XiaoMi-AI文件搜索系统
World File Search System决策支持
复杂地下作业中的决策支持
成功完成地下操作需要高度专业的功能和最新工具的准确计划。奥地利军事学院的研究小组旨在支持这些非常特殊的运营环境的决策，计划和培训。快速数据集成和可视化3D模型，计划，地图或激光扫描以及从地下结构内部的传感器和摄像机收集的操作员的信息提供了实际上通常无法进入安装的可能性。专业工具作为Boris（太空中的基于浏览器的方向）初始HTML模型，地下操作任务工具（SOMT）或快速隧道建模工具（FTMT），通过创建一个地下任务区域的虚拟双胞胎来改善快速可视化。在扩展现实（XR）应用程序中的改善空间逮捕大大改善了决策，并支持同步的任务计划和执行。由于地下服务结构和行动力的运营商之间的密切合作和信息交流是成功的先决条件，因此所有相关因素和参与者的整合将大大增加全面的合作。该项目通过在真正全面的共同操作图片中显示相关信息来增强共同的观点，从而实现更准确，更精确的动作，减少自身的损失和附带损害。
基于数字孪生的业务运营决策支持服务
摘要。随着服务化的到来以及数字化的不断推进，工业价值创造日益转向客户界面上的服务互动。企业越来越少地关注销售商品，而更多地关注创造服务价值。商品作为服务价值的载体仍然很重要。服务主导逻辑 (S-D Logic) 的概念通过提供一种新的视角，将服务生态系统中的价值共同创造置于概念设计的核心，为概念和理论基础的这种转变做好了准备。服务交付得到了数字和数据驱动工具不断增强的功能的极大支持 (Lusch & Nambisan, 2015)。在企业对企业 (B2B) 环境中，服务的好处主要体现在与业务相关的决策中。通过使用数据，可以更好地预测决策的后果，从而减少管理的不确定性并提高决策质量。本文研究了数字孪生在业务流程中对决策支持的建模，始终关注为系统中的人类参与者创造服务价值。为此，决策被建模为一个多阶段过程，可以用数字孪生的不同元素来表示。概念研究伴随着在真实公司案例研究中的实施。本案例展示了数字孪生的元素如何相互作用以创造服务价值，以及创造这种价值需要什么样的数据。
决策模型的集成以提供决策支持...
摘要。研究了在正常和异常情况下，使用综合模型对无人机操作员的决策 (DM) 进行建模的过程：随机、非随机不确定性模型和确定性模型，以实现有效的协同决策。在紧急情况下，为无人机操作寻找最佳着陆机场/地点/垂直起降场的算法，以恶劣天气条件下无人机在城镇目的地机场进近的紧急情况决策为例。作者对国际民用航空组织 (ICAO) 的风险评估文件进行了分析。为了确定风险水平的定量特征，开发了在风险和不确定性下遥控飞机系统操作员的 DM 模型。借助专家判断，可以估计影响最佳着陆机场选择的因素。
算法审计制定系统或决策支持
通常，任何系统乍看之下都可能没有检测到的故障或风险，或者由于执行某些过程的频率而忽略了其相关性。系统越复杂，错误的机会就越大。同时，系统的复杂性通常可以使这些系统做出预测的现实更加适应性。根据ISO 19,011在“管理系统审计指南”中，审计应是一个系统的，独立和有记录的过程，人们试图收集和评估证据以确定满足某些先前确定的标准的程度5。审计必须纳入实体的目标，保护受益人的利益和需求，雇员和其他可能的利益相关者的利益和需求，以及信息的安全和隐私要求6。因此，有各种本质的审核：会计，法律和过程以及计算机科学审核等。审核的效用在于它们允许对可能的风险进行客观评估，其量化和缓解措施的优先次序。尽管审计已成为算法治理7的扩展领域中的基本组成部分，但它们不足以减轻系统的实施和执行的影响；本质上，它们构成了
人工智能用于脓毒症临床决策支持
脓毒症是危重患者死亡的主要原因之一。尽管近年来医疗技术不断发展，但其发病率和死亡率仍然很高。这主要与延迟开始治疗和不遵守临床指南有关。人工智能（AI）是医学领域中一个不断发展的领域，已用于开发各种创新的临床决策支持系统。它在预测患者的临床状况和协助临床决策方面显示出巨大的潜力。人工智能衍生的算法可以应用于脓毒症的多个阶段，例如早期预测、预后评估、死亡率预测和最佳管理。本综述介绍了人工智能在脓毒症临床决策支持方面的最新文献，并概述了人工智能在脓毒症的预测、诊断、亚表型、预后评估和临床管理中的应用。此外，我们讨论了在临床上实施和接受这种非传统方法所面临的挑战。
通过人工智能和模拟的协同作用增强军事决策支持
应用 • 任务规划：游戏计划制定、假设分析 • 任务执行：自适应规划 • 任务汇报：任务后分析、经验教训 • CD&E：战术制定、测试未来能力 • 人员培训：指挥培训
一种新的人工智能基于智能的临床决策支持...
生物标志物，使诊断过程具有挑战性（Bedi 等人2015；Insel & Landis 2013）。精神疾病的诊断仍然依赖于自我报告、从亲属收集的信息、长期访谈和量表（Regier 等人2013）。然而，避免社会耻辱、不愿采访和回顾性回忆偏差等原因可能会导致获得的数据远离客观性（Yünden 2022，Low 等人2020）。此外，由于耗时、严格的培训和多种信息要求，用于评估、管理和评分的量表的效力有限且成本高昂（Kobak 等人2004）。尽管神经生物学研究取得了进展，增强了我们对精神疾病生物学基础的理解，但它们尚未产生足够的生物标志物来增强精神疾病的客观性
替代交付系统 (ADS) 决策支持工具 V2.0
TxDOT 与德克萨斯大学奥斯汀分校交通研究中心 (CTR) 合作开发了替代交付系统 (ADS) 工具，这是一种基于 Microsoft Excel 的风险评估工具，可提供所需的信息，以便更有效地确定哪些项目应使用 DB 而不是 DBB 流程进行交付。自 ADS 工具首次推出以来，TxDOT 及其设计和建筑行业合作伙伴从直接使用 DB 的经验中获得了宝贵的见解，包括更好地了解其相对风险和收益。这些见解有助于改进 TxDOT 对 DB 的程序化方法，并促成了替代交付系统 (ADS) 工具 V2.0 的创建。新的 ADS V2.0 工具将 TxDOT 和行业专业知识结合在一起，形成了一个更全面、更严格、更结构化的决策支持流程。
肿瘤临床决策支持系统的人工智能模型
背景和目标 脑肿瘤评估中的比较诊断使得在评估新患者时可以使用医疗中心的可用信息来比较类似病例。通过利用人工智能模型，所提出的系统能够针对给定的查询检索最相似的脑肿瘤病例。主要目标是通过生成更准确的医学图像表示来增强诊断过程，特别关注患者特定的正常特征和病理。与以前的模型的一个关键区别在于它能够仅从二进制信息中生成丰富的图像描述符，从而无需昂贵且难以获得的肿瘤分割。 方法 所提出的模型使用人工智能检测患者特征以从数据库中推荐最相似的病例。该系统不仅建议相似病例，而且在其设计中平衡了健康和异常特征的表示。这不仅鼓励其使用的推广，而且还有助于临床医生的决策过程。这种推广使得未来在不同的医学诊断领域进行研究成为可能，而系统几乎没有任何变化。 结果 我们对我们的方法与类似研究进行了比较分析。所提出的架构在患者的肿瘤和健康区域中均获得了 0.474 的 Dice 系数，这优于以前的文献。我们提出的模型擅长从脑磁共振 (MR) 中提取和组合解剖和病理特征，在依赖较便宜的标签信息的同时获得最先进的结果。这大大降低了培训过程的总体成本。我们的研究结果强调了提高比较诊断和治疗肿瘤病理的效率和准确性的巨大潜力。结论本文为进一步探索所提出的架构的更广泛适用性和优化以增强临床决策提供了实质性基础。本研究提出的新方法标志着医学诊断领域的重大进步，特别是在人工智能辅助图像检索的背景下，并有望使用人工智能作为支持工具而不是黑箱系统来降低成本并提高患者护理质量。
混合决策支持以监测预防中风的房颤
摘要：在本文中，我们讨论了混合决策支持，以监视预防中风的房间效果。混合决策支持采用人类专家和机器算法的形式，该算法在诊断方面合作。预防中风的联系源于以下事实：心房颤动（AF）患者的中风风险增加了。早期诊断会导致足够的AF治疗，可以将中风风险降低66％，从而防止中风。监测服务基于心率（HR）测量。通过物联网（IoT）技术传达并存储所得信号。深度学习（DL）算法自动估计AF概率。基于这项技术，我们可以为医疗保健提供者提供四种不同的服务：（1）普遍访问患者数据； （2）自动AF检测和警报； （3）医师支持； （4）反馈渠道。这四个服务创造了一个环境，医师可以与机器算法共生，以建立和传达高质量的AF诊断。