XiaoMi-AI文件搜索系统
World File Search System飞速发展
数字病理学的现实世界实现
过去 70 年是计算机技术飞速发展时期，医疗保健系统也未能免受这一趋势的影响。然而，解剖病理学基本上仍然是一门模拟学科。近年来，随着数字病理学的日益普及，这一情况正在发生变化，部分原因是计算机辅助诊断的潜力。作为国际合作的一部分，我们进行了一项全面调查，以更深入地了解欧洲和亚洲数字病理学实施状况。共有 127 个解剖病理学实验室参与了调查，其中 75 个来自欧洲，52 个来自亚洲，72 个实验室已经建立了数字病理学工作流程，55 个实验室尚未建立数字病理学。向使用数字病理学进行诊断（n = 29）和非诊断（n = 43）目的的实验室详细询问了他们的实施策略和机构经验，包括设备、存储、与实验室信息系统的集成、计算机辅助诊断以及数字化成本等细节。还评估了数字病理学工作流程的影响，重点关注周转时间、标本可追溯性、质量控制和总体满意度。无法使用数字病理学的实验室被要求提供他们对这项技术的看法、期望、采用障碍和潜在促进因素的见解。我们的研究结果表明，尽管数字病理学对许多人来说仍然是未来，但对一些人来说它已经是现在。这十年可能是解剖病理学最终大规模接受数字化革命的时期。
2023-24 年 B. Tech. 和技术 M. Tech 招生简章
科技的飞速发展正在改变我们的生活方式，当今社会正在快速发展。我热烈欢迎有志于报考阿萨姆大学特里古纳森技术学院（TSSOT）工程系（农业工程、计算机科学与工程、电子与通信工程）和应用科学与人文系的 B. Tech 和 M. Tech 课程的学生。为了引领国家走向科技未来，我们的座右铭是培育和创建一个生态系统，以发展创造力、创新和研究能力。多年来，技术学院发展迅速，为来自全国各地的学生提供前沿技术领域的培训，这些领域对国家的社会经济状况产生了影响。近年来，申请就读学院不同课程的学生人数增加了数倍，证明了这些科目的需求。丰富的接触机会、先进的课程、高素质和称职的教师、令人羡慕的实习机会和良好的基础设施为攻读这些课程提供了合适的氛围。不同的体育、文化和学术活动为学生提供了丰富的体验，帮助他们培养技能、领导才能和团队精神。大学坐落在宁静的环境中，提供 ICT 和电子连接生态系统、课外活动和课外活动，以促进身体、精神和智力的成长。校园内的学习体验为学生全面发展铺平了道路，使他们成长为能够有效贡献并产生有意义影响的专业人士。我期待着欢迎您来到阿萨姆大学，在工程专业中拥有令人满意的职业生涯。
天线阵列支持 6G 空间/空中/地面通信和网络
摘要 天线阵列已有一百多年的悠久历史，并且与电子信息技术的发展紧密相关，在无线通信和雷达中发挥着不可或缺的作用。随着电子信息技术的飞速发展，全时间、全域、全空间网络服务需求呈爆发式增长，对天/空/地各类平台提出了新的通信需求。为满足未来第六代（6G）无线通信对大容量、广覆盖、低时延、强鲁棒性等日益增长的要求，在天/空/地通信网络中采用不同类型的天线阵列（如相控阵、数字阵列、可重构智能面等）和各种波束成形技术（如模拟波束成形、数字波束成形、混合波束成形、无源波束成形等）将有望带来可观的天线增益、复用增益和分集增益等优势。然而，为天/空/地通信网络启用天线阵列提出了特定、独特和棘手的挑战，这引起了广泛的研究关注。本文旨在概述天线阵列启用的空间/空/地通信和网络领域。首先介绍天线阵列启用的空间/空/地通信和网络的技术潜力和挑战。随后，讨论天线阵列的结构和设计。然后，我们讨论天线阵列促进的各种新兴技术，以满足天/空/地通信系统的新通信要求。在这些新兴技术的推动下，空间通信、机载通信和地面通信具有不同的特点、挑战和解决方案。
仿生人工自我恢复使机器能够自主恢复健康
摘要 本文探讨的工程自修复理论是在仿生学研究中应运而生的，旨在满足现代高风险流程制造和航空航天飞行器发展的巨大需求。仿生学开启了人工制品向自然物学习的新时代。随着工业互联网和人工智能技术的飞速发展，人们对故障产生和发展规律有了深刻认识，为工程自修复理论的产生提供了契机。工程自修复拓展了控制论和工程控制论的研究领域，赋予机器人类和动物特有的自我修复机制，使机器能够储存、补充和激活自我修复能量来维持机体健康。人工智能仿生研究大大加强了模仿人脑的功能，却忽视了人类和动物维持自身健康的重要系统和功能——自我修复系统和自我修复功能。人工智能模仿人脑有意识的思维控制行为，实现自动化、智能化，使机器更加聪明。人工自愈可以模仿人类无意识思维的自我恢复机制，预防和抑制运行中的故障，实现自我恢复，有可能使机器更加健康。人工自愈技术包括自我修复、补偿、自我保护和自我恢复调控等。工程自愈是机器乃至人工系统自主健康的基础，是仿生学的一个新的研究领域，在工程上有着广阔的应用前景。
文章 FDA 批准的人工智能和机器学习 (AI/ML) 医疗设备：最新情况
摘要：随着人工智能 (AI) 在过去十年中飞速发展，支持机器学习 (ML) 的医疗设备越来越多地应用于医疗保健领域。在本研究中，我们收集了截至 2023 年 10 月 19 日最新更新的美国 FDA 批准的 AI/ML 医疗设备的公开信息。我们对总共 691 种 FDA 批准的人工智能和机器学习 (AI/ML) 医疗设备进行了全面分析，并对审批途径、审批时间表、法规类型、医学专业、决策类型、召回历史等进行了深入分析。我们发现自 2018 年以来，审批数量大幅增加，放射科专业在机器学习工具的应用中占据明显主导地位，这归因于来自常规临床数据的丰富数据。该研究还揭示了对 510(k) 审批途径的依赖，强调其以实质等效性为基础，并且经常绕过新的临床试验的需要。此外，它还指出，针对儿科的设备和试验代表性不足，这表明该人群存在扩展机会。此外，临床试验的地理限制（主要是在美国境内）表明需要进行更多全球包容性试验以涵盖不同的患者人群。该分析不仅描绘了 AI/ML 支持的医疗设备的当前格局，还指出了趋势、潜在差距以及未来探索的领域、临床试验实践和监管方法。总之，我们的分析揭示了 FDA 批准的 AI/ML 支持的医疗设备的现状和流行趋势，有助于更广泛地理解。
2024-25 年 B. Tech. 和技术 M. Tech 招生简章
科技的飞速发展正在改变我们的生活方式，当今社会正在快速发展。我热烈欢迎有志于报考阿萨姆大学特里古纳森技术学院（TSSOT）工程系（农业工程、计算机科学与工程、电子与通信工程）和应用科学与人文系的 B. Tech 和 M. Tech 课程的学生。为了引领国家走向科技未来，我们的座右铭是培育和创建一个生态系统，以发展创造力、创新和研究能力。多年来，技术学院发展迅速，为来自全国各地的学生提供前沿技术领域的培训，这些领域对国家的社会经济状况产生了影响。近年来，申请就读学院不同课程的学生人数增加了数倍，证明了这些科目的需求。丰富的接触机会、先进的课程、高素质和称职的教师、令人羡慕的实习机会和良好的基础设施为攻读这些课程提供了合适的氛围。不同的体育、文化和学术活动为学生提供了丰富的体验，帮助他们培养技能、领导才能和团队精神。大学坐落在宁静的环境中，提供 ICT 和电子连接生态系统、课外活动和课外活动，以促进身体、精神和智力的成长。校园内的学习体验为学生全面发展铺平了道路，使他们成长为能够有效贡献并产生有意义影响的专业人士。我期待着欢迎您来到阿萨姆大学，在工程专业中拥有令人满意的职业生涯。
值得信赖的人工智能：计算视角
在过去的几十年里，人工智能 (AI) 技术经历了飞速发展，改变了每个人的日常生活，并深刻改变了人类社会的进程。开发人工智能的初衷是造福人类，减少劳动，增加日常便利，促进社会公益。然而，最近的研究和人工智能应用表明，人工智能可能会对人类造成无意的伤害，例如，在安全关键场景中做出不可靠的决策，或者无意中歧视一个或多个群体，破坏公平。因此，值得信赖的人工智能最近引起了越来越多的关注，人们需要避免人工智能可能给人类带来的不利影响，以便人们能够完全信任人工智能技术并与人工智能技术和谐相处。近年来，人们对值得信赖的人工智能进行了大量研究。在本次调查中，我们从计算角度对可信人工智能进行了全面评估，以帮助读者了解实现可信人工智能的最新技术。可信人工智能是一个庞大而复杂的课题，涉及各个维度。在这项工作中，我们重点关注实现可信人工智能的六个最关键维度：（i）安全性和稳健性，（ii）非歧视性和公平性，（iii）可解释性，（iv）隐私，（v）问责制和可审计性，以及（vi）环境福祉。对于每个维度，我们根据分类法回顾最近的相关技术，并总结它们在实际系统中的应用。我们还讨论了不同维度之间一致和冲突的相互作用，并讨论了可信人工智能未来需要研究的潜在方面。
quEEGNet：用于生物信号处理的量子人工智能
I. 引言基于深度神经网络 (DNN) 的人工智能 (AI) 技术的飞速发展，通过分析用户的生理数据 [1]，如脑电图 (EEG) [2] 和肌电图 (EMG) [3]，实现了人机界面 (HMI) 包括脑机界面 (BCI) 的实用化。然而，此类生物信号很容易根据每个受试者的生物状态而变化 [4]。因此，典型的 HMI 系统通常需要频繁校准。为了解决这个问题，已经提出了采用领域泛化和迁移学习的主题不变方法 [5]–[11]，以减少 HMI 系统的用户校准。在本文中，我们首次在文献中将一个新兴的框架“量子机器学习 (QML)” [12]–[31] 引入到生物信号处理应用中，展望了未来的量子霸权时代 [32]，[33]。与传统数字计算机相比，量子计算机可以利用叠加和纠缠等量子机制实现计算效率更高的信号处理，不仅在执行时间方面，而且在能耗方面。在过去的几年中，一些供应商已经成功制造出商用量子处理单元 (QPU)。例如，IBM 在 2021 年发布了 127 量子比特 QPU，并计划到 2023 年生产 1121 量子比特 QPU。因此，QML 广泛应用于实际应用已不再遥远。最近，提出了基于变分原理 [34]–[37] 的混合量子-经典算法来处理量子噪声。本文的主要贡献总结如下：
高维成分数据的稳健协方差估计及其在微生物群落分析中的应用
现今随着高通量测序技术的飞速发展，微生物群落分析受到越来越多的关注。观测数据具有以下典型特征：高维、成分复杂（处于单纯形状态），甚至由于种类过于丰富而呈现尖峰性和高度偏斜性，这使得传统的相关性分析无法研究微生物种类之间的共现和共排斥关系。在本文中，我们解决了该类数据的协方差估计难题。假设基协方差矩阵位于一类公认的稀疏协方差矩阵中，我们采用文献中称为中心对数比协方差矩阵的代理矩阵，由于维数趋向于无穷大，因此它与真实的基协方差矩阵几乎无法区分。我们为中心对数比协方差矩阵构建了一个均值中位数 (MOM) 估计量，并提出了一种可适应各个条目变化的阈值处理程序。通过施加一个比文献中的亚高斯条件弱得多的有限四阶矩条件，我们推导出谱范数下的最佳收敛速度。此外，我们还为支持恢复提供了理论保证。MOM 估计量的自适应阈值处理程序易于实现，并且在存在异常值或重尾时具有稳健性。进行了彻底的模拟研究，以显示所提出的程序优于一些最先进的方法。最后，我们应用所提出的方法来分析人类肠道中的微生物组数据集。用于实现该方法的 R 脚本可在 https://github.com/heyongstat/RCEC 获得。
培育能够抵抗生物和非生物胁迫的燕麦
在世界谷物产量统计中，燕麦排在第六位，仅次于小麦、玉米、大米、大麦和高粱。在世界许多地方，燕麦不仅用作谷物，还用作饲料和草料，用作铺垫物、干草、半干草、青贮饲料和谷壳。燕麦作物的主要用途仍然是用作牲畜谷物饲料，平均占世界总使用量的 74% 左右。在印度，燕麦育种始于 20 世纪 80 年代，是印度西北部、中部和东部地区最重要的谷物饲料作物。作为饲料作物，燕麦具有优良的蛋白质质量、脂肪和矿物质含量。它是一种美味、多汁且营养丰富的作物。许多疾病会造成严重的直接损害，主要是饲料产量的降低。其中包括冠锈病、茎锈病和叶斑病等疾病。在超过 31 个野燕麦品种中，已从燕麦基因库中发现了多种抗冠锈病、秆锈病、白粉病、BYDY 等主要病害的抗性基因。人们正在广泛利用标记辅助选择 (MAS)、标记辅助回交 (MABC)、标记辅助基因聚合和标记辅助轮回选择 (MARS) 等多种育种策略将抗性基因渗入优良品种。随着新测序技术的进步和生物信息学的飞速发展，完整的燕麦基因组测序已不再遥不可及。燕麦基因组测序将为育种者开发大量基于序列的标记（如 SNP）铺平道路，这些标记将有助于通过利用连锁不平衡作图和基因组选择来识别抗病基因。