XiaoMi-AI文件搜索系统
World File Search System准确性
诊断阿尔茨海默氏病：迈向准确性和可及性
阿尔茨海默氏病（AD）是一种严重的痴呆症，遭受了衰老的衰老，其特征是认知能力下降，淀粉样蛋白β斑块和神经原纤维缠结。大大损害了受害者的生活质量，并为整个社会造成了沉重的负担。由于AD，Promal AD和临床前广告而引起的痴呆症患者的数量估计分别为全球约3.2、69和3.15亿。当前的临床诊断基于临床症状，临床研究表明，正电子发射断层扫描（PET）和脑脊液（CSF）生物标志物具有出色的诊断性能。但是，CSF生物标志物测试和PET的应用受到侵入性和高成本的限制。临床症状的存在意味着AD病理已经发展了很多年，并且只有少数药物被批准用于AD的创伤。因此，早期诊断对于控制AD引起的结果极为重要。在这篇综述中，我们提供了开发临床诊断标准，临床研究下的诊断策略，开发基于血液的双性异物测定法以及有希望的基于纳米技术的测定法。
体育博彩的机器学习：模型选择是否应该基于准确性或校准？
体育博彩最近在美国的联邦合法化与机器学习的黄金时代相吻合。如果投注者可以利用数据来可靠地预测结果的概率，他们可以认识到博彩公司的赔率何时对其有利。作为体育博彩仅是美国一个数十亿美元的行业，因此确定这种机会可能非常有利可图。许多研究人员将机器学习应用于运动结果预测问题，通常使用准确性来评估预测模型的性能。我们假设对于运动博彩问题，模型校准比准确性更重要。为了检验这一假设，我们在几个季节中对NBA数据进行了训练，并在单个季节进行了投注实验，并使用已发表的赔率进行了培训。我们表明，使用校准而不是准确性，作为模型选择的基础会导致更大的回报（投资回报率为 + 34.69％对-35.17％）和最好的情况（ + 36.93％对 + 5.56％）。这些发现表明，对于体育博彩（或任何概率决策问题），校准比准确性更重要。希望增加利润的体育投篮者应基于校准而不是准确性选择其预测模型。
人工智能使用数字听诊器检测儿童病理呼吸音的准确性
背景：通过手动听诊检测异常呼吸音的观察者间可靠性较差。带有人工智能 (AI) 的数字听诊器可以提高对这些声音的可靠检测。我们旨在独立测试为此目的开发的 AI 的能力。方法：儿科呼吸科医生根据音频回放和仔细的频谱图和波形分析，从儿童身上采集了 192 个听诊记录，分别标记为包含哮鸣音、爆裂音或两者都不包含，其中一个子集由第二位盲法临床医生验证。这些记录提交给专门经过训练以检测病理性儿科呼吸音的盲法 AI 算法 (StethoMe AI) 进行分析。结果：在优化的 AI 检测阈值下，Clinicloud 记录的爆裂音检测阳性百分比一致性 (PPA) 为 0.95，阴性百分比一致性 (NPA) 为 0.99；对于 Littman 收集的声音，PPA 为 0.82，NPA 为 0.96。哮鸣音检测 PPA 和 NPA 分别为 0.90 和 0.97（Clinicloud 听诊），对于 Littman 记录，PPA 为 0.80，NPA 为 0.95。
人工智能检测胃肠道腔内病变的诊断准确性：系统评价和荟萃分析
胃肠道 (GI) 疾病是全球疾病负担的重灾区。2019 年，全球 DALY 为 8900 万，占全球 DALY 总量的 3.5%（22.8 亿例），中低收入国家 (LMIC) 的患病率更高 (1)。2018 年，美国因胃肠道症状就诊的门诊量超过 3680 万，其中原发性胃肠道疾病诊断为 4340 万。每年共进行 2220 万次胃肠道内镜检查，诊断出 284844 例新发胃肠道癌症，255407 例死亡 (2)。包括中低收入国家在内的世界其他地区胃肠道疾病负担也日益加重，因为全球 80% 的食管癌来自中低收入国家，且生存率较低 ( 3 )。胃肠道疾病的发病率和死亡率高于其他常见疾病，因此强调了胃肠道疾病给整个医疗保健系统带来的沉重负担。尽管疾病负担很重，但仍有多重挑战阻碍着最佳胃肠道护理的提供。在中低收入国家，往往缺乏内窥镜设备等资源，以及缺乏及时诊断和干预的技能和专家 ( 4 )。在高收入地区，这些挑战包括高昂的成本以及设施和培训的差异 ( 5 )。克服这些挑战需要大量的资源和时间。尽管全球在提高这些技能方面取得了进展，但这种能力仍然滞后。然而，技术创新已被证明是熟练和有效地克服这些挑战的灯塔。人工智能 (AI) 引入医疗保健领域，迅速推动了许多疾病诊断、治疗和预后的创新。多年来，人们一直在研究胃肠病学中的人工智能算法，以实现对胃肠病学诊断程序的自动解读，尽管成功程度各不相同。自 2010 年以来，人工智能已经探索了胃肠病学的多种程序和病理学 ( 6 )。
泛人类共识基因组显著提高 RNA 测序分析的准确性
1 冷泉港实验室，美国纽约州冷泉港；2 威尔康奈尔医学科学研究生院计算生物学和医学三机构博士项目，美国纽约州纽约；3 加文-魏茨曼细胞基因组学中心，加文医学研究所，新南威尔士州达令赫斯特；4 新南威尔士大学医学科学学院，新南威尔士州悉尼
基于 3D 颅骨重建的机器人立体定位系统可提高手术准确性和速度
我们开发了下一代机器人立体定位平台，用于小动物，结合了三维 (3D) 颅骨轮廓仪子系统和完整的六自由度 (6DOF) 机器人平台，以提高空间精度和手术速度。3D 颅骨轮廓仪基于结构照明，其中视频投影仪将一系列水平和垂直线图案投射到动物颅骨上，并由两个二维 (2D) 常规 CCD 相机捕捉，以基于几何三角测量重建精确的 3D 颅骨表面。使用重建的 3D 颅骨轮廓，可以使用基于 Stewart 设计的 6DOF 机器人平台引导和重新定位颅骨，以精确对准手术工具，以达到特定的大脑目标。使用机械测量技术对系统进行了评估，并使用琼脂脑模型演示了平台的精确瞄准。麻醉的单角沙鼠也用于该系统，通过使用玻璃移液器注射染料来瞄准梯形体 (MNTB) 的内侧核。切除的脑切片荧光成像证实了瞄准脑核的准确性。结果表明，这种新的立体定位系统可以提高神经科学研究中小规模脑部手术的准确性和速度，从而加速神经科学发现并降低实验动物的流失率。
在嘈杂的协作点云获取环境中，基于准确性的传感器奖励
摘要 - 在Point-Cloud获取环境中的常见挑战，例如实现安全性和自动驾驶，是确定传感器和工人的放置以及要支付给他们的奖励。游戏理论可作为一种非常强大的工具，用于确定部署的传感器和工人的适当奖励的问题，并且先前的一些研究提出了使用游戏理论来确定奖励的方法。但是，这些方法并未考虑AI对下游任务的识别准确性的影响，以开发这些适当的奖励。在本文中，我们通过考虑AI的识别准确性提出了游戏理论的新特征功能。为了定义我们的功能，我们研究了观点数量和点云的噪声水平如何影响分类精度。此外，我们分析了识别模型通过使用Shap重点关注的点云的哪一部分，这是一种基于Shapley值改善机器学习的方法。索引术语 - 点云，特征功能，莎普利值，shap，零拍点云识别模型
将人类放在循环中：增加吸收，但自动决策的准确性降低
自动化决策获得了吸引力，促使人们讨论了呼吁人类监督的调节。了解人类的参与如何影响算法建议的接受以及由此决定的准确性至关重要。在在线实验（n = 292）中，对于预测任务，参与者从算法或其他参与者中选择建议词根。在受试者间设计中，如果完全委派了预测，或者是否可以调整建议。66％的次，参与者更喜欢将决定委托给同样准确的人类。如果参与者可以监视和调整建议，那么对算法的偏好增加了7个百分点。参与者更仔细地遵循算法的收回。重要的是，他们不太可能干预最不准确的建议。因此，在我们的实验中，人类在循环的设计增加了吸收，但降低了决策的准确性。
替代辅助进化算法中替代模型准确性对性能和模型管理策略的影响
替代辅助进化算法（SAEAS）来解决昂贵的优化问题。尽管SAEAS使用使用机器学习技术近似解决方案评估的替代模式，但先前的研究并未充分研究SAEAS中搜索性能和模型管理策略的Sherrotage模型准确性对搜索性能的影响。这项研究分析了替代模型准确性如何影响搜索绩效和模型管理策略。为此，我们构建了一个具有可调节精度的伪气管模型，以确保在不同的模型管理策略之间进行公平比较。我们比较了三种模型管理策略：（1）预选前（ps），（2）基于个人（IB）和（3）基于一代的基准基准问题的基于生成（GB）的基线模型，而基线模型不使用替代物。实验结果表明，较高的替代模型精度可提高搜索性能。但是，影响根据所使用的策略而变化。具体来说，随着估计精度的提高，PS证明了性能的明显趋势，而当准确性超过一定阈值时，IB和GB表现出强大的性能。模型策略