时间：2025-04-18 06:01:42
新华社武汉4月6日电 题：小田并大田，农机谱新篇——武汉黄陂“新农人”二三事
](https://www.pk200.com/d/file/autopic/38/2025-04-18/eb24b01191349c6dfa66d9b79af78482.jpg)
新华社记者龚联康
清明时节，春意正浓。武汉市黄陂区祁家湾街道姜店村的田野上，青绿色的麦浪随风起伏。在农户章自连家的麦地里，一台植保无人机嗡鸣低飞，细密的药液如银雾般洒下，为小麦披上一层防护衣。
“雨水一润，气温一升，600亩小麦蹿着长。”章自连蹲在田边，一边说一边轻轻拨开一丛麦苗，眼神中满是期待。
作为武汉面积最大、人口最多、农业资源最丰富的新城区，黄陂区农林牧渔业总产值常年居全市首位，是武汉乡村振兴的主战场。但在章自连和当地农技专家的记忆中，这片土地曾是另一番模样。
地处大别山与江汉平原的过渡地带，当地耕地布局呈细碎化特征。上世纪90年代，章自连退伍回乡时，村里家家户户守着“补丁田”耕作，收成微薄。许多村民无奈进城务工，章自连也随战友南下深圳，做起小生意。
大量劳动力外流，土地休耕现象一度突出，直到国家开始推行土地流转。怀着对家乡的眷恋，2007年章自连带着积蓄返乡，干起了养鱼和苗木生意。在村两委支持下，他陆续流转村内数百亩闲置土地，成立家庭农场。然而，“土地太碎”的老问题仍未解决，章自连尝试将流转到手的“补丁田”进行平整，没有整田机械，他就一块一块、年复一年地努力。
高标准农田建设为“三农”发展带来新契机。2021年前后，在街道和农业部门的帮助下，章自连和一些种粮大户开始通过田块归并、沟渠贯通、道路硬化等方式，对集中连片的流转地进行高标准改造。
“政策补贴到户，专家现场指导。‘小田并大田’后，一台旋耕机一天能翻60亩地，顶过去12头牛……”章自连细数今昔之变。如今，他的农场种植水稻、小麦、油菜等，总面积达1168亩，年收益超百万元，常年带动50多位村民务工。他自己也成了小有名气的“新农人”。
在祁家湾，发生改变的不止章自连一家。土地集中后，机械化普及率大幅提升，种粮大户从“单打独斗”走向“抱团发展”。
祁家湾街道东风村的李红芬夫妇，曾在外经营五金生意，近年也选择回乡务农。从申领补贴购置旋耕机、收割机、农用无人机等设备，到联合周边大户成立专业化合作社，短短几年，夫妇俩就成了当地农业机械化“带头人”。
“以前耕种管收主要靠人力，现在配备北斗导航的农机能自主作业，一圈下来，作业面积、工作量实时显示。”李红芬算了一笔账：合作社现有各类农机10余台，除满足社员自耕自种的需求外，还为周边农户提供社会化服务，每年经营收入超过40万元。
有了“好田”和“智慧机械”的助力，再加上农业补贴和技术指导，种地逐渐从“体力活”变为“技术活”。黄陂区农业农村局工作人员梅建幸说，近年来，黄陂区通过技术培训、补贴引导，大力推进农业机械化，目前全区有400余个家庭农场，粮食年产量稳定在28万吨以上。
种肥和耕作条件大大改善，农机设备不断迭代更新，粮食丰产成了常态。为进一步增收，农户们还各显其能，做起“加法”。
采访结束前，章自连带着记者参观了他的仓库，这里藏着他增收的秘诀：在约50平方米的仓库里，一袋袋印有“章自连”商标的精品米整齐码放。
“水晶米15元一斤，黑米22元一斤，年产10万斤仍供不应求。”章自连自豪地展示生态种植成果，他家200亩有机稻田坚持施用有机肥，红米、黑米等品种附加值远超普通稻谷。“种粮也要有产品思维，如今人们生活富足、观念更新，只要绿色健康，就不愁销路。”他说。
逆天！新型AI识别癌症，近100%精准度碾压医生。
AI在医学领域越来越厉害啦！有一种新研发的AI，诊断癌症的本事比专业医生还牛。
在不久的将来，用AI识别癌症或许会成为常见的事。
包括澳大利亚Charles Darwin大学（CDU）在内的国际科研团队，搞出一个叫ECgMPL的模型。
论文链接：https://www.sciencedirect.com/science/article/pii/S2666990025000059?via%3Dihub
ECgMPL专门分析细胞和组织的微观图像，用来查子宫内膜癌。子宫内膜癌是常见的生殖系统肿瘤之一，而这个AI模型的准确率高达99.26%！
研究人员还发现，这个模型经过调整，还能诊断很多其他疾病，如结直肠癌、口腔癌。
CDU的Asif Karim博士参与了这项研究，他表示，ECgMLP模型的准确率高达99.26%，比现在用的那些诊断方法都强，计算速度还特别快。
通过消融研究、自注意力机制，再加上高效的训练，这个模型在很多组织病理学数据集上都能很好地发挥作用，是临床诊断子宫内膜癌的得力助手。
这个经过大量数据训练的AI模型，在查看微观扫描图像（也就是组织病理学图像）的时候，能把图像变得更清晰，这样就能发现癌症早期的症状。
有些微小变化医生用眼睛很难发现，但AI模型一下子就能找到。
现在，医生诊断的准确率大概在78.91%到80.93%之间。
子宫内膜癌如果能早点发现，是可以治疗的，患者的五年预后效果也不错。但要是癌细胞扩散到子宫外面，治疗起来就麻烦了。所以，及时诊断对挽救患者生命特别重要。
训练所用数据集的样本图像，展示了正常子宫内膜（NE）、子宫内膜息肉（EP）、子宫内膜增生（EH）和子宫内膜腺癌（EA）
现在，美国已经有超过60万人得过子宫内膜癌。科学家发现，ECgMLP的用途可不只是诊断子宫内膜癌。
澳大利亚ACU的副教授Niusha Shafiabady表示，用同样的办法，还能又快又准地查其他病，这样病人就能得到更好的治疗。
他们用这个模型测试了好多不同的组织病理学图像数据，发现它查结直肠癌的准确率能达到98.57%，查乳腺癌的准确率是98.20%，查口腔癌的准确率也有97.34%。
不过，这个AI模型可不是要抢医生的「饭碗」。
它是和癌症专家一起合作，帮医生更准确地诊断病情，还能看看治疗的效果好不好。
用这个模型诊断癌症，速度更快、容易实现，成本也更低。
Shafiabady补充道，这项研究的AI模型可以作为软件系统的大脑，协助医生进行癌症诊断的决策。
研究人员强调：「早点发现、准确诊断子宫内膜癌，对治疗和控制病情非常关键。用深度学习算法分析组织病理学图像，在诊断子宫内膜癌方面，不管是准确率还是处理速度，表现都特别好。」
构建ECgMLP
ECgMLP模型的构建离不开高质量的数据集。
研究团队收集了新鲜的子宫内膜标本，由三位具有十多年病理学实践经验的病理学家在光学显微镜下仔细检查组织学切片，一致选择具有诊断结果的代表性苏木精-伊红（H&E）切片。
这些切片通过Mixotic扫描仪数字化，以10倍或20倍放大倍数捕获为高分辨率图像，再用Olympus ImageView从原始全切片图像中提取病变或健康组织的组织病理学区域。
最终形成的数据集包含3302张jpeg格式的图像，分为子宫内膜腺癌、子宫内膜增生、子宫内膜息肉和正常子宫内膜4类，每类又包含不同数量的图像和亚型。
这个数据集为模型的训练和优化提供了坚实的基础。
图像预处理
图像预处理是 ECgMLP 模型的重要环节，它直接影响到后续分析的准确性。
研究采用了多种预处理技术，包括归一化、α-β变换和非局部均值（NLM）去噪算法。
归一化通过将图像的像素值缩放到0到1之间，使不同图像具有可比性，便于从不同光照条件下捕获的图像中一致地提取特征。
其公式为
，这种标准化为后续的分析提供了的基础。
α-β技术则通过调整像素值来优化视觉对比度。α参数控制图像的对比度，β参数控制亮度。
在本研究中，α值设为1.0，β值设为2，这一设置显著增强了组织和细胞结构边界的可见性，同时保持了可接受的信号质量，PSNR值始终高于33dB。
NLM去噪技术通过比较图像中的小像素块并找到相似块，用相似块的平均值替换噪声块，有效地去除了噪声，同时保留了关键的边缘信息和组织纹理。
其公式为
，这一技术为后续的准确分析提供了清晰的图像数据。
图像分割
图像分割是从图像中提取感兴趣区域（ROI）的关键技术，ECgMLP模型采用了基于分水岭算法的多步骤分割方法。
该过程从二值阈值化开始，通过最小化前景和背景两类的类内方差确定阈值，将像素分为前景和背景。
接着进行形态学闭运算，使用2×2内核去除前景区域中的小孔和间隙；然后进行距离变换，获得每个像素到最近背景像素的距离图；再进行膨胀操作，扩展前景区域。
应用阈值处理，确定前景区域；通过从确定背景中减去确定前景得到未知区域；将原始图像和标记与分水岭算法结合，实现图像的精准分割。
光度增强
为了提高模型的泛化能力，研究对训练集和验证集应用了光度增强技术。
通过对图像进行亮度、对比度、色调、饱和度的变化以及模糊处理等多种修改，创建了具有不同视觉特征的原始图像的新版本。
总共应用了10种光度增强技术，例如调整亮度水平、改变对比度、利用CLAHE增强图像特征、调整色调和饱和度以及应用高斯模糊等。
这样增加了训练数据的多样性，提高了模型的泛化能力。
创新的ECgMLP架构
ECgMLP模型基于gMLP架构构建，gMLP架构结合了MLP和Transformer的优势。
每一层由一个MLP块和一个门控机制组成，门控机制调节信息流，使模型能够选择关注不同的输入组件，MLP块则负责提取高级特征。
ECgMLP模型在此基础上进行了针对性的优化。
形状为[64×64×3]的图像首先输入到输入层，经过数据增强层增加训练样本数量并减少过拟合，增强后的数据由形状为[128×128×3]的补丁组成。
补丁通过补丁层重塑为[256×192]，再经过全连接层提取特征。
模型包含多个顺序的gMLP 层，gMLP层由多个子层组成，子层混合使用MLP和门控机制生成有信息的表示。
每个gMLP层的输出作为下一层的输入，经过层归一化和全局平均池化1D层处理后，最后通过具有4个输出单元的全连接层进行最终预测，对应子宫内膜癌的四个类别。
在训练过程中，使用AdamW优化器，包括权重衰减正则化，并采用稀疏分类交叉熵损失和准确率指标进行评估，还使用了学习率调度来提高收敛性。
此外，在gMLP层中使用ELU激活函数代替ReLU，提高了模型的稳定性。
ECgMLP的卓越性能 消融研究
通过改变网络的层架构、训练参数和超参数，如图像大小、权重衰减、批量大小、随机失活率等，深入研究不同因素对模型准确率的影响。
研究发现，6个ECgMLP模块实现了98.61%的最佳准确率，但出于实际原因选择4个模块，此时准确率为98.52%。全局最大池化的准确率达到98.74%，高于全局平均池化的98.52%。
AdamW作为优化器表现最为准确，准确率为98.52%；激活函数中ELU的准确率最高，达到99.26%；学习率为 0.003时选择准确率最高。
多指标评估
使用多种指标对ECgMLP模型的性能进行评估，结果显示该模型表现卓越。
学习曲线展示了模型训练过程中的良好表现，随着训练的进行，损失下降且准确率上升，表明模型有效地从数据中学习，没有过拟合的迹象，预测性能不断增强。
Confusion Matrix显示整个数据集中只有少数图像被误分类，这意味着模型能够很好地对图像进行正确分类，准确识别不同类别的子宫内膜组织。
ROC曲线下面积（AUC）为完美的1.00，表明模型区分不同类别的能力极强，在不同的分类标准下都表现出色。
通过10折交叉验证，模型的准确率在不同的数据分割中保持在98.99%至99.26%之间，证明了模型的稳定性和泛化能力，在不同类型的数据上都能表现出持续的高性能。
泛化能力验证
为了评估ECgMLP模型的泛化能力，研究团队在多个涵盖不同癌症类型的外部组织病理学图像数据集上进行测试。
结果显示，模型在这些数据集上都实现了较高的准确率（>97%），证明了其对不同组织学图像分布具有可靠的泛化能力。
即使在原始领域之外，ECgMLP模型也具有先进的性能，这为其在更广泛的医学领域应用奠定了坚实的基础。
参考资料：
https://newatlas.com/cancer/ai-cancer-diagnostic/
IT之家 4 月 9 日消息，科技媒体 bleepingcomputer 昨日（4 月 8 日）发布博文，报道称在 4 月补丁星期二活动日中，微软修复了 Windows 11 系统高危漏洞，现有证据已表明有黑客利用该漏洞发起攻击，推荐用户尽快安装。
勒索软件团伙 RansomEXX 正利用 Windows 通用日志文件系统中的一个高危零日漏洞（CVE-2025-29824）发起攻击。
该漏洞是一种 use-after-free 漏洞，可以在无需用户交互的情况下，让本地低权限攻击者通过低复杂度攻击获取系统最高权限（SYSTEM）。
微软表示 Windows 11 24H2 系统用户不受影响，推荐所有 Windows 11 用户立即安装 4 月累积更新，后续会跟进发布适用于 Windows 10 x64 和 32 位 Windows 系统的补丁。
目前已经有证据表明有黑客利用该漏洞发起攻击，攻击者首先在受感染系统中安装名为 PipeMagic 的后门恶意软件，随后利用该后门部署 CVE-2025-29824 漏洞利用程序、勒索软件有效载荷以及加密文件后的勒索信（!READ_ME_REXX2!.txt）。
据 ESET 上月报告，PipeMagic 自 2023 年 3 月起还被用于部署针对 Windows Win32 内核子系统零日漏洞（CVE-2025-24983）的攻击。
RansomEXX 勒索软件行动始于 2018 年的 Defray，后于 2020 年 6 月更名为 RansomEXX 并变得更加活跃。该团伙曾针对多家知名组织发起攻击，包括电脑硬件巨头技嘉（GIGABYTE）、柯尼卡美能达（Konica Minolta）、美国德克萨斯州交通部（TxDOT）、巴西法院系统、蒙特利尔公共交通系统（STM）以及政府软件供应商 Tyler Technologies。
微软公司在 4 月补丁星期二活动日中，共计修复 134 个漏洞，其中包括 1 个被黑客利用的零日漏洞，11 个“关键”级别漏洞，IT之家附上修复的漏洞数量如下：
49 个提权漏洞
9 个绕过安全功能漏洞
31 个远程代码执行漏洞
17 个信息泄露漏洞
14 个拒绝服务漏洞
3 个欺骗漏洞
用户评论
终于可以玩到改进版的《真三國無雙6》了！
有15位网友表示赞同！
这个版本修复了很多BUG，我的游戏体验应该会好很多。
有19位网友表示赞同！
感谢玩家网汉化组的努力，才能让我们玩到这么完美的中文版。
有8位网友表示赞同！
终于不用再忍受那些烦人的bug啦！
有5位网友表示赞同！
不知道这个破解补丁对游戏性能有没有影响?
有16位网友表示赞同！
期待下这个版本的具体表现！
有6位网友表示赞同！
这个版本值得我重新体验《真三國無雙6》吗？
有15位网友表示赞同！
哪个平台的游戏可以下载这个补丁呢？
有20位网友表示赞同！
希望这版修复了武将技能的奇怪BUG。
有6位网友表示赞同！
游戏卡顿问题解决了没有？
有9位网友表示赞同！
我之前玩特色的剧情模式，总是卡在那儿，不知道这次会不会修复？
有8位网友表示赞同！
玩家网汉化组真是太棒了！
有15位网友表示赞同！
看来这个版本是很多老玩家的福音啊。
有10位网友表示赞同！
这下可以好好体验一下全面的战役和武将故事了!
有9位网友表示赞同！
希望这个破解补丁不会影响我后续购买正版游戏的计划。
有8位网友表示赞同！
游戏终于回归纯粹的游戏体验！
有15位网友表示赞同！
真三国无双系列一直都很喜欢，期待尝鲜新版本哦！
有12位网友表示赞同！
这个破解补丁怎么样才能使用呢？有没有详细教程？
有11位网友表示赞同！
希望官方也能重视玩家反馈，尽快推出改进的版本。
有10位网友表示赞同！