动态不确定因果图在中医诊断中的应用探讨

动态不确定因果图(DUCG)已成为中医药领域新兴的、先进的知识表示与推理模型。为更好地应用DUCG为中医临床提供诊断推理与决策支持,在归纳总结DUCG中医药领域研究与应用情况的基础上,分析现阶段DUCG在中医诊断中存在的主要问题,包括中医术语规范统一和中医药知识库质量问题、推理算法和模型建造的方法选择与设计问题、DUCG中医诊断模型的平台化和产品化问题等,并据此展开应用思路与方法探讨,提出应深挖DUCG的技术内涵,根据临床实际需求选择精准、高效的推理建模方法,建立符合中医药理论思想、具有中医特色的智能辅助诊断模型,加强DUCG协同研究平台及产品的开发应用。

人工智能技术在视网膜母细胞瘤中的应用现状

视网膜母细胞瘤是一种常见于儿童的眼部恶性肿瘤,是威胁儿童视力和生命的主要原因之一。视网膜母细胞瘤的诊断和评估一直是临床的热点问题。在过去的几年,人工智能(AI)技术的应用在医学领域取得了显著进展,为视网膜母细胞瘤的诊断和治疗提供了新的机会和挑战,如利用AI算法分析海量临床数据,可以帮助医生更准确地诊断疾病,提供个性化的治疗方案。此外,AI技术还在医学图像分析、基因组学研究等多方面发挥重要作用,可以助力新药开发、改善患者预后。本文结合近年研究情况,综述AI在视网膜母细胞瘤中的应用进展。

基于数字孪生技术的中医智能辅助诊疗系统构建研究

研究在厘清中医临床辅助决策系统研制进展与现存问题的基础上,借鉴人工智能对物理世界的智能管控经验,提出构建以中医经典著作原创思维为核心,以中医知识图谱和领域本体构建为肇始,将临床全域多场景数字化原态保护和中医经典著作“数字孪生”活态传承突破作为重点,着力于实现临床决策、流程管控、人机交互全面智能化的中医智能辅助诊疗系统。该系统将在中医辨证的辅助决策过程中,基于病机演变特点,融合中医经典著作、图像资料、影音资料、心理行为等多模态数据,充分还原中医病机链变化的脉络和前人的临床思维模式,进一步解决辅助决策系统信息采集界面操作繁琐和临床医生问诊思路混乱的问题。数字孪生仿真功能将模拟多复诊多模态的患者情况,尤其聚焦于复诊时患者病情数据的动态变化,最终实现多模态时序数据的集成与融合来为临床判别提供参考,完成合作博弈下的中医智能诊疗过程。研究期望为构建中医辨证论治智能辅助诊疗系统提出新的思路,进一步促进中医药的智能化应用与传承。

生成式AI技术在新闻传播中的应用

生成式人工智能(Artificial Intelligence,AI)在推进新闻报道创新的同时,为新闻业的崛起开辟了新的道路。它可以持续生成语音、图片、视频及各种文本,意味着新闻生产将正式进入全方位的人机协作模式。文章从生成式AI具有的数据核查和人类语言数据支撑两个基本内涵出发,阐述AI多模态新闻生产编辑体系、全方位优化编辑流程、提升新闻传播效果以及辅助新闻生产和视频制作等相关应用,为全媒体传播赋能增效。

基于SpringBoot的脑动脉瘤辅助诊断系统设计与实现

脑动脉瘤是造成蛛网膜下腔出血的重要病因,其种类繁杂,在形态和临床表现等方面多具异质性,基于医学影像及病理图像的精准判断对治疗脑动脉瘤具有重要价值。文章设计开发了一种基于SpringBoot的脑动脉瘤智能辅助诊断平台,主要包含脑动脉瘤智能诊断、脑动脉瘤在线病房和脑动脉瘤康复记录三大功能模块。首先获取用户的活检细胞成像图,将其上传至云端服务器;其次利用图像分析、可视化分析和底层内置图像标注算法,生成辅助诊断病历;最后发送到医生客户端以辅助病情诊断。此系统可以为患者提供更快速、便捷的诊疗辅助服务,以及为临床医生的诊断提供科学的参考依据,还可部分缓解优质医疗资源分布不均的问题。

智能化辅助诊疗设备的研究及应用进展

人工智能(AI)是引领新一轮科技革命和产业变革的战略性技术,将AI技术运用于医疗健康领域具有前瞻性、重要性和必要性。当前智能数据监测设备、智能医疗仪器、疾病辅助诊疗平台、辅助诊疗综合系统等技术研发广泛开展,相关产品也逐渐运用于辅助医疗预防、诊断、治疗及康复中。基于AI技术在医学领域的发展近况,总结智能辅助诊疗设备在智能化监测设备、虚拟心理诊疗平台及中医辅助诊疗仪器3个领域的应用进展,旨在为AI联动疾病诊治与健康管理,实现AI和医学学科交叉提供参考。

人工智能赋能军事领域的思考与展望

随着人工智能技术的快速发展,智能化技术逐渐向军事领域渗透,现代战争正在逐渐由信息化向智能化转型,智能化、无人化作战力量将成为影响现代战争演变的重要因素。为了应对现代化战争的新挑战,我国迫切需要加速人工智能技术在军事领域的应用研究。首先梳理了人工智能的主流算法,介绍了目前军事领域中人工智能技术的应用场景。立足现代战争特点以及人工智能应用中存在的不足,对未来人工智能赋能军事领域的研究趋势进行分析,期望能为智能化战争研究领域的相关人员带来启发。

人工智能时代残疾人教育的机遇与挑战

探讨了人工智能(AI)时代残疾人教育的机遇、挑战和策略。首先强调了残疾人教育在促进个人发展和教育公平方面的重要性,然后概述了人工智能对教育的潜在影响。接着讨论了人工智能辅助技术如何通过创建包容性虚拟学习环境、利用语音翻译技术、提供个性化教学和适应性学习途径等方式,提高残疾人的可及性和学习效果。还提出了面对技术进步时保持人际关系和情感支持的重要性,以及如何平衡技术进步与同理心和人际互动。此外,深入探讨了人工智能时代残疾人教育面临的挑战,如数据安全、算法公平、技术可靠性等问题,并提出了一些应对策略。

生成式人工智能在医学影像教学中的应用进展

生成式人工智能(Artificial Intelligence Generated Content,AIGC)近年来在各个领域的应用取得了显著的进展。在医学教学领域,AIGC被认为具有巨大的应用潜力。探讨这一新技术赋能医学影像教育,更新教育理念和教学模式,构建灵活、生动的教育环境,提高学生学习兴趣,以培养能够适应新时代发展和社会需求的师资和学生。

互联网医院中的智能居家服务终端应用

阐述人工智能技术在互联网医院应用,包括在医学影像辅助诊断、临床辅助诊疗、智能健康管理、虚拟助手、医疗机器人方面的应用。探讨互联网医院在家庭病床创新居家服务中的应用模式。

AI技术在“Python与人工智能”课程教学工作中的辅助应用

利用AI技术,教师能有效分辨学生的学习特征及独特的需求,并依照学生的学习进度与爱好,为学生提供定制的学习材料及课堂互动。此外,借助智能教育平台,人工智能有能力给出即时的引领与回应,协助学生深入理解并熟练应用所学知识。利用AI技术,不只能增强学生的积极性和学习成果,也有助于提高学生独立学习和思考的能力。文中以AI技术为研究对象,深入研讨了“Python与人工智能”的教育实践,希望能为相关研究提供参考。

人工智能在医学影像学辅助诊疗中的发展及应用研究新进展

医学影像学检查作为临床上常用的诊疗方法,能反映人体组织器官的形态及功能,在临床疾病的诊断及预后中发挥了重要的作用。临床上,对于医学影像的诊疗更多依赖于医生阅片,虽然能满足诊疗所需,但是受医生的经验及主观因素的影响,导致诊断结果存在偏差,亦增加医生工作量。人工智能(AI)是指任何能够感知和理解其周围环境,采取相应适当行动,最大限度实现其目标的代理或设备。因此,AI具有机器及智能设备的特点,能根据相应的数据自动预测计算,实现自主学习。利用AI技术用于医学影像学诊断中,能提升医生的准确性和效率,为患者提供更好的医疗服务。本综述将以医学影像学为起点,分析AI在医学影像学诊疗中的作用,探讨该方法在常用影像学中的价值及优点,为患者诊疗提供新方法。

胸部影像智能诊断技术在远程会诊中的应用

为减轻新型冠状病毒感染疫情防护期间远程会诊诊疗压力,辅助远程会诊专家,提高肺部影像阅片精准度,将人工智能医学影像诊断技术应用于远程会诊平台中,实现部分会诊影像资料的智能处理。利用AI推理服务器通过接口调用方式调用远程会诊平台医学影像数据,筛选肺部Dicom影像数据,AI服务解析数据后创建算法运行任务,处理结束后将肺部病灶解剖位置、体积、密度分布等量化分析结果自动推送远程会诊平台,供会诊专家临床使用。基于不同算法创建判定肺部病灶分型、大小,将形成的肺部影像诊断报告、三维重建数据推送至远程会诊平台,为临床提供诊疗辅助决策,在疫情防控期间运用后,减轻了专家远程会诊压力,提高了病例阅片准确度。

论人工智能在证据推理中的辅助性定位

当前,人工智能正逐步介入到司法证据推理之中,并引起广泛关注。现阶段的人工智能仍属于“弱人工智能体”,长于形式逻辑推理,但仍无法实现对人类认知思维的完整模拟,在司法证据推理之中处于辅助性地位。结合司法人工智能在海量数据筛选定位、算法高效一致运行等方面的优势,以及在证据信息提取、证据语言转化、法律思维模拟、司法经验学习等方面的短板,应将人工智能的辅助范围明确为证据材料使用提示、证据信息缺失预警、证据推理前置性指引和后置性纠错。同时,人工智能在司法证据推理中应遵循智能审判实质化、算法公开、算法平等和机器有限制约原则。在此基础上,建立起梯度性人工智能辅助体系,让人工智能分梯度地介入不同类型案件、不同诉讼阶段的证据推理工作之中。通过人工智能和人类法官的优势互补,进一步释放司法工作的公正性、效率性红利,助力新时代司法审判新篇章的开启。

基于科技查新探讨人工智能在医学影像诊断中的应用

目的根据人工智能(AI)技术在医学影像诊断领域研究的项目进行统计,分析广东省医学AI的研究特点及方向,为医学AI在广东的发展规划提供参考依据。方法对查新系统中的人工智能相关项目进行分析,对机器学习、深度学习等人工智能技术在医学影像诊断中的研究及应用情况进行统计分析并进行文献对比。结果在2016年至2022年共接收50项医学AI与影像诊断相关的查新申请。AI研究集中在超声、CT、MRI等技术的应用领域。所采用的AI的关键技术以深度学习、机器学习为主,有些项目采用的是不同的辅助诊断系统。结论广东省的医学AI研究中,医学影像诊断是其中重要的研究方向。研究取得初步进展。相关管理部门应加强对医学AI在影像诊断中的研究,加大投入并有效引导,重视原创,培养医学与计算机工科人员相结合的交叉人才,将医学人工智能产业做大做强。

基于人工智能的甲状腺超声诊断辅助教学系统

针对超声诊断教学资源分布不均、学习成本高等诸多问题,以甲状腺超声诊断教学为例,提出了建设基于人工智能的甲状腺超声诊断辅助教学系统。首先论述构建该系统的关键技术并对系统功能进行具体描述,重点阐述了通过人工智能构建的甲状腺结节超声诊断模型在辅助教学中的临床价值。该系统推动了超声诊断教学的变革,提供了学生自主学习的渠道,有利于促进标准化超声培训方式的形成。

人工智能系统达芬奇机器人治疗早期子宫内膜癌中的临床效果

目的探讨达芬奇机器人系统在早期子宫内膜癌患者手术治疗的优越性.方法回顾性分析2020年1月-2022年6月期间就诊于新疆维吾尔自治区人民医院妇科初始手术治疗患者共68例,其中达芬奇机器人手术治疗组34例,常规腹腔镜组34例.比较分析两组患者在手术时间、术中出血量、淋巴结手术切除数目、术后排气时间、术后腹腔引流管放置时间、住院时间上的差异.结果达芬奇腹腔镜手术组和常规腹腔镜手术组相比较,达芬奇腹腔镜组手术的患者的手术时间、出血量、术后排气时间、引流管放置时间、住院时间均优于常规腹腔镜组,统计学有显著性差异(P<0.05);清扫淋巴结数量两组差异无统计学意义(P>0.05).结论人工智能达芬奇机器人腹腔镜辅助系统较常规腹腔镜手术在治疗早期子宫内膜癌过程中可大幅缩短手术时间及术后住院时间,减少患者术中出血量,加速病人术后康复,同时由于术后腹腔淋巴管瘘减少,缩短了腹腔引流管放置时间,减少了感染风险,给患者带来了更好的手术体验,具有较高的安全性.

机器学习在心血管疾病辅助诊断中的研究:现状与未来进展

心血管疾病具有高发病率、高住院率、高致残率、高死亡率等特征,伴随高额的治疗疾病负担,早期准确诊断心血管疾病意义重大.以机器学习(ML)为代表的人工智能心血管疾病辅助诊断技术为诊断心血管疾病提供了新方法.基于ML疾病诊断技术日趋成熟,且在各类心血管疾病中取得诸多进展,包括冠心病、心力衰竭及心律失常等.本文综述了ML在心血管疾病辅助诊断中的技术背景和研究现状,分析了该领域在临床转化应用方面的挑战,并对未来研究进行了展望.

围产期抑郁症辅助诊断预测模型的构建及机器学习算法的筛选

目的 基于机器学习(ML)算法构建孕产妇围产期抑郁症(PND)辅助诊断预测模型并评估不同ML算法模型的性能。方法 采用9条目患者健康问卷抑郁量表(PHQ-9)对5 814例孕产妇(产前研究对象4 665例,产后研究对象1 149例)进行评估,收集7种量表的19个量表维度变量和人口学特征作为观察变量。按照年龄分别对产前、产后研究对象进行1∶1倾向性评分匹配,利用单因素分析及Pearson相关系数确定特征选择变量。基于Logistic回归模型、随机森林(RF)、支持向量机(SVM)、极限梯度提升树(XGBoost)、反向传播(BP)神经网络这5种ML算法分别纳入所有变量和特征选择变量集,构建产前、产后抑郁的诊断模型。采用5折交叉验证方法评估模型的预测性能,评价指标包括灵敏度、特异度和曲线下面积(AUC)。结果 纳入不同变量的情况下,通过5种ML算法分别基于产前研究对象、产后研究对象构建的预测模型的灵敏度、特异度、AUC均在0.600~0.900范围内;RF算法在产前预测模型(纳入所有变量时,AUC为0.834;纳入特征选择变量集时,AUC为0.849)和产后预测模型(纳入所有变量时,AUC为0.873;纳入特征选择变量集时,AUC为0.864)的构建中均为最优算法。结论 基于5种ML算法构建的预测模型均可有效预测孕产妇PND风险,其中以RF算法的表现最优,为开发快速筛查和诊断PND的辅助工具提供了参考依据。

基于AI-ECG的区域胸痛综合管理平台的建设与实践

目的针对区域胸痛中心建设中存在的问题,提出一种利用信息手段优化区域胸痛综合管理平台的设计方案及具体实现路径。方法在现有胸痛管理系统的基础上,加入人工智能心电图(Artificial Intelligence Electrocardiograph,AI-ECG)系统、整合多个医疗救治系统、打造移动应用服务,建立“患者-基层-急救中心-胸痛中心”四方联动的区域协同救治体系。采集区域心电中心海量标准化数据,训练AI-ECG模型,并将AI算法应用于疾病筛查、快速甄别和术后监测等方面。结果通过AI-ECG及胸痛管理平台的优化,提高了基层医院的诊断准确性和效率,心电图十八分类诊断模型诊断特异性、敏感度、准确率均值分别是95.79%、87.88%和96.74%;AI辅助诊断平均每份心电图的分析时间约为0.12 s,心内科临床医生诊断时间约为1 min;发病到首次医疗接触和首次医疗接触到球囊再灌注的平均时间均明显缩短。结论平台的建设及应用,实现了胸痛患者院前、院中、院后的全流程闭环管理,增强了胸痛患者自我健康管理意识,对智慧胸痛中心的建设具有一定的参考价值。