日照市乡村人才振兴策略研究

2024年“中央一号文件”提出“壮大乡村人才队伍”的战略部署,进一步强调了人才培养对推动乡村振兴的重要意义。乡村振兴的核心在于“人”,人才振兴不仅是乡村振兴的基石,更是实现乡村全面振兴不可或缺的关键要素。近年来,日照市积极响应中央及省市各级人才工作会议精神,充分发挥乡村人才振兴专班的引领作用,致力于构建强有力的乡村人才支撑体系。然而,在深入实践过程中,日照市乡村人才振兴工作虽取得了一定成效,但仍面临若干挑战与不足。鉴于此,本文系统梳理了日照市在乡村人才振兴领域的创新实践与成功经验,客观剖析了当前存在的问题与瓶颈,并基于这些分析,提出了一系列具有针对性的对策建议。

基于深度学习构建结直肠息肉诊断自动分类模型

目的探讨基于深度学习的结直肠息肉诊断自动分类模型的构建。方法收集2018年1月至2023年1月在苏州市3个内镜中心的不同图像增强内镜(IEE)技术下的结肠镜图像957张(常熟市第一人民医院537张,常熟市中医院359张,苏州大学附属第一医院61张),依据病理结果分为正常组、增生性息肉组和腺瘤性息肉组。利用DenseNet-121、EfficientNet、resnet101和resnet504种卷积神经网络(CNN)框架,构建深度学习模型,并评估其与经验不同的内镜医师的准确率、召回率、精确度、F1值和读片时间。结果EfficientNet在4个模型中最为优越,准确率0.961,召回率0.968,精确度0.959,F1值0.962,在读图用时方面,所有模型完成图像自动诊断任务的平均时间为(4.08±0.63)s,远快于内镜医师所需的平均时间[(291.10±17.68)s],差异有统计学意义(t=-36.22,P<0.01)。将EfficientNet预训练模型经迁移学习后的模型命名为“EffiPolyNet”,其在腺瘤性息肉上有少量误分类,但准确率达0.90,AUC为0.98。t-分布随机邻域嵌入(t-SNE)可视化揭示了腺瘤性和增生性息肉间部分语义特征重叠,解释了模型的误分类。利用梯度加权分类激活映射(Grad-CAM)和沙普利可加性解释(SHAP),揭示了模型决策中的关键图像区域和特征的相对重要性。结论EffiPolypNet模型在多种IEE技术的结直肠息肉性质分类中表现出色,为结肠镜光学诊断提供了高效且可靠的支持。

日照市依托人才工作“四机制”助力民营经济发展调研

日照市人力资源和社会保障局立足民营经济发展实际,针对部分企业“用工难”“引才难”现象,创新人才工作引育用留“四机制”,在人才服务、支持、激励上开展实践探索,把人才从各种体制机制束缚中解放出来,持续吸引人才、留住人才、用好人才。