XiaoMi-AI文件搜索系统
World File Search System数据提取
人口健康转型计划：高血压
•80％的预期高血压人口被诊断为2030年 - QOF建议我们目前约有71％（n = 104,740）= 49,000 = 49,000个失踪（13,500可发现 +增长）•被诊断为目标的80％的人被治疗为67.6％，目前为67.6％，•降低诊断和最佳级别的超平等性2。可以从CVDPREVENT数据集中提取奖品数据的奖励大小（数据提取| CVDPREVENT用于识别ICB中UTLA注册人群的分布。西南NHSE已对此数据进行了进一步的分析，以模拟需要确定和治疗目标的患者数量，以实现77％的人（DHSC已将到2030年到2030年的80％治疗目标）为每个ICB和上层地方当局设定了80％的目标。
2023 年 4 月 COVID-19 疫苗接种申领更新
但是，由于这些字段仅在决定理赔承保范围时才需要填写，因此所提供的数字已通过对 ACC 收到的理赔表进行文本搜索进行了补充，其中提及 Comirnaty（辉瑞-BioNTech 新冠疫苗的名称）、阿斯利康、Vaxzevria（阿斯利康新冠疫苗的替代名称）、Novavax、Nuvaxovid（Novavax 新冠疫苗的名称），或将 covid 或辉瑞与 vacc、注射、加强针、jab 或 shot 等术语包括在内。通过这种文本搜索，我们可以识别已提交但尚未决定承保范围的理赔。自由文本搜索方法不是可靠的数据提取方法，可能会导致数据异常；因此，已手动审查了通过上述方法识别的理赔，并删除了一些假阳性匹配。
使用人工智能检测、预测和分类视网膜脱离
摘要。本范围审查研究了用于检测、分类和预测视网膜脱离 (RD) 发生的机器学习 (ML) 和深度学习 (DL) 算法的现状。如果不及时治疗，这种严重的眼部疾病会导致视力丧失。通过分析眼底照相等医学成像方式，人工智能可以帮助在早期阶段检测周边脱离。我们搜索了五个数据库：PubMed、Google Scholar、ScienceDirect、Scopus 和 IEEE。两位审阅者独立进行了研究的选择及其数据提取。从收集的 666 篇参考文献中，有 32 项研究符合我们的资格标准。特别是，基于这些研究中使用的性能指标，本范围审查概述了使用 ML 和 DL 算法检测、分类和预测 RD 的新兴趋势和实践。
自动水下车辆的数字双辅助
自动驾驶汽车（AUV）是海洋学和军事目的的主要研究工具。这些车辆的建造资本更大，一旦部署在海洋中，它就失去了与陆地世界的所有连通性，并且很难预测AUV的工作状态和健康状况，这不仅会阻碍AUV的透明度，而且还会蚀至现实时代的数据提取能力。本文通过部署与AUV同步移动并在水下与AUV连接的自动型表面车辆（ASV）专门解决了此问题。因此，通过集成IOT Twin Maker Service（Amazon Web Services（AWS）提供的数字双技术服务）来可视化提取的健康和监视数据。此外，可以通过插入AWS提供的Edge Computing软件来实现本地处理数据并进行现场决策的能力。结果描述了AUV的数字双胞胎模型以及其实时健康状况。
对大语言模型（LLMS）医疗保健应用的测试和评估的系统审查
重要性：大型语言模型（LLMS）可以帮助进行广泛的医疗保健相关活动。当前评估LLM的方法使得难以识别最有影响力的LLM应用领域。目的：总结以5个组成部分对医疗保健中LLM的当前评估：评估数据类型，医疗保健任务，自然语言处理（NLP）/自然语言理解（NLU）任务，评估维度和医学专业。数据来源：对PubMed和Web Science进行了系统搜索，用于在01-01-2022和02-19-2024之间发表的研究。研究选择：评估医疗保健中一个或多个LLM的研究。数据提取和综合：三名独立审核者根据评估中使用的数据，医疗保健任务（what）和NLP/NLU任务（如何检查），评估维度（评估维度）以及所研究的医疗专业的维度分类。
集成和现场评估下一代高保真声音和运动标签以调查行为反应
新系统被引入到标签池中。结果将用于评估整个系统的性能（连接、部署、恢复和数据提取）。在项目过程中将制造多达 12 个单元以支持现场测试。单元将在斯特尔瓦根银行国家海洋保护区、夏威夷群岛座头鲸国家海洋保护区和亚速尔群岛海带海洋研究中心进行现场测试。座头鲸是前两个地点的目标物种，众所周知，它们表现出不同的行为，为性能评估提供不同的运动和互动。标签将部署在亚速尔群岛的深海抹香鲸和领航鲸身上，以评估标签对深海物种的性能。喙鲸和灰海豚也存在于研究区域中，如果有的话，它们将成为目标。
CNN和视觉模型的比较研究图表图像分类
摘要：图表图像分类是自动化数据提取和从可视化的解释的关键任务，这些任务被广泛用于业务，研究和教育等领域。在本文中，我们评估了卷积神经网络（CNN）和视觉模型（VLM）的性能，鉴于它们在各种图像分类和理解任务中的使用越来越多。，我们构建了25种图表类型的不同数据集，每个数据集包含1,000张图像，并培训了多个CNN体系结构，同时还评估了预训练的VLM的零拍概括能力。我们的结果表明，在经过专门用于图表分类的培训时，CNN胜过VLM，尽管如此，它仍显示出有希望的潜力，而无需特定于任务的培训。这些发现强调了CNN在图表分类中的重要性，同时突出了VLM的进一步微调的未开发潜力，这对于推进自动数据可视化分析至关重要。
使用生成式人工智能进行高级 Kaplan-Meier 曲线分析
• Kaplan-Meier 生存曲线分析是临床研究领域中一种有价值的统计方法，特别是在肿瘤学和慢性病研究中 • 从这些曲线中提取数据传统上依赖于手动数字化，这需要大量劳动力，并且容易出错 • 此外，已发表的文献中的图表质量各不相同，报告格式也不一致。存在几种用于手动曲线数字化的软件工具，但这些工具需要多个步骤的手动输入和特定的专业知识 • 随着先进的人工智能技术和计算机视觉技术的出现，我们有机会实现这一过程的自动化，并有可能彻底改变研究人员从已发表的文献中提取和分析生存数据的方式 • 本研究探讨了两种基于人工智能的生存曲线数据提取和分析方法
GLOBE Observer：利用人工智能驱动的公民科学推进地球系统知识的案例研究
公民科学和人工智能 (AI) 相互补充，充分利用了人类和机器的优势。公民科学生成数 TB 的原始数字、文本和图像数据，对这些数据的分析需要自动化技术才能有效地进行处理。相反，AI 计算机视觉技术在训练过程中可能需要数以万计的图像，而公民科学项目非常适合提供大型数据库。在此，我们描述了 AI 工具如何应用于 GLOBE Observer 公民科学数据生态系统，其中图像识别算法支持数据提取过程、保护用户隐私并提高数据保真度。GLOBE 公民科学数据已用于开发自动数据分类程序，从而实现蚊子幼虫和土地覆盖标签的信息发现。这些进步使 GLOBE 公民科学家数据可用于环境和健康研究，以及 GeoAI 一般领域工作的机器学习科学家。
社论人工智能、ChatGPT 和组织......
Connectedpapers 和 ChatGPT 等人工智能在科学领域的应用不断进步，这让我们开始反思技术工具如何成为教育和学术背景下的中介和参与者。在组织理论领域，尽管对人工智能融入学术实践的理解存在不同观点，但我们强调了日常学术生活中的两个挑战。第一个挑战是面对人工智能强加给我们的数字殖民主义，因为它们是通过复制“全球北方”国家编程的语言模型来构成的。第二个挑战涉及它在行政学术写作自动化过程中的展开。我们认为有必要反思人工智能的使用如何当代地复制我们在科学领域的地位，即科学数据提取主义，行政学术写作教学的局限性是复制霸权语言模型的“辅助编程”，以及解开的可能性，以抵消行政文章写作自动化的这种动态。