XiaoMi-AI文件搜索系统
World File Search SystemAIDR
人工智能数据准备 (AIDR)
一旦确定了业务需求，确定适当的算法或技术是实施 AI 解决方案的另一个关键步骤。这涉及考虑可扩展性、可解释性和计算效率等因素。因此，此步骤有助于为模型开发的后续阶段奠定基础，包括数据预处理、特征工程和模型评估，以合理确保 AI 模型能够有效应对目标业务挑战。
利用人工智能（AI）技术探究CT图像重建方法的物理特性
目的：我院于2021年2月引进的计算机断层扫描（CT）设备增加了利用人工智能（AI）技术的新型图像重建方法。这种重建方法被称为深度学习重建（Deep Learning Reconstruction，以下简称DLR），佳能称之为高级智能Clear-IQ引擎（Advanced intelligent Clear-IQ Engine，以下简称AiCE）。本研究的目的是评估各重建方法的物理特性和实用性，例如利用AI技术的新型图像重建方法AiCE和目前我院使用的迭代重建方法自适应迭代剂量减量3D（以下简称AIDR 3D）。 方法：通过（1）噪声评估（使用径向频率法测量噪声功率谱（NPS））、（2）低对比度分辨率评估（使用自制模型测量对比度噪声比（CNR））和（3）空间分辨率评估（使用圆边缘法测量调制传递函数（MTF））（1）来评估物理特性。假设成像条件为腹部区域，改变管电流来比较四种重建方法（滤波反投影 (FBP)、AIDR 3D Mid、AIDR 3D 增强 Mid 和 AiCE Body Mid）。 结果：在 NPS、CNR 和 MTF 测量中，AiCE 通常在所有 mAs 值下均显示出最佳结果。然而，在 NPS 测量的低频区域，AiCE 与其他重建方法相比并没有表现出显著差异。 此外，当比较 AIDR 3D 和 AiCE 的重建时间时，AiCE 所花的时间是 AIDR 3D 的 3 到 4 倍。 结论：本研究中，AiCE 在腹部条件下检查的三个物理特性方面优于 AIDR 3D，并且在图像质量方面有用。然而，在考虑重建时间时，需要考虑AiCE图像的运行可能会影响检查进度的可能性。
了解人工智能对 ADR 流程的影响
人工智能如何影响替代性争议解决 (ADR) [i] 流程以及中立方（例如第三方谈判者、调解人或仲裁员）的作用取决于技术类型、功能和目的以及人类监督和干预的机会等。将 ADR 中的人工智能 (AIDR) 视为一个宽泛的范围是有帮助的：辅助技术可以支持、通知或向中立方提出建议。这些技术可以帮助减轻大量重复任务（例如行政和程序要求）的负担，并提供支持明智和准确的中立决策的信息资源，从而鼓励 ADR 的核心目标，即为争议者提供公平、高效和经济的解决流程。自动化技术可以部分或完全自动化离散任务，在某些情况下甚至可以取代中立方，可以帮助促进或独立进行法律研究；文件准备和分析；案件谈判；和解、裁决和解决方案
人工智能造福社会：人机交互增强智能视频可理解性评估，促进健康素养
2022 年 12 月 3 日 据估计，美国有 74% 的成年人会访问互联网，其中高达 80% 的人会在网上寻找健康信息。然而，只有 12% 的美国成年人被评估为具备熟练的健康素养，能够有意义地解读健康信息。全球数十亿个人在社交媒体平台上获取医疗保健信息，他们可能会接触到误导性、有害或不相关的信息。社交媒体平台缺乏把关，对公共健康产生了严重的不利影响。美国国家医学院 (NAM) 和世界卫生组织 (WHO) 等组织强调了规范性指南的重要性，这些指南对于通过技术支持的解决方案在社交媒体上识别可靠的健康信息来源至关重要。从社交媒体使用中收集的数字跟踪数据的可用性以及通过算法进行的信息搜索的普遍性，需要更好地理解内容审核挑战和规范性干预措施，将人类智能融入机器学习。 2021 年，美国卫生局局长的咨询报告指出，社交媒体平台迫切需要扩大高质量的健康信息。我们借鉴患者教育材料评估工具 (PEMAT)，这是一种系统化的视听教育材料评估方法，开发了一种从患者教育角度评估视频可理解性的方法。我们从 YouTube 中提取视频特征和元数据，开发了一种人机互动评估，该评估明确侧重于人机算法交互，结合基于 PEMAT 的患者教育结构、领域专家的注释和机器学习的共同训练方法，以评估糖尿病视频的可理解性。我们进一步研究了可理解性对视频参与度的几个维度的影响。讨论了对研究和实践的影响。致谢：作者感谢 AIDR 研讨会、AMIA、机器学习、优化和数据科学会议、Informs 数据科学研讨会、VIDE 研讨会系列、Neurips MLPH、WITS、WISE 和 SCECR 会议的参与者对本文早期草稿的评论，以及波士顿大学、麦吉尔大学、麻省理工学院、MSU Outreach、马里兰大学、纽约大学、天普大学、德克萨斯 A&M 大学和伊利诺伊大学芝加哥分校的研讨会参与者对本文早期草稿的评论。我们感谢 Ernestina Bioh、Sreeja Nair、Mukund Nakhate 和 Namrata Navge 的研究协助。我们还要感谢美国国家医学图书馆 (NIH Grant R01LM013443) 的资助。