教学课程资源库 更多>>

关键词： 强化学习   可解释性   机器学习   人工智能   马尔可夫决策过程  

摘要： 强化学习作为机器学习的一种范式，因其强大的策略试错学习能力，越发受到关注。随着深度学习的融入，强化学习方法在许多复杂的控制任务中取得了巨大成功。然而，深度强化学习网络作为黑盒模型，其缺乏可解释性所带来的不安全、不可控及难理解等问题限制了强化学习在诸如自动驾驶、智慧医疗等关键领域中的发展。为了克服这一问题，科研人员开展了深入的强化学习可解释性研究。然而，这些研究开展相对较晚，且缺少针对多智能体强化学习可解释性方法的系统性总结，同时，可解释性的定义存在人为主观性，导致系统性总结面向强化学习过程的可解释性研究较为困难。本文对当前强化学习的可解释性研究工作进行全面的整理与总结。首先，对强化学习的可解释性进行定义并总结了相关评估方法。随后，基于马尔可夫决策过程，划分了行为级解释、特征级解释、奖励级解释及策略级解释四个类别。此外，在每个类别中，分析了单智能体及多智能体的策略解释方法，并特别关注可解释性研究中的人为因素，描述了人机交互式的解释方法。最后，对当前强化学习可解释性研究面临的挑战以及未来的研究方向进行总结与展望。

关键词： 真实世界   中医药   慢性肾脏病   大数据   人工智能  

摘要： 当前，大数据、人工智能等新一代信息技术快速发展，这些技术与医疗领域深入交叉应用，为医疗服务与科学研究带来了巨大变革。在真实世界研究中，大数据和人工智能已经成为中医药诊治慢性肾脏病（chronic kidney disease，CKD）的“数字新基建”。真实世界的慢性肾脏病大数据平台积累了海量数据，促进了肾脏病数据的整合与共享，为临床诊疗、慢病随访、临床队列等研究提供了宝贵的数据支撑。借助人工智能技术，平台提供数据分析与科研服务，如CKD患病预警、预后风险评估、凝练核心处方等，为肾脏病诊治提供了更加准确、高效的决策支持。本文介绍了基于真实世界的慢性肾脏病大数据平台发展现状与应用，以中国肾脏病大数据应用创新联盟为具体案例进行阐述，最后提出对真实世界的慢性肾脏病大数据研究的未来展望。

关键词： 人工智能   肺段切除术   肺结节   术前定位  

摘要： 目的 比较通过薄层CT二维图像进行胸腔镜下经验性肺段切除手术和通过人工智能（AI）软件进行规划的精准肺段切除手术在临床中的应用情况，为临床开展肺段切除术提供一些参考。方法 回顾分析2019—2022年在安庆市立医院心胸外科完成的胸腔镜下肺段手术患者。将2019年1月—2021年9月手术患者纳为经验性治疗组（A组），2021年10月—2022年12月为精准肺段切除组（B组）。观察临床指标包括：（1）术前Hookwire定位针用量；（2）是否满足肿瘤学标准：包括肺段切除标本中最短切缘<2 cm或者不能超过结节直径，以及标本内不能找寻到结节；（3）手术时间；（4）术中出血量；（5）术后胸管引流时间；（6）术后住院天数；（7）中转开胸例数。结果 A组共158例，其中男56例、女102例，平均年龄（56.86±8.82）岁。B组共164例，其中男55例、女109例，平均年龄（56.69±9.05）岁。所有患者均顺利在胸腔镜下完成肺段切除手术，切缘不能满足肿瘤学标准患者进一步行扩大范围切除甚至肺叶切除手术，无围术期死亡。A组中使用Hookwire定位针共78根，含肺段切除结节定位针47根和同期楔形切除结节定位针31根；B组中使用Hookwire定位针共37根，含肺段切除结节定位针9根和同期楔形切除定位针28根。在需要行肺段切除的结节所使用的定位针根数上，两组差异有统计学意义（P<0.001），同期需要楔形切除结节定位针根数上，两组差异无统计学意义（P=0.572）;A组中3例无法在切除靶段中找到病灶，切缘不足10例，B组中1例无法找见病灶，4例切缘不足，肺段切除后不能满足肿瘤学原则方面，两组差异有统计学意义（13/158 vs. 4/164,P=0.020）。两组手术时间、术中出血量、术后胸腔引流管放置时间、术后住院时间及中转开胸等方面差异无统计学意义（P>0.05）。结论 术前借助AI软件进行手术规划，能有效指导完成胸腔镜下解剖性肺段切除，在有效保证结节切缘符合肿瘤学要求同时显著减肺结节定位针的数量。

关键词： 椎体压缩骨折   放射摄影术   人工智能  

摘要： 目的 评价腰椎X线图像椎体骨折人工智能(AI)分类模型的应用价值.方法 回顾性选取同时进行腰椎侧位X线和MRI检查的患者.根据 MRI结果将纳入椎体分为3类:新鲜骨折、陈旧骨折、正常椎体.根据X线图像勾画的感兴趣区(ROI)构建ResNet-18分类模型,并对模型性能进行评价.结果 研究共纳入272例患者的662个椎体,随机分为训练集(n=529)和验证集(n=133),模型在识别正常椎体、新鲜骨折、陈旧骨折的准确度分别为0.91、0.42、0.75,敏感度分别为0.91、0.408、0.72,特异度分别为0.796、0.892、0.796.结论 基于X线的ResNet-18 AI模型用于鉴别陈旧骨折和正常椎体具有良好的准确性,但在鉴别新鲜骨折时,模型准确度仍需进一步提升.

关键词： 亚实性结节   高分辨率CT   人工智能  

摘要： 目的 探讨人工智能(AI)辅助下高分辨率CT(HRCT)对亚实性结节(SSN)早期肺腺癌浸润程度的预测价值.方法 选取在AI辅助下HRCT扫描表现为肺部SSN的90例患者(共90个SSN)作为研究对象,根据其病理上的浸润程度分为浸润性腺癌(IAC)组(48例)和非浸润性腺癌(non-IAC)组(42例),比较2组患者一般资料、肺部SSN形态学特征及相关参数差异;影响因素采用多元logistic回归模型分析,并构建其列线图预测模型;采用受试者工作特征(ROC)曲线、校准曲线及临床决策曲线评价模型的诊断效能.结果 2组患者在年龄、结节性质、形状、瘤肺界面、空泡征、毛刺征、空气支气管征、血管集束征、胸膜凹陷征方面差异显著;与non-IAC组相比,IAC组CT 最大值、能量、CT值方差、CT平均值、最大面面积、长短径平均值、3D长径、表面积、体积、质量、熵显著增加,CT最小值、紧凑度、球型度显著降低;多元logistic回归模型结果显示毛刺征、血管集束征、瘤肺界面、质量、胸膜凹陷征、CT平均值是影响SSN发展为早期IAC的独立危险因素;最后基于危险因素构建列线图预测模型,ROC曲线、校准曲线及临床决策曲线表明该预测模型诊断效能较好.结论 基于AI辅助下HRCT影像学特征对SSN早期肺腺癌浸润程度预测价值高,可重点关注患者毛刺征、血管集束征、瘤肺界面、质量、胸膜凹陷征、CT平均值,能够提高患者临床治疗和预后判断.

关键词： 区块链   医疗应用   临床实践   人工智能  

摘要： 区块链是一种去中心化、不可篡改、可以追溯、公开透明、安全可信、集体维护、分布式的数据库技术，广泛地用于商业、金融、医学等各个领域。在医学领域，各个利益相关者正在积极探索区块链，以降低成本、优化业务流程、提高合规性并更好地利用医疗相关数据改善患者健康状况。本文综述了区块链在医疗卫生领域的应用与潜在发展，包括医疗信息的存储与共享，辅助医疗供应链与可追溯管理，辅助医疗物联网、临床应用与医学研究，集合人工智能（AI）与大数据，辅助传染病的防治与管理。使用大数据作为平台，辅以AI相关技术，鼓励医生、护士，以及生物技术和其他医疗机构参与进来，为支持、优化、加速和促进医疗健康提供手段。

关键词： 人工智能   伦理学   伦理审查   卫生保健  

摘要： 医用人工智能（AI）研究的兴起对医疗机构科研伦理审查构成了诸多挑战，缺乏可供操作的医用AI研究伦理审查指南。基于文献回顾与审查经验，本文尝试建立一套可供操作的医用AI伦理审查框架，在审查形式和审查要点等方面提出建议，旨在为医疗机构的伦理审查工作提供参考，使医用AI研究符合伦理，借此推动对各类医用AI研究的伦理问题讨论及伦理审查指南的制定。

关键词： 人工智能   临床试验   医疗实践   医学教育   挑战  

摘要： 人工智能技术在医学领域的应用广泛而深远，涉及临床试验、医疗实践和医学教育等多个方面。然而，其面临的挑战也不容忽视。数据隐私与安全、监管合规性、技术难题，以及医学教育中的知识传递都是其中的主要问题。解决这些挑战需要跨学科合作和完善法律法规。重视数据隐私保护，采取创新解决方案，如联邦学习和区块链技术。同时，加强伦理审查和临床决策监督，培养医学生对人工智能的理解和信心，将有助于充分发挥人工智能在医学领域的潜力，提升医疗服务质量。

关键词： 人工智能   机器学习   临床应用   新兴技术   伦理  

摘要： 人工智能（AI）在医学与健康领域被广泛视为具有巨大潜力，将可能从根本上改变医疗方式和决策模式。尽管诸如基于规则的专家系统、机器学习和自然语言模型等技术已在临床实践中有所应用，但广泛部署医疗AI仍面临诸多技术难题和伦理挑战。当前，AI在临床医学领域的应用处于早期阶段，尚未对临床诊疗产生重大影响，但随着医学领域AI的迅猛发展，这个“机会窗口”正在逐渐关闭。本文旨在探讨AI在临床实践中的应用进展和新兴潜力，重点分析其应用所面临的伦理挑战，包括数据隐私安全与偏倚、数字鸿沟与健康不公平、可解释AI与自主决策，以及错误风险与责任转移问题，并提出相应对策，以期为我国医学AI相关政策的制定提供理论依据和决策支持。

关键词： 光电计算   人工智能   非线性超表面   并行处理   数字分类   图像重建  

摘要： 光电计算系统将光学计算的带宽与电子计算的灵活性相结合，高速且低功耗地执行人工智能推理。然而,现有的架构通常为单项任务而设计，缺乏并行处理多任务的能力。本文提出一种新型的光电混合神经网络计算模型，通过非线性超表面对线性和非线性光波进行多维度光场调控，并行处理多个通道的信息。非线性超表面采用U型纳米天线，基于自旋和几何相位对基频和倍频光波的相位进行编码和复用，结合后端的浅层电子神经网络分别实现对手写数字图像输入的高精度分类（95.53%盲测准确率）和高质量重建（平均PSNR>26）。我们的工作为发展光学/光电/电子模拟和数字计算技术提供了一种方法，以实现大规模并行、高通量和更广泛的人工智能系统。