XiaoMi-AI文件搜索系统
World File Search System智能手机
智能手机的糖尿病辅导干预措施，以防止并发症发作并改善糖尿病自我管理：一项随机控制试验
背景和目标：糖尿病（DM）在过去二十年中一直是全球公共卫生问题。检查智能手机应用糖尿病教练干预对改善自我管理行为并防止发作糖尿病并发症的影响。方法：进行了一项随机对照试验，两组，测试前和测试后设计，并进行了非当量对照组。干预小组收到了为期12周的智能手机，糖尿病教练干预措施，以改善糖尿病的自我管理行为并防止发作糖尿病并发症。虽然对照组从社区卫生中心接受了通常的护理。智能手机应用程序包括基于叙事的应用教练，印刷用户指南，基于正念的教练；基于技能的教练和小型应用程序。结果：实施后，在饮食控制，体育锻炼，血糖监测，药物依从性和并发症筛查方面，实验组之间的自我管理行为得到了改善。在实验组和对照组中，临床结果也得到了显着改善。结论：可行的基于智能手机的糖尿病教练干预是可行的，可作为一项全国性计划，以促进糖尿病自我管理（DSM），期间在Covid-19 Pandemic©20222 India India pandemic©2022 India。由Elsevier Ltd.发布的所有权利保留。
使用智能手机心电图监测器识别雅各布羊尿路阻塞导致的高钾血症引起的心电图异常
基于智能手机的诊断技术正越来越多地被门诊兽医使用。1 这种强大便携技术的一个令人兴奋的新例子是 AliveCor ECG 设备 (AliveCor)。AliveCor 允许智能手机用户使用他们的智能手机以心电图 (ECG) 的形式收集心律和心率，可以即时评估并记录以备将来使用。除了确定平均心率外，这些设备还可用于由训练有素的兽医识别窦性心律、心房颤动和室性早搏、心室预激和异步心室去极化。2 在某些情况下，由于该设备便携性和易用性，它正在取代传统的 Holter 监测心电图。2 产品说明书描述了犬、猫和马患者的使用方法。然而，文献中也有报道称该装置可用于其他物种，包括牛 3 、山羊 4,5 、水牛 6,7 、猪 8 ，以及港海豹 9 和草原巨蜥等外来物种。10
研究文章人工智能智能手机应用程序 AICaries 改善了儿童在家龋齿筛查：有主持和无主持可用性测试
早期儿童龋齿 (ECC) 是全球最常见的儿童疾病，也是医疗资源匮乏儿童的健康差距。如果及早发现，ECC 是可以预防和逆转的。然而，许多来自低收入家庭的儿童在牙科护理方面遇到了障碍。无论患者的经济状况如何，家庭龋齿检测技术都有可能改善牙科护理的可及性，并解决 ECC 的普遍性问题。我们的团队开发了一款智能手机应用程序 (app) AICaries，它使用人工智能 (AI) 技术通过儿童牙齿照片检测龋齿。我们使用混合方法来评估 AICaries 应用程序在医疗资源匮乏的亲子二元组中的接受度、可用性和可行性。我们对十对亲子二元组进行了有主持的可用性测试 (步骤 1)，使用“出声思考”方法评估应用程序的流程和功能，并分析数据以改进应用程序和程序。接下来，我们进行了无主持现场测试（步骤 2），32 对亲子二元组在他们的自然环境（家）中测试该应用程序，为期两周。我们实施了系统可用性量表（SUS），对父母进行了半结构化的个人访谈，并进行了主题分析。AICaries 应用程序从参与者那里获得了 78.4 的 SUS 分数，表明接受度很高。值得注意的是，大多数（78.5%）由父母拍摄的儿童牙齿照片的质量令人满意，可以使用 AI 应用程序检测龋齿。父母建议使用社区卫生工作者对需要帮助的父母进行培训，以便为年幼的孩子拍摄高质量的牙齿照片。使用 AICaries 应用程序的好处包括方便的居家龋齿筛查、提供龋齿风险和教育信息以及让家庭成员参与进来。本研究的数据支持未来的临床试验
空间流动的经济学：基于智能手机数据的理论与证据 ∗
∗ 本文吸收并替换了之前以“消费准入和经济活动的空间集中：来自智能手机数据的证据”为标题发表的材料。感谢 Gabriel Ahlfeldt、Milena Almagro、Daniel Sturm、Gabriel Kreindler、Tobias Salz 以及会议和研讨会参与者的有益评论。我们感谢 Takeshi Fukasawa、Peter Defferebach 和 Yun-Ting Yeh 提供的出色研究协助。适用通常的免责声明。 “Konzatsu-Tokei (R)”数据是指在用户同意的情况下，通过 NTT DOCOMO, INC 提供的应用程序（包括地图应用程序 Docomo Chizu NAVI）从手机发送的个人位置信息构建的人流数据。这些数据被集体和统计处理，以隐藏私人信息。原始位置数据是每五分钟（最少）发送一次的 GPS 数据（纬度、经度），不包括指定个人的信息。本文件中提供的所有表格和图表的版权均属于 ZENRIN DataCom CO., LTD。我们还要感谢一桥大学的 Yaichi Aoshima 与 ZENRIN DataCom Co.,. LTD. 协调该项目；村田基金会、平和中岛基金会、鹿岛基金会、大林基金会、JSPS KAKENHI（拨款编号 21H00703）和一桥大学的资金支持；东京大学 CSIS 的联合研究支持（项目编号 954）。† 经济学系，270 Bay State Road，波士顿，马萨诸塞州 02215。电话：1-617-353-5682。电子邮件：miyauchi@bu.edu。‡ 创新研究所，2-1 Naka，国立，东京 186-8603，日本。电话：81-42-580-8417。电子邮件：nakajima.kentaro@gmail.com § 经济学系和 SPIA，JRR 大楼，普林斯顿，新泽西州 08544。电话：1-609-258-4016。电子邮件：red-dings@princeton.edu。
美国陆军工程兵团孟菲斯区智能手机应用程序
孟菲斯区应用程序包含区办公室链接、区信息以及区拥有的社交媒体页面。另一个有价值的功能是“安全第一”工具。此工具允许使用该应用程序的任何人几分钟内直接向区安全办公室报告安全问题。此外，如果愿意，用户可以保持匿名，用户还可以选择附加危险照片。有关如何下载和使用此应用程序工具的步骤，请参阅下面的分步说明。
智能手机人工智能应用调查
摘要：人工智能 (AI) 是机器（尤其是计算机系统）对人类智能过程的模拟，因为人工智能是手机领域最近最重要的发展之一。人工智能能够创造奇迹。它可以在我们的日常生活中执行多项任务。一开始，我们的手机没有任何互联网功能，后来智能手机问世，它有互联网功能，可以执行许多计算机可以执行的任务。那时，手机很智能，但并不智能，因为它们无法识别现实世界的事物。后来，当人工智能发明智能手机时，智能手机世界发生了巨大的变化。人工智能与智能手机设备的结合使手机更加智能。
我们是否应该使用智能手机和可穿戴设备的活动追踪数据来了解人口体力活动模式？
世界各地的研究人员、从业人员和公共卫生组织对使用智能手机和可穿戴活动追踪器等消费级设备的数据来测量体力活动 (PA) 越来越感兴趣。事实上，大规模、易于获取且自主收集有关 PA 以及其他健康行为的数据正变得越来越有吸引力。使用消费级设备收集 PA 数据有几个好处，包括能够回顾性和前瞻性地获取大数据，并了解个人层面的 PA 模式随时间的变化和对自然事件的反应。然而，目前存在与代表性、数据访问和专有算法相关的挑战，这些挑战限制了这些数据在了解人口层面 PA 方面的效用。在这份简短的报告中，我们旨在强调使用智能手机和可穿戴活动追踪器现有数据来了解大规模 PA 模式的好处和局限性，并激发科学界对 PA 测量和监测未来的讨论。
文章 可穿戴设备、智能手机和可解释人工智能在抗击 COVID-19 中的应用
摘要：心率变异性 (HRV) 和每分钟心跳次数 (BPM) 等生理指标可以作为呼吸道感染的有力健康指标。HRV 和 BPM 可以通过广泛使用的腕戴式生物识别可穿戴设备和智能手机获取。这些指标的连续异常变化可能是 COVID-19 等呼吸道感染的早期迹象。因此，可穿戴设备和智能手机应通过其他上下文数据和人工智能 (AI) 技术支持的早期检测在抗击 COVID-19 中发挥重要作用。在本文中，我们研究了从可穿戴设备和智能手机收集的心脏测量值（即 HRV 和 BPM）在展示 COVID-19 炎症反应早期发作中的作用。AI 框架由两个模块组成：一个可解释的预测模型，用于对 HRV 测量状态进行分类（正常或受炎症影响），以及一个循环神经网络 (RNN)，用于分析用户的日常状态（即移动应用程序中的文本日志）。两种分类决策都整合在一起，以生成最终决策，即“可能感染 COVID-19”或“没有明显的感染迹象”。我们使用了一个公开可用的数据集，其中包括 186 名患者，拥有超过 3200 个 HRV 读数和大量用户文本日志。该方法的首次评估显示，在使用局部可解释的模型不可知解释 (LIME) 的模型解释支持下，在症状出现前两天预测感染的准确率为 83.34 ± 1.68%，准确率、召回率和 F1 分数分别为 0.91、0.88、0.89。
智能手机干扰对认知表现的影响
这是一份“刚刚接受”的稿件，已通过同行评审流程审查并被接受出版。“刚刚接受”的稿件在接受后不久就会在线发布，这要早于技术编辑和格式化以及作者校对。Basic and Clinical Neuroscience 提供“刚刚接受”作为一项可选的免费服务，允许作者在接受后尽快向研究界提供他们的研究结果。稿件经过技术编辑和格式化后，将从“刚刚接受”网站中删除并作为已发表文章发布。请注意，技术编辑可能会对手稿文本和/或图形进行细微更改，这可能会影响内容，并且适用于该期刊的所有法律免责声明均适用。
通过基于Android的智能手机来控制迷你排气风扇，用于基于物联网的智能家居系统
摘要 - 在这项工作中，我们为迷你电风扇提供了一个控制系统。这项工作的目的是为智能家庭系统中的电风扇设计控制器原型。该系统由使用脉冲宽度调制（PWM）控制电风扇的STM32L100微控制器，TIP 102 BJT晶体管用于“ OFF”，对风扇的控制和“ ON”控制，以及1N4007 Fly-Back二极管。PWM是由STM32L100微控制器生成的，可以轻轻控制风扇的速度（25％，50％，75％和0％-100％-100％-100％）。此外，该系统配备了Zigbee模块，以支持与主机的无线通信，这是从用于用户界面的Android应用程序中接收和处理命令的。使用Zigbee模块，启用风扇设备可以通过网络（例如网格拓扑）在智能家庭环境中与其他最终设备无线集成。基于执行的测试，该系统可以按预期工作，可以使用Android智能手机及其速度轻松控制它，其电流为43.1 MA（空闲模式）和145.1 MA（处理模式），由12 V DC供电。