XiaoMi-AI文件搜索系统
World File Search System古川
2022 年 11 月 24 日 - 美国陆军驻军
11 月 17 日，美国陆军医疗部日本活动部的工作人员齐聚 BG Crawford F. Sams 美国陆军健康诊所前，举行纪念古川由纪江对 MEDDAC-J 75 年的支持的纪念活动。入口处建有一座小花园，以纪念古川数十年的辛勤工作和奉献精神。
“审计人工智能……”
久住昭之 (前 IT 协调员) 坂本纪昭 (0064952006C) 濑户昭彦 (0065252006C) 泷泽康 (0012552001C) 千惠和之 (0029302004C) 古川正树 (0005462001C) 牧田和雄 (前 IT 协调员) 山崎直一 (0035252003C)
研究评估委员会“与人一起进化的下一代人工智能......
<推进部门> NEDO 机器人与人工智能部部长古川义典 NEDO 机器人与人工智能部首席研究员三代川近宏 NEDO 机器人与人工智能部首席研究员柴田聪
利用人工智能进行先进的河流管理
改善北条川河流管理的实验，2020 年 3 月 - 正在进行中 鸟取县烧岳火山监测系统改进研究项目，2020 年 3 月 - 2020 年 12 月 国土交通省北陆地区开发松本侵蚀防治办公室，加古川河流洪水探测方法验证项目，2020 年 4 月至 2021 年 3 月国土交通省近畿地方整备局姬路河及国家公路事务所淀川流域监测方法改进项目，令和 2010 年 8 月至 2021 年 8 月淀川事务所国土交通省近畿地区整备局
人工智能社会的能干商业人士
1959年出生于宫城县鸣子町户川院。 毕业于古川高中、东京大学理学部。专业为古生物学。 1983年，他在禅寺完成修行并获得住持资格后，加入了埃森哲。银行、贸易公司、政府机构等1994年，他成为埃森哲的全球合伙人。他现在主管电力行业。 2001年，他从埃森哲名古屋分公司负责人岗位退休。他成立了一家IT咨询公司，并持续经营至今。 2012年，第33代禅宗高僧哲洲治所圆寂，成为堂川院第34代住持。全峰敏之。这就是我们现在所处的情况。 他曾在早稻田大学理工学院和成蹊大学工学院担任信息工程讲师约20年。 我的兴趣是书籍、音乐和武术。俗话说，“人靠万物，如果你抛弃了自己，你还能依靠谁呢？”
人工智能（AI）识别胰腺癌患者腹水中的生存相关因素......
注释1.中性粒细胞：一种白细胞。它可以对抗细菌和真菌等病原体，在保护身体免受感染方面发挥重要作用。 注2.巨噬细胞：一种白细胞。它们有能力吞噬和分解侵入人体的细菌和病毒等病原体以及不必要的细胞，并引发免疫反应。 注3.腹腔冲洗细胞学检查：一种病理检查，将生理盐水注入腹腔，制备标本，检查是否存在恶性细胞。若存在恶性细胞，则细胞学检查判定为阳性；若不存在恶性细胞，则细胞学检查判定为阴性。 注4. Vision Transformer：将在自然语言处理领域带来突破的具有注意力机制的Transformer应用于计算机视觉的模型。 [纸张信息]标题：深度学习使用腹膜阳性洗涤细胞学作者预测胰腺癌患者的1年预后：Noguchi Aya，Numata Yasushi，Sugawara takayori，Miura Hiromori，Konno kaori，konno Takayuki，Ariake Kyohei，Nakayama Shun，Maeda Shinpei，Otsuka Hideo，Mizuma Masamichi，Nakagawa Kei，Morikawa Kei，Akatsuka kei，Akatsuka Jun，Maeda jun，Maeda iChiro和病理学，东北大学医学院研究生院山本托Yoichiro，瑞肯高级情报项目中心病理信息学团队团队负责人（也是科学报告）发表于：科学报告
通过胸部 X 光片测量骨密度
通过胸部 X 光片进行预测：一项多中心研究 主要研究员：佐藤洋一 名古屋大学医学院 共同研究员：山本则夫 宫本整形外科医院 稻垣直哉 慈惠大学柏医院 家崎雄介 国立医院组织 名古屋医疗中心 高原俊介 兵库县立加古川医疗中心 尽管全世界患有骨质疏松症的患者数量正在增加，但目前的诊断和治疗还不够充分。在这项研究中，我们开发了一个深度学习模型来通过胸部 X 光片预测骨矿物质密度 (BMD) 和 T 值，胸部 X 光片是最常见、最容易获得且成本最低的医学影像检查方法之一。本研究中使用的数据集包含 17,899 张图像，这些图像对应于 2010 年至 2021 年期间在六家医院接受双能 X 射线吸收仪 (DXA) 和胸部 X 光检查的 10,102 名患者。对于学习标签，我们使用 (1) 髋部和腰椎的 BMD (g/cm2) 和 (2) 基于髋部或腰椎 T 分数的诊断（正常、骨质减少和骨质疏松症）。然后，我们通过胸部 X 光片、年龄和性别的集成学习来训练深度学习模型，以使用回归和 T 分数进行多类分类来预测 BMD。我们评估了以下两个指标来评估深度学习模型的性能：(1) 预测和真实 BMD 之间的相关性和 (2) 预测类别和真实类别之间 T 分数的一致性。BMD 预测的相关系数为髋部 = 0.75，腰椎 = 0.63。正常、骨质减少和骨质疏松诊断的 T 分数预测曲线下面积分别为 0.89、0.70 和 0.84。这些结果表明，所提出的深度学习模型可能适用于通过预测胸部 X 光片的 BMD 和 T 分数来筛查骨质疏松症患者。