AI应用研究

摘要： 为帮助医务人员更好理解和规范使用生成式人工智能工具，本文结合 2022—2026 年间纳入的 19 篇中英文研究与实践报道，对生成式人工智能在医学中的应用进行系统梳理。全文按照“背景介绍、基本认知、技术框架、实操流程、总结评价”的逻辑展开。现有文献显示，相关研究自 2024 年后明显增加，医学教育和医院管理与流程支持是当前证据最集中的方向，临床决策支持、科研写作和患者沟通则处于持续扩展阶段。生成式人工智能的现实价值主要体现在信息整合、文本生成、教学反馈和流程提效，但幻觉或错…

摘要： 工业机器人轨迹规划与轨迹跟踪是运动控制中的关键问题，直接关系到系统运行效率、运动平稳性与末端执行精度。传统方法在模型表达和工程实现方面较为成熟，但在复杂约束、多目标优化及动态工况下，仍存在全局优化能力不足、参数整定依赖经验和环境适应性有限等问题。近年来，粒子群优化、遗传算法、麻雀搜索、神经网络、模糊学习和深度强化学习等人工智能方法逐步应用于工业机器人轨迹规划与轨迹跟踪控制，在时间优化、冲击抑制、能耗降低和跟踪精度提升等方面展现出较大潜力。本文围绕相关人工智能优化控制方法的研…

摘要： 为促进医务人员和医疗机构准确把握生成式人工智能在病历文本处理中的适用边界，本文围绕门急诊记录、病程记录和出院记录等非结构化文本病历，依次从应用背景、任务认知、工作流框架、实施路径和综合评价等方面，分析生成式人工智能工具在病历摘要提取、关键信息抽取、语言规范化和质控提示中的应用方式，并以 Chatbox与Ollama 分别说明云端接入与本地部署两类典型路径。研究表明，生成式人工智能在该场景中的主要价值体现在提升病历文本处理效率、降低重复整理负担和增强质控提示能力，但其应用前提…

摘要：计算机视觉是人工智能的重要分支，其目标是使机器能够从图像和视频中获取信息、识别目标、理解场景并辅助决策。随着摄像设备、传感器和计算平台的不断发展，视觉数据已成为工业制造、智能安防、自动驾驶、医疗影像和移动终端中的重要信息来源。传统计算机视觉方法在图像增强、边缘检测和人工特征提取等方面形成了较成熟的理论与应用基础，但在复杂场景、多目标识别、环境变化和语义理解等方面仍存在明显局限。近年来，以卷积神经网络、目标检测网络、图像分割网络、视觉 Transformer 和多模态模型为代表…

摘要： 传统的制造模式主要依赖于确定性规则与经验驱动。这种模式在面对现代全球化供应链的剧烈波动、极度复杂的定制化生产需求以及设备老化带来的非线性退化时，暴露出极大的局限性。因此传统工厂面临着设备意外停机、人工视觉产品质量检测受限以及供应链网络在面对突发事故缺乏有效恢复能力等一系列发展瓶颈。将深度学习、强化学习、神经网络及各类生成式人工智能深度嵌入产品设计、生产调度、质量控制与供应链管理的各个环节，已在学术界与工业界达成高度共识。本文将对AI驱动的智能制造体系进行论述。深度解析智能制…