准确度为81.1%（544/671，95% CI 77.9%~84.0%）。AI-mrEMVI评分为0~2、3、4分患者的3年无病生存期（DFS）占比分别为85.2%、70.0%和58.2%，5年总体生存期（OS）占比分别为87.2%、81.6%和62.6%，差异均有统计学意义（DFS： χ ²=48.74， P <0.001；OS： χ ²=30.04， P <0.001）。多因素Cox分析结果显示，在DFS方面，AI-mrEMVI评分为3和4分患者的风险比分别为1.75（95% CI 1.11~2.77， P =0.016）和2.65（95% CI 1.86~3.78， P <0.001）；OS方面，评分为4分患者的风险比为2.56（95% CI 1.62~4.03， P <0.001）。AI-mrEMVI自动评分模型预测DFS及OS的C指数分别为0.647（95% CI 0.608~0.686）和0.650（95% CI 0.598~0.702）。 结论 本研究开发的AI-mrEMVI自动评分模型在诊断上具有较高的准确度，并在预测直肠癌患者DFS、OS方面表现良好。

关键词： 网络暴力   平台责任   法律治理  

摘要： 短视频平台的算法推荐机制通过提升争议性内容的权重突破信息茧房的边界，成为网络暴力生成扩散的重要因素，匿名性则加剧了“法不责众”的司法困境。算法驱动网络暴力具有复杂作用机制，基于流量的算法将对立性内容推送至群体，引发大规模舆情网络暴力；平台依托“避风港原则”的消极治理导致责任缺位。应当设立法治与平台协同治理的创新路径，在立法层面，设立《反网络暴力法》框架，明确将“煽动对立”“阴阳怪气”等新型网络暴力行为纳入规制，细化自诉转公诉量化标准；在司法层面构建举证责任倒置机制，强制平台提供施暴者实名信息；在平台责任层面，应摈弃传统中立原则，公开算法权重透明度，建立用户信用黑名单及强警示弹窗制度。通过完善立法与平台责任重构，为数字时代治理网络暴力提供解决方案。

关键词： 分子影像学   多模态成像   分子探针   人工智能  

摘要： 分子影像学作为一种无创可视化分析方法，通过特异性分子探针与先进成像技术结合，实现对生物分子事件的动态监测，在疾病早期诊断、术中导航及疗效评估中展现出重要价值。本文回顾分子影像学的发展历程，系统梳理分子影像学在技术创新（如多模态成像、分子探针设计、人工智能融合）和临床应用的最新进展，探讨其面临的标准化、伦理及结合人工智能的技术瓶颈问题，并展望未来发展方向。未来需通过跨学科合作深化探针与设备研发、破解标准化壁垒、推动人工智能应用并拓展场景，最终实现从精准诊断到智能干预的闭环，推动生物医学领域的整体进步。

关键词： 中医人工智能   学科建设   产学研一体   人才培养  

摘要： 中医人工智能科学与技术作为一门新兴的交叉学科，深度融合医学、工程学、理学等多学科知识。该学科以中医学理论为指导，遵循“医工理结合、产学研一体”的建设思路，有机整合中医药学与数学、物理、化学、生物学等多领域知识，高度契合新时代中医药教育发展趋势与社会实际需求。中医人工智能科学与技术交叉学科人才培养体系的构建，既将大力支撑学校学科建设与发展，也极大地促进辽宁中医药大学人才培养质量提升，建立健全完整的中医人工智能科学与技术交叉学科人才培养体系是当前社会发展的急需，有着广阔的应用前景。

关键词： 人工智能   高质量发展   新质生产力   现代化产业体系   智能经济  

摘要： 本文分析了人工智能推动我国经济高质量发展的路径,提出了驱动人工智能发展的对策。以技术突破为先导、以算力提升为动能、以数据资源为基础、以市场需求为牵引是人工智能的发展规律。充足的人才储备、丰富的应用场景、海量的数据资源是我国发展人工智能的显著优势。人工智能促进新质生产力培育,实现全要素生产率大幅提高;更新产业基础,推动现代化产业体系加速形成;提高创新效率,赋能创新驱动发展。展望未来,建议从大力培养和吸引人工智能人才、增加优质数据供给、推动现代化产业体系建设、加快人工智能产业链自主可控等四个方面着力,助推人工智能驱动中国经济高质量发展。

关键词： 人工智能   竞技体育   智能化转型   协同治理  

摘要： 面向竞技体育的智能化转型,以人工智能赋能竞技体育的应用场景为分析依据,解构技术背后潜藏的内生性缺陷与社会应用性冲突,并深刻揭示风险的生成逻辑。在此基础上,提出“技术-制度-管理”三位一体的协同治理框架,以平衡技术赋能与风险挑战。具体体现为:技术层面,通过构建可解释性模型、优化鲁棒性与建立风险感知机制,提高算法公平性与稳定性;制度层面,完善数据分类分级体系与动态安全审计机制,制定风险导向的国家标准,推动建立行业自律规范;管理层面,以提升智能素养、加强跨域协同监管、促进资源均衡配置与企业自律激励为支撑,构建可持续的多元共治生态网络。

关键词： 拉曼光谱   深度学习   乳腺癌   数据处理   人工智能  

摘要： 由于拉曼光谱数据具有干扰多、维度高、获取成本高的特性，存在数据信息难以获取、挖掘与利用的问题，导致光谱分析的深度学习模型效果欠佳。为提升模型对拉曼光谱的分析性能，提出一种结合拉曼光谱数据增强的乳腺癌细胞识别方法。首先，应用高斯过滤核、随机擦除、多样本融合和信号弱化四种方法对数据进行扩增，并采用特征修复对增强数据加以优化。然后，针对拉曼光谱数据进行特征增强，并设计神经网络模型提取乳腺癌细胞的拉曼光谱特征，在四种方法扩增后的数据集上分别训练初级分类模型。最后，使用集成框架堆叠的方法对这些初级分类模型进行融合，训练次级学习器对乳腺癌细胞进行最终分类。实验结果显示，对拉曼光谱数据增强方法的改进可使模型的准确率提高0.21% ～ 16.16%，并且，本方法在乳腺癌细胞识别的准确率、敏感度和F1分数方面表现均优于现有同类方法。因此，该方法提高了深度学习方法识别乳腺癌细胞的效果，有助于推动基于拉曼光谱分析的细胞识别方法在乳腺癌诊断中的应用。