XiaoMi-AI文件搜索系统
World File Search System精确度
2022-2023年度报告
当前的生成AI和基础模型已经使内容创建民主化。任何可以访问Internet的人现在都可以创建博客，编写副本，设计网站和编程小型应用程序，而无需大量的专业培训。但是，这种模型在工程和科学领域的应用非常有限。造成这种情况的主要原因之一是在这些领域所需的当今概率生成的AI中缺乏精度。我们的项目正在解决当今生物AI中缺乏精确度的问题。诸如用于工程和科学的Chatgpt之类的模型，以使这些领域民主化。
国际水道测量组织水文测量标准
S-44的先前版本主要集中于用于编译航海图表的水文调查精确度。现在已经认识到，水文数据的用户构成了比以前认识的要多样化的组。水文数据对于沿海地区管理，环境监测，资源开发（碳氢化合物和矿物开发），法律和管辖权问题，海洋和气象建模，工程和建筑计划以及许多其他用途也很重要。为了提高其有用性，用户需要更新，详细，可靠和数字形式的数据。即使标准并不总是专门满足这些其他用户的需求，也认为标准为他们提供了评估水文数据质量的基础。
网络安全体系结构评估
拥有超过三十年的网络空间经验，Check Point将大量的知识和专业知识带到了最前沿。这一悠久的历史使我们能够在纯竞争咨询领域中表现出色，提供无与伦比的指导和解决方案，以充满信心和精确度满足您的网络安全需求。Check Point的网络安全架构会议旨在支持真正的供应商 - 静态讨论，计划和概念设计。我们专门的设计团队充当您的独立技术设计机构，遵循行业标准流程（例如SABSA），是一个世界级的网络安全架构团队，随时准备帮助您实现战略性的网络安全目标。
草案——人工智能风险分类
1）技术设计属性。这指的是系统设计人员和开发人员直接控制的因素，可以使用传统上应用于机器学习系统的标准评估标准进行衡量，或者将来可以以自动化方式应用。示例包括准确度和相关指标（例如，假阳性和假阴性率、精确度、召回率、F 分数），也包括可以通过将 AI 工具应用于新数据来衡量的统计误差来源（例如，测试集和保留集之间的性能差异）。最后，旨在评估系统性能的实验生成的数据也属于此类别，可能包括因果假设的测试、对抗攻击的鲁棒性评估等。
血液系统恶性肿瘤：在开发用于治疗的药品和生物制品时使用微小残留病的监管考虑 行业指南
不同实验室和技术对 MRD 的评估可能存在差异，从而导致不一致的结果。许多临床实验室开发了自己的协议，这可能会影响 MRD 测量。技术可能具有不同的性能特征。样本采集程序也可能不同。但是，标准化方法可以确保不同技术和实验室之间获得的结果一致。这包括标准化的骨髓 (BM) 或血液样本采集后时间、标准化的样本处理、预定的 MRD 阈值以及准确报告测试的性能特征（例如准确度、精确度、特异性、灵敏度）。例如，在没有检测限信息的情况下报告 MRD 阴性结果是没有意义的。
医疗互联网中的异常检测...
物联网 (IoT) 成为医疗设备领域最新进展中最流行的术语。IoT 流程和结构中的医疗保健数据在健康和技术方面非常敏感和关键。异常值检测方法被视为任何 IoT 系统的主要工具或阶段，主要分为统计和概率、聚类和基于分类的异常值检测。最近，模糊逻辑 (FL) 系统与其他基于 ML 的工具一起用于集成和级联系统以增强异常值检测性能，但其局限性涉及异常值的错误检测。在本文中，我们提出了一个模糊逻辑系统，该系统使用局部异常值因子 (LOF)、基于连通性的异常值因子 (COF) 和广义 LOF 的每个点的异常分数来消除将点分类为异常值或正常值的混淆。关于人类活动识别 (HAR) 数据集，FL 实现了 98.2% 的值。与 LOF、COF 和 GLOF 各自的性能相比，准确率略有提高，但精确度和召回率的提高表明正确分类的数据有所增加，并且真实数据和异常数据均未被错误分类。结果表明，精确度和召回率的提高表明正确分类的数据有所增加。因此，可以确认，输入分数的模糊逻辑在减轻异常数据错误检测方面达到了预期目标。通过比较本研究中提出的模糊逻辑集合和不同类型的局部密度分数，模糊逻辑的结果提供了一种新方法来阐述或融合相同目的的不同工具以提高检测性能
人工智能驱动的全景X光片上牙齿检测和分割新工具
摘要 目的 评估一种新的人工智能 (AI) 驱动的工具在全景 X 光片上检测和分割牙齿的性能。材料和方法共收集了 153 张 X 光片。牙颌面放射科医生标记和分割每颗牙齿，作为基本事实。一颗牙齿的类别不可知裁剪图像产生 3576 颗训练牙齿。AI 驱动的工具将两个深度卷积神经网络与专家细化相结合。系统检测和分割牙齿的准确度是主要结果，时间分析是次要结果。Kruskal-Wallis 检验用于评估牙齿组和不同设备之间性能指标的差异，卡方检验用于验证矫正量、假阳性和假阴性的存在以及牙齿的冠和根部分与潜在的 AI 误解之间的关联。结果该系统的牙齿检测灵敏度为 98.9%，精确度为 99.6%。对于牙齿分割，下颌犬齿的效果最佳，其交集比、精确度、召回率、F1 分数和豪斯多夫距离的值分别为：95.3%、96.9%、98.3%、97.5% 和 7.9。虽然仍高于 90%，但上下磨牙的分割结果略低。该方法显示，临床上显著减少了 67% 的手动时间。结论该 AI 工具在检测和分割牙齿方面表现出高度准确和快速的性能，比单独使用地面实况更快。临床意义与手动分割相比，创新的临床 AI 驱动工具在检测和分割全景 X 光片上的牙齿方面表现出更快、更准确的性能。