以学习操作系统构建数字化转型的数智动能

伴随着数据要素价值的凸显,如何以教育数据的有效治理,充分发挥数智驱动教育变革的强大潜力,成为教育数字化转型的关键所在。在智能教育大脑的隐喻下,学习技术系统依托于充当“数智大脑”角色的核心构件,搭建“数据组织—数据建模—数据分析”的教育数据治理通路,深度挖掘并最大化释放教育数据价值。基于此,文章以数据为主线重塑新一代学习技术系统框架,并以学习操作系统作为核心构件的隐喻,从“为何”“是何”及“如何”三个方面深度阐释其来源、内涵与体系架构,聚焦于数智动能的系统实现。同时,基于团队研发的“数智大脑”平台,文章以案例故事的形式描绘其在学校教育中的多元化使用场景,展现出以学习操作系统构建的数智动能的强大应用潜力,以期为数智驱动教育数字化转型提供全新的视角和思路。

基于双子空间PCA降维的脑力负荷分类

人类社会至今的飞速发展使得大量体力劳动被机械工程替代,工作者的任务重心也从体力劳动逐渐转变为脑力劳动,对操作者脑力负荷进行实时评估以增强工作效率在当下有着重大意义。目前人类对于脑力负荷评估共有3种方式,有研究表明,采用生物电信号进行脑力负荷分类效果较其余两种方法更客观。但脑电信号经过特征提取后维数极高,所需数据量和运算量巨大,需要对其进行降维。目前降维方面最广泛运用的两种算法为主成分分析(principal component analysis,PCA)和线性判别分析(linear discriminate analysis,LDA)。针对PCA的非监督性和LDA的特征冗余敏感性,提出一种二分类下基于双子空间主成分分析的降维算法,分别对不同类别的训练集数据进行主成分分析,并将所有训练集数据映射到生成的空间中,再次进行PCA-LDA降维,以此提高降维后数据的可分性。实验结果表明,双子空间PCA-LDA降维算法在二分类任务下测试集精度整体高于单子空间PCA-LDA算法,以此为脑力负荷分类领域和高维数据降维领域提供了新思路。

基于3D注意力卷积与自监督学习的脑疾病分类方法

为了提升现有脑疾病分类方法提取三维空间特征的能力,提出一种融合3D注意力卷积与自监督学习的分类模型。首先,提出一种基于残差结构的3D注意力卷积神经网络来提取空间特征,利用3D注意力机制区分体素数据中不同空间位置的重要性;其次,利用空间特征构建一个基于自监督学习的多任务学习框架,通过基于空间连续性的自监督辅助任务来进一步挖掘体素的空间依赖关系;最后,通过辅助任务与目标分类任务的联合训练优化神经网络参数,进而提升分类模型的性能。在ABIDE-Ⅰ和ABIDE-Ⅱ数据集上的实验结果表明,所提方法具有优异的分类性能,分类结果也具备良好的可解释性。

基于多模态影像的脑龄预测模型与应用

脑龄预测是借助脑影像数据进行建模与分析,客观评估大脑成熟与老化程度的一种分析技术。随着人工智能算法的发展,脑龄预测的相关研究近年呈现快速增长态势。已有研究普遍认为脑龄预测有助于评估大脑的健康状态,是监测大脑异常发育和老化的有效指标,具有预测大脑异常老化和病变发生的巨大潜力。针对近年来脑龄预测领域的发展,从脑龄分类、脑龄模型及其临床应用等几方面,综述该领域的最新研究进展,并进一步概述脑龄研究未来发展的挑战和趋势。

神经网络结构搜索在脑数据分析领域的研究进展

神经网络结构搜索(neural architecture search,NAS)是自动化机器学习的重要组成部分,已被广泛应用于多个领域,包括计算机视觉、语音识别等,能够针对特定数据、场景、任务寻找最优的深层神经网络结构.将NAS引入至脑数据分析领域,能够在图像分割、特征提取、辅助诊断等多个应用领域大幅度提升性能,展现低能耗自动化机器学习的优势.基于NAS进行脑数据分析是当前的研究热点之一,同时也具有一定挑战.目前,在此领域,国内外可供参考的综述性文献较少.对近年来国内外相关文献进行了细致地调研分析,从算法模型、研究任务、实验数据等不同方面对NAS在脑数据分析领域的研究现状进行了综述.同时,也对能够支撑NAS训练的脑数据集进行了系统性总结,并对NAS在脑数据分析中存在的挑战和未来的研究方向进行了分析和展望.

类脑智能垃圾识别技术研究

园区无人驾驶清洁车垃圾识别技术是一项基于人工智能和机器视觉的创新技术,旨在提高园区清洁效率和垃圾分类的准确性。文章研究并实现了一种基于类脑智能和大数据技术融合的、可适应不同距离的垃圾图形数据去噪和精简处理技术。该技术利用先进的图像识别算法和深度学习模型,能自动识别和分类不同类型的垃圾。通过搭载高分辨率摄像头和传感器,该技术能实时捕捉园区内的垃圾图像,并将其传输到云端进行分析和处理。

基于通道组合-数据对齐-多尺度全局CNN的MI-EEG分类

由于运动想象脑机接口(MI-BCI)范式不需要视觉刺激,应用MI-BCI范式在提高人机交互系统舒适度方面具有重要意义。为实现辅助设备的异步控制,提高模型的鲁棒性,减少通道使用数量以降低BCI系统输入的复杂性,提出一种基于通道组合(channel combination,CC)-数据对齐(euclidean space data alignment,EA)-多尺度全局卷积神经网络(multiscale global convolutional neural network,MGCNN)的运动想象脑电分类方法。通过引入大脑静息状态下的脑电信号,扩展MI-BCI输出指令集;利用CC将22通道脑电数据重构为左右对称通道加中间通道的3通道形式,重构后的数据经过EA方法规范后作为网络输入;构建多尺度卷积模块与全局卷积模块,并行提取脑电信号的局部特征和ERS/ERD全局特征;利用迁移学习提升模型的解码能力。结果表明:该方法在BCI Competition IV 2a数据集上达到了99.28%的平均准确率和0.99的Kappa值,提高了运动想象脑电分类精度,为在线异步运动想象脑机接口的应用与发展作出了贡献。

城市智慧公交云脑建设与应用

针对公交海量数据多源、异构、分散,不能充分收集、治理和应用,传统智能公交不同系统间联动性不强的实际现状,本文通过对北京、杭州、广州、上海等城市数据大脑、云脑平台的调查研究,结合云计算、人工智能等新一代信息技术,提出智慧公交云脑平台建设的总体架构,深挖十大核心应用功能,分析六大发展趋势。通过多源数据的融合、挖掘,核心模型算法的搭建,支撑公交业务应用,并加强各应用系统间的信息耦合。

区分胶质母细胞瘤和单发性脑转移瘤的多模态融合深度学习模型的开发和验证

目的:胶质母细胞瘤(glioblastoma,GBM)和脑转移瘤(brain metastases,BMs)是成人中常见的恶性脑肿瘤,目前磁共振成像(magnetic resonance imaging,MRI)是筛查和评估脑肿瘤预后的常用方法,但其鉴别诊断GBM和BMs的特异性和敏感性有限。近年来,深度神经网络在诊断分类和创建临床决策支持系统方面显示出极大的潜力。本研究旨在应用深度学习技术提取的放射组学特征,探讨其在初诊GBM和单发性脑转移瘤(solitary brain metastases,SBMs)术前准确分类中的可行性,进一步探索基于多模态数据融合对分类任务的影响。方法:回顾性分析经组织病理或临床诊断证实的135例初诊GBM患者和73例SBMs患者的头颅MRI序列数据。首先,选择结构性T_(1)加权、T_(1)C加权和T_(2)加权作为整个模型的3个输入,在配准后的3种模态MR图像上人工勾画感兴趣区域(regions of interest,ROI),并获取多模态放射组学特征,使用基于随机森林(random forest,RF)的特征选择方法降低维度,进一步分析每个特征的重要性。然后,通过对比解纠缠的方法寻找不同模态特征之间的共享特征和互补特征。最后,通过融合不同模态的2种特征,预测每个样本对GBM和SBMs的响应。结果:应用机器学习和本文提出的多模态融合方法的放射组学特征对GBM和SBMs有较好的区分能力。相较于单模态数据,应用支持向量机(support vector machine,SVM)、Logistic回归、RF、自适应增强(adaptive boosting,AdaBoost)、梯度提升决策树(gradient boosting decision tree,GBDT)机器学习算法的多模态融合模型均取得了较大提升,曲线下面积(area under the curve,AUC)分别为0.974、0.978、0.943、0.938、0.947。本研究的对比解纠缠多模态MR融合方法表现更好,测试集上AUC、准确度(accuracy,ACC)、灵敏度(sensitivity,SEN)、特异度(specificity,SPE)分别为0.985、0.984、0.900、0.990。相较于其他多模态融合方法,本研究方法的AUC、ACC和SEN均呈现出最好的性能表现。验证本研究各模块组件作用的消融实验中,同时使用3种损失函数后,AUC、ACC和SEN分别提升了1.6%、10.9%和15.0%。结论:基于深度学习的对比解纠缠多模态MR放射组学特征融合技术有助于提高GBM和SBMs的分类准确性。

基于多模态数据的人工智能教育大脑构建和应用场景探究

随着“人工智能+教育”的发展,科技赋能教育催生人工智能教育大脑。人工智能教育大脑将突破现有教育模式,通过多模态数据的实时感知,打造更精准、更高效、更丰富的全新教育生态系统。首先,结合人工智能教育大脑概念及关键技术,对人工智能教育大脑进行概述。其次,对人工智能教育大脑中的多模态数据进行分析,并基于多模态数据对人工智能教育大脑进行模型建构,分析其多应用场景及功能。最后,对人工智能教育大脑的未来发展前景进行价值探讨。

档案数据大脑在推动新质生产力中存在的问题与对策

随着数字经济和信息技术的不断发展,档案数据大脑作为档案数据智能化发展的产物,对于推动数字经济和社会发展发挥重要的作用。然而,档案数据大脑在推动新质生产力的过程中也存在一些问题和挑战。文章主要对档案数据大脑在推动新质生产力中可能面临的问题进行分析和探讨,主要集中在数据安全、数据质量、数据治理等方面。同时,文章还提出相应的对策和解决方案,以实现档案数据大脑的更加可持续发展和应用。通过文章的研究得出结论:档案数据大脑在推动新质生产力中的确存在着一些问题和挑战,但通过合理的对策和解决方案,可最大限度地减少这些问题的影响,实现档案数据大脑的可持续发展和应用。

基于数据挖掘对中医药治疗CKD合并脑卒中的组方用药分析

基于数据挖掘方法探讨中医药治疗慢性肾脏病(CKD)合并脑卒中(CS)的临床用药规律。收集2017年10月至2022年10月天津中医药大学第一附属医院门诊治疗CKD合并CS的处方,建立中药处方数据库。统计分析用药频次、性味及归经,对处方中的药物进行聚类分析,利用SPSS Modeler 18 Apriori算法对所有药物进行关联分析。最终纳入544个处方,涉及中药258味,总用药频次8 886次。药性以寒性、温性、平性居多;药味以苦味、甘味、辛味为主;归经多为脾经、肝经;得出13个关联组合药对和5个核心药物组合。中医药对CKD合并CS患者的治疗,根据气虚血瘀、脾肾两虚的病机特点,主要采用健脾益气、补肾活血的组方用药。

血管紧张素Ⅳ与急性脑梗死患者认知功能障碍及严重程度的相关性

目的探究急性脑梗死(ACI)患者血清血管紧张素(Ang)、AngⅣ水平变化,并分析患者血清Ang、AngⅣ与认知功能障碍及严重程度的相关性。方法选取2020年1月至2023年1月江阴市人民医院神经内科收治的ACI患者280例,根据简易智能状态检查量表评分进行分组,将其分为认知正常组147例(≥27分)和认知障碍组133例(<27分);认知障碍组133例分为轻度组50例(21~26分),中度组44例(10~20分),重度组39例(<10分)。另外根据Pullicino公式计算梗死体积(V),将280例ACI患者分为以下3个亚组:V<5cm^(3)为轻度梗死组80例;V 5~10cm^(3)为中度梗死组130例;V>10cm^(3)为重度梗死组70例。分别比较不同组别血清Ang、AngⅣ水平。采用Pearson相关性分析Ang、AngⅣ与ACI患者认知功能障碍及严重程度的相关性。结果认知障碍组血清Ang、AngⅣ水平高于认知正常组(P<0.01)。轻度组、中度组、重度组血清Ang、AngⅣ水平比较差异有统计学意义(P<0.01);进一步两两比较,重度组、中度组血清Ang、AngⅣ水平高于轻度组(P<0.01);重度组血清Ang、AngⅣ水平高于中度组(P<0.01)。重度梗死组、中度梗死组、轻度梗死组血清Ang、AngⅣ水平比较,差异有统计学意义(P<0.01);进一步两两比较,重度梗死组、中度梗死组血清Ang、AngⅣ水平高于轻度梗死组(P<0.01);重度梗死组血清Ang、AngⅣ水平高于中度梗死组(P<0.01)。Pearson相关性分析显示,ACI患者血清Ang、AngⅣ水平与认知功能障碍呈正相关(r=0.764,P=0.000;r=0.792,P=0.000),血清Ang、AngⅣ水平与严重程度呈正相关(r=0.801,P=0.000;r=0.807,P=0.000)。多因素logistic回归分析结果显示,年龄、高血压、糖尿病、高脂血症、吸烟、遗传、Ang、AngⅣ均为影响认知的高危因素。结论ACI患者血清Ang、AngⅣ水平升高。随着认知功能障碍严重程度升高及梗死面积增大,ACI患者血清Ang、AngⅣ水平越高,且呈正相关。血清Ang、AngⅣ水平可以作为判断ACI认知功能障碍及严重程度的标志物,且影响认知的高危因素较多,其中血清Ang、AngⅣ水平也是其中之一。临床应结合高危因素优化治疗方案,以降低ACI后的认知功能障碍发生率。

科研MRI质量控制系统的开发与应用

目的 研发脑科学科研磁共振成像(Magnetic Resonance Imaging,MRI)质量控制系统,探讨其在日常质量控制管理中的应用价值。方法 在2020年9月至2022年3月期间对西门子Verio磁共振采集50次水模质量控制数据,计算主磁场(B0场)不均匀性、信噪比、图像均匀度、奈奎斯特伪影、几何畸变、弥散各向异性分数、功能磁共振成像(Functional Magnetic Resonance Imaging,fMRI)波动和漂移百分比、fMRI信号波动噪声比、fMRI频谱分析。结果 数据可自动经由软件计算以图表的形式呈现,除了2021年9月10日(梯度线圈损坏)与2022年1月14日(32通道线圈损坏)出现两次明显异常波动,各参数在质控周期内均以相对稳定的数值在合理范围内上下波动。通过对设备长期的质控,设立基线,一旦发现异常,及时分析报修处理,比较设备维修前后差异,保证设备处于正常稳定状态。结论 该质量控制系统能直观、有效地对MRI设备进行日常质量控制,及时发现故障,锁定方向,保证MRI设备正常运行,为磁共振弥散张量成像和fMRI实验数据质量提供保障。

胰岛素样生长因子结合蛋白3在脑梗死模型的表达及Smad信号通路的参与机制

目的 探讨Smad信号通路机制在脑梗死模型大鼠中的作用以及脑组织胰岛素样生长因子结合蛋白3(IGFBP-3)的表达变化与神经功能的关系。方法 60只健康成年雄性SD大鼠随机分为模型组、假手术组及正常对照组,每组20只,模型组采用线栓法建立脑梗死模型,假手术组仅暴露颈内动脉后直接缝合皮肤,建模成功后1周评估各组大鼠的改良神经功能缺损(mNSS)评分。采用苏木精-伊红染色法检测脑组织病理学变化情况,采用Western blot法对大鼠脑组织中IGFBP-3、Smad2、Smad4蛋白水平进行检测,并采用逆转录聚合酶链反应测定大鼠脑组织中IGFBP-3、Smad2、Smad4 mRNA水平。用Spearman相关性分析IGFBP-3、Smad2、Smad4、P21表达水平之间的相关性。结果 苏木精-伊红染色结果显示,模型组大鼠出现明显脑组织水肿,表现为脑细胞排列紊乱,小胶质细胞数量变多,脑细胞核仁出现模糊,其中脑梗死面积为20.55%。与假手术组和正常对照组比较,模型组大鼠mNSS评分、IGFBP-3、Smad2、Smad4蛋白及mRNA相对表达水平明显升高,P21蛋白及mRNA相对表达水平明显降低(P<0.05,P<0.01)。Spearman相关性分析显示,模型组大鼠脑组织中IGFBP-3 mRNA表达水平与mNSS评分、Smad2 mRNA、Smad4 mRNA呈显著正相关(r=0.568,r=0.623,r=0.597,P<0.01);IGFBP-3 mRNA表达水平与P21呈显著负相关(r=-0.573,P<0.01)。结论 脑梗死大鼠脑组织IGFBP-3水平显著升高,且IGFBP-3水平与脑梗死大鼠神经功能之间关系密切,其作用机制可能与Smad信号通路有关。

基于静息态功能磁共振成像的青年男性军人抑郁症患者多尺度脑异常研究

目的揭示青年男性军人抑郁症患者静息态条件下的多尺度脑功能异常特点。材料与方法本研究纳入青年男性军人抑郁症患者及健康对照被试各31例,采集被试成长经历、人格特质、生活事件、社会支持、抑郁、焦虑和掩饰性评分及静息态MRI数据。对于预处理后的功能MRI数据,进行体素-脑区的多尺度分析,并结合Mann-Whitney U和一般线性模型分析青年男性军人抑郁症患者不同尺度下的异常特点及与军人心理健康大数据评分变量间的关系。结果(1)体素尺度下,军人抑郁症患者双侧舌回和右侧额上回的低频振幅(amplitude of low-frequency fluctuations,ALFF)值,双侧舌回、左侧梭回的低频振幅度分数(fractional amplitude of low-frequency fluctuations,fALFF)值以及左侧颞上叶的功能连接强度(functional connectivity strength,FCS)显著降低(P<0.05);右侧中央旁小叶ALFF值、左侧额中回和右侧额上回fALFF值和左侧楔前叶FCS显著增高(P<0.05)。(2)脑区尺度下,军人抑郁症患者右侧颞下回中介中心性、右侧楔前叶的度中心性和小脑蚓部节点最短路径显著增加(P<0.05);右侧颞下回的度中心性、节点聚类系数和节点局部效率,小脑区域的度中心性和节点效率以及右侧枕下回的节点局部效率显著降低(P<0.05)。(3)脑网络尺度下,军人抑郁症患者的异常遍布多个脑网络,默认网络(default mode network,DMN)与视觉网络(visual network,VN)的差异最多。(4)关联分析显示,位于DMN、VN与小脑等脑区的ALFF、FCS、度中心性、节点效率及节点最短路径等功能特征与军人心理大数据显著相关(P<0.05)。结论本研究揭示了青年军人抑郁症患者从局部到全局多个尺度下脑功能异常变化的特点,并发掘了与军人心理健康大数据显著关联的异常区域,该发现为进一步了解青年男性军人抑郁症群体的发病机制提供了结果支持。

基于U1-net网络的放疗脑肿瘤靶区分割

文章基于全卷积神经网络(fully convolutional network,FCN)的U-net网络,并通过对U-net网络的调整,构建适用于脑肿瘤图像分割的U1-net网络。U1-net网络由卷积层、最大池化层、反卷积层和激活函数4个部分组成。通过在公共数据集BRATS 2015上的实验验证了该网络的有效性。实验结果表明,该网络能适应脑肿瘤轮廓取得较好的分割效果,在脑肿瘤的完整肿瘤区、核心肿瘤区、增强肿瘤区的Dice相似系数(Dice similarity coefficient,DSC)分别为0.95、0.85、0.83。

重复性景观体验中脑疲劳测度表征及其实证研究——以襄阳城墙沿线公园为例

【目的】脑疲劳是重复性体验的科学表征之一,为常规体验性景观效能与品质的客观描述与量化测度提供专业依据。依托脑电技术开展重复性景观体验中脑疲劳的科学探知与精准研判,揭示重复性景观体验脑疲劳变化的认知规律和构成逻辑,推动人民城市提质增效发展需求下的景观更新与改造。【方法】建立场景与脑疲劳的关联研究机制,集成脑敏感分析技术、方差分析方法构建脑疲劳测度模型。以襄阳城墙公园为例,遴选普适性场景样本,将单一、复合要素场景按5个轮次开展脑疲劳测度实验与数据解析。【结果】基于实验解析和数理统计的重复性景观体验测度模型可量化描述脑疲劳趋势、幅值、相关性和显著性特征指数,联立反映场景基本构成要素及其组合的脑疲劳影响与效应。【结论】相关成果有助于提升重复性景观体验中脑疲劳测度研究深度,并为景观体验及其循证研究提供脑电理论铺垫、实验优化途径与拓展型专业技术。

基于制造业的智慧大脑数据治理系统设计与实现

传统产业数字化转型升级中遇到的最大难题是数据治理,在数字经济发展的当下,过多的信息孤岛限制了企业内部系统间的互联互通,因此需要构建“企业智慧大脑”汇聚和处理来自周围的管理数据、生产数据、财务数据,将分离的数据集合成有用的信息,并进行统一调度指挥,帮助企业提高运行效率,优化现有管理结构,实现产业高质量发展。

基于数据挖掘分析叶天士《临证指南医案》治疗脑系疾病的用药规律

目的利用数据挖掘方法分析叶天士《临证指南医案》中脑系疾病的用药规律,为中医临床治疗脑系疾病提供参考。方法筛选《临证指南医案》中治疗脑系疾病的医案,对医案处方中的药物进行规范化处理后录入中医传承辅助平台(V2.5),并对录入处方中药物四气、五味、归经、使用频次、常用药对进行分析,采用复杂系统熵聚类算法生成新处方。结果共录入处方116首,含中药151味,其中性寒、味甘之药所占比例最大,归经以肝经为主,使用频次较高的中药有茯苓、生地黄、人参、枸杞子、菊花等;得到支持度≥8、置信度≥0.5的关联规则24组,设置相关度10、惩罚度4、关联系数≥0.023,基于改进的互信息法挖掘得到药对26对,得到11首新处方。结论叶天士治疗脑系疾病重视从肾论治、填精益髓,擅用温补和化痰类中药,挖掘得到的新处方具有一定的临床应用价值。