人工智能、大数据导论智慧树知到期末考试答案2024年人工智能、大数据导论在回归分析中，被预测或被解释的变量称为（）。

A:因变量B:非随机变量C:随机变量D:自变量答案:因变量风格迁移用到的是什么算法（）。

A:回归B:卷积C:求和D:对抗答案:卷积假设使用逻辑回归进行多类别分类，使用OVR分类法。下列说法正确的是？（）。

A:对于n类别，需要训练n-1个模型B:对于n类别，需要训练n个模型C:对于n类别，只需要训练1个模型D:其他说法都不对答案:对高质量的放疗计划对于提高患者的生存质量和生存期有着极其重要的意义。但是，当前的行业现状是放射治疗计划在设计时仍然存在的问题有。（）。

A:计划质量严重依赖于医学物理师的计划制作经验B:高质量计划产出效率低，计划设计时物理师需要不断的对计划进行优化，以实现最优的剂量分布C:计划鲁棒性差D:面对靶区复杂的放疗计划，就算是经验丰富的物理师也需要花费大量的时间来设计符合临床实施标准的放疗计划答案:计划质量严重依赖于医学物理师的计划制作经验###面对靶区复杂的放疗计划,就算是经验丰富的物理师也需要花费大量的时间来设计符合临床实施标准的放疗计划###高质量计划产出效率低,计划设计时物理师需要不断的对计划进行优化,以实现最优的剂量分布###计划鲁棒性差人工智能方法建模时需要对模型的哪些性能进行验证。（）。

A:泛化性B:准确性C:鲁棒性D:运算速度答案:准确性###鲁棒性###泛化性临床上使用的深度学习算法虽然可以实现对病情的自动化识别与分类，仍有哪些方面还有待提升（）。

A:精确度B:特异度C:诊断速度D:灵敏度答案:灵敏度###特异度###精确度下列哪种方法可以基于R语言实现？（）

A:逐步向前和向后选择B:LASSO回归C:Boruta特征选择D:RFE递归消除答案:Boruta特征选择###LASSO回归###RFE递归消除###逐步向前和向后选择影像组学的流程步骤有（）。

A:数据处理B:模型建立与验证C:图像采集与预处理D:图像分割E:影像组学特征提取答案:图像采集与预处理###图像分割###数据处理###影像组学特征提取###模型建立与验证目前应用于医疗实践中的医疗机器人主要有（）。

A:检查和治疗用机器人B:可穿戴型机器人C:陪伴机器人D:能够承担手术或医疗保健功能的机器人答案:可穿戴型机器人###能够承担手术或医疗保健功能的机器人###检查和治疗用机器人局部进展期宫颈癌治疗失败的主要原因有（）

A:局部复发B:远处转移C:手术效果不佳D:治疗副作用明显答案:局部复发###远处转移CNN的基本结构包括（）

A:池化层B:卷积层C:全连接层D:架构层答案:卷积层###池化层###全连接层关于多元线性回归模型中，对误差项的基本假定有（）。

A:误差项是非随机变量或是固定的B:误差项是一个期望值为0的随机变量C:误差项是服从正态分布的随机变量D:误差项之间是不一定独立的E:误差项之间是相互独立的答案:误差项之间是相互独立的###误差项是一个期望值为0的随机变量###误差项是服从正态分布的随机变量肺结节常规检测方法有。（）。

A:血液检查B:结核菌素试验C:结节病抗原（Kveim）试验D:活体组织检查答案:血液检查###结核菌素试验###结节病抗原(Kveim)试验###活体组织检查人工神经元网络与深度学习的关系是（）。

A:经元网络是深度学习的前身B:深度学习与人工神经元网络无关C:深度学习是人工神经元网络的一个发展D:深度学习是人工神经元网络的一个分支答案:深度学习是人工神经元网络的一个发展（）软件能够实现影像组学特征提取。

A:LIFExB:3DslicerC:ITK-SNAPD:AK软件答案:3Dslicer###LIFEx###AK软件基于影像数据的分类技术流程主要分为哪几步：（）。

A:根据分类模型对未标记的影像数据集进行自动分类判别B:建立影像表示模型C:对样本数据集进行训练和学习答案:建立影像表示模型###对样本数据集进行训练和学习###根据分类模型对未标记的影像数据集进行自动分类判别CNN的基本结构包括（）。

A:反向池化层B:前向池化层C:卷积层D:全连接层答案:反向池化层对svm描述错误的是？（）

A:聚类B:二类分类C:感知机D:神经网络答案:感知机###神经网络###聚类于一元线性回归分析的说法正确的是（）。

A:一般认为，在不考虑系统演化的尺度范围的情况下，样本数越大，数据序列越长，回归模型就越可靠B:为了得到尽可能准确的模型参数，需要借助于最小二乘法，将所有的数据都用上C:在各种回归分析中，一元线性回归分析是整个回归分析的基础D:只有一个自变量和一个因变量的线性回归模型叫一元线性回归模型答案:只有一个自变量和一个因变量的线性回归模型叫一元线性回归模型;在各种回归分析中，一元线性回归分析是整个回归分析的基础;为了得到尽可能准确的模型参数，需要借助于最小二乘法，将所有的数据都用上;一般认为，在不考虑系统演化的尺度范围的情况下，样本数越大，数据序列越长，回归模型就越可靠线性回归中，我们可以使用最小二乘法来求解系数，下列关于最小二乘法说法正确的是?（）。

A:不需要选择学习率B:当特征数量很多的时候，运算速度会很慢C:不需要迭代训练D:只适用于线性模型，不适合逻辑回归模型等其他模型答案:不需要迭代训练###不需要选择学习率###只适用于线性模型，不适合逻辑回归模型等其他模型###当特征数量很多的时候，运算速度会很慢利用深度卷积神经网络提取出图片的内容和风格，然后进行替换，可以创造出名家艺术风格的画作（）

A:对B:错答案:对图像分割结果对鲁棒性的要求不高。（）

A:错B:对答案:错肺结节是肺癌早期影像表现，肺结节定义为:影像学表现直径≥3cm的局灶性、类圆形、密度增高的实性或亚实性肺部阴影。（）

A:对B:错答案:错工智能是由计算机科学、控制论、信息论、语言学、神经生理学、心理学、统计学、数学和哲学等多学科交叉融合进而发展起来的一门综合性前沿学科。（）

A:对B:错答案:对联结主义的兴起也是人工智能发展第三阶段的标志。（）

A:对B:错答案:对基于深度学习技术的医学影像分割，是医学图像分析中最重要的基础。（）

A:对B:错答案:对影像组学特征提取既可以使用编程语言实现，也可以通过特征提取软件实现。（）

A:错B:对答案:对影像组学中，图像分割方法可以分为手动分割、半自动分割和自动分割。（）

A:错B:对答案:对深度学习与机器学习没有关系（）

A:对B:错答案:错尽早实现肿瘤的良恶性分类对于优化基础治疗方案和避免过度治疗具有非常重要的意义。（）

A:对B:错答案:对影像信息中包含影像数据对象的空间关系信息。（）

A:错B:对答案:对用最小二乘法估计线性回归方程，对数据没有要求（）

A:对B:错答案:错相较于国际人工智能的发展历程，中国人工智能研究的起步较晚（）

A:对B:错答案:对对于一元线性回归模型，如果自变量是显著的，那么自变量所对应的系数应该显著的不为0。（）

A:对B:错答案:对中国作为大数据与人工智能技术研发的新兴大国,需要承担起大国责任。（）

A:错B:对答案:对图像数据融合主要有以像素为基础的方法和以图像特征为基础的方法。（）

A:对B:错答案:对MRI具有多方位及多参数成像方式和高软组织分辨率及无辐射等优势，已成为癌症术前分期的重要方法。（）

A:对B:错答案:对支持向量机仅能解决二分类问题。（）

A:对B:错答案:错深度学习算法中,人可以掌控机器”思考”,的具体过程,但数据来源和质量的不可控可能导致人工智能被教坏（）

A:正确B:错误答案:错误医学影像学(MedicalImaging)，是研究借助于某种介质（如X射线、电磁场、超声波等）与人体相互作用，把人体内部组织器官结构、密度以影像方式表现出来，供诊断医师根据影像提供的信息进行判断，从而对人体健康状况进行评价的一门科学。（）

A:对B:错答案:对肺癌患者发病隐匿，早期症状、体征不典型，导致大部分患者发现时，已经是肺癌晚期，错过最佳治疗时间，5年生存率仅为。（）

A:17%B:20%C:18%D:19%答案:AI参考:正确答案是C：18%。\n\n肺癌患者发病隐匿，早期症状、体征不典型，导致大部分患者发现时，已经是肺癌晚期，错过最佳治疗时间，5年生存率仅为18%。'以下哪个是支持向量机model的python代码（）。

答案:"AI参考:在Python中，可以使用Scikit-learn库中的SVM（支持向量机）模型。以下是一个简单的支持向量机模型的代码示例：```pythonfromsklearnimportsvmfromsklearnimportdatasetsfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score#加载数据集iris=datasets.load_iris()X=iris.datay=iris.target#将数据集划分为训练集和测试集X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)#创建SVM模型实例svm_clf=svm.SVC(kernel=linear)#你可以根据需要选择不同的核函数#使用训练集训练模型svm_clf.fit(X_train,y_train)#使用测试集预测结果y_pred=svm_clf.predict(X_test)#打印模型的精度print(Accuracy:,accuracy_score(y_test,y_pred))```这段代码首先加载了鸢尾花数据集，然后将数据集划分为训练集和测试集。接着，创建了一个支持向量机模型实例，并用训练集训练了这个模型。最后，使用测试集对模型进行了预测，并打印出了模型的精度。注意：这段代码使用了线性核函数（kernel=linear），但你也可以根据需要选择其他的核函数，如poly（多项式核函数）、rbf（径向基函数核函数）等。"影像组学的第一个流程步骤是（）。

A:影像组学特征提取B:数据处理C:图像分割D:图像获取与预处理答案:AI参考:正确选项是【A:影像组学的特征提取】。\n\n影像组学的第一个流程步骤是影像组学特征提取，这是影像组学的核心步骤之一，通过对医学影像数据的特征提取和分析，可以发现疾病特异性的影像学表现，为疾病的早期发现、诊断、治疗和预后评估提供新的视角和方法。因此，A选项是正确答案。B、C、D选项虽然也是影像组学的重要步骤，但它们不是影像组学的第一个流程步骤。'Y.LeCunPo于哪一年提出了卷积神经网络(ConvolutedNeuralNetwork,CNN)（）

A:1998B:2002C:2008D:1997答案:AI参考:正确答案是B，即Y.LeCunPo于2002年提出了卷积神经网络(ConvolutedNeuralNetwork,CNN)。\n\nLeCun等人于2002年在论文《ConvolutionalNetworksforeectiveiveandSpeechRecognition》中提出了卷积神经网络的概念。该论文被广泛认为是卷积神经网络领域的重要里程碑之一。因此，正确答案是B。'智能放射治疗的应用场景不包括。（）。

A:放疗质量控制与质量保证B:自动模拟定位C:放疗自动计划D:放疗靶区与危及器官的自动勾画答案:AI参考:正确答案是C:放疗自动计划。\n\n智能放射治疗的应用场景包括放疗质量控制与质量保证、自动模拟定位、放疗靶区与危及器官的自动勾画等，但不会应用在放疗自动计划中，因为该场景已经涉及到计划和自动化处理。所以，选项C是符合题意的正确答案。'VVG网络用了哪个技巧来训练网络（）

A:pre-train技术B:使用ReLU函数作为激活函数C:数据增强技术D:Dropout技术答案:AI参考:正确选项是【D:Dropout技术】。\n\nDropout技术是一种在训练神经网络时常用的技巧，通过随机地使神经网络的一部分（如神经元的集合）在每次迭代过程中“消失”，以此来避免过拟合问题。这种技巧可以帮助提高模型的泛化能力，提高网络的性能和鲁棒性。VVG网络采用这种技巧来训练网络，因此答案为D：Dropout技术。'AI算法与硬件融合，可以提升智能密度，降低（）建设投入

A:50%-85%B:55%-85%C:50%-80%D:40%-80%答案:AI参考:正确选项是【B:55%-85%】。\n\nAI算法与硬件融合可以提升智能密度，从而降低智能设备的建设投入，但具体能降低多少比例，需要根据实际应用场景和硬件性能等因素来具体分析。根据选项，B选项的55%-85%较为合理，因此选择B选项。'社交媒体、移动互联网、物联网三大催化剂让数据量在过去几十年间呈（）增长。

A:二次型B:线性C:指数级答案:AI参考:正确答案是C：指数级。\n\n社交媒体、移动互联网、物联网三大催化剂让数据量在过去几十年间呈指数级增长。这是因为随着技术的进步和应用的普及，数据的产生和存储方式发生了根本性的变化，数据量以指数级的速度增长，远远超过了传统的线性增长模式。'（）是嵌入式特征选择方法。

A:卡方检验B:相关系数C:多元线性回归D:LASSO回归答案:AI参考:正确答案是A:卡方检验。\n\n嵌入式特征选择方法主要是基于卡方检验来筛选特征，而其他选项B、C、D与嵌入式特征选择方法无关。因此，答案是A。'最早的具备联网功能的移动终端设备是1990年代中期开始流行的（）。

A:IOTB:CEC:BBSD:PDA答案:AI参考:正确答案是D：PDA。\n随着无线网络技术的迅猛发展，个人数字助理（PDA）作为一种新型移动计算和通信工具应运而生，因此最早的具备联网功能的移动终端设备是1990年代中期开始流行的PDA。选项A的IOT指的是物联网，选项B的CE指的是电子计算终端设备，选项C的BBS指的是基于B/S架构的在线论坛系统，因此这三个选项都不符合题意。因此，答案为D。'以下哪个是线性回归model的python代码（）。

答案:"AI参考:以下哪个是线性回归model的Python代码？答案是：使用sklearn库的线性回归模型。Python中常用的线性回归模型库是sklearn，其线性回归模型代码示例如下：```pythonfromsklearn.linear_modelimportLinearRegressionmodel=LinearRegression()```以上代码创建了一个LinearRegression对象，该对象是sklearn库中用于执行线性回归的类。通过调用fit方法，可以拟合数据并建立模型，使用predict方法可以预测新数据点的值。"下列哪个算法率先给出了语义级别的图像分割解决方案（）

A:Unet算法B:Resnet算法C:FCN算法D:CNN算法答案:AI参考:正确选项是C:FCN算法。\n\nFCN（FullyConvolutionalNetwork）算法率先给出了语义级别的图像分割解决方案，其通过全卷积结构将图像分割问题从像素级别提升到了语义级别。FCN算法利用了深度学习技术，通过神经网络自动提取图像特征并进行分类，能够得到准确的分割结果。相较于传统的图像分割方法，FCN算法具有更高的准确性和鲁棒性。因此，FCN算法成为了语义级别图像分割领域的代表性算法之一。'以下哪个是逻辑回归model的python代码（）。

答案:AI参考:以下是逻辑回归模型的Python代码：\n\n\n```python\nfromsklearn.linear_modelimportLogisticRegression\n\n#加载数据集\nX_train=...\ny_train=...\n\n#创建逻辑回归模型\nmodel=LogisticRegression()\n\n#训练模型\nmodel.fit(X_train,y_train)\n```\n这段代码使用了`sklearn`库中的`LogisticRegression`类来创建逻辑回归模型。首先，需要加载数据集，其中`X_train`是特征矩阵，`y_train`是标签向量。然后，创建一个`LogisticRegression`对象，并使用`fit`方法训练模型。在训练完成后，模型就可以用于预测新的数据了。'下列哪个选项不会影像人工智能模型的训练效果（）

A:数据重复标记B:图像的大小C:数据误标D:数据漏标答案:AI参考:正确答案是B：图像的大小。\n\n人工智能模型的训练效果受到多种因素的影响，包括数据重复标记、数据误标和数据漏标等。而图像的大小不会影响人工智能模型的训练效果，因为它主要影响图像识别模型的分类和识别精度，而不是训练效果。因此，答案为B。'（）是常用的有监督学习模型。

A:高斯混合聚类B:k均值C:支持向量机D:密度聚类答案:AI参考:正确选项为【A:高斯混合聚类】是常用的有监督学习模型。\n\n高斯混合模型是一种概率密度函数模型，用于描述数据的潜在分布。在聚类分析中，高斯混合模型通常作为有监督学习模型使用，通过对数据的潜在分布进行建模，并根据指定数量的混合模型对数据进行聚类。相比之下，k均值、密度聚类等无监督学习模型通常用于发现数据的内在结构，而支持向量机是一种分类模型，主要用于二分类或多分类问题。因此，A选项的高斯混合聚类是常用的有监督学习模型，是正确答案。'目前基于深度学习的医学影像识别准确率能达到（）及以上，辅助诊断效果显著。

A:95%B:80%C:90%D:75%答案:AI参考:正确选项是【C:90%】。\n\n基于深度学习的医学影像识别准确率能达到90%及以上，辅助诊断效果显著。深度学习在医学影像识别方面表现出了非常高的准确率，能够识别各种疾病的症状和病变，为医生提供更加准确的诊断依据。同时，深度学习还可以帮助医生提高诊断效率和准确性，减少误诊和漏诊的可能性。因此，深度学习在医学影像识别方面的应用前景非常广阔。'构建高质量结构化数据的过程中，需要将工作重点放在哪两点上。（）。

A:准确数据集B:数据集类型C:数据集大小D:数据集质量答案:AI参考:正确选项为【D:数据集质量】。\n\n构建高