人工智能自动勾画平台在教学中的应用

为解决目前放射肿瘤专业人才短缺的迫切需要,提升放射肿瘤学教学水平是关键。在当前的医学教育背景下,人工智能技术的广泛应用有助于医学教学更加便捷高效,具有较强的可行性。结合人工智能自动勾画平台的教学模式具有很强的创新性,是新型的放射肿瘤专科人才培养模式,符合当前医学教育的发展趋势,对提高放射肿瘤专业人才素质具有重要的现实意义。近年来,人工智能靶区勾画平台在医学领域具有巨大潜力,为适应医学教学的发展和满足学员学习的需求,教学改革势在必行。

开放自动化平台与人工智能的融合:探索新时代的自动化解决方案

随着业务流程数字化及数据爆炸式增长,人工智能的神经网络、自然语言处理等技术研究取得新进展,催生了更多的自动化应用。这些应用发展潜力巨大,能够整合海量数据,是工业自动化的重要发展方向。基于此,文章以开放自动化平台和人工智能概述为切入点,简要阐述了开放自动化平台的发展历程,分析了开放自动化平台与人工智能的融合现状及行业案例,介绍了其面临的挑战并指出了有效的解决方案,旨在为相关工作者提供参考。

基于人工智能的智慧教学平台自动运维技术研究

文中研究了基于人工智能的智慧教学平台自动运维技术.首先,通过需求分析和规划设计,确定了自动运维的目标和关键需求.其次,采用机器学习算法和自然语言处理技术,实现了对教学平台的自动监测、故障诊断和性能优化.再次,讨论了技术选型、平台架构设计和系统集成等关键问题,并提出了一套完整的系统开发与实施方案.最后,通过实验验证和案例分析,证明了该技术在提升教学平台稳定性,降低运维成本和提高用户体验方面的有效性和可行性.

人工智能放疗平台与5G技术的结合应用

近年来,随着我国云计算、人工智能技术的快速发展,ABAS、MIM等自动勾画软件应运而生,能够进行3D、4DCT和MRI等各类模态影像之间的形态配准处理,提升人工智能放疗平台的自动勾画效果。由于传统的人工智能放疗平台不能有效满足远程放疗的需求,所以5G技术作为一种先进的通信技术,能够为人工智能放疗平台进行远程放疗提供信息互通的网络支持。基于此,本文分析了结合5G技术的人工智能放疗平台实现远程放疗的技术措施,研究了具体的应用效果,分析了未来发展趋势,旨在为促进远程放疗的发展提供助力。

基于人工智能技术的危及器官自动勾画在胸部肿瘤中的应用

目的:评估基于人工智能技术的自动勾画软件勾画胸部危及器官轮廓的几何学精度,为临床应用提供依据。方法:选择30例胸部肿瘤患者的CT图像,分别使用基于人工智能技术的自动勾画软件勾画和医师手动勾画胸部危及器官。采用Hausdorff距离、形状相似性指数及Jaccard系数这3个指标评价自动勾画与手动勾画危及器官的几何学一致性。结果:在肺、心脏和脊髓的Hausdorff距离中,最大为右肺的(22.31±4.50)mm,最小为脊髓的(3.17±0.80)mm。危及器官的形状相似性指数值均≥0.91。Jaccard系数中左肺和右肺的均值≥0.95,脊髓的为0.84±0.02,心脏的略低为0.83±0.04。结论:基于人工智能技术的危及器官自动勾画软件对于胸部危及器官勾画能够达到较高的准确性和精度,可以满足临床工作。

人工智能云技术在乳腺癌患者心脏亚结构自动勾画中的应用

目的:评估人工智能云技术勾画平台(AI Contour)在乳腺癌患者心脏亚结构自动勾画中的准确性和可行性。方法:选取10例进行乳腺癌放射治疗患者的血管增强CT作为研究对象。在AI Contour上分别采用手动勾画、自动勾画和自动勾画后手动修改模式来完成10例患者的心脏亚结构勾画,包括左心房、右心房、左心室、右心室。比较Dice相似性系数(DSC)、Jaccard系数(JC)、Hausdorf距离(HD)、质心偏差(CMD)、包容性系数(IncI)、敏感性指数(SI)、勾画时间。结果:以手动勾画为金标准,自动勾画与手动勾画各心脏亚结构的DSC>0.8,JC>0.6,HD<9 mm,CMD<5 mm,IncI>0.8,SI>0.7。自动勾画后手动修改进一步提高了勾画精度,其中JC>0.8。自动勾画时间与手动勾画时间为(85.50±6.06)s vs(1160.30±74.31)s,差异具有统计学意义(P<0.05)。自动勾画后手动修改总时间与手动勾画时间为(558.70±33.40)s vs(1160.30±74.31)s,差异具有统计学意义(P<0.05)。结论:通过比较发现自动勾画技术能以较高的精度完成乳腺癌患者左心房、右心房、左心室、右心室的勾画,节省了大量时间,自动勾画后手动修改能进一步提高各心脏亚结构的勾画精度,同时云勾画平台具有远程协作的优势,值得推广运用。

人工智能实施头颈部患者组织结构自动勾画的评价研究

目的通过对采用特定模型的人工智能在头颈部组织结构勾画结果进行分析,以探索符合临床应用的勾画途径。方法利用改进型U-Net神经网络的眼周联合分割优化模型创建头颈部患者危及器官自动勾画模型,其中训练集优选自三家不同医院343例中勾画质量好的72例,验证集患者18例,测试集来源于本单位同一主诊医师收治的118例患者;对所得勾画与人工勾画之间的相似性系数等指标进行统计学分析。结果大部分器官分割的效果较为稳定,其中眼球、口腔、脑干、腮腺、颌下腺分割效果较好,平均形状相似性系数结果均在0.820以上,眼球甚至达到0.900以上;垂体、视交叉分割效果较差,最低仅为0.559。Hausdorff距离的数值与危及器官大小相关,小体积器官均相对稳定;而体积较小的器官更容易造成相对体积差异结果偏差较大。结论采用高精度优化模型的人工智能对解剖结构较为复杂的头颈部患者组织结构的勾画效果能够一定程度地满足临床需求。随着模型中优质勾画患者数量的增加及对构建模型的不断优化,人工智能自动勾画终将会在很大程度上把医务工作者从繁琐而重复的工作中解脱出来。

矿山电气自动化控制系统中人工智能技术的运用

社会发展需要科学技术进步的加持,人工智能理念的兴起,让其有了更大的发展和应用空间,逐步走进生活及生产中。如,语言识别技术、人脸识别技术等,都是人工智能技术的重要组成部分。人工智能技术的应用成为当前各行业提升生产效率的有效途径。对于矿产开发行业来说,市场对矿产资源需求量持续增长,导致传统开采技术不能满足时代发展需求,迫切需要更加先进的技术,基于此背景下,人工智能技术应用于矿山资源开采行业中,逐步让采掘作业、运输、选矿等环节实现自动化、机械化,但是人工技能技术应用还未全面普及,如果可以在矿山电气自动化控制系统中应用人工智能,能够对各方面数据资料进行全面收集、分析等,为各个阶段矿山作业过程进行优化调整提供了依据,有效提升系统运行的稳定性和安全性,逐步实现了矿山智能化生产及管理,既提升了生产效率,又降低矿山开采作业的成本。

基于人工智能技术的自动贩售商业模式大数据共享平台构建

为解决传统大数据共享平台存在安全性差的问题,提出一种基于人工智能技术的自动贩售商业模式大数据共享平台构建方法。对自动贩售商业模式大数据进行RDF格式描述,同时,建立自动贩售商业模式大数据共享逻辑结构,以标准化的UML语言方式,统一集合中的信息属性。并结合数据初始化、数据加密和数据恢复三个阶段的设计,完成对自动贩售商业模式大数据共享平台的构建。在此基础上,使用对比实验证明,提出的平台设计方法在应用中,可解决传统平台存在的不足,有效提高平台信息共享安全性。

甲状腺相关眼病放射治疗靶区自动勾画的人工智能训练研究

目的:通过建立甲状腺相关眼病(TAO)放射治疗靶区人工智能训练的自动勾画模型,测试及对比分析验证其准确性和可靠性。方法:选取于医院行放射治疗的80例TAO患者,分批将30例、40例、50例、60例和70例5组病例的手动勾画靶区载入到AccuLearning人工智能软件中进行训练,分别建立Model 1组(30例)、Model 2组(40例)、Model 3组(50例)、Model 4组(60例)和Model 5组(70例)的5组自动勾画训练模型;其余10例病例作为额外测试集组,在AccuContour人工智能软件中分别采用各模型行自动勾画,与其手动勾画靶区在相似性系数(DSC)、豪斯多夫距离(HD)和体积差值百分比(ΔV%)上行对比分析;将手动靶区的放射治疗计划载入到自动勾画靶区中进行靶区剂量分布评价系数接受95%、100%及110%处方剂量的最小百分体积(V_(95)、V_(100)、V_(110))的比较,并对各模型的组内一致性相关系数(ICC)进行分析,评价自动勾画的准确性和可信度。结果:5组模型的DSC值均>0.89,HD值范围为0.18~0.3 mm,自动勾画与手动勾画靶区的平均ΔV%<2%,自动勾画靶区的平均V_(95)、V_(100)及V_(110)分别在99%、95%和1%左右,各组ICC值均>0.9,表明自动勾画训练模型的准确性好,一致性和可信度高。结论:通过AccuLearning人工智能软件对TAO放射治疗靶区的自动勾画效果较为满意,但日后仍需要更完善的临床研究。

基于人工智能的多模态影像辅助海马体自动勾画研究

目的:利用基于深度学习的人工智能算法,结合头颅MRI和CT的多模态影像,开发海马结构自动勾画技术,为头颅放疗过程中海马体的保护提供高效、准确的自动勾画方法。方法:收集清华大学第一附属医院放疗科从2020年1月~12月就诊的40例脑转移癌患者的定位头颅CT及MRI影像,分别在CT图像、CT-MRI配准图像的两个数据集上训练3D UNet、3D U-Net Cascade、3D BUC-Net 3个深度学习模型,计算3个模型自动分割的左右海马体与对应的人工标注之间的Dice相似系数(DSC)和95%豪斯多夫距离(95 HD),以及两者的体积作为模型的分割准确性的评估,并且以对同一大小patch图像的自动分割耗时作为模型效率的评估。结果:引入MRI图像信息对左右海马的自动分割精度有明显的提升;模型3D BUC-Net在CT-MRI数据集上对左右海马体的自动分割都取得最好分割结果(DSC:0.900±0.017,0.882±0.026;95HD:0.792±0.084,0.823±0.093),而且该模型的分割效率更高。结论:模型3D BUC-Net能在多模态影像上实现高效、准确的海马区的自动勾画,为头颅放疗过程中海马区的保护提供方便。

智能放疗云平台自动勾画食管癌患者心脏结构的应用

目的:测试和评估智能放疗云平台(RAIC.OIS)在食管癌患者心脏结构自动勾画中的应用。方法:选取2018年2月~11月收治的20例食管癌患者进行研究。首先,将20例患者的放疗定位CT图像从Eclipse治疗计划系统传输至连心医疗的智能放疗云平台(RAIC.OIS);然后,使用RAIC.OIS的自动勾画工具,对CT图像中的心脏结构进行自动勾画;最后,将勾画好的结构文件传输并导入Eclipse。通过比较自动勾画和手工勾画的体积差异、位置差异、形状一致性和勾画时间,评估该软件的自动勾画工具应用于心脏结构自动勾画的可行性。结果:根据测量的数据结果,发现有1例患者的心脏形状和位置比较特殊,排除该患者的数据,对余下19例患者的数据进行统计分析。自动和手工两种方式勾画食管癌患者心脏结构的体积差异为(-17.08±8.66)%,相似性指数值为0.87±0.05。x、y和z这3个方向的位置差异分别为(0.12±0.09)、(0.11±0.08)和(0.22±0.16)cm,总位置差异为(0.31±0.14)cm。19例患者的自动勾画时间为(83±12)s,手工勾画时间为(284±58)s。结论:智能放疗云平台的自动勾画工具,对绝大部分食管癌患者的心脏勾画能够达到满意的结果。使用该工具可缩短心脏结构的勾画时间,提高放疗工作效率。

基于人工智能的电话机自动检测平台设计与实现

电话机作为使用者较多的通信终端,生产数量大,质量一致性要求高,日常使用和检测中暴露的问题也较多。为解决出现的问题,本文拟应用人工智能技术,设计一款电话机自动检测平台,代替人工检测,以提高检测效率,确保检测的客观性与准确性。

Borgward在硅谷推出美国总部;为自动驾驶汽车提供新的人工智能安全平台;于2021年进入美国市场

Borgward集团是一家全球汽车初创企业,自2015年该品牌在中国重生以来,已经有超过10万辆汽车下线。该集团在美国的新总部和研发中心位于加州的桑尼维尔。Borgward还由O‘Reilly和Intel AI在旧金山举行的人工智能大会上公布了其用于自动车辆的新的人工智能安全和可靠性技术。

基于nnUnetv2算法的宫颈癌放疗患者直肠壁自动勾画效果评价

目的:基于人工智能算法研究直肠壁的自动勾画以及自动勾画直肠壁效果分析。方法:搜集2020至2023年在浏阳市人民医院接受放疗的191名宫颈癌患者的CT数据,由两位经验丰富的妇科医生进行直肠壁勾画,导出dicom数据及RT结构,运用nnUnetv2算法建立模型并进行训练,分析手动勾画与自动勾画的直肠壁戴斯系数和95%豪斯多夫距离,并且针对不同体积的直肠壁进行勾画效果分析。结果:自动勾画的整体直肠壁戴斯系数为0.85,内壁戴斯系数为0.92,外壁戴斯系数为0.94;整体直肠壁的95%豪斯多夫距离为3.03 mm,内壁为6.18 mm,外壁为4.99 mm,内外壁戴斯系数明显优于整体直肠壁系数,且外壁戴斯系数优于内壁,95%豪斯多夫距离整体直肠壁优于内外壁,对于有一定内容物(粪便或空气)的直肠壁,勾画效果比空直肠或者充盈的直肠要好;剂量学评估PTV的剂量参数,CI、HI以及直肠壁的V_(45)差异无统计学意义(P>0.05),但直肠壁的V_(40)及D_(mean)差异具有统计学意义(P<0.05),表明自动勾画的直肠壁对PTV的剂量参数无显著影响,但对器官本身的剂量参数有一定影响。结论:采用nnUnetv2算法进行直肠壁的自动勾画可以获得较好结果,能提升勾画效率及准确度,对计划剂量分布影响并不显著,可直接应用于临床计划设计。

基于人工智能的VVA平台研究

为了提高仿真VVA的效率和准确性,实现VVA工具的通用化与自动化,研究和开发了基于人工智能的智能VVA平台(IntelligentVVAPlatform,IVVAP)。首先讨论了IVVAP的组成、功能、特点及其应用的过程与方法,然后深入研究了其实现方法,并开发了原型系统,最后通过在水声对抗仿真系统中的应用,验证了IVVAP的可行性及有效性。IVVAP具有开放的体系结构,为建模与仿真的VVA提供了通用的智能自动化工具,具有良好的应用前景。

基于人工智能与深度学习在脑胶质瘤精准放疗肿瘤靶区及正常器官自动勾画的研究

目的:人工智能与深度学习在脑胶质瘤精准放疗肿瘤靶区及正常器官自动勾画的研究。方法:选取2019年1月-2021年6月淄博世博高新医院收治的行脑胶质瘤术后放射治疗的患者48例为研究组,将48例脑胶质瘤患者数据分别导入50例和80例数据库中进行靶区及危及器官自动勾画,比较影像诊断医师与放疗医师勾画在数据库数量的增多情况下,肿瘤区(GTV)和肿瘤临床靶区(CTV)肿瘤靶区及正常器官勾画的精度及重复性是否产生影响,比较模型相似度、准确度,勾画效率、勾画误差,对此模型库数据进行理论验证和模型修正。结果:影像医师勾画GTV边缘相似度较放疗医师CTV边缘相似度好,80例数据较50例数据更稳定,均>90%。正常器官分割效果较为稳定,GTV和CTV比较,差异有统计学意义(P<0.05)。结论:两个模型的预测效能和不同表现的数据显示,最终确定,更准确、更高效地提高勾画效率、减少勾画误差的潜在优势。有助于减少照射体积,提高靶区准确性并对放射性脑坏死发生率评定,可为脑胶质瘤放疗的靶区勾画提供临床研究基础。

人工智能时代的国际传播:应用、趋势与反思

人工智能技术正成为重塑国际传播格局和生态的变革性力量,广泛应用于跨境信息采集,以及跨境内容生产、分发和人机交互等环节。在技术、市场和政治三重逻辑的相互嵌套下,人工智能与国际传播实践深度融合,呈现出传播大规模自动化、公共空间平台化和治理数控化的发展趋势。其中,效率与公平、机遇与风险、流动与控制三对矛盾始终存在。据此,应以人文主义为认识论出发点,推动国际传播观念和伦理体系的革新,并以此观照变动中的国际传播实践。

美国白宫:人工智能、自动化与经济报告

近年来,人工智能技术快速发展和广泛应用,其巨大的商业价值以及对信息经济的引领作用日渐凸显。《国务院关于积极推进＂互联网＋＂行动的指导意见》明确将＂互联网＋人工智能＂列为11项重点行动之一,依托互联网平台提供人工智能公共创新服务,加快人工智能核心技术突破。人工智能的发展必然将对技术、经济和人才需求多方面产生深远影响。

面向光伏行业的智能化数据平台构建方法研究

为提高光伏行业数字化智能化水平,对行业需求及数字化转型核心方法进行研究,结合行业应用系统现状,提出通过构建智能化数据平台,实现整体数字化驱动及平台支撑,同时引入人工智能技术提升数据治理及应用的智能化水平,通过对光伏行业场景的落地分析,验证该构建方法的可行性。