XiaoMi-AI文件搜索系统
World File Search System引用
引用本文：Gerbrich Ferdinands (2021) 人工智能辅助系统评价：选择研究比较小样本量的贝叶斯与频率 SEM，多元行为研究，56:1，153-154，DOI：10.1080/00273171.2020.1853501
Smid 等人（2020 年）进行了一项系统评价，以表征贝叶斯和频率估计在小样本量 SEM 中的表现。在手动筛选 5050 项研究后，仅选定 27 项来回答他们的研究问题。进行系统评价需要付出巨大的筛选努力。这种筛选工作使证据综合成为一项极具挑战性的任务。开源 AI 辅助筛选工具可以潜在地减少工作量：系统评价的主动学习（ASReview；van de Schoot 等人，2020 年）。在 ASReview 中，研究人员与主动学习模型交互筛选摘要。根据研究人员的决策（相关与不相关），该模型会迭代更新其对剩余摘要的相关性预测。通过优先考虑最有可能相关的文章（即基于确定性的主动学习），ASReview 最大限度地减少了研究人员需要筛选的文章数量，同时仍能识别出大多数相关文章。手动筛选和自动优先排序出版物的过程会产生一组相关出版物。作为一个例子，ASReview 被应用于 Smid 等人（2020 年）确定的 5050 篇研究的全部集合。理想的表现被定义为最大限度地识别 Smid 等人最初确定的 27 篇相关文章，同时最大限度地减少研究人员需要筛选的文章数量。相关性预测由主动学习模型进行，该模型使用朴素贝叶斯或逻辑回归作为分类器。对于第一个预测，ASReview 需要一些示例文章。对每个分类器应用了 27 次 ASReview，使用每篇相关文章作为示例文章一次，并与一篇随机的不相关文章配对。如图 1 所示，贝叶斯和逻辑回归模型都发现超过 80%
原始发表论文（记录版本）的引用：Sadik, M.、López-Urdaneta, J.、Ulén, J. 等人 (2021)。人工智能可以提醒使用 FDG-PET/CT 分期的霍奇金淋巴瘤患者局部骨骼/骨髓摄取。科学报告，11(1)。http://dx.doi.org/10.1038/s41598-021-89656-9
开发一种基于人工智能 (AI) 的方法，用于检测接受 FDG-PET/CT 分期的霍奇金淋巴瘤 (HL) 患者的局灶性骨骼/骨髓摄取 (BMU)。将单独测试组的 AI 结果与独立医生的解释进行比较。使用卷积神经网络对骨骼和骨髓进行分割。AI 的训练基于 153 名未接受治疗的患者。骨摄取明显高于平均 BMU 的被标记为异常，并根据总异常摄取平方计算指数以识别局灶性摄取。指数高于预定义阈值的患者被解释为具有局灶性摄取。作为测试组，回顾性纳入了 48 名在 2017-2018 年期间接受过分期 FDG-PET/CT 且活检证实患有 HL 的未接受治疗患者。十位医生根据局灶性骨骼/BMU 对 48 例病例进行分类。在 48 例 (81%) 的局部骨骼/骨髓受累病例中，大多数医生同意 AI 的观点。医生之间的观察者间一致性为中等，Kappa 值为 0.51（范围为 0.25–0.80）。可以开发一种基于 AI 的方法来突出显示使用 FDG-PET/CT 分期的 HL 患者中的可疑局部骨骼/BMU。核医学医生之间关于局部 BMU 的观察者间一致性为中等。
如何引用本文：Sohaib Alam (2025)。重新定义图书馆服务：人工智能和机器学习在现代图书馆中的作用。国际图书馆进步，45(1)，24-33
摘要 人工智能 (AI) 为各个领域的研究发展开辟了新途径。人工智能技术在不同领域的广泛应用为未来创造了光明的前景。在图书馆领域，人工智能大大提高了信息资源的可用性和利用率，有助于实现图书馆的目标。为了保持相关性，图书馆员必须采用创新思维，因为人工智能现在已应用于图书馆的众多功能中，从组织书籍到促进书籍的传递。人工智能带来了新的可能性，例如整合物理和数字资源以及将视频辅助与物理材料联系起来。这篇评论文章探讨了人工智能 (AI) 在图书馆学中的整合，重点关注通过全面的文献检索发现的应用、工具和挑战。人工智能正在日益改变图书馆的运营，为编目、分类、内容发现和用户交互提供创新的解决方案。这篇评论强调了关键的人工智能驱动工具，例如聊天机器人、推荐系统和自动编目软件，这些工具可以提高图书馆的效率和用户体验。然而，图书馆采用人工智能也带来了重大挑战，包括数据隐私问题、专业培训需求以及工作岗位流失的可能性。本文综合了当前的研究结果，对人工智能在现代图书馆中的作用提供了细致入微的理解，深入了解了人工智能的变革潜力以及充分发挥其优势所必须克服的障碍。
引用本文：Oliver C. Cohen、Iona J. Blakeney、Steven Law、Sriram Ravichandran、Janet Gilbertson、Dorota Rowczenio、Shameem Mahmood、Sajitha Sachchithanantham、Brendan Wisniowski、Helen J. Lachmann、Carol J. Whelan、Ana Martinez-Naharro、Marianna Fontana、Philip N. Hawkins、Julian D. Gillmore 和 Ashutosh D. Wechalekar (2022)：英国国家淀粉样变性中心对遗传性载脂蛋白 A-I 淀粉样变性的经验，淀粉样变性，DOI：10.1080/13506129.2022.2070741
摘要简介：遗传性载脂蛋白 A-I (AApoAI) 淀粉样变性是一种罕见的异质性疾病，发病年龄和器官受累各不相同。很少有系列文章详细介绍了一系列致病性 APOA1 基因突变的实体器官移植的自然史和结果。方法：我们确定了 1986 年至 2019 年期间在国家淀粉样变性中心 (NAC) 就诊的所有 AApoAI 淀粉样变性患者。结果：总共确定了 57 名患有 14 种不同 APOA1 突变的患者，包括 18 名接受肾移植的患者（5 例肝肾联合 (LKT) 移植和 2 例心肾联合 (HKT) 移植）。发病年龄中位数为 43 岁，从发病到转诊的中位数时间为 3（0 – 31 年）。81%、67% 和 28% 的患者检测到淀粉样蛋白累及肾脏、肝脏和心脏。肾淀粉样变性普遍与最常见的变异 (Gly26Arg, n ¼ 28) 有关。在所有变异中，肾淀粉样变性患者在诊断为 AApoAI 淀粉样变性时肌酐中位数为 159 m mol/L，尿蛋白中位数为 0.3 g/24 h，从诊断到终末期肾病的中位时间为 15.0 (95% CI: 10.0 – 20.0) 年。肾移植后，同种异体移植的中位生存期为 22.0 (13.0 – 31.0) 年。移植后有一例患者早期死亡（肾移植后 2 个月感染相关），未发生导致移植失败的早期排斥反应。在所有四例接受连续 123 I-SAP 闪烁显像的病例中，肝移植均导致淀粉样蛋白消退。结论：AApoAI 淀粉样变性是一种进展缓慢、难以诊断的疾病。移植结果令人鼓舞，移植物存活率极高。
原始发表论文的引用（记录版本）：Li, X., Shong, K., Kim, W. et al (2022)。透明细胞 r 候选药物预测
a Bash Biotech Inc，600 est Broadway，Suite 700，圣地亚哥，CA 92101，美国 b 生命科学实验室，KTH-Royal Institute of Technology，斯德哥尔摩 SE-17165，瑞典 c 病理学和肿瘤生物学系，人类生物学高级研究中心（WPI-ASHBi），京都大学，京都 606-8501，日本 d 泌尿外科，东京大学医学院，东京 113-8654，日本 e 血液学和再生医学中心，卡罗琳斯卡医学院，斯德哥尔摩 SE-17177，瑞典 f 医学生物学系，Atat € urk 大学医学院，埃尔祖鲁姆 25240，土耳其 g 宿主-微生物组相互作用中心，牙科、口腔和颅面科学学院，伦敦国王学院，伦敦 SE1 9RT，英国h 哥德堡大学萨尔格伦斯卡大学医院分子与临床医学系，哥德堡 SE- 41345，瑞典 i 查尔姆斯理工大学生物与生物工程系，哥德堡 SE-41296，瑞典 j 生物创新研究所，哥本哈根 N DK-2200，丹麦 k 郑州大学药学院先进药物制备技术教育部重点实验室，郑州 450001，中国
引用本文：Thomas KF Chiu、Benjamin Luke Moorhouse、Ching Sing Chai 和 Murod Ismailov (2023)：教师支持和学生学习动机
摘要 随着人工智能 (AI) 技术的进步，它将不可避免地给课堂实践带来许多变化。然而，教育领域的人工智能研究与教学观点或教学方法的联系较弱，特别是在 K-12 教育领域。人工智能技术可能使有上进心和先进的学生受益。需要了解教师在课堂上使用人工智能技术调解和支持学生学习方面所起的作用。本研究使用自我决定理论作为支撑框架，调查教师支持如何调节学生专业知识对需求满足和使用人工智能技术学习的内在动机的影响。这项实验研究涉及 123 名 10 年级学生，并在实验中使用聊天机器人作为基于人工智能的技术。分析表明，使用聊天机器人学习的内在动机和能力取决于教师支持和学生专业知识（即自我调节学习和数字素养），教师支持更好地满足了关联性需求，而不太满足自主性需求。研究结果完善了我们对自我决定理论应用的理解，并扩展了人工智能应用和教学实践的教学和设计考虑。
![文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当引用。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并已提交给 ScienceOpen Preprints 进行开放同行评审。 DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日](/simg/d/d7cdd24d40fd1d294d48413a0763b9abd0fe8371.png)
文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当引用。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并已提交给 ScienceOpen Preprints 进行开放同行评审。 DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日
文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，只要正确引用原始作品即可。使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行开放同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日
![文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控](/simg/8/8dd469c55249d1165cc0c55c494f5b27bda7b11b.png)
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
请按以下方式引用本文 - arXiv
请按以下方式引用本文：Longo, F., Nicoletti, L., & Padovano, A.(2019)。无处不在的知识为智能工厂赋能：面向服务的数字孪生对企业绩效的影响。年度控制评论，第47，页221-236。DOI：https://doi.org/10.1016/j.arcontrol.2019.01.001。
引用：Piasecki, S. & Morosoli, S. & Helberger, N. & Naudts, L. (2024)。人工智能生成的新闻：《人工智能法案》中的透明度条款是否满足了新闻读者的期望？互联网政策评论，13 (4)。https://doi.org/10.14763/2024.4.1810
摘要：人工智能生成的内容在人们生活中的出现越来越多，而能够有效浏览和区分此类内容的重要性与透明度有着内在联系，我们的研究重点是透明度，我们通过评估《人工智能法案》第 50 条来研究这一概念。本文呼吁采取行动，在指定《人工智能法案》的透明度要求时考虑最终用户的利益。它侧重于一个特定的用例——媒体组织在生成人工智能的帮助下制作文本。我们认为，目前的形式下，第 50 条留下了许多不确定性，并且有可能在保护自然人免受操纵或赋予他们采取保护行动的权力方面做得太少。本文结合文献和调查数据分析（基于代表荷兰人口的样本），就《人工智能法案》透明度义务的实施提出了具体的政策和监管建议。其主要目的是回答以下问题：如何协调《人工智能法案》适用于人工智能生成的数字新闻文章的透明度规定与新闻读者对操纵和赋权的看法？