XiaoMi-AI文件搜索系统
World File Search System智能手机
通过机器学习和智能手机技术预防心脏病
关于该教授的心脏病仍然是世界上主要的死亡原因，但是我们预测和降低自己的疾病风险的能力仍然有限。通过结合先进的基因组和信息学技术，Ali Torkamani，PhD和他的团队正在解密人类基因组并开发基于智能手机应用程序的数字工具，以预测人们的个人心血管疾病风险，并通过可行的健康信息为他们增强他们的能力。在他的前排讲座中，托尔卡马尼（Torkamani）描述了如何使用遗传风险来靶向预防并改善长期健康结果。
使用图形卷积神经网络学习智能手机的GNSS定位校正
抽象的智能手机接收器包括大约15亿个全球赛车卫星系统接收器。智能手机接收器的信号水平较低，噪音较低，而噪声则比Commer CIAL接收器更高。由于对尺寸，重量，功耗和成本的限制，与这些接收器进行准确的定位尤其是在城市环境中，这是一项挑战。传统上，全球定位系统测量方法是通过基于模型的方法（例如加权最小二乘和卡尔曼过滤方法）处理的。基于模型的方法可以以后处理方式提供仪表级的定位精度，但这些方法需要对相应的噪声模型进行牢固的假设，并且需要对参数（例如协方差）进行手动调整。相比之下，已经提出了基于学习的方法，这些方法对数据结构做出了更少的假设，并且可以准确地对环境特定的错误进行建模。但是，这些方法比基于模型的方法提供了较低的精度，并且对初始化敏感。在本文中，我们提出了一个用于学习校正的混合框架，该框架对应于真实接收器姿势和估计位置之间的偏移。对于基于学习的方法，我们提出了一个图形卷积神经网络（GCNN），该神经网络可以学习具有多构造和多频信号的不同图形结构。为了更好地对GCNN进行初始化，我们使用Kalman滤波器来估计一个粗糙的接收器位置。然后，我们使用此粗糙接收器位置来调节输入特征到图。我们从Google智能手机分解挑战中测试了对现实世界数据集的建议方法，并比基于模型的方法（例如加权最小二乘和卡尔曼过滤器方法）显示出改进的定位性能。
高中生中使用问题的智能手机
世界目前拥有超过30亿个智能手机用户。智能手机完全集成到个人的日常生活中，包括95％的美国青少年。过度使用智能手机会导致智能手机成瘾和有问题的智能手机使用（PSU），这些智能手机（PSU）与抑郁症，压力，自尊心减少和学习成绩降低有关。这项PSU研究调查了高中学生在美国一所全面且人口统计学上多样化的高中的九年级。这项研究与319名高中生进行了评估，以评估PSU，抑郁，压力，自尊，毅力和学习成绩的关联。这项研究的结果表明，学生使用智能手机来支持课堂内外学习。结果还表明，PSU，抑郁，压力，自尊，毅力和学习成绩之间的显着相关性。多元回归分析发现压力，自尊和砂砾是PSU的重要预测指标。这项研究的影响包括告知家庭，教育者，地区管理人员和政策制定者，以更全面而严格地利用加利福尼亚议会法案272号法案中提供的电子设备政策，并实施更健壮，周到的课堂智能手机政策和实践。建议将继续评估和建立对青少年（尤其是在Covid-19的大流行）中对PSU的认识，当时人际关系和个人联系是社会情感大流行恢复的重点。
低成本，基于智能手机的即时三个
虽然采集过程也很耗时。此外，此方法需要3D数字化器的范围，这也相对昂贵（价格约为3000英镑）。相比之下，摄影测量方法是用于空间注册的低成本解决方案，因为它们可以通过单个智能手机轻松实现。8摄影测量法从不同角度戴上FNIRS设备的受试者拍摄了多个照片图。使用专业软件（例如MetaShape 10）将获得的2D照片图转换为3D模型（点云或网格）。该软件分析照片中的视觉特征，并首先估算与每个图像关联的相机位置。通过比较图像并识别共同点和特征，摄影测量软件可以重建对象的3D表示（在我们的情况下，是受试者的头部）。通过检查所得的3D点云或网格，可以确定Optodes的位置相对于受试者的颅骨标记。但是，此过程在计算上是昂贵且耗时的，因此通常在实验后执行，通常需要使用标准计算资源来花费数小时。如果结果3D模型不足以捕获所有OPTODES的所有位置信息，则不可能进行重新验证，因为对受试者的实验将具有长期的实验。除了上面概述的挑战外，如果受试者是婴儿，则EM跟踪和传统的摄影方法通常是不切实际的，因为它们的近乎恒定的运动。鉴于头部实际上是一个刚性对象，从理论上讲，婴儿受试者的运动不应排除有效的摄影测量法。但是，在移动婴儿的情况下，传统的摄影测量方法面临重大挑战。次优的照明条件，例如在婴儿脸上施放的不均匀照明或阴影，可能会影响获得图像的质量和清晰度。另外，当受试者运动中时，必须掩盖由此产生的2D图像中的背景以隔离婴儿的头部。这些因素共同使单机摄影测量法高度挑战，以捕获移动婴儿的准确可靠的3D头模型。最近，实施了一种使用智能手机的结构化刷新深度相机来获取主题的3D头模型进行空间注册的方法。11结构化刷新深度摄像机通过将特定的光模式投射到视野中，并分析这些模式如何被拍摄的对象形状变形。深度摄像机可以使用此信息来计算对象表面与摄像机表面上每个点的距离，从而生成对象的精确3D代表。与FNIRS注册的摄影测量法相比，结构化照明提供的直接获得的3D深度信息消除了将2D图像转换为3D模型所需的时间，从而有可能允许用户在实验过程中调整扫描过程以确保模型覆盖扫描中的所有Optodes位置，并且具有足够的质量。此外，通过直接获取量化的深度信息，结构化刷新方法具有比传统摄影测量法更准确和可靠的潜力。尽管这种直接的3D扫描方法不需要受试者严格固定，但过度移动可以并且会影响扫描图像的质量。通常不可能在一次收购中获得移动婴儿头部的完整3D模型。结果，在为婴儿应用智能手机3D扫描方法时，用户仍然需要从不同角度拍摄多个快照以产生部分3D表面，然后随后将它们缝合在一起，将其拼接在一起成一个完整的全头3D模型。尽管所需快照的数量远低于准确的光语法所需的2D图像数量，但这仍然会导致更长的获取时间，降低准确性并防止Instanta-neous结果。
AI智能手机应用程序
BAD 委托 Cochrane 审查，并确定了一些不符合监管要求的基于 AI 的皮肤癌诊断应用程序，这些应用程序可从 Apple 和 Google Play 应用商店下载。目前已发表的证据支持使用 AI 诊断皮肤病，但证据有限。因此，应用程序可能不安全或无效，并且 AI 可能会通过给出错误的诊断将人们置于危险之中。根据我们的调查结果，我们联系了 Apple Store 和 Google Play Store，将这些应用程序报告给相应的团队。随后，Google Play Store 进行了自己的内部审查，并从
基于智能手机的心脏康复计划提高了冠心病患者的功能能力：系统评价和荟萃分析
心脏康复（CR）降低了冠心病（CHD）的死亡率和发病率；但是，患者表现出对CR的依从性。另外，远程医疗干预措施已显示出有希望的结果，以改善CR中的目标结果。本研究旨在回顾基于智能手机的CR对冠心病患者功能能力的影响。使用PubMed，Medline，Embase和Cochrane库进行了文献搜索，于2022年3月21日在CR中找到智能手机使用的随机对照试验，以提高功能能力。结果包括最大氧气消耗（最大VO 2），6分钟步行测试（6-MWT），生活质量，戒烟和可修改的危险因素。对11项招募冠心病患者的试验进行了审查。连接到智能手机或基于聊天的应用程序的可穿戴设备通常用于CR交付。大多数试验设法通过干预提供了运动处方，有关药物依从性和控制风险因素的教育以及心理社会咨询。在智能手机患者中基于智能手机的CR后，功能能力显着提高，如VO 2 MAX和6-MWT所测量。患者更有可能戒烟。与传统护理相比，将CR交付给CHD患者的智能手机在功能能力增加方面表现出了较高的结果。脂质谱，血压，HBA1C，体重指数和生活质量没有显着改善。可以单独使用或用作辅助手段。最终应考虑患者的偏好和情况。
减少访问障碍：探索高等教育机构学生智能手机的使用情况
18-29 岁年龄段的年轻人几乎都拥有智能手机，许多学生随身携带移动技术，但人们对学生如何使用移动设备进行学习却知之甚少。对于历史上处于边缘地位的学生来说，手机可能是重要的学习工具——尤其是当它是访问互联网的主要设备时。这项研究以加州社区学院、加州州立大学和加州大学的学生为对象，探讨了学生对使用移动设备进行学习的看法。研究结果表明，学生通常依靠移动设备作为应急桥梁，并在一天中的空闲时间完成课程。然而，由于小屏幕的限制以及访问课程内容或完成作业的困难，学生也对使用移动设备感到沮丧。这项研究的意义在于强调教师发展在设计移动友好型课程方面的重要性，使学生能够利用移动设备进行学习。
视觉处理器如何扩展可视门铃和智能手机的边缘 AI 功能
这些资源如有更改，恕不另行通知。TI 仅授权您使用这些资源来开发使用资源中描述的 TI 产品的应用程序。禁止以其他方式复制和展示这些资源。不授予任何其他 TI 知识产权或任何第三方知识产权的许可。TI 对因您使用这些资源而产生的任何索赔、损害、费用、损失和责任不承担任何责任，您将全额赔偿 TI 及其代表。
使用智能手机对预期姿势调整进行定量评估的可靠性和有效性
摘要。[目的]本研究旨在调查使用智能手机对预期姿势调整的定量评估的可靠性和有效性。[参与者和方法]该研究包括10名年轻的对照参与者，他们接受了一足的姿态，并具有加速度计和智能手机同时连接到下背部（L5）。加速度被测量为向姿势侧腰部运动的中外侧成分。将时间（峰潜伏期）的峰值和腰部加速度姿势侧向的位移量（峰值幅度）分析为预期的姿势调节特征。对加速度计和智能手机测量值的评估者内可靠性均计算，而两名考官的智能手机测量值则计算了相互可靠性。确定加速度计和智能手机测量的有效性。[结果]在这项研究中，确认了加速度计和智能手机测量中峰值潜伏期和峰值幅度的评估者内可靠性，以及智能手机测量中评估者间的可靠性。通过重新测试确认了评估者的可靠性，而加速度计和智能手机测量的有效性也得到了证实。[结论]这项研究的结果表明，使用智能手机来衡量预期的姿势调整是高度可靠且有效的，这使其成为有用的临床平衡指数。该方法很简单，可用于连续患者监测。关键词：智能手机，姿势控制，可靠性和有效性
智能手机的面部解锁背后的技术-IJRPR
智能手机中的Face解锁技术近年来变得越来越流行，作为一种访问设备的安全方式。该技术利用各种传感器和算法来创建一个唯一的面部配置文件，可用于验证用户并解锁设备。该技术通过使用前置摄像头捕获用户脸的图像来起作用。然后通过识别面部关键特征的软件（例如眼睛之间的距离，下巴的形状以及鼻子和嘴的轮廓之间的距离）对此图像进行分析。然后使用这些功能来创建存储在设备上的唯一面部轮廓。当用户尝试解锁手机时，将激活前置摄像头并捕获其脸部的另一个图像。该软件将此图像与存储的面部轮廓进行比较，如果有匹配，则将设备解锁。