XiaoMi-AI文件搜索系统
World File Search SystemEvaluate
为临床医生开发和评估人工智能预测模型以指导临床决策的路线图
摘要 背景 预测模型已在临床护理中使用了几十年。它们可以确定患者患上特定疾病或并发症的风险，并为共享决策过程提供信息。开发用于临床实践的人工智能 (AI) 预测模型具有挑战性；即使它们具有良好的预测性能，也不能保证它们会被使用或增强决策。我们描述了开发和评估预测 AI 模型的九个阶段，认识到临床医生在每个阶段可能面临的挑战，并提供了帮助管理这些挑战的实用技巧。 结果 这九个阶段包括澄清感兴趣的临床问题或结果（输出）、确定合适的预测因子（特征选择）、选择相关数据集、开发 AI 预测模型、验证和测试开发的模型、呈现和解释模型预测、许可和维护 AI 预测模型以及评估 AI 预测模型的影响。将人工智能预测模型引入临床实践通常涉及多个相互作用的因素，包括模型预测的准确性、医生和患者对这些概率的理解和使用、后续行动或干预的预期效果以及对这些行动或干预的遵守情况。能否实现效益的很大一部分差异与预测是否及时提供给临床医生，使他们能够采取适当的行动有关。结论人工智能预测模型对过程和结果的下游影响差异很大，因此，使用适当的研究设计来评估其在临床实践中的应用至关重要。
使用 GIS 技术创建区域地形数字模型来评估退化过程
众所周知，土壤退化是全球性问题之一。由于各种土壤退化过程，全球每年有 600 万公顷农业用地无法使用 [1, 2]。从农业角度来看，土地退化是由土壤生产特性的下降决定的，即人类和牲畜的生物量或生产力的下降。从生态角度来看，土地退化意味着对陆地生态系统的破坏 [3, 6, 9]。根据 Liberti 等人 [12] 的研究，退化的表现是复杂的自然和人为因素相互作用的结果。土壤退化也可以通过多种方式进行研究，包括直接实地观测和遥感 [4-6]。目前，如果没有遥感数据，就无法想象土壤覆盖的研究、土壤测绘及其校正。遥感是土地调查研究中最重要和不可替代的部分之一。现代空间技术和成像设备的进步使得分析、研究、评估和绘制区域不同区域的状况成为可能 [7]。遥感方法比传统方法更经济、更有效，对于通过单一图像控制大面积区域非常重要 [7, 18]。已经开展了大量利用地理信息系统 (GIS) 处理遥感数据和识别退化土地的科学研究。基于遥感获得的图像可以快速定性地检测不同级别的退化土地 [7, 10]。此外，遥感数据在土壤淋溶建模方面非常有效 [11, 13, 14]。
如何使用 PLAXIS 定义复合截面板属性并评估隧道衬砌能力
在 PLAXIS 2D 输入中，可以使用复合板来模拟钢筋喷射混凝土衬砌，复合板的属性是通过平均喷射混凝土和间隔钢组（等效截面）的贡献来计算的。在第二阶段，一旦运行了 PLAXIS 2D 分析，就有必要在支撑能力图上绘制力矩、剪切力和推力，以检查钢组和喷射混凝土衬砌中产生的应力是否在允许的范围内。为此，首先需要将等效截面上计算出的推力、力矩和剪切力重新分配到钢组和喷射混凝土各个组件上。一旦执行了重新分配操作，就可以生成支撑能力图，并独立评估钢组和喷射混凝土组件的安全性。
建立CFD模型来评估绿色基础设施对当地空气质量的影响
抽象的绿色基础设施已被指出是应对与空气污染和气候变化有关的当前和未来挑战的创新解决方案。记录了减轻空气污染的绿色基础设施（例如绿墙和绿色屋顶）的潜力，但在当地规模的证据仍然有限。这项工作旨在提高人们对绿色基础设施改善当地空气质量的潜力，重点关注颗粒物，二氧化氮和臭氧污染物，以及使用局部规模的计算流体动力学模型。Envi-Met模型应用于夏日的特定小时，该小时的建筑环境以里斯本市（葡萄牙）的主要大道为中心。计算域的尺寸为618 m×594 m×143 m，其中包含184个建筑物，最高的建筑物为56 m。除了基线模拟外，还考虑了绿色墙壁和绿色屋顶在主要大道附近的特定建筑物以及绿色走廊一起使用的建模。与基线场景相比，绿色壁在湍流动力学和空气质量水平上没有施加干扰（没有绿墙）。包括绿色墙壁，绿色屋顶和绿色走廊的集成场景将导致绿色基础设施对O 3浓度的潜在局部益处，然后对2号和颗粒物浓度产生可变影响。
用于评估与空气源热泵集成的热能存储的能量模型：预印本
建筑物的完全脱碳需要用电动设备替换燃烧设备，而空气源热泵 (ASHP) 是一种候选替代方案。然而，技术限制（例如在寒冷天气下运行时效率下降）限制了它们在全球供热市场的采用。在几种提高寒冷气候下运行的 ASHP 效率的选项中，人们考虑使用热能存储 (TES)，因为它可以在寒冷时提供供暖，并将 ASHP 运行转移到天气较暖的时候。它还可以利用分时电价并在必要时支持除霜。然而，对 ASHP-TES 系统的评估仍然有限，因为传统指标无法充分反映其经济和环境效益。在这项工作中，提出了一个 Python 框架来模拟有和没有 TES 的 ASHP。提出了一些指标来分析系统在成本、等效 CO 2 排放量和效率指标方面的性能，以评估和比较替代系统。提供了针对商用热泵获得的实验数据的模型验证，以及使用科罗拉多州丹佛市的应用示例，以突出模型功能。
一项随机、双盲、安慰剂对照的临床试验，旨在评估普瑞巴林在治疗阿尔茨海默病患者痴呆症的行为和心理症状方面的疗效
超过 90% 的痴呆症患者在行为中会出现神经精神症状，即痴呆症的行为和心理症状 (BPSD)。BPSD 包括情绪障碍（如抑郁和焦虑）、精神病（如妄想和幻觉）、行为激动（如攻击性）和其他症状（如睡眠障碍和饮食失调）（Patterson，2018 年）。BPSD 的存在与护理成本增加和生活质量受损有关；因此，它增加了痴呆症对患者、护理人员和社会的总体负担（Schneider 等人，2005 年）。BPSD 的管理主要有两种方法：非药物治疗和药物治疗；当症状严重且存在自残或伤害护理人员的风险时，通常会考虑后者（Ballard 等人，2009 年）。
杂环衍生物的合成和表征，以评估其作为盐水培养基中碳钢腐蚀抑制剂的效率
这项工作包括从Schiff碱（SB）衍生物与蒽酸，氯乙酰基氯化物和叠氮化钠以及通过FT-IR，1 H-NMR，1 H-NMR和13 C-NMR的表征进行的AZ，QZ和TZ衍生物的制备。研究了这些化合物的抗腐蚀抑制作用，并通过电化学极化技术在293-323 K的温度范围内计算了氯化钠溶液中碳钢（CS）腐蚀的测量。另外，确定了抑制剂和空白溶液的一些热力学和动力学激活参数（EA⋇，ΔH⋇，δS⋇和ΔG⋇）。结果显示出所有制备的化合物的抑制作用较高，其最大化合物是在所有温度下抑制率为99％的化合物SB和AZ中的抑制作用。然而，其他化合物的百分比下降，因为它随温度的升高而变化和降低。
先进的机器学习算法来评估原材料对超高性能混凝土流动性和抗压强度的影响
通过人工智能技术估算混凝土特性已被证明是建筑领域节省时间和成本的有效方法。超高性能混凝土 (UHPC) 的制造基于多种成分的组合，从而产生一种非常复杂的新鲜和硬化形式的复合材料。成分越多，可能的组合、特性和相对混合配比就越多，导致难以预测 UHPC 行为。本研究的主要目的是开发机器学习 (ML) 模型来预测 UHPC 的流动性和抗压强度。因此，当前的研究采用了复杂而有效的人工智能方法。为此，应用了一个名为决策树 (DT) 的单独 ML 模型和名为引导聚合 (BA) 和梯度提升 (GB) 的集成 ML 算法。还采用了诸如判定系数 (R2)、均方根误差 (RMSE) 和平均绝对误差 (MAE) 之类的统计分析来评估算法的性能。结论是，GB 方法可以适当地预测 UHPC 的流动性和抗压强度。DT 技术的 R 2 值较高，分别为抗压和流动性的 0.94 和 0.95，误差值较小，与其他 R 2 值较低的算法相比具有更高的精度。SHAP 分析表明，石灰石粉含量和固化时间分别对 UHPC 的流动性和抗压强度具有最高的 SHAP 值。本研究成果将有利于建筑行业的学者快速有效地确定 UHPC 的流动性和抗压强度。
空间态势感知：国防部应该……
2 本报告重点关注空间态势感知 (SSA)，而非空间领域感知，并将始终使用 SSA 这一术语。国防部联合出版物 3-14，题为《空间行动》，将 SSA 定义为“对空间物体和空间行动所依赖的作战环境（包括物理、虚拟、信息和人力维度）以及所有因素、活动和事件的必要基础、当前和预测知识和特征描述，所有实体都参与或准备参与空间行动。” 2019 年，空军空间司令部副司令签署了一份备忘录，对“空间领域感知”这一术语进行了定义。这份备忘录将太空描述为一个作战领域，迫使空军将重点从简单地了解物体在太空中的位置转移到确定有关这些物体的更多信息。空军部，空间领域感知 (2019 年 10 月 4 日)。
第4章改进了使用生成AI
关于问题难度估计的研究需要用于准确评估工具和其他模型出于不同的目的。近年来包括基于BERT（双向编码器表示），RNN（经常性神经网络）和其他分类模型的许多主题。传统的问题难度估计方法主要集中在语言和结构分析上，并接受了大型预先标记的问题及其难度水平的培训。本章提出了一种将这些常规技术与生成AI结合起来的方法，以实现更准确的问题难度估计。该方法的原则是，随着AI系统更深入地介入文档以提出问题，产生的问题可能更复杂或稀有