XiaoMi-AI文件搜索系统
World File Search SystemArti
FUTURE-AI：医学成像领域值得信赖的人工智能指导原则和共识建议
人工智能 (AI) 的最新进展与当今临床系统生成的大量数据相结合，推动了整个医学成像价值链中成像 AI 解决方案的开发，包括图像重建、医学图像分割、基于图像的诊断和治疗计划。尽管 AI 在医学成像领域取得了成功并具有未来潜力，但许多利益相关者仍担心成像 AI 解决方案的潜在风险和伦理影响，这些解决方案被认为复杂、不透明且难以理解、利用和信任关键临床应用。尽管存在这些担忧和风险，但目前还没有具体的指导方针和最佳实践来指导未来医学成像领域的 AI 发展，以提高信任度、安全性和采用率。为了弥补这一差距，本文介绍了从五个大型欧洲健康成像 AI 项目中积累的经验、共识和最佳实践中精心挑选的指导原则。这些指导原则被称为 FUTURE-AI，其基本要素包括 (i) 公平性、(ii) 普遍性、(iii) 可追溯性、(iv) 可用性、(v) 稳健性和 (vi) 可解释性。通过循序渐进的方法，这些指南进一步转化为具体建议框架，用于指定、开发、评估和部署技术上、临床上和伦理上值得信赖的 AI 解决方案到临床实践中。
医学中的人工智能：一项关于医学和牙科学生看法的跨国多中心调查
1 英国伦敦 NHS 基金会信托国立神经病学和神经外科医院神经放射学系，2 英国伦敦大学学院皇后广场神经病学研究所脑修复和康复系，3 英国伦敦大学学院医学院，英国伦敦大学学院，4 英国伦敦大学学院计算机科学系，5 英国诺丁汉大学医学院，英国诺丁汉，6 罗马尼亚布加勒斯特卡罗尔达维拉医药大学牙科学院，7 厄瓜多尔国际大学厄瓜多尔医学院 NeurALL 研究小组，厄瓜多尔基多，8 德国科隆科隆大学医院放射学系，9 英国卡迪夫卡迪夫大学医学院，10 英国伦敦 NHS 国立神经病学和神经外科医院临床神经生理学系基金会信托，英国伦敦，11 托布鲁克大学医学院，利比亚的黎波里，12 万隆伊斯兰大学医学院，印度尼西亚万隆，13 雅尔穆克大学医学院，约旦伊尔比德，14 拉合尔 CMH 医学院，巴基斯坦拉合尔，15 坦塔大学医学院，埃及坦塔，16 普利茅斯大学半岛牙科学院，英国普利茅斯，17 哈希姆大学医学院，约旦扎尔夸，18 萨卜哈大学医学院，利比亚塞卜哈
文章 石灰石采石场爆炸引起的地面振动预测：一种人工智能方法
摘要：地面振动是爆破活动最不利的环境影响之一，会对邻近的房屋和建筑物造成严重损坏。因此，有效预测其严重程度对于控制和减少其复发至关重要。不同的研究人员提出了几种常规振动预测方程，但大多数仅基于两个参数，即单位延迟使用的炸药量和爆炸面与监测点之间的距离。众所周知，爆破结果受许多爆破设计参数的影响，例如负担、间距、火药系数等。但这些都没有被考虑在任何可用的常规预测器中，因此它们在预测爆炸振动时显示出很高的误差。如今，人工智能已广泛应用于爆破工程。因此，本研究采用了三种人工智能方法，即高斯过程回归 (GPR)、极限学习机 (ELM) 和反向传播神经网络 (BPNN)，来估计印度 Shree Cement Ras 石灰石矿爆破引起的地面振动。为了实现该目标，从矿场收集了 101 个爆破数据集，其中粉末系数、平均深度、距离、间距、负担、装药重量和炮泥长度作为输入参数。为了进行比较，还使用相同的数据集构建了一个简单的多元回归分析 (MVRA) 模型以及一种称为多元自适应回归样条 (MARS) 的非参数回归技术。本研究是比较 GPR、BPNN、ELM、MARS 和 MVRA 以确定其各自预测性能的基础研究。八十一 (81) 个数据集（占总爆破数据集的 80%）用于构建和训练各种预测模型，而 20 个数据样本（20%）用于评估所开发的预测模型的预测能力。使用测试数据集，将主要性能指标，即均方误差 (MSE)、方差解释 (VAF)、相关系数 (R) 和判定系数 (R2) 进行比较，作为模型性能的统计评估指标。本研究表明，与 MARS、BPNN、ELM 和 MVRA 相比，GPR 模型表现出更出色的预测能力。GPR 模型显示最高的 VAF、R 和 R 2 值分别为 99.1728%、0.9985 和 0.9971，最低的 MSE 为 0.0903。因此，爆破工程师可以采用 GPR 作为预测爆破引起的地面振动的有效且合适的方法。
人类直觉思维模型作为现实人工智能和工程的来源
尽管人工智能（AI）取得了成功，但我们距离像人类一样模拟世界的AI仍然很远。本研究旨在从直觉心理模型的角度解释人类行为。我们描述了行为在生物系统中是如何产生的，以及对这种生物系统的更好理解如何能够促进类人AI的发展。人类可以从物理、社会和文化环境中建立直觉模型。此外，我们遵循贝叶斯推理，将直觉模型和新信息结合起来做出决策。我们应该为新的AI构建类似的直觉模型和贝叶斯算法。我们认为贝叶斯意义上的概率计算对通过观察和先前经验形成的对象组合的语义属性很敏感。我们将大脑的这一过程称为计算意义，当这些对象的概率发生是可信的时，它更接近贝叶斯理想。人类大脑如何形成世界模型并将这些模型应用于其行为？我们从三个角度概述了答案。首先，直观模型支持个人在当前环境中以有意义的方式使用信息。其次，神经经济学提出大脑中的估值网络在人类决策中起着至关重要的作用。它结合了心理学、经济学和神经科学的方法来揭示决策的生物学机制。然后，大脑是一个过度参数化的建模器官，并在复杂的世界中产生最佳行为。最后，人工智能数据分析技术的进步使我们能够破译人类大脑如何在复杂情况下评估不同的选择。通过将大数据集与机器学习模型相结合，可以从复杂的神经数据中获得前所未有的洞察力。我们从这个角度回顾当前的研究，描述了这些解决方案。在这项研究中，我们概述了类人人工智能的基本方面，并讨论了科学如何从人工智能中受益。我们越了解人类的大脑机制，我们就越能将这种理解应用于构建新的人工智能。人工智能的发展和对人类行为的理解是相辅相成的。
科学家开发用于高精度识别手势的人工情报系统
news = 57DCDA7A-BC5D-45C1-AB5B-A8143àb83df）。注意：材料可能已被编辑为长度和内容。有关更多信息，请联系引用的来源。
从核心到认知：探索人工智能中的不确定性量化技术
索引术语 - 不确定性量化，人工智能，态度和认识论不确定性，深度学习模型，高风险应用，评估基准摘要 - 不确定性量化（UQ）是人工智能系统的关键方面，尤其是在高级技术中，尤其是诸如健康状况，诸如Nearthancianal-neveral-sarke and Navtial-sarke，诸如健康状况，以及自定义的医疗服务，过程必须考虑不确定性。本综述探讨了AI中不确定性量化技术的演变，区分了核心和认知不确定性，并讨论了用于量化这些不确定性的数学障碍和方法。我们提供了先进技术的概述，包括概率方法，集合学习，基于抽样的方法和生成模型，同时还强调了整合域特异性知识的混合方法。此外，我们研究了UQ在各种领域的各种应用，强调了其对决策，预测准确性和系统鲁棒性的影响。该评论还解决了关键挑战，例如可扩展性，效率和与可解释的AI的整合，并概述了在这个快速发展的领域的未来研究方向。通过这项全面的调查，我们旨在更深入地了解UQ在增强AI系统的可靠性，安全性和可信度方面的作用。
元网络系统的集成网络安全，用于人工智能，区块链和云计算
在不断发展的网络安全领域中，元系统与诸如人工智能（AI），区块链和云计算等尖端技术的越来越多的整合呈现出许多新的机会，以及显着的挑战。本文采用一种方法论方法，将广泛的文献综述与重点案例研究分析相结合，以检查这些相交领域内的网络安全格局的变化。重点尤其是元评估，探索其当前的网络安全状态，潜在的未来发展以及AI，区块链和云技术的影响力。我们的彻底调查评估了一系列网络安全标准和框架，以确定它们在管理与这些新兴技术相关的风险方面的有效性。特殊重点是指向元元的快速发展的数字经济，研究了AI和区块链如何增强其网络安全基础架构，同时确认云计算引入的复杂性。结果突出了现有标准的显着差距，并明显需要进行监管进步，尤其是关于区块链的自治能力和元元阶段的早期发展的能力。本文强调了积极的监管参与的必要性，强调了网络安全专家和政策制定者的重要性，以适应和准备这些技术的迅速发展。最终，这项研究提供了当前情况的全面概述，预见了未来的挑战，并提出了利用AI，区块链和云计算的元偏向系统中集成网络安全的战略方向。
通过人工智能探索新的生物相关化学空间：NCATS ASPIRE 计划
近年来，人工智能 (AI)/机器学习 (ML；AI 的一个子集) 对生物医学研究界越来越重要。这些技术与大数据和化学信息学相结合，具有巨大的潜力来改善新型疗法的设计并为患者提供安全有效的药物。美国国家转化科学促进中心 (NCATS) 的一项名为“创新研究探索专业平台 (ASPIRE)”的项目利用 AI/ML、自动化合成化学和高通量生物学方面的进步，并寻求通过催化对生物活性化学空间的探索来实现转化和药物开发。在这里，我们讨论了作为 ASPIRE 的一部分，将 AI/ML 应用于探索新型生物相关化学空间的机遇和挑战。
基于人工智能 (AI) 的系统生物学方法在癌症多组学数据分析中的应用
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
六足机器人模拟器中的倾斜错觉导致航空公司飞行员对人工地平线做出错误反应
目标：我们测试六足模拟器中的某个程序是否会导致航空公司飞行员对倾斜角（即“倾斜”）做出错误的假设以及对姿态指示器 (AI) 做出错误的解释。背景：倾斜对解释错误的影响此前已在非飞行员中得到证实。飞行中，由于误导性的滚转提示（空间定向障碍）可能会出现错误的假设。方法：飞行员（n = 18）进行了 36 次试验，要求他们仅使用 AI 滚转至机翼水平。在显示 AI 之前，他们会收到滚转提示，在大多数试验中，提示与 AI 倾斜角方向相匹配，但在倾斜相反条件下（四次试验），提示方向相反。在基线条件下（四次试验），他们没有收到滚转提示。为了测试飞行员是否对 AI 做出反应，AI 有时会在倾斜水平条件下（四次试验）按照滚转提示显示机翼水平。结果：总体而言，飞行员在倾斜-相反条件下（19.4%）犯的错误明显多于基线条件（6.9%）或倾斜-水平条件（0.0%）。倾斜-相反条件下的学习效果明显，因为 38.9% 的飞行员在第一次接触这种条件时犯了错误。经验（即飞行小时数）没有显著影响。结论：倾斜程序可有效诱导飞行员的 AI 误解和控制输入错误。应用：该程序可用于空间定向障碍演示。结果强调了明确的显示的重要性，它应该能够快速纠正由于空间定向障碍而导致的错误假设。