基于Qt框架的课堂实训任务智能辅助评分系统研究

智能辅助评分系统从教师和学生对实训教学评价实时反馈的需求出发,以Linux操作系统基础课程为实践案例,确定系统的结构组成,完成用户端界面的设计,并实现任务获取与判定、任务成绩数据显示、学生行为监控和数据库四大系统模块功能。教师在系统中进行实训任务的分发和收集、实时查看每个学生每个实训任务的成绩汇总数据。学生则在每次实训的时候获得即时评分反馈,持续优化实训任务的完成情况,以此提高实训教学的教学效率和教学效果。

少数民族汉语考试的作文辅助评分系统研究

随着计算机的普遍应用以及计算机技术的快速发展,计算机辅助性测试和计算机自适应性测试都已先后成为现实。计算机辅助评分,也称作计算机自动评分,就成为人们所希望的下一代计算机辅助工具。中文辅助评分系统的研究尚处于起步阶段,据我们了解还没有一个能大规模使用的系统。我们研究了许多英文的辅助评分系统,并按照文章中的算法提取特征,但是特征的相关度并不高。在该文中,我们利用统计自然语言处理和信息检索的技术提取作文写作水平和作文主题特征。在建模时,融入样本分数分布和一位评分员的评分的信息,创造性的提出三重分段回归模型。实验表明,利用我们的辅助评分系统协助评分,在节省一半阅卷量的情况下,精度可以达到97%以上。

辅助评分法动态观察指导治疗筋膜间室综合症

筋膜间室综合症,是指由于创伤等因素导致肢体的一个或数个筋膜间室压力增高而致筋膜间室内组织的血液循环障碍及组织损害,从而导致肌肉、神经组织缺血的一种病变.该症可造成肢体伤残,一般主张手术治疗.但也有使用非手术疗法治疗者.本病病情进展较快,仅靠一般经验难以准确把握病情变化.而辅助评分法可以量化观察指标,从而为治疗提供较为可靠的依据.自1998年1月～2000年6月,笔者采用辅助评分法动态观察指导治疗本病23例,现总结如下.

人工智能辅助评分系统联合超声弹性成像诊断甲状腺结节良恶性的价值

目的分析人工智能辅助评分系统联合超声弹性成像在甲状腺结节良恶性诊断中的应用价值。方法纳入甲状腺结节患者414例(共543个结节),分别使用甲状腺人工智能辅助评分系统和超声弹性成像技术对甲状腺结节进行分析,记录人工智能评分(AIAS)、应变率比值(SR)。对甲状腺良恶性结节的AIAS和SR进行二元Logistic回归分析,计算联合诊断预测因子。绘制受试者工作特征(ROC)曲线,分析AIAS、SR和两者联合诊断对甲状腺结节良恶性的价值。结果543个结节中,病理检查结果证实恶性病变339个(62.43%),良性病变204个(37.57%)。良性结节的AIAS、SR和联合预测因子均低于恶性结节,差异有统计学意义(P<0.05)。联合诊断的曲线下面积(AUC)高于AIAS和SR,差异有统计学意义(P<0.05)。结论人工智能辅助评分系统和超声弹性成像在单独诊断甲状腺结节良恶性中均具有一定的局限性,两者联合应用对甲状腺结节性质的诊断价值更高。

人工智能辅助评分联合剪切波弹性成像在乳腺结节鉴别诊断中的应用

目的:探讨人工智能辅助评分(artificial intelligence assisted scoring,AIAS)联合剪切波弹性成像(shear wave elastography,SWE)在乳腺结节鉴别诊断中的价值。方法:纳入90例患者共91个乳腺结节进行AI和SWE检查,记录结节的AIAS和弹性模量最大值(E_(max))、平均值(E_(mean))及标准差(Esd)。以AIAS和最佳弹性模量值为自变量,病理结果为因变量作二元Logistic回归分析,计算联合诊断预测因子并建立回归方程。以病理结果为金标准,绘制所有参数的受试者工作特征(receiver operating characteristic,ROC)曲线,计算并比较其曲线下面积(area under curve,AUC),获得最佳诊断临界值和净重新分类指数(NRI),评估AIAS、SWE及二者联合诊断乳腺结节良恶性的效能差异。结果:乳腺恶性病灶的AIAS、E_(max)、E_(mean)、Esd值均较良性增大(P均<0.001)。AIAS截断值≥0.6分时,AI诊断乳腺癌的灵敏度、特异度、准确率较高。E_(max)、E_(mean)、Esd的AUC分别为0.913、0.836、0.903(P均<0.05),其中E_(max)曲线下面积最大,截断值为87.4 kPa时诊断效能最佳。AIAS、E_(max)及联合诊断的AUC分别为0.911、0.913、0.943(P均<0.05)。根据NRI结果,联合诊断对AIAS和E_(max)均为正改善(P均<0.05)。结论:AIAS和SWE对乳腺结节均具有较好的鉴别诊断能力。与单独应用相比,二者联合诊断可提高乳腺恶性肿瘤的诊断效能。

计算机智能辅助评分系统定标集选取和优化方法研究

在计算机智能评分研究中,选取定标样本对建立评分模型至关重要。通过对不同定标集人机评分的对比研究,提出“专家随机抽取+智能挑选样卷+聚类分段补充”的定标集选取方法。这种方法提升了评分模型对于各分数段的建模能力,符合高考等考试环境下考生成绩呈正态分布的特点,拓展了对专家评分和阅卷教师评分的综合学习能力,使得计算机智能辅助评分系统能够通过深度学习的方法,更加全面地理解和掌握评分标准。

甲状腺结节良恶性的临床诊断中应用人工智能辅助评分系统联合超声弹性成像诊断的AIAS评分及应变率比值研究

目的:探讨甲状腺结节良恶性的临床诊断中应用人工智能辅助评分系统联合超声弹性成像诊断的人工智能辅助评分(AI-assisted score,AIAS)评分及应变率比值(ratio of strain rate,SR)。方法:选取130例2020年10月—2021年6月期间于安宁市第一人民医院接受甲状腺结节诊断的患者作为本次的研究对象,所有患者均行AIAS辅助评分系统、超声弹性成像、AIAS辅助评分系统联合超声弹性成像诊断,分析并对比三者的AIAS评分与SR。结果:经病理检查确认,130例患者中共308个结节,其中恶性病变185个,良性病变123个;经AIAS辅助评分系统检查发现共273个结节,其中恶性病变159个,良性病变114个;经超声弹性成像检查发现共280个结节,其中恶性病变163个,良性病变117个;经AIAS辅助评分系统联合超声弹性成像检查发现共301个结节,其中恶性病变180个,良性病变121个。AIAS辅助评分系统检查、超声弹性成像检查、联合检查的灵敏度分别为85.95%、88.11%、97.30%,特异度分别为92.68%、95.12%、98.37%,准确度分别为88.64%、90.91%、97.73%;恶性结节的AIAS评分与SR分别为(0.77±0.16)分、(6.21±1.66),均较良性结节的(0.46±0.17)分、(2.58±0.74)显著更高(P<0.05)。分析两种类型结节的图像特征可知,甲状腺右侧叶可见一实性低回声结节,形状不规则,纵横比>1,其内可见多个细点状钙化;超声图像AIAS辅助系统针对图一评分结果显示:评分为0.86,该结节偏恶性,Ti-RADS分类为4C类。结论:以AIAS辅助评分系统+超声弹性成像联合检查的方式诊断良恶性甲状腺结节,能够较好地诊断出甲状腺结节的性质,与病理检查结果具有较高的一致性,值得在临床中推广与使用。

语音识别架构下英语口语考试辅助评分系统

现有的英语口语考试评分系统的评分过程大量依靠人工辅助,导致评分结果客观性不足。针对该情况,提出一种语音识别架构下英语口语考试辅助评分系统。针对语音识别芯片型号进行研究,引入Sphinx-4语音识别架构,提取语音共振峰特征频率,设计评分流程,完成语音识别架构下英语口语考试辅助评分系统设计。系统性能测试结果显示:设计的辅助评分系统不同题型的不可接受差异,均能控制在10%以下,并且效度值均在最优区间0.5-0.7内,验证设计系统的可靠性。

人工智能辅助评分系统联合超声弹性成像诊断甲状腺结节良恶性的价值探讨

探讨和分析人工智能辅助评分系统联合超声弹性成像诊断甲状腺结节良恶性的价值。方法 选取本院收治的130例甲状腺结节患者展开研究;所有患者在诊断过程中,患者先接受超声弹性成像技术诊断,然后再运用人工智能辅助评分系统进行诊断,最后将两种方式联合诊断;以患者病理诊断结果为金标准,就三种方式的准确率,以及其诊断效能进行对比分析,并就良性与恶性结节的AIAS评分与SR进行对比。结果 恶性甲状腺结节的AIAS评分(0.75±0.10)分与SR(6.49±2.24)均显著高于良性结节(P<0.05)。联合诊断诊断出180个,与病理诊断的结果无显著差异(P>0.05)。此外,从灵敏度、特异度和准确度来看,联合诊断分别达到了97.30%、98.37%和97.73%,均显著高于单独使用弹性超声成像或AIAS(P<0.05)。结论 在诊断甲状腺结节的过程中,运用人工智能辅助评分系统联合超声弹性成像能够较好地保证诊断准确性,可广泛推广使用。

基于中医传承辅助平台挖掘李其忠教授治疗郁证的用药规律

目的:通过中医传承辅助平台挖掘和分析李其忠教授治疗郁证的辨证思路和用药规律,为临床治疗郁证提供理论依据和用药参考。方法:收集李教授临床治疗郁证的病案,使用中医传承辅助系统(V2.5)进行数据录入与分析。采用该系统集成的数据挖掘方法,如规则分析、互信息法、复杂系统熵聚类和无监督的熵层次聚类等,对处方中各药物的使用频次及关联规则进行深入挖掘,总结李教授治疗郁证的用药经验。结果:经过筛选共分析了79首处方,涉及131味中药,其中用药频次≥10次的中药共37味;通过组方规律分析总结出55组常用药物组合。取药物关联系数在0.03以上的常用药对有44对;通过新方分析模块挖掘出18个核心药物组合;得出候选新处方8首。结论:李其忠教授在治疗郁证时注重古方与成方的运用,同时强调药物的配伍与药对的应用;认为气机郁滞是郁证的主要病因病机,治疗以四逆散为主方,守一方而随症加减。

简短问答题计算机辅助评分系统的设计与实验

本研究以模糊数学中的单向贴近度为理论基础设计出一套英语简短问答题计算机辅助评分系统，并且通过三次实验逐步改进了该系统。此研究的目的在于运用计算机技术，减少人为因素在简短问答题评分过程中的影响，在保持较高评分信度的同时节省人力等资源。

大学英语四、六级考试计算机辅助作文评分效度探析

本研究通过对148位大学英语四、六级考试计算机辅助作文评分员的问卷调查和个别访谈,从评分标准、评阅程序、评分员和给分方式等方面对影响作文评分效度的主要因素进行了分析。研究表明,CET作文网阅可以再进一步细化评分标准,增加有代表性的评分样卷;对评分员实施持续培训;采用双人互评将有助于提高作文评分效度。

语言测试中主观题评分员效应研究综述

主观题是语言测试中的重要组成部分。主观题可以弥补标准化试题的不足,但又存在评分依赖于评分员主观印象的问题,这导致评分员自身的不稳定性和评分员之间的差异。借鉴、利用三大测量理论和计算机辅助评分,可以优化主观题评分质量,提高其精准性和有效性。

新辅助直肠评分对接受新辅助放化疗联合手术的局部进展期直肠癌患者10年生存状况的预测价值

目的探究新辅助直肠(NAR)评分对接受新辅助放化疗联合根治性手术的局部进展期直肠癌患者长期生存的预测能力。方法采用回顾性队列研究方法。回顾性分析中山大学肿瘤防治中心2004年10月至2014年4月期间病理确诊为直肠腺癌而接受新辅助放化疗和根治性手术的局部进展期直肠癌患者的临床病理资料和10年以上的随访资料,排除存在除直肠以外的其他脏器原发性肿瘤、术前伴发远处转移和无法获取随访数据者。比较NAR评分高低对本组患者预后的影响。应用Kaplan-Meier法计算无病生存期(DFS),使用Log-rank法比较生存差异,使用Cox模型进行DFS的单因素和多因素分析;利用受试者工作特征曲线(ROC)进行NAR和肿瘤退缩分级(TRG)评分对患者术后10年复发转移结局的预测能力进行评估,并使用Delong检验比较两种评分的检验效能。结果487例患者中,男性166例(34.1%);中位年龄为56(46,63)岁。所有患者均完成了术前足量放化疗,并由外科医生评估能够进行手术后,进行了肿瘤的R0切除;手术距离放化疗结束中位间隔时间为51(44,58)d。术前放化疗后降期329例(67.6%),TRG1~2级为246例(50.5%),TRG3~4级为241例(49.5%)。394例患者(80.9%)接受了术后化疗。全组NAR评分<8分有182例(37.4%),8~16分有180例(37.0%),>16分有125例(25.6%)。全组中位随访时间为111.5(70.7,133.7)个月,113例患者死于直肠癌,其中13例患者出现局部复发,88例患者出现远处转移,12例复发转移模式未明。全组10年DFS以及总体生存率分别为68.9%和71.5%。生存分析显示:NAR评分<8分、8~16分和>16分者10年的DFS率分别为85.1%、80.5%和66.4%,差异有统计学意义(P<0.001)。Cox多因素分析显示:术式为Dixon术(HR=0.606,95%CI:0.408~0.902,P=0.014)和NAR评分>16分(HR=2.569,95%CI:1.559~4.233,P<0.001)均是影响局部进展期直肠癌患者10年DFS的独立预后因素(均P<0.05)。在全组患者中,NAR评分预测10年复发转移结局的ROC曲线的曲线下面积(AUC值)为0.67(95%CI:0.62~0.72),TRG评分预测10年复发转移结局的ROC曲线AUC值为0.54(95%CI:0.49~0.60),两者比较差异具有统计学意义(Z=−4.06,P<0.001)。结论NAR评分对接受了新辅助放化疗联合根治性手术的局部进展期直肠癌患者的10年DFS具有良好的预测作用,且预测效能显著高于TRG评分。

新辅助直肠评分在局部晚期直肠癌新辅助短程放疗后巩固化疗模式中的预后及辅助化疗决策作用

目的探讨新辅助直肠(NAR)评分在新辅助短程放疗加巩固化疗模式下对局部晚期直肠癌(LARC)预后的影响及对辅助化疗决策的价值。方法选取2015年8月至2018年8月入组STELLARⅢ期试验(NCT02533271)接受新辅助短程放疗加巩固化疗并可计算NAR评分的LARC患者。按照NAR评分,分为低(<8分)、中(8~16分)、高(>16分)组。生存分析采用Kaplan-Meier法和Log rank检验,影响因素分析采用Cox比例风险回归模型。结果232例LARC患者,低、中和高NAR评分患者分别为56例(24.1%)、113例(48.7%)和63例(27.2%)。中位随访37个月,低、中和高NAR评分患者的3年无病生存(DFS)率分别为87.3%、68.3%和53.4%(P<0.001)。多因素分析显示,NAR评分(中NAR评分:HR=3.10,95%CI:1.30~7.37,P=0.011;高NAR评分:HR=5.44,95%CI:2.26~13.09,P<0.001)、切除状态(HR=3.00,95%CI:1.64~5.52,P<0.001)及辅助化疗(HR=3.25,95%CI:2.01~5.27,P<0.001)为DFS的独立预后因素,高NAR评分者DFS显著较低。R0切除患者中,低、中NAR评分者接受辅助化疗的3年DFS率分别为97.8%、78.0%,高于未接受辅助化疗的患者(分别为43.2%和50.6%,均P<0.05)。高NAR评分者接受或未接受辅助化疗的3年DFS差异无统计学意义(分别为54.2%和53.3%,P=0.214)。结论NAR评分是LARC新辅助短程放疗加巩固化疗策略中的有效预后指标,在后续辅助化疗决策方面具有潜在作用,其值得在更大样本量的研究中进一步验证其价值。

语法自动分析与计算机辅助写作评分

本研究旨在利用多元线性回归统计模型,构建面向中国英语学习者的写作计算机辅助评分模型,并应用大规模语料验证其可靠性。研究发现:在考虑语法及基本写作风格等因素的条件下所构建的评分模块,辅以事后人工复查,可相当准确地预测写作的总体评分。因此在特定条件下,该评分模块可应用于计算机辅助写作评卷。

儿童青少年骨龄评估的现状与展望

骨龄对于评价儿童青少年的生长发育情况、疾病诊断、临床治疗的监测都有重要的意义,该文较全面地介绍了骨龄评估的传统方法、新近方法与常用方法,并对骨龄评估方法的发展趋势予以展望,同时分析了不同骨龄评价方法间的差异。经参阅国内外大量相关文献,现就骨龄评估方法的研究与进展进行综述。

人工智能在教育考试评测中的应用探索

本文围绕人工智能在教育考试评测中的技术进展,介绍人工智能技术在考试阅卷中辅助人工的应用成果,说明在各类考试中的填空题、作文题等题目中利用智能辅助评分所取得的效果,以及未来考试评卷中人工智能研究应用发展方向。

虚拟仪器与信息融合技术在YCAES系统中的应用

主要介绍了虚拟仪器和信息融合技术在汽车驾驶路考计算机辅助监考评分系统(YCAES)中的应用.阐述了系统信息流程、虚拟仪器工作模型和信息融合的融合结构.

OES在线考试系统关键技术的研究与实现

OES在线考试系统是一个以高校为背景构建的在线考试系统,意旨为高校提供一套完整的权限化校园在校考试解决方案,以此降低出卷成本,提高阅卷效率,展现教学公平性、教研科学性,实现教育智能化。系统包含在线考试、成绩分析、试题与试卷的信息维护、权限指派等功能,实现了整个考试过程的自动化控制和数据信息化、权限化管理。随机抽题组卷(丰富的组卷方式)、每次进入随机刷新试题顺序、主观题辅助评分并且可由老师复查主观题给出最终分数是本系统的三大创新点。该文针对在线考试系统的三大创新点进行了深入的研究和分析,最终实现的系统具备高可用、细粒度交互、高效率等诸多优势。