XiaoMi-AI文件搜索系统
World File Search SystemChen
Secret Cheng
Head TA，普林斯顿COS/ECE 470区块链原理2024年9月 - 2025年1月，向大约80名学生提供每周和点播的办公时间。指导学生逐步制定编程和分布式系统构建。领导3个课堂实验室，用于动手活动，讨论有趣的区块链主题。分级过程的协调员和课程团队之间的任务分裂。完全重新设计了课程最终项目，该项目旨在使用众包收集区块链数据并使用收集的数据培训AI代理，以便该课程继续保持在结合区块链和AI的技术创新的边界。这种翻新获得了学生的非常积极的反馈。
江汉·陈（Jianhan Chen）博士-BMB和化学IT
本科生（21）：Devanshee Sanghvi（2024-，BMB/Chem）； Hanna Georgiev（2024-，Chem）； Aron Korsunsky (2022-24, ChemE), Anik Dey (2022 summer, Amherst College), Jack Madden (2022-, CS/Pure Math), Ryan Pham (2021-22; Chemistry), Samatha Schultz (2021-22; BMB), Thomas Scudder (2021; BMB), Callie Jillson (2019-20, Chemistry), Minh Ho (2018-19, BMB), Justin Camphell (2017-18; Chemistry/Physics), Katrina Nguyen (2017-18; Chemistry), Samantha Gameros (Summer 2015, Biochemistry), Arianna Vessal (Summer 2014; Virginia Tech), Michael Mohan (2013-2015, Biochemistry), Steven Stimac (Spring 2014, Biochemistry),泰勒·杜贝克（Tyler Dubek）（2010年春季，生物化学），梅利莎·韦尔德曼（Melissa Veldman）（2009; Biochemistry），Miguel Aldrete（2008-09，Bridges /DSP Scholar），Asma al-Rawi（2007-08，Physics）< /div>）
印度钦奈的Madras研究公园印度钦奈的Madras研究公园
• Politecnico di Milano, Italy • University of Toronto, Canada • Ghent University, Belgium • University of Leeds, UK • Monash University, Malaysia • Thapar Institute of Engineering & Technology, India • The University of Sheffield, England • University of Capetown, South Africa • Oregon State University, USA • UPC Barcelona, Spain • IIT Madras, Hyderabad & Palakkad, India •印度安娜大学
出版详情：Hsu, P.-N.、Shie, K.-C.、Chen, K.-P.、Tu, J.-C.、Wu, C.-C.、Tsou, N.-T.、Lo, Y.-C.、Chen, N.-Y.、Hsieh, Y.-F.、Wu, M.、Chen, C. 和 Tu, K.-N. (2022)。人工智能深度学习用于 3D IC 可靠性预测。科学报告，12，第 6711 篇文章。https://doi.org/10.1038/s41598-022-08179-z
由于 2D IC 的摩尔定律即将终结，三维集成电路 (3D IC) 技术最近备受关注。然而，3D IC 的可靠性受制造过程中互连中的空洞和故障的影响很大，通常需要缓慢测试并依赖于人的判断。因此，对 3D IC 的不断增长的需求引起了人们对可靠性分析和故障预测重要性的极大关注。本研究结合基于卷积神经网络 (CNN) 的 AI 深度学习，对 3D X 射线断层扫描图像进行无损分析。通过使用可靠的收集图像数据库训练 AI 机器，AI 可以根据无损 3D X 射线断层扫描图像快速检测和预测焊点的互连操作故障，准确率高达 89.9%。还揭示了决定回流微凸块“良好”或“故障”条件的重要特征，例如中间横截面的面积损失百分比。
出版详情：Liu, T., Tsang, W., Xie, Y., Tian, K., Huang, F., Chen, Y., Lau, O., Feng, G., Du, J., Chu, B., Shi, T., Zhao, J., Cai, Y., Hu, X., Akinwunmi, B., Huang, J., Zhang, CJP, & Ming, W.-K. (2021). 新冠疫情前和疫情期间人工智能临床医生的偏好：离散选择实验和倾向得分匹配研究。医学互联网研究杂志，23(3)，文章 e26997。https://doi.org/10.2196/26997
1 暨南大学医学院公共卫生与预防医学系，广州，中国 2 暨南大学国际学院，广州，中国 3 南安普顿大学社会科学学院，南安普顿，英国 4 香港理工大学应用数学系，香港，香港 5 河南理工大学计算机科学与技术学院，河南，中国 6 北京师范大学（珠海）应用数学学院，珠海，中国 7 布莱根妇女医院妇产科，马萨诸塞州波士顿，美国 8 哈佛大学医学院麻省总医院基因组医学中心，马萨诸塞州波士顿，美国 9 伦敦帝国理工学院公共卫生学院流行病学与生物统计学系，伦敦，英国 10 香港大学公共卫生学院，香港，香港 * 这些作者的贡献相同
出版详情：Liu, T., Tsang, W., Huang, F., Lau, OY, Chen, Y., Sheng, J., Guo, Y., Akinwunmi, B., Zhang, C. JP., & Ming, W.-K. (2021). 中国 SARS-CoV-2 大流行期间患者对人工智能应用与临床医生在疾病诊断中的偏好：离散选择实验。《医学互联网研究杂志》，23(2)，文章 e22841。https://doi.org/10.2196/22841
背景：误诊、乱收费、排队、诊所等待时间长等是全球医疗行业长期存在的现象。这些因素可能导致患者对临床医生误诊的焦虑。然而，随着大数据在生物医学和医疗保健界的使用日益增长，人工智能 (Al) 诊断技术的性能正在提高，可以帮助避免医疗实践错误，包括在当前 COVID-19 的情况下。目的：本研究旨在在中国 COVID-19 疫情的背景下，从人工智能诊断与临床医生的不同角度可视化和衡量患者的异质偏好。我们还旨在说明离散选择实验 (DCE) 潜在类别的不同决策因素，以及人工智能技术在 SARS-CoV-2 大流行期间及未来判断和管理中的应用前景。方法：DCE 方法是本文应用的主要分析方法。我们假设了诊断方法、门诊等候时间、诊断时间、准确率、诊断后随访、诊断费用等不同维度的属性，并形成问卷。利用 DCE 问卷收集的数据，应用 Sawtooth 软件对数据集构建了广义多项逻辑 (GMNL) 模型、混合逻辑模型和潜在类别模型。此外，我们计算了变量的系数、标准误差、P 值和优势比 (OR)，并形成效用报告以呈现属性的重要性和加权百分比。结果：无论临床医生的描述如何，共有 55.8% 的受访者 (767 人中的 428 人) 选择了 AI 诊断。在 GMNL 模型中，我们发现人们最喜欢 100% 的准确率 (OR 4.548, 95% CI 4.048-5.110, P <.001)。对于潜在类别模型，最容易接受的模型由 3 个潜在类别的受访者组成。影响最大、百分比权重最高的属性是诊断的准确性（总体为 39.29%）和费用（总体为 21.69%），尤其是对诊断“准确性”属性的偏好，该属性在各个类别中保持不变。对于第 1 类和第 3 类，人们更喜欢 AI + 临床医生的方法（第 1 类：OR 1.247，95% CI 1.036-1.463，P <.001；第 3 类：OR 1.958，95% CI
出版详情：Shen, J., Chen, J., Zheng, Z., Zheng, J., Liu, Z., Song, J., Wong, SY, Wang, X., Huang, M., Fang, P.-H., Jiang, B., Tsang, W., He, Z., Liu, T., Akinwunmi, B., Wang, CC, Zhang, CJP, Huang, J., & Ming, W.-K. (2020)。一种用于诊断妊娠期糖尿病的创新型人工智能应用程序 (GDM-AI)：开发研究。医学互联网研究杂志，22(9)，文章 e21573。https://doi.org/10.2196/21573
1 暨南大学医学院公共卫生与预防医学系，广州，中国 2 中山大学肿瘤防治中心，广州，中国 3 暨南大学信息科学与技术学院，广州，中国 4 暨南大学国际学院，广州，中国 5 中山大学国际关系学院，广州，中国 6 暨南大学新闻与传播学院，广州，中国 7 格罗宁根大学经济与商学院，格罗宁根，荷兰 8 布莱根妇女医院妇产科，波士顿，美国 9 哈佛大学医学院麻省总医院基因组医学中心，波士顿，美国 10 香港中文大学妇产科，香港，香港 11 香港大学公共卫生学院，香港，香港 12 香港中文大学流行病学与公共卫生系环境与健康多学科合作研究中心英国伦敦帝国理工学院圣玛丽校区公共卫生学院生物统计学专业 * 这些作者的贡献相同
Junchen@oakland.edu Oaklan- Jun Chen，博士Junchen@oakland.edu Oaklan- Jun Chen，博士
h Onors and Recognition NSF职业奖，国家科学基金会2022最佳纸张奖，IEEE自动化科学与工程交易2016 2016最佳纸质奖，IEEE国际电子信息技术会议2023 IEEE高级会员2020年IEEE高级成员2020年IEEE副编辑，IEEE最多2025年大会及2025年官员Confertitiatiation Confertitiation Change and Modelitiation Change and Modutitiation Change and Modutitiation Change and Accountion，估算20224-参与者 - 2024年 - 奥克兰大学（Oakland University），奥克兰大学（Oakland University）2024年最多研究活跃奖的系统科学与控制工程副编辑，2024年新研究者研究卓越奖，奥克兰大学2024年最活跃的赠款寻求者奖，奥克兰大学2023和2024 Oakland County Oakland County 40 40岁以下40岁以下40岁以下，Oakland County 2024 NSF CMMI FACERITION DIENITION WARKITIN for Research , Oakland University 2023 R&D 100 Award , R&D World 2023 Associate Editor , IEEE Conference on Control Technology and Applications 2023–present Associate Editor , IEEE International Conference on Robotics and Automation 2020 INL Publication Achievement Award , Idaho National Laboratory 2016 INL Exceptional Contributions Program Award , Idaho National Laboratory 2015 & 2016 Research Excellence Award , Iowa State University 2014 Student Travel Award ,美国控制会议2014年本科生的第三流奖学金，2008年，智格大学杰出学生，2008
Chenqing (William) Hua
图形神经网络何时有助于节点分类？在节点可区分性上研究同质原理第37届神经信息处理系统会议https://arxiv.org/abs/2304.14274 Luan，S.，Hua，Hua，C.，Xu，Xu，M.，Lu，M.，Lu，Lu，Q.
