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。

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。

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.

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。

教育评价数据大脑的内涵、模型与路径

数据赋能下的教育评价存在算法、机制、价值等难题,亟需专用工具破局,化数据最大变量为育人最大增量,以数据为核心要素和关键驱动的教育评价数据大脑则为此提供新路径。教育评价数据大脑模型的构建应以“人脑”基本结构和“类脑”功能体系等研究为基础,依托数据、算法、算力三个核心要素,实现数据挖掘、传输、集成、分析、呈现、应用全过程闭环。未来教育评价数据大脑的落地应用,需纳入多级联动,筑牢底座支撑,规约数据安全,审视算法异化,拓展评价应用,培育试点示范,以充分发挥数据的潜在价值。

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。

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。

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。

神经技术时代精神隐私的保护层次及路径

精神隐私是神经技术时代隐私保护的新维度。本文旨在厘清精神隐私的不同保护层次,构建有针对性的法律保护路径。精神隐私的保护层次涉及数据层、信息层及内容层。在数据层,其所涉大脑数据是人脑结构、活动和功能相关的定量数据,其相关精神隐私风险在于大数据分析的不确定逻辑和数据安全事件可能引发的隐私问题。在信息层,精神隐私保护的对象是与个人生理、健康相关的大脑信息及精神状态信息,其相关精神隐私风险包括生物识别、个人特征预测和精神状态解码等。在内容层,精神隐私的保护对象包括命题性的精神内容和经验性的精神内容,与其相关的“读心”风险目前虽不具有技术现实性,但真实地挑战着人们的隐私感受。就保护路径而言,内容层精神隐私应纳入传统隐私权的保护范畴,信息层精神隐私可适用敏感个人信息的处理规则,数据层精神隐私存在双重保护路径。

智能交通的创新应用与研究

文章针对“交通超脑”智能交通建设进行研究,根据实践经验,从外场基础设施、平台系统两个方面坚持科技支撑,科技赋能应用,创新思路,织密完善交通感知体系,搭建大数据中心,创新应用场景的研发建设“交通超脑”平台,构建“六个一”智能交通应用体系,推进决策科学化、指挥可视化、调度扁平化、服务便捷化,不断提升城市交通管理智能化水平,促进智能交通的可持续发展。

基于形状增强和纹理插值的三维脑部MRI数据增强算法

针对医学伦理和人工标注的成本高昂,目前公开的数据集中标记的医学图像数据量不足的问题,许多研究者提出了不同的算法来增强医学数据.使用卷积神经网络(Convolutional Neural Networks,CNN)对阿尔茨海默症(Alzheimer's Disease,AD)的诊断和研究只有在数据丰富时,才能得到更好的分析结果.本文提出一种基于形状增强和纹理插值的三维脑部MRI(Magnetic Resonance Imaging,MRI)数据增强算法,将脑部MRI图像的属性分解为形状和纹理,先通过GAN(Generative Adversarial Nets,GAN)增强MRI数据的形状,再通过三维薄板样条插值对所得的增强形状进行纹理插值,得到三维脑部MRI增强图像.通过实验可得生成数据的分布与真实数据的分布相似,验证了本文提出的数据增强算法的有效性.

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。

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。

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。

智慧城市建设的机理、困境与路径研究

智慧城市是新一代信息技术发展与运用的产物,它体现了城市形态演进的逻辑,是未来城市发展的方向。经过十余年的努力,我国建成了一批智慧城市,但离高水平运转与可持续发展目标要求还有很大的距离。基于此,从智慧城市建设机理分析入手,探索我国智慧城市建设的实践历程,探讨实际存在的关键问题与短板,提出智慧城市高质量发展的具体路径与方法。

基于数据挖掘及网络药理学探讨中药治疗肺癌脑转移的用药规律及相关机制

目的 基于数据挖掘及网络药理学探讨中药治疗肺癌脑转移的用药规律和作用机制。方法 (1)通过中国知网、万方数据知识服务平台、维普中文期刊服务平台、中国生物医学文献服务系统检索中药治疗肺癌脑转移的文献,提取文献中的处方及中药组成等信息,分析药物的使用频次和性味归经频次,并进行关联规则分析和聚类分析。(2)通过中药系统药理数据和分析平台、本草组鉴数据库、中医药百科全书数据库收集并筛选核心药对的有效活性成分,利用SwissTargetPrediction平台获取其作用靶点。在DrugBank数据库、GeneCards■数据库、DisGeNET数据库检索肺癌脑转移的疾病靶点。取两者交集后,构建蛋白-蛋白相互作用网络和药物-成分-靶点网络筛选核心靶点和主要活性成分,并进行富集分析,通过分子对接技术进行验证。结果 纳入46篇文献,共包含47首处方,涉及204味中药,总使用频次为853次,药性以寒性、温性、平性为主,药味以甘味、苦味、辛味为主,归经以肺经、肝经、脾经为主。关联规则分析得到10个药对,其中黄芪-地龙为核心药对,聚类分析得到4类药物组合。黄芪-地龙的主要活性成分为华良姜素、二氢辣椒素、常春藤皂苷元、肉豆蔻油酸等,主要作用于酪氨酸激酶、肿瘤抑制蛋白、细胞色素P450家族1亚家族A成员1、信号传导及转录激活蛋白(STAT3)等核心靶点,通过癌症通路、癌症中的蛋白聚糖、磷脂酰肌醇3-激酶/蛋白激酶B信号通路等信号通路发挥治疗作用。分子对接显示主要活性成分与核心靶点对接良好,其中常春藤皂苷元与STAT3结合性最佳。结论 肺癌脑转移病机属本虚标实,“虚、热、痰、瘀、风”为其基本病理因素。中药治疗肺癌脑转移以扶正祛邪为主要治则,其核心药物通过多成分、多靶点、多通路发挥治疗作用。