XiaoMi-AI文件搜索系统
World File Search System和术
对抗性机器学习：攻击和缓解的分类和术语
这份 NIST 可信和负责任的 AI 报告制定了对抗性机器学习 (AML) 领域的概念分类法并定义了术语。该分类法建立在对 AML 文献的调查基础之上，并按概念层次结构排列，其中包括主要类型的 ML 方法和攻击的生命周期阶段、攻击者的目标和目的以及攻击者的能力和学习过程知识。该报告还提供了相应的方法来减轻和管理攻击的后果，并指出了在 AI 系统生命周期中需要考虑的相关开放挑战。报告中使用的术语与 AML 文献一致，并辅以词汇表，该词汇表定义了与 AI 系统安全相关的关键术语，旨在帮助非专业读者。总之，分类法和术语旨在通过建立对快速发展的 AML 格局的共同语言和理解，为评估和管理 AI 系统安全性的其他标准和未来实践指南提供信息。
心脏手术干预和术后死亡率的时机在欧洲患有严重先天性心脏缺陷的儿童中
方法和结果：这是一项基于人群的数据链接队列研究，将9个欧洲先天性异常注册机构与重要统计数据和医院数据库联系起来。为5693名Schds儿童提取了1995年至2004年出生的儿童。亚组分析。患有SCHD的儿童在中位年龄为3.6（95％CI，2.6-4.5）周时接受了第一次手术干预。在整个欧洲，大多数Schd亚型的第一次手术时间都保持一致。在生命的头5年中，患有左心脏的儿童接受了最多的心脏手术，中位数为4.4（95％CI，3.1-5.6）。年龄<1岁的儿童的30天术后死亡率范围从法洛特四局的1.1％（95％CI，0.5％–2.1％）到EBSTEIN ANOMALON的四边形到23％（95％CI，12％–37％）。术后为30天的术后致命率最高的儿童在生命的第一个月接受手术。所有SCH的总体5年生存率均为90％，除了大动脉的转座，法洛的四边形以及主动脉的缩回。
游戏理论：基本概念和术语 - 教师
对于每个i = 1，。。。，n，让我表示在可行的策略组合下，球员I获得的payo s =（s 1，。。。，s n）对于n个玩家。如果不存在另一个可行的策略组合S'，则策略组合s被认为是帕特托的，在该策略组合中，我至少达到的每个玩家至少达到了P payo payo效应，而某些玩家J的payo却比P j高。payo效果（p 1，。。。，p n）被认为是帕累托有效的payo效果。
太阳能基础知识和术语表
补助计划 - 各州提供各种补助计划，以鼓励可再生能源的使用和发展以及能源效率。联邦可再生能源税收抵免 - 对于 2022-2032 年期间安装的系统，纳税人可以申请 30% 的合格支出抵免，该系统服务于纳税人拥有并用作住宅的美国境内住宅单元。对于 2020-2021 年期间安装的光伏系统，可以申请 26% 的抵免。太阳能可再生能源抵免 (RECS) - 由太阳能产生的能源形成的可交易商品。每生产一兆瓦时 (MWh) 的清洁可再生电力，就会产生一个 REC。1 MWh = 1,000 kWh。物业评估清洁能源 (PACE) 融资 - 允许业主借钱来支付可再生能源和/或能源效率改进。内部收益率 - 投资资本的年化有效复合收益率。
“他们已经开始在我的脑海中”：信任，翻译误解和术中脑研究
摘要背景：接受侵入性神经外科手术的患者为研究人员提供了研究大脑的独特机会。深脑刺激患者可能会在刺激器装置的手术植入期间参与研究。尽管这项研究引起了许多道德问题，但对基础研究的关注很少，这些研究没有提供治疗益处，以及患者参与者的观点的价值。方法：在两项研究中，对14名个人进行了半结构化访谈，他们在深度脑刺激器手术期间参加了基本的术中研究。访谈探讨了对风险和收益，入学动机以及参与清醒脑研究的经验的解释。进行了反思性主题分析。结果：从参与者的叙述中确定了七个主题，包括信任的强烈态度，基础科学研究的高估，手术背景的影响以及参与的混合经验。结论：我们认为这些叙述提高了转化误解的潜力，并激发了术中的重新传感程序。
FEMA 首字母缩略词、缩写和术语
修订，42 U.S.C. 5121 等，以及相关机构 美国法典，第 42 章。公共卫生和福利，第 68 章。灾难救济-FEMA 592，2016 年 8 月 ................................................................................................................................ 456
医疗图像3D可视化网络平台的应用在辅助诊断和术前计划
摘要 - 医学图像数据的三维可视化可以使医生能够从更多角度和更高的维度观察图像。对于医生来说，协助诊断和术前计划具有重要意义。大多数3D可视化系统都是基于桌面应用程序，这些应用程序过于取决于硬件和操作系统。这使得很难在平台上使用并维护。基于Web的系统往往具有有限的功能。为此，我们开发了一个Web应用程序，该应用程序不仅提供了DICOM（医学中的数字成像和通信）图像浏览和注释功能，而且还提供了三维后处理功能，可用于多平台重建，体积渲染，肺实质分割和脑MRI MRI（磁性共鸣）分析。为了提高渲染速度，我们将行进立方体算法以异步方式在后台进行3D重建，并将重建的模型保存为GLTF（GL传输格式）。同时，Draco压缩算法用于优化GLTF模型以实现更有效的渲染。在性能评估后，系统重建了242片的CT（计算机断层扫描）系列，优化模型仅为6.37MB，渲染时间小于2.5s。肺实质的三维可视化清楚地显示了肺结节的体积，位置和形状。关键字-3D可视化，辅助诊断，术前计划，Web应用程序不同脑组织的分割和重建可以揭示大脑中神经胶质瘤的空间三维结构和邻近关系，在辅助诊断和术前计划中具有巨大的应用值。
常见的改造技术和术语
附录1 - 常见的改造技术和术语A1简介以下信息详细介绍了存在的不同改造低碳技术的功能和设计以及这些较优点和缺点。它还解释了应该考虑的改装中发生的一些常见问题。应该注意的是，这些技术是当前可用和使用的，并且随着未来设计，可能会成为更有效的解决方案。以及随着现有技术的改进，围绕效率，成本和安装的某些缺点可能会发生变化。A2低碳技术截至2021年2月，绝大多数属性都被电气气体加热，数字约为188,769个住宅。最常见的热量是锅炉，据说它的热泵不到1000次。这需要更改才能达到零。A2.1空气源热泵（Ashps）Ashps通过吸收建筑物外部空气中发现的热量，并以类似方式运行的热量与冰箱如何通过蒸气压缩来创建冷环境，但可用于热空气。有些人也可以提供家用热水。热泵周围的问题是，使用空气来源，需要安装一个大型外部单元，因此需要为该物业以外的地方提供足够的空间。此外，还需要一个内部热水箱，这将占用更多的地板空间。没有这种适当的培训，它们会冒着系统效率低下的风险，并使用更多的电力，从而导致账单增加。热泵是低温系统，这意味着它们通常需要更长的运行时间以及具有较大表面积的散热器来分配热量。与正常的燃气锅炉相比，运行中的这种变化更快，因此更快地产生热量意味着需要告知居民如何为其工作以使其成为有效的加热系统。ASHPS的性能系数（COP）范围为2至5，这意味着输入的每个电力单位，输出2至5个能量单位。但是，热泵运行成本的定价直接与电价有关，目前电力比天然气贵的三到四倍，这对于不受欢迎的住宅来说可能是一个问题，因为这会提高运行价格。但是，可以通过提高物业的能源效率来对抗这些高成本，理想情况下是通过织物的第一种方法来对抗。，如果将消费者安装在防水/绝缘住宅上，则可以节省消费者的钱。人们可以非常抵抗热泵，因为他们看到他们的成本很高，而收益很小，因此必须确保他们知道如何使用它们并正确安装。
![人工智能在预测整形外科皮瓣结果中的作用：系统评价方案 Sabreena Moosa，医学博士候选人 [1]*，Robert Dydynsky，医学博士候选人 [1] [1] 麦克马斯特大学 Michael G. DeGroote 医学院，汉密尔顿，ON L8S 4K1 *通讯作者：sabreena.moosa@medportal.ca 简介：游离皮瓣手术包括重建各种组织缺损。皮瓣失败和感染、缺血等并发症仍然是皮瓣手术后令人担忧的问题，目前的术后标准护理是频繁的床边监测。机器学习模型等人工智能可以帮助外科医生进行术后监测和预测并发症。本系统评价的目的是为分析使用人工智能评估皮瓣手术结果和预测术后并发症的现有文献提供框架。方法：将使用 EMBASE 和 MEDLINE（1974 年至 2021 年 10 月）进行系统评价以确定相关文献。这将包括研究皮瓣手术术后环境中使用的人工智能和机器学习模型。主要结果将包括评估基于这些模型评估皮瓣手术后结果的准确性，包括：皮瓣成功率、愈合情况和术后 1 个月内的并发症。次要结果包括效益分析](/simg/e/e9689b8e3c5cc5a4c1f68e573ab7a476c9a26886.png)
人工智能在预测整形外科皮瓣结果中的作用：系统评价方案 Sabreena Moosa，医学博士候选人 [1]*，Robert Dydynsky，医学博士候选人 [1] [1] 麦克马斯特大学 Michael G. DeGroote 医学院，汉密尔顿，ON L8S 4K1 *通讯作者：sabreena.moosa@medportal.ca 简介：游离皮瓣手术包括重建各种组织缺损。皮瓣失败和感染、缺血等并发症仍然是皮瓣手术后令人担忧的问题，目前的术后标准护理是频繁的床边监测。机器学习模型等人工智能可以帮助外科医生进行术后监测和预测并发症。本系统评价的目的是为分析使用人工智能评估皮瓣手术结果和预测术后并发症的现有文献提供框架。方法：将使用 EMBASE 和 MEDLINE（1974 年至 2021 年 10 月）进行系统评价以确定相关文献。这将包括研究皮瓣手术术后环境中使用的人工智能和机器学习模型。主要结果将包括评估基于这些模型评估皮瓣手术后结果的准确性，包括：皮瓣成功率、愈合情况和术后 1 个月内的并发症。次要结果包括效益分析
人工智能在预测整形外科皮瓣结果中的作用：系统评价方案 Sabreena Moosa，医学博士候选人 [1]*，Robert Dydynsky，医学博士候选人 [1] [1] Michael G. DeGroote 医学院，麦克马斯特大学，汉密尔顿，ON L8S 4K1 *通讯作者：sabreena.moosa@medportal.ca 简介：游离皮瓣手术包括重建各种组织缺损。皮瓣失败和感染、缺血等并发症仍然是皮瓣手术后令人担忧的问题，目前的术后护理标准是频繁的床边监测。机器学习模型等人工智能可以帮助外科医生进行术后监测和预测并发症。本系统评价的目的是提供一个框架，用于分析使用人工智能评估皮瓣手术结果和预测术后并发症的现有文献。方法：将使用 EMBASE 和 MEDLINE（1974 年至 2021 年 10 月）进行系统回顾，以确定相关文献。这将包括研究皮瓣手术术后环境中使用的人工智能和机器学习模型的研究。主要结果将包括评估基于这些模型评估皮瓣手术后结果的准确性，包括：皮瓣成功率、愈合和术后长达 1 个月的并发症。次要结果包括分析使用机器学习模型评估皮瓣手术后结果的利弊。研究将由两名独立审阅者筛选；将使用 Cochrane 偏倚风险工具评估偏倚风险，并使用 QUADAS-2 工具评估方法学质量。讨论：该协议将提供综述框架，总结当前探索人工智能对皮瓣手术结果的作用的文献。结果将有助于为外科医生提供当前应用的概述，并确定潜在的进一步研究和开发领域。结论：由于目前的临床实践是定期的床边监测，整合人工智能可以使该过程对患者更高效、更准确、更安全，并减少劳动力负担或医疗保健系统成本。本综述有助于确定潜在和改进的领域，从而进一步帮助实现皮瓣手术后的成功结果。关键词：人工智能；机器学习；皮瓣手术；结果；并发症；术后；监测；皮瓣成功介绍皮瓣手术