XiaoMi-AI文件搜索系统
World File Search System先导性
从灵活性平衡视角的高比例可再生能源电力系统形态演化分析
摘要：电力系统中长期愿景及其形态演化分析是引领电力行业发展的重要先导性研究，尤其在我国提出2060年实现温室气体净零排放的新目标下，如何加快发展可再生能源成为新的关注点。本文尝试从灵活性平衡的视角探究含高比例可再生能源的未来电力系统形态演化指标。在回顾国际上关于未来电力系统发展愿景相关文献的基础上，总结了未来电网的特征及其驱动力的变化，并提出了一种全局敏感性分析方法。考虑到影响演化路径的多重不确定性因素，抽取大样本模拟电力系统演化，并以西北电网为例，分析了我国高比例可再生能源的演化路径。
因果关系在可解释人工智能中的作用
因果关系和可解释人工智能 (XAI) 是计算机科学中独立的领域，尽管因果关系和解释的基本概念有着共同的古老根源。由于缺乏共同涵盖这两个领域的评论工作，这种情况进一步加剧。在本文中，我们调查了文献，试图了解因果关系和 XAI 是如何以及在多大程度上交织在一起的。更准确地说，我们试图揭示这两个概念之间存在什么样的关系，以及如何从中受益，例如，在建立对人工智能系统的信任方面。结果，确定了三个主要观点。在第一个观点中，因果关系的缺乏被视为当前人工智能和 XAI 方法的主要局限性之一，并研究了“最佳”解释形式。第二个是务实的观点，将 XAI 视为一种工具，通过识别值得追求的实验操作来促进因果探究的科学探索。最后，第三个观点支持因果关系对 XAI 具有先导性的观点，其方式有三种：利用从因果关系中借用的概念来支持或改进 XAI、利用反事实来解释，以及将访问因果模型视为自我解释。为了补充我们的分析，我们还提供了用于自动执行因果任务的相关软件解决方案。我们相信，通过强调潜在的领域桥梁并揭示可能的局限性，我们的工作为因果关系和 XAI 这两个领域提供了统一的视角。
使用 EndoBRAIN 进行 AI 辅助内吞细胞镜检查的真实体验 — 来自三级护理中心的一项观察性研究
摘要背景与目的对结肠息肉进行精确的光学诊断可提高结肠镜检查的成本效益并减少息肉切除术相关的并发症。我们进行了这项研究以评估单独目视检查 (WLI + NBI) 和 EndoBRAIN (内吞细胞镜检查-计算机辅助诊断 [EC- CAD]) 在现实场景中使用 EC 识别病变是肿瘤性还是非肿瘤性的诊断性能。方法在这项观察性、前瞻性、先导性研究中，共研究了年龄大于或等于 18 岁患者的 55 个息肉。EndoBRAIN 是一个基于人工智能 (AI) 的系统，可实时分析细胞核、隐窝结构和血管模式以区分肿瘤性和非肿瘤性病变。内镜医师首先使用白光成像 (WLI)、窄带成像 (NBI) 评估息肉，然后使用 EC 和 NBI 以及 EC 和亚甲蓝染色进行评估。以组织病理学为金标准，比较内镜医师和 EndoBRAIN 在鉴别肿瘤性和非肿瘤性息肉方面的敏感性、特异性、阳性预测值、阴性预测值和准确性。结果共研究了 55 个息肉，其中大多数为小型息肉（36/55），位于直肠（21/55）。图像获取率为 78%（43/55），大多数组织病理学被鉴定为增生性（20/43）和低级别腺瘤（16/43）。 EndoBRAIN 识别结肠息肉的敏感性为 100%，特异性为 81.82%（95% 置信区间 [CI]，59.7 – 94.8%），准确率为 90.7%（95% CI，77.86 – 97.41%），阳性预测值为 84%（95% CI，68.4 – 92.72%），阴性预测值为 100%。敏感性和阴性预测值明显高于内镜医师的目视检查。诊断准确度似乎更高；然而，并未达到统计学意义。两组的特异性和阳性预测值相似。结论 使用 EC 和 EC-CAD 的光学诊断在预测组织病理学诊断方面具有潜在作用。CAD 的诊断性能似乎比内镜医师使用 EC 预测肿瘤病变更好。