XiaoMi-AI文件搜索系统
World File Search SystemFPR
评估30天医院再入院模型中的算法偏见：回顾性分析
背景：医疗保健中的预测算法的采用带来了算法偏见的潜力，这可能会加剧现有差异。公平指标来衡量算法偏见，但是它们在现实世界任务中的应用是有限的。目的：本研究旨在评估与常见的30天医院再入院模型相关的算法偏见，并评估所选公平度量标准的有用性和解释性。方法：我们在这项回顾性研究中使用了2016年至2019年从马里兰州和佛罗里达州的1060万名成人住院排放。评估了预测30天医院再入院的模型：蕾丝指数，改良的医院评分和改良的Medicare＆Medicaid服务中心（CMS）再入院措施，这些措施已应用于AS-IS（使用现有系数）并重新校准（用50％的数据重新校准）。对黑人和白人种群以及低收入和其他收入组之间的所有人的预测性能和偏差度量进行了评估。偏差度量包括假阴性率（FNR），假阳性率（FPR），0-1损失和广义熵指数的均等。以FNR代表的种族偏见和FPR差异进行了分层，以探索不同人群中算法偏见的变化。结果：再训练CMS模型证明了最佳的预测性能（曲线下的面积：马里兰州0.74，佛罗里达州0.68-0.70），改良的医院分数表现出最佳的校准（Brier得分：0.16-0.19在马里兰州，佛罗里达州0.19-0.21）。结论：在解释公平措施的面值时必须谨慎。校准在白色（与黑色）人群和其他收入（与低收入）组相比的校准更好，并且曲线下的面积在黑色（与白色）种群中更高或相似。培训CMS和改良的医院评分在马里兰州的种族和收入偏见最低。在佛罗里达州，这两种模式总体上的收入偏见最低，改良的医院评分表现出最低的种族偏见。在两个州，白人和高收入的人群均显示出更高的FNR，而黑人和低收入人群则导致FPR较高和更高的0-1损失。当通过医院和人口组成进行分层时，这些模型在不同的情况和人群中表现出异质算法偏见。更高的FNR或FPR可能会反映错过的机会或浪费资源，但是这些措施也可以反映医疗保健的使用模式和护理差距。仅仅依靠偏见的统计概念可能掩盖或低估了健康差异的原因。必须仔细考虑不完美的健康数据，分析框架和基础卫生系统。公平措施可以作为检测不同模型性能的有用常规评估，但不足以为机制或政策变化提供信息。但是，这种评估是朝着数据驱动的改进以解决现有健康差异的重要第一步。
您的音乐营销 - SoundCloud如何选择重新定义其业务模型以保持不断变化的行业竞争
SoundCloud的商业模式集中在构成其社区的独立艺术家身上，该平台通过其独特的粉丝供电特许权使用费（FPR）为他们增加价值。该模型使艺术家可以通过分配每个听众的订阅和广告收入的份额直接从粉丝的支持中受益，仅向他们单独听的艺术家/歌曲分配。像Merlin（包括Tunecore，Distrokid和Synphonic Distribution之类的分销商）这样的组织积极参与该计划，从而增强了SoundCloud对独立专业人员的吸引力。
Table S1 Quantitative performance evaluation on image ...
注意： *，TPR（true正率）= TP /（TP + FN）; tnr（true负率）= tn /（fp + tn）; fpr（假阳性率）= fp /（fp + tn）; fnr（假阴性率）= fn /（fn + tp）; ACC（精度）=（TP + TN） /（TP + FP + TN + FN）; f1_score = 2 ∗ tp /（2 ∗ tp + fp + fn）。tp，fp，tn和fn分别代表真正的积极，误报，真为负和假阴性。
AI检测的胸部X射线异常的系统优先级用于优化的肺癌检测
表1：胸部X射线发现的三种优先策略中AI系统的性能指标，包括灵敏度，特异性，正预测值（PPV）和负预测值（NPV）。ppv：阳性预测价值 - 真正阳性的AI阳性病例的比例。npv：负预测价值 - 真正负面因素的AI阴性案例的比例。fpr：误报率 - AI标记的非癌症案件的比例。fnr：假阴性率 - AI错过的癌症病例的比例。
使用长短期记忆网络的端到端癫痫发作预测方法
越来越多的癫痫患者遭受着癫痫发作的痛苦，有效预测癫痫发作可以改善他们的生活质量。为了获得高灵敏度的癫痫发作预测，当前的研究通常需要复杂的特征提取操作，这严重依赖于人工经验（或领域知识）并且具有很强的主观性。为了解决这些问题，本文提出了一种基于长短期记忆网络（LSTM）的端到端癫痫发作预测方法。在新方法中，仅提取原始脑电图（EEG）信号的伽马波段作为网络输入直接进行癫痫发作预测，从而避免了主观和昂贵的特征设计过程。尽管方法简单，但在从脑电图信号中识别发作前期时，所提出的方法在波士顿-麻省理工学院儿童医院（CHB-MIT）头皮脑电图数据库上分别实现了 91.76% 的平均灵敏度和 0.29/h 的错误预测率（FPR）。此外，与仅考虑发作前和发作间期脑电图分类的传统方法不同，我们在所提出的方法中引入了发作后阶段作为额外类别。因此，癫痫发作预测的性能进一步提高，获得了更高的灵敏度 92.17% 和较低的 FPR 0.27/h。平均预警时间为 44.46 分钟，这表明该预测方法为患者采取干预措施预留了足够的时间。
103 Gabor 滤波器、GLCM 和 DWT 性能评估...
Gabor 滤波器、GLCM 和 DWT 在脑肿瘤分类中的表现评估 Fausat Fadeke Agboola 1；Wasiu Oladimeji Ismaila 2；Oluyinka Iyabo Omotosho 2；Adeleye Samuel Falohun 3；和 Folasade Muibat Ismaila 4 1 尼日利亚阿达马瓦州约拉莫迪博阿达玛大学物理科学学院计算机科学系。 2 尼日利亚奥约州奥格博莫索拉多克阿金托拉理工大学计算机与信息学学院计算机科学系。 3 尼日利亚奥约州奥格博莫索拉多克阿金托拉理工大学工程与技术学院计算机工程系。 4 尼日利亚奥顺州理工学院计算机科学系。摘要 大脑对身体功能至关重要，如果不加以治疗，肿瘤可能会侵袭大脑，导致死亡、不受控制的生长和转移。因此，自动分类脑肿瘤类型对于加快治疗、制定更好的计划和提高患者生存率至关重要，因为人工诊断脑肿瘤类型在很大程度上依赖于放射科医生的专业知识和敏感性。因此，本文使用 Kaggle 数据库中的四类脑 MRI 肿瘤，评估了 Gabor 滤波器、灰度共生矩阵 (GLCM) 和离散小波变换 (DWT) 在识别正常和异常脑肿瘤方面的性能。性能分析侧重于二元分类，以确定每种特征提取方法的功效。研究发现，Gabor 特征的假阳性率 (FPR) 为 7.61%，假阴性率 (FNR) 为 8.57%，灵敏度为 91.43%，精确度为 81.36%，准确度为 92.13%，时间为 985.34 秒。 GLCM 特征的 FPR 为 9.69%，FNR 为 9.52%，灵敏度为 90.48%，精度为 77.24%，准确率为 90.36%，时间为 364.74 秒。DWT 特征的 FPR 为 11.42%，FNR 为 11.43%，灵敏度为 88.57%，精度为 73.81%，准确率为 88.58%，时间为 275.53 秒。GLCM 产生了最有效的特征提取器，它可以作为一种有用的技术，并作为放射科医生诊断脑肿瘤的第二读取器，以降低死亡率。关键词：Gabor 滤波器、GLCM、DWT、MRI 图像、脑肿瘤、分类。引言脑肿瘤是一种起源于脑内的疾病，当不规则细胞不受控制和限制地生长时，就会无视正常的细胞生长规律。
通过深度学习优化电动机意图检测
摘要 - 目的：本文展示了对添加功能性电刺激时，从原始脑电图（EEG）信号中检测到来自原始脑电图（EEG）信号的运动图像（MI）的兴趣。还报道了电极蒙太奇和带宽的影响。这项工作的观点是改善全身麻醉期间术中意识的检测。方法：对EEGNET的各种体系结构进行了研究以优化MI检测。它们已与脑部计算机接口的最新分类器（基于Riemannian几何形状，线性歧视分析）和其他深度学习体系结构（深度卷积网络，浅卷积网络）。eeg数据是从22位参与者中测量的，这些参与者有或没有中位神经刺激的运动图像。结果：EEGNET的拟议结构达到了最佳的分类准确性（83.2％）和假阳性速率（FPR 19.0％），用于设置，在运动皮层和额叶上只有六个电极，并且对于通过Median Median Nerve刺激了受试者的扩展4-38 Hz EEG频率。具有较大电极数量的配置导致128个电极的精度（94.5％）和FPR（6.1％）（分别为13个电极的88.0％和12.9％）。结论：目前的工作表明，使用扩展的EEG频带和经过修改的EEGNET深神经网络，当使用少于6个电极（包括额叶通道）时，会增加MI检测的准确性。明显的能力：所提出的方法基于脑电图的MI检测有助于开发脑部计算机界面系统。
NFκBIN：一种基于机器学习的方法用于筛选NF-κB抑制剂
Model Threshold Acc FPR Kappa F1 Sens Spec AUC MCC RF 0.47 65.59 29.60 0.31 0.64 60.73 70.40 0.71 0.31 DT 0.48 60.36 33.60 0.21 0.58 54.25 66.40 0.63 0.21 KNN 0.36 65.19 30.40 0.30 0.63 60.73 69.60 0.70 0.31 SVC 0.41 67.61 28.00 0.35 0.66 63.16 72.00 0.75 0.75 0.35 xgb 0.43 62.78 34.00 0.26 0.26 0.61 59.51 66.00 0.69 0.69 0.26 FDA批准对目标NF-κB信号pathway进行批准的药物重复性：在这项研究中，我们
首先要筛查单胎怀孕中无细胞的胎儿DNA的非整倍性 - 瑞士单中心体验
通过检测无细胞DNA（C Q Q QA）和非侵入性产前测试（NIPT）[1，2]的发育来彻底筛选染色体非整倍型的染色体。While over decades, the detection rate (DR) of trisomy 21 could be improved from only 30% to 90% at a false positive rate (FPR) of 5% by first trimester combined screening (FTCS), c ff DNA has a DR of Down syndrome of 99% at a very low FPR of 0.04% [3, 4, 5, 6, 7, 8, 9, 10, 11, 12].三体三体第18和18的DRS与双胞胎妊娠中的C扰性[9、10、11、12]相似。尽管表现出色，但C效应仍然是筛查测试，并且通过侵入性测试确认了高风险C扰动的结果[13，14]。由于其高昂的成本，大多数医疗保健系统并未对所有孕妇进行DNA筛查。因此，已经提出了直接c或偶然筛选的不同模型[15，16，17]。在瑞士，所有孕妇的健康保险提供者都偿还了FTC，包括一名经过认证的超声检查员的详细超声检查，并测量了胎儿颈部半透明（NT）以及生化分析。在超声波中看到的胎儿异常，NT> 95％的胎儿疾病或FTCS≥1：380的任何三体造期风险。自2015年7月以来，作为全球最早的国家之一，斯威茨 - 以偶然的方式实施了常规筛查。如果在FTC上将孕妇年龄（MA）和NT与生化血清标记物β-人类绒毛膜促性腺激素
首先要筛查单胎怀孕中无细胞的胎儿DNA的非整倍性 - 瑞士单中心体验
通过检测无细胞DNA（C Q Q QA）和非侵入性产前测试（NIPT）[1，2]的发育来彻底筛选染色体非整倍型的染色体。While over decades, the detection rate (DR) of trisomy 21 could be improved from only 30% to 90% at a false positive rate (FPR) of 5% by first trimester combined screening (FTCS), c ff DNA has a DR of Down syndrome of 99% at a very low FPR of 0.04% [3, 4, 5, 6, 7, 8, 9, 10, 11, 12].三体三体第18和18的DRS与双胞胎妊娠中的C扰性[9、10、11、12]相似。尽管表现出色，但C效应仍然是筛查测试，并且通过侵入性测试确认了高风险C扰动的结果[13，14]。由于其高昂的成本，大多数医疗保健系统并未对所有孕妇进行DNA筛查。因此，已经提出了直接c或偶然筛选的不同模型[15，16，17]。在瑞士，所有孕妇的健康保险提供者都偿还了FTC，包括一名经过认证的超声检查员的详细超声检查，并测量了胎儿颈部半透明（NT）以及生化分析。在超声波中看到的胎儿异常，NT> 95％的胎儿疾病或FTCS≥1：380的任何三体造期风险。自2015年7月以来，作为全球最早的国家之一，斯威茨 - 以偶然的方式实施了常规筛查。如果在FTC上将孕妇年龄（MA）和NT与生化血清标记物β-人类绒毛膜促性腺激素