16.摘要 人们对将无人机系统 (UAS) 用于商业运营的兴趣日益浓厚。《联邦航空法规》第 14 章 (14 CFR) 第 121 和 135 部分未考虑航空公司使用小型 UAS (sUAS) 的运营,而第 107 部分规定了 sUAS 的最大重量限制。除非直接参与军事行动或获得联邦航空管理局 (FAA) 的豁免,否则不允许超过此重量限制的 UAS 进行民用运营。本文献综述和带注释的参考书目旨在整合和集中值班时间、轮班工作和疲劳文献,以便为航空公司运营中有关 UAS 运营商的未来政策和法规提供信息。它涵盖了 1990 年至 2019 年期间与无人和载人操作相关的值班时间、轮班工作、疲劳和疲劳风险管理方面的一系列文献。还讨论了可能影响操作员疲劳体验的人为因素 (HF) 和人体工程学考虑因素。搜索的文章来自 PsychINFO、Google Scholar 和 FAA 技术图书馆数据库,使用与无人和航空公司运营和疲劳相关的关键字。此外,使用 Google Scholar“引用”功能进行正向搜索有助于确定与该主题相关的其他文献。一百零五篇文章(59 篇文献综述/组织指南,46 项实证研究)讨论了无人和载人操作中的值班时间、轮班工作和疲劳。相关带注释的参考书目将研究文献分为三个主要部分(无人机系统、载人操作和美国军事飞行员执勤时间规定),并附有相关小标题。在载人操作中,执勤时间、轮班工作和疲劳问题已得到广泛研究,但在无人操作中研究较少。UAS 中的执勤时间、轮班工作和疲劳问题主要在军事航空和海上操作中进行研究,而这两类操作之外的研究则更普遍地关注人类如何与无人系统互动。这凸显了在 UAS 操作中进一步研究执勤时间、轮班工作和疲劳的必要性,以及需要进一步考虑 UAS 定义和分类标准以及 UAS 融入国家空域系统 (NAS),以最大限度地降低风险并最大限度地提高人员和财产的运营安全性。此项研究任务与更广泛的研究组合一起提供,以支持 FAA 为制定未来 UAS 航空公司运营中值班时间、轮班工作和疲劳方面的政策和法规所做的努力。
16. 摘要 越来越多地需要将无人机系统 (UAS) 用于一系列目前超出书面法规范围的新应用,包括出租车服务、包裹递送、农作物喷洒等。现行《联邦法规法典》第 14 章第 107 部分限制了 UAS 的航空公司应用。特别是,14 CFR 第 107 部分法规没有明确涉及 14 CFR 第 121 部分(即航空公司运营)和 14 CFR 第 135 部分(即通勤航空运营)。无人驾驶操作中的机组人员和人员配备要求已得到广泛研究,对此进行注释是本文件的重点,但 UAS 应用和 UAS 自动化的近期和持续发展导致机组人员的角色和职责发生变化。这份带注释的参考书目将有助于为从最后一英里到高空长航时操作的未来法规提供信息,以便这些 UAS 的新应用可以安全地集成到国家空域系统 (NAS) 中。本注释书目旨在汇总机组人员和人员配备文献,为航空公司运营中有关 UAS 操作员的未来法规提供参考。它涵盖了有关机组人员和人员配备、自动化、培训、测试以及值班和休息要求的一系列文献。文章是通过搜索与无人驾驶操作和机组人员和人员配备要求相关的关键词从 PsycINFO、Google Scholar 和联邦航空管理局 (FAA) 技术图书馆数据库收集的。七十六篇文章被确定为与本文献综述相关。文章包括实证研究、荟萃分析、文献综述和组织指南。本注释书目分为两个主要部分:无人机系统和载人操作,并附有相关小标题。这些小标题是根据一般发现生成的,即机组人员和人员配备需求应由运营需求决定,而 UAS 自动化的快速发展导致机组人员的角色发生变化。标准化 UAS 操作员机组人员和人员配备要求将支持 UAS 安全有效地融入 NAS。对于美国联邦航空局和行业利益相关者来说,这仍然是一项重要举措。
由马里兰州大会(Maryland Generesbly)设计的1999年《电动客户选择法》(“ ACT”)在《电动客户选择法》(“ ACT”)中,是由马里兰州大会设计的,旨在帮助低收入电力客户退休账单欠款,进行当前的账单付款,并在马里兰州的电力公司和电力公司的压缩后访问房屋风险。 The Act, codified as Public Utilities Article, Annotated Code of Maryland , §7-512.1 (“PUA §7-512.1” or “EUSP Legislation”), required the Public Service Commission (“Commission”) to establish the program, make it available to low-income electric customers statewide, and provide oversight of the EUSP, as administered by the Office of Home Energy Programs (“OHEP”), within the Department of Human Services (“ DHS”)。,是由马里兰州大会设计的,旨在帮助低收入电力客户退休账单欠款,进行当前的账单付款,并在马里兰州的电力公司和电力公司的压缩后访问房屋风险。The Act, codified as Public Utilities Article, Annotated Code of Maryland , §7-512.1 (“PUA §7-512.1” or “EUSP Legislation”), required the Public Service Commission (“Commission”) to establish the program, make it available to low-income electric customers statewide, and provide oversight of the EUSP, as administered by the Office of Home Energy Programs (“OHEP”), within the Department of Human Services (“ DHS”)。
在1999年的《电气客户选择法》(“该法案”)中制定的电动环球服务计划(“ EUSP”)是由马里兰州大会设计的,此前马里兰州的电力公司和电力公司和电力供应市场进行了重组,以帮助低收入的电力客户保留账单欠款,以进行现行账单支付,以便访问房屋的天气化。The Act, codified at Public Utilities Article, Annotated Code of Maryland , §7-512.1 (“PUA §7-512.1” or “EUSP Legislation”), required the Public Service Commission of Maryland (“Commission”) to establish the program, make it available to low- income electric customers statewide, and provide oversight to the Office of Home Energy Programs (“OHEP”), within the Department of Human Services (“DHS”), which负责管理EUSP。
根据执行机构,在2023年11月的上一个监测报告表格DGM&E中提到的问题的纠正完成。虽然没有与DGM&E共享带注释的答复。建议:执行部可以通过绘画证据提供注释的观察回复。
根据执行机构,在2023年11月的上一个监测报告表格DGM&E中提到的问题的纠正完成。虽然没有与DGM&E共享带注释的答复。建议:执行部可以通过绘画证据提供注释的观察回复。
近年来,机器学习在图像分割和分类任务中表现出色,被广泛应用于医学图像分析。机器学习,尤其是监督学习的成功取决于手动注释数据集的可用性。对于医学成像应用,这种带注释的数据集并不容易获取,需要大量的时间和资源来整理带注释的医学图像集。在本文中,我们提出了一种有效的脑部 MRI 图像注释框架,可以为人类专家提供信息丰富的样本图像进行注释。我们在两个不同的脑图像分析任务上评估了该框架,即脑肿瘤分割和全脑分割。实验表明,对于 BraTS 2019 数据集上的脑肿瘤分割任务,仅使用 7% 带有提示性注释的图像样本训练分割模型就可以实现与在完整数据集上训练相当的性能。对于 MALC 数据集上的全脑分割,使用 42% 带有提示性注释的图像样本进行训练就可以实现与在完整数据集上训练相当的性能。所提出的框架展示了一种在医学成像应用中节省手动注释成本和提高数据效率的有希望的方法。
摘要 药物不良反应是一个严重的问题,它严重降低生活质量,甚至威胁患者的生命。网络上的患者生成文本作为这方面的有前途的信息来源,已引起人们的关注。虽然以前的研究对此类患者生成的内容进行了注释,但它们仅报告了有限的信息,例如文本是否描述了药物不良反应。此外,他们只注释了从在线论坛和社交网络服务中抓取的几句话的短文。我们在本文中提供的数据集因注释信息的丰富性而独一无二,包括具有完整上下文的药物反应的详细描述。我们抓取了在线患者网络平台上共享的患者博客文章,并注释了其中报告的药物效果。我们确定了描述药物反应的跨度并为相关药物名称分配标签、反应症状的标准代码和影响类型。作为第一个数据集,我们根据日本肺癌患者的 169 篇博客文章使用这些详细标签注释了 677 种药物反应。我们的注释数据集已公开,以便进一步研究药物不良反应的检测以及更广泛的患者生成的文本处理。
