XiaoMi-AI文件搜索系统
World File Search System分类程序
社交媒体使用和老年人的生活满意度
社交媒体有可能对老年人的生活质量产生积极影响。本研究探讨了老年人如何使用社交媒体以及使用对生活满意度的含义。使用了顺序的混合方法方法。首先，对泰国的老年人进行了焦点小组访谈，并采用了两步分类程序来制定社交媒体使用活动及其生命领域隶属关系的全面衡量。接下来，使用现场调查来评估社交媒体使用对领域生活满意度和整体生活满意度的满意度的影响。调查结果表明，老年人将社交媒体纳入多个生命领域的活动，包括家人，朋友，社区，健康，消费者，教育，自我，休闲和社交活动。社交媒体使用活动的满意度与所有这些生命领域的域生活满意度积极联系在一起。社交媒体活动的全面衡量标准使我们能够广泛地理论化社交媒体的使用，并说明与年轻人相比，它对老年人具有不同的含义。
IAES国际人工智能杂志（IJ-AI）
在印度尼西亚，宫颈癌是仅次于乳腺癌的第二大致命疾病。人们使用各种诊断成像方式来确定宫颈癌的位置和严重程度，其中一种是计算机断层扫描 (CT) 扫描。本研究处理的 CT 图像数据集由两类组成，即宫颈癌患者的异常宫颈图像和其他疾病患者的正常宫颈图像。它侧重于分割和分类程序定位宫颈癌区域并根据图像中包含的特征将图像分为正常和异常类别的能力。我们提出了一种新的方法来检测宫颈器官周围的轮廓，并用人工神经网络 (ANN) 对图像数据进行分类。使用的分割算法是基于区域的蛇形模型。宫颈图像区域的纹理特征以灰度共生矩阵 (GLCM) 的形式排列。添加了支持向量机 (SVM) 来确定哪种算法更适合比较。实验结果表明，ANN模型的受试者工作特性（ROC）参数值优于SVM模型和现有方法，灵敏度为96.2%，特异性为95.32%，准确率为95.75%。
使用粒子群优化人工神经网络检测黑色素瘤
黑色素瘤是一种最可怕的皮肤癌，死亡率很高，最初是通过临床筛查、皮肤镜分析、活检和组织病理学检查进行目视诊断的。如果诊断和早期治疗延误，就会变得很危险。图像处理技术的最新发展有助于有效地检测黑色素瘤，因为由于病变的细粒度变化，检测黑色素瘤是一项艰巨的工作。本文研究了一种使用粒子群优化人工神经网络分析病变不规则性的新分类程序。在本研究论文中，提取病变的颜色特征并使用 PSO-ANN 分类器进行分类。通过标记假阳性率和真阳性率获得的接收者操作特性在分析计算机辅助诊断系统的诊断潜力方面起着至关重要的作用。应用于 ISIC 数据库的分类技术表明曲线下面积为 0.96853，特异性为 90.0%，灵敏度为 94.07%，准确率为 93.04%。
效率 - gnss坐标分类 - 与...
摘要：在广泛的流行病时期，许多人有患病毒的风险，例如Covid-19，Monkeypox和肺炎，从而导致对他人的影响的连锁反应。因此，疾病控制中心（CDC）通常通过监视和追踪受感染的个人及其地区来制定策略来管理这种情况。为方便起见，“目标”和“区域”代表以下个人和区域。全球导航卫星系统（GNSS）可以通过与尖端（PIP）相关的技术来帮助评估目标的定位区域。当有许多目标和区域时，仅依靠PIP技术从目标到区域进行分类可能会更有效。K-最近的邻居（KNN）分类的分类技术在各个域中广泛使用，提供可靠的分类精度。但是，KNN分类需要一定数量的目标，该目标具有执行区域（培训数据集），而培训数据集和分类时间的大小通常会表现出指数关系。本研究提出了一种应用KNN技术将目标分类为领域的策略。此外，在策略中，我们提出了一种自适应KNN算法来提高分类程序的效率。
AI协助决策中的确认偏差
全球对心理保健（MH）服务的飙升已经扩大了在关键MH组件中使用AI辅助技术的兴趣，包括评估和分类。然而，尽管通过决策支持减轻从业者负担是MH-AI集成的优先事项，但AI系统对从业者决策的影响仍然不足。这项研究是第一个研究MH诊断决策中从业者判断与AI建议之间相互作用的一项研究。使用受试者之间的小插图设计，该研究部署了一个模拟AI系统，以对MH专业人士和心理学专业学生的样本提供有关患者分类和评估的信息，并对评估和分类程序有深刻的了解。的发现表明，当参与者与最初的诊断和专业直觉保持一致时，他们更倾向于信任和接受AI建议。此外，当AI的建议偏离其专业判断时，声称具有更高专业知识的人表现出了增加的怀疑。这项研究强调了MH从业者既没有表现出坚定不移的信任，也没有完全遵守AI，而是表现出确认偏见，主要赞成反映其先前存在的信念的建议。这些见解表明，尽管从业人员可以纠正AI的建议建议，但实施DECIAS的实用性使AI来抵消从业者偏见需要进行额外的调查。
开发2.4米级的镜子用于空间 -
摘要 - 本文追踪了从空间和地面空间的地面监视早期历史的重要组成部分。Itek和Perkin-Elmer Corp是光学的重要提供者，其中包括2.4米的级别镜子，主要是为我们的地球观察开发的，是“间谍”卫星，随后用于从地面跟踪弹道导弹。两个重要的卫星计划是KH-9，称为六角形，现在已被解释，KH-11（最初称为肯南（Kennan）于1982年更名为Crystal，并被归类为Crystal。也许是这些基于空间的2.4-m镜子中最著名的镜子是在哈勃太空望远镜上使用的，该望远镜稳步生产出了壮观的天文学科学，并继续这样做。那些相同轻巧的2.4-m镜子也非常适合用于部署快速起飞的分类程序，基于地面的望远镜跟踪和成像大陆弹道导弹（ICBM）。剩余的2.4米后视镜之一被解密，并找到了进入新墨西哥州技术的方式，在那里它成为了Magdalena Ridge天文台的基础。本文追溯了轻巧的2.4米级镜子的历史以及Itek和Perkin-Elmer之间的相互交织的关系。两家公司都经历了个人转型，分手和收购，最终在休斯丹伯里光学系统公司中汇聚在一起。
一种CNN方法来自动检测和分类脑肿瘤
摘要 - 脑肿瘤需要评估以确保及时诊断和有效的患者治疗。形态学因素，例如大小，位置，纹理和可变外观 - 肿瘤检查。医学成像提出了挑战，包括噪声和不完整的图像。本研究文章介绍了一种处理磁共振成像（MRI）数据的方法，包括用于图像分类和DeNoing的技术。有效使用MRI图像使医疗专业人员可以检测包括肿瘤在内的脑部疾病。这项研究旨在通过分析提供的MRI数据来对健康的脑组织和脑肿瘤进行分类。与诸如计算机断层扫描（CT）之类的替代方法不同，MRI技术提供了内部解剖组件的更详细表示，是研究与脑肿瘤相关的数据的合适选择。MRI图片首先使用各向异性扩散滤波器进行脱氧技术。用于模型创建的数据集是公共访问且经过验证的脑肿瘤分类（MRI）数据库，其中包括3,264次大脑MRI扫描。SMOTE用于数据增强和数据集平衡。卷积神经网络（CNN），例如RESNET152V2，VGG，VIT和EFIDENTEN，用于分类程序。有效网络的精度为98％，是记录最高的。索引术语 - MRI，EfficityNet，脑肿瘤，Smote，CNN
脑电图中心理运动意象分类的稳定性取决于分类器模型的选择和实验设计，而不是信号预处理
心理运动意象 (MI) 是指在心理上执行运动任务（Milton 等人，2008 年，例如打网球或游泳）。此类任务可用于体育领域（Schack 等人，2014 年）或评估严重脑损伤患者的认知表现（Stender 等人，2014 年；Engemann 等人，2018 年），利用事件相关去同步 (ERD) 可靠地检测脑损伤患者的高级认知功能（Cruse 等人，2011 年、2012b 年）。可靠地检测健康人的 MI 任务表现对于诊断工具评估无法对任务做出公开反应的脑损伤患者的隐性意识是必不可少的。在一项关于心理 MI 的里程碑式研究（ Goldfine 等人，2011 ）中，作者证明，所有健康对照组的脑电活动都有意识地调节，并与活跃心理或静息状态的时间锁定在一起。但这些调节是不一致的。因此，我们得出结论，在测试健康人时，即在考虑患有严重脑损伤的患者之前，是否有可能可靠地区分心理 MI 范式中的活跃状态和静息状态，这一点值得担忧。从技术上讲，稳定的心理 MI 大脑状态的检测似乎高度依赖于所使用的信号处理、分类程序和统计分析，正如对心理 MI 数据的重新分析（ Henriques 等人，2016 ）中所报告的那样。因此，在这项工作中，我们重新审视了健康个体中 MI 范式的潜力，并研究了四个不同的研究问题（RQ）。我们首先研究定量分析 EEG 数据时的两个非常关键的问题：伪影的识别和剔除以及电极空间的选择。由经过培训的研究人员对 EEG 信号进行目视检查，并手动去除充满伪影的信号周期，是从记录中去除受污染通道（Cruse 等，2011、2012a）或尾迹（Cruse 等，2012b）的常用方法。这种伪影剔除方法可以应用于明显的伪影，如眨眼或运动，但肌源性活动往往与感兴趣的大脑活动（McMenamin 等，2010）混合在一起，因此无法用这种策略从信号中去除。独立成分分析（ICA）是分离肌源性和大脑活动的有力工具。ICA 将数据分解为独立成分，然后通过目视检查将其分类为肌源性或真正的大脑活动。然而，受过训练的专家的错误分类可能是导致 ICA 性能有限的原因（Olbrich 等人，2011 年）。大约三分之一的 EEG 分类研究使用手动伪影清除，然后不进行伪影清除，并且