XiaoMi-AI文件搜索系统
World File Search System自动检测
使用机器学习对在线骚扰的自动检测
社交网络的广泛使用已改变了人们交流，共享信息和与他人联系的方式。尽管这些平台提供了许多好处，但它们也会引起有害行为，例如网络欺凌，在线骚扰和仇恨言论。在线骚扰可能会对受害者产生严重的心理，情感和社会后果，这是确保安全和积极的数字环境的关键问题。社交网络的匿名性和影响力常常加剧问题，因为有害内容会迅速传播并影响大量受众。调节在线内容的传统方法在很大程度上取决于手动审查和用户报告。但是，这些方法耗时，效率低下，通常无法实时检测滥用内容。因此，在升级之前能够识别和缓解在线骚扰的自动化系统迫切需要。机器学习（ML）和自然语言处理（NLP）通过在社交媒体上自动检测有害内容来提供有希望的解决方案。
一种用于自动挤奶系统中自动检测奶牛社交互动的计算机视觉方法
欧洲兽医培训协调委员会 (ECCTV) 专家工作组建议在兽医实践中使用数字技术和人工智能 (DT&AI) [1]。特别是，ECCTV 工作组指出了将 DT&AI 融入兽医实践以改善畜群健康管理 (HHM) 的重要性，包括预防、可持续生产、性能和农场动物的繁殖。这些建议主要适用于养牛业，该行业需要新的智能方法，例如使用新技术和新方法进行数据分析。机器学习 (ML) 和人工智能 (AI) 等新兴领域有望在应对养牛业面临的新挑战方面发挥重要作用 [2]。
从智能手机捕获的心电图照片中自动检测心脏状况
摘要背景研究人员已经开发了基于机器学习的ECG诊断算法，这些算法匹配甚至超过心脏病专家的性能水平。但是，它们中的大多数不能用于现实世界中，因为老年的ECG机器不允许安装新算法。目的是开发一种智能手机应用程序，该应用程序会自动从照片中提取ECG波形，并通过研究人员构建的各种诊断算法将其转换为电压序列进行下游分析。方法是使用客观检测和图像分割模型从临床医生拍摄的照片中自动提取ECG波形的一种新型方法。模块化机器学习模型的开发是为了依次执行波形识别，脱离环线和比例校准。然后使用基于机器学习的心律分类器分析提取的数据。从40个516扫描和444张照片的ECG的结果波形自动提取。扫描13 258（96.8％）的12 828（96.8％）和5743中的5399（94.0％）被正确裁剪和标记。11 604 of 12 735（91.1％）扫描，5752中的5062（88.0％）拍摄的波形在自动环和噪声删除后获得了成功的电压时间信号提取。在概念验证示范中，使用ECGS的照片作为输入，使用ECGS的照片，可达到91.3％的敏感性，94.2％的敏感性，94.2％的特异性，95.6％的阳性预测价值，88.6％的负预测值和93.4％的F1得分。结论对象检测和图像分割模型允许从照片中自动提取ECG信号以进行下游诊断。这条新颖的管道规定了需要昂贵的ECG硬件升级的需求，从而为大规模实施基于机器学习的诊断算法铺平了道路。
自动检测和警报系统
摘要。在印度，有80％的死亡是由于事故造成的，以防止这种车辆到车辆技术。这种V2V技术不仅可以防止事故，而且可以检测到它们。此V2V是其的子集。v2v是车辆到车辆通信，在该通信中，车辆交换有关速度，位置和旅行方向的信息，从各个方向近距离靠近驾驶员的车辆对车辆的全面意识。当前系统既包括预防（通过振动传感器）和检测（通过Google Maps Integration）。在拟议的论文中解决了预防和检测。在预防方面，DSRC是用于通信的无线网络。V2V的操作范围为250m。这项技术在丘陵地区特别有用，在丘陵地区，驾驶员可能无法检测到盲点中的车辆。而不是DSRC，我们可以使用Zigbee或蓝牙进行通信。使用UV传感器检测到障碍物，并由蜂鸣器提醒；当它超出范围时，车辆会自动停止。在检测方面，这主要基于检测事故的加速度计。将使用GPS和GSM来实现事故位置的识别和创建以及消息和位置的发送。该系统的主要优点是成本效益，确保安全性，能够迅速挽救受害者的生命，有效的时间消耗的能力以及减少人为错误的可能性。
使用基于 glcm 的特征自动检测脑肿瘤...
在医学成像应用中，对脑肿瘤的准确检测和分类仍然至关重要。利用现代机器学习技术对于实现精确和自动化诊断至关重要。本研究介绍了一种使用开源 Kaggle 数据集磁共振成像 (MRI) 扫描进行脑肿瘤检测和分类的自动化系统。该系统采用 Otsu 阈值进行图像分割，基于 GLCM 的特征提取进行有效的特征工程，并采用 PCA（主成分分析）进行降维。值得注意的是，GLCM 提取的显着特征使用一种称为自适应 SVM（支持向量机）的自适应机器学习算法进行分类，从而增强了分类过程。以性能评估为重点，提出的算法结合了自适应 SVM 作为分类器，并与现有方法进行了严格评估。值得注意的是，实验结果表现出卓越的准确性，所提出的方法在检测和分类脑肿瘤方面均实现了令人印象深刻的 98.3% 的准确率。这种优于以前方法的优势凸显了组合 GLCM、PCA 和 SVM 方法在脑肿瘤分类和检测中的有效性，为诊断带来了有希望的进步。这些发现对医学成像中蓬勃发展的机器学习领域做出了重大贡献，强调了自适应 SVM 作为提高诊断精度的宝贵工具的潜力。值得注意的是，所达到的准确率达到 98.3%，超过了现有研究的准确率，进一步巩固了所提出的系统在临床实践中的有效性。
使用 GPT 嵌入优化自然语言处理方法以自动检测阿尔茨海默病
摘要：开发非侵入性且经济有效的阿尔茨海默病 (AD) 检测方法对于早期预防和缓解该病至关重要。我们通过使用音频增强技术和新颖的转录方法来优化使用自然语言处理 (NLP) 对自发语音的 AD 检测。具体来说，我们利用 Boll 谱减法来提高音频保真度，并使用最先进的 AI 服务（基于本地的 Wav2Vec 和 Whisper，以及基于云的 IBM Cloud 和 Rev AI）创建转录，并评估它们与传统手动转录方法的性能。然后使用基于 GPT 的转录嵌入对支持向量机 (SVM) 分类器进行训练和测试。我们的研究结果表明，基于 AI 的转录大大优于传统的手动转录，其中 Wav2Vec（增强音频）在本地系统中实现了最佳准确度和 F-1 分数（两个指标均为 0.99），而 Rev AI（标准音频）在基于云的系统中表现最佳（两个指标均为 0.96）。此外，除了音频增强的微小影响外，这项研究还揭示了采访者讲话对模型性能的不利影响。根据我们的研究结果，当前的 AI 转录和 NLP 技术在利用现有数据准确检测 AD 方面非常有效，但由于缺乏训练数据，难以对可能的 AD 和轻度认知障碍 (MCI)（AD 的前驱阶段）进行分类，为未来实施自动 AD 检测系统奠定了基础。
使用深度学习和 Flask Web 应用程序自动检测脑肿瘤
I. 简介 对于脑瘤患者，早期诊断和最佳治疗至关重要。越早发现，越容易治疗，存活的机会就越大。考虑到这个基本想法，我们正在尝试开发一个应用程序，该应用程序将为我们提供确定患者是否患有脑瘤的功能。该软件旨在满足对脑瘤进行正确和准确诊断的需求（在我们对脑瘤进行了大量研究之后）该应用程序是使用编程语言 Python 开发的，以增强应用程序，我们将创建用户界面。界面使用最强大的 HTML 语言构建，用户界面使用 Flask 设计，以实现高度交互的界面。创建用户界面的主要优势是，没有计算机语言经验的人或者可以说他们不是程序员的人在用户界面的帮助下，可以使这个应用程序易于访问和使用，即使已经看过脑瘤。在后台，该应用程序使用机器学习来训练患者的 MRI 扫描，并查看图像的第一个区域以确定该人是否患有脑瘤。近年来，深度学习技术的出现彻底改变了医学图像分析，带来了疾病检测和分类的自动化解决方案
使用深度神经网络自动检测脑 MRI 图像中的脑肿瘤
快速诊断脑肿瘤对于实施这种疾病的治疗是必要的。在本研究中，使用基于 ResNet 架构的网络对 MRI 图像中的脑肿瘤进行分类。癌症图像档案数据库中可用的 MRI 图像包括 159 名患者。首先，使用两个称为中值滤波器和高斯滤波器来改善图像质量。还使用边缘检测算子来识别图像的边缘。其次，首先使用数据库的原始图像训练所提出的网络，然后用高斯滤波和中值滤波图像训练。最后，使用准确度、特异性和敏感性标准来评估结果。本研究中提出的方法对原始图像、高斯滤波图像和中值滤波图像的准确率分别为 87.21%、90.35% 和 93.86%。此外，计算出的原始图像的灵敏度和特异性分别为 82.3% 和 84.3%。高斯滤波和中值滤波图像的灵敏度分别为 90.8% 和 91.57%，特异性分别为 93.01% 和 93.36%。总之，应研究预处理阶段的图像处理方法，以提高深度学习网络的性能。
用于自动检测和治疗阿片类药物过量的可穿戴设备
摘要 — 阿片类药物过量服用是美国 50 岁以下人口死亡的主要原因之一。仅在 2021 年，阿片类药物使用者的死亡人数就上升到惊人的 80,000 多人。过量服用过程可以通过使用纳洛酮来逆转，纳洛酮是一种阿片类药物拮抗剂，可快速抵消阿片类药物引起的呼吸抑制的影响。闭环阿片类药物过量检测和纳洛酮输送的想法已成为一种潜在的工程解决方案，可减轻阿片类药物泛滥的致命影响。在本研究中，我们介绍了一种腕戴式可穿戴设备，它克服了我们前期工作中便携性问题，从而创建了一个闭环药物输送系统，其中包括 (1) 一个近红外光谱 (NIRS) 传感器，用于检测缺氧驱动的阿片类药物过量事件，(2) 一个 MOSFET 开关，和 (3) 一个零电压开关 (ZVS) 电磁加热器。通过对人类受试者 (n = 8) 进行肱动脉闭塞 (BAO)，我们证明了一致的低氧合事件。此外，我们证明了我们的设备能够在检测到缺氧事件后 10 秒内释放药物。我们发现低氧合事件前后的氧合血红蛋白、脱氧血红蛋白和氧合饱和度 (SpO 2 ) 的变化不同 (p < 0.001)。尽管还需要进行更多的人体实验，但我们迄今为止的研究结果已指向一种潜在的工具，可以减轻阿片类药物泛滥的影响。