XiaoMi-AI文件搜索系统
World File Search SystemFujitsu
利用人工智能确保食品安全并促进健康生活 - 富士通
© Fujitsu 2022 | 8481-128。保留所有权利。富士通和富士通徽标是富士通有限公司在全球许多司法管辖区注册的商标。本文提及的其他产品、服务和公司名称可能是富士通或其他公司的商标。本文件截至首次发布之日为最新，富士通可能会随时更改，恕不另行通知。本材料仅供参考，富士通不承担与其使用相关的任何责任。
利用人工智能分析实现交通顺畅 - 富士通
© Fujitsu 2022 | 8481-03。保留所有权利。富士通和富士通徽标是富士通有限公司在全球许多司法管辖区注册的商标。本文提及的其他产品、服务和公司名称可能是富士通或其他公司的商标。本文件截至首次发布之日为最新，富士通可能会随时更改，恕不另行通知。本材料仅供参考，富士通不承担与其使用相关的任何责任。
利用人工智能数据库减少欺诈 - 富士通
© Fujitsu 2022。保留所有权利。富士通和富士通徽标是富士通有限公司在全球许多司法管辖区注册的商标。本文提及的其他产品、服务和公司名称可能是富士通或其他公司的商标。本文件截至首次发布之日为最新，富士通可能会随时更改，恕不另行通知。本材料仅供参考，富士通不承担与其使用相关的任何责任。
人工智能解决动脉瘤分析中的挑战 - 富士通全球
麦考瑞大学与邻近的富士通和医疗设备制造商 GE Healthcare 联手开发了一项人工智能诊断技术，可以分析脑动脉瘤的 CT 扫描。该技术旨在显著加快 CT 扫描的分析过程，从而节省放射科医生的宝贵时间。通过使用这项人工智能技术及其附带的 3D 结构分析数据，神经外科医生有望在规划手术时做出更好的决策。
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法
安全资产管理和存储 - 富士通
未分类。© 2019 FUJITSU。Fujitsu、Fujitsu 徽标是富士通有限公司在日本和其他国家/地区的商标或注册商标。其他公司、产品和服务名称可能是其各自所有者的商标或注册商标。技术数据可能会更改，交付以实际情况为准。我们不保证数据和插图的完整性、真实性或准确性。名称可能是各自制造商的商标和/或版权，第三方将其用于自己的目的可能会侵犯该所有者的权利。ID：6014-023-08/2019。
安全资产管理和存储 - 富士通
未分类。© 2019 FUJITSU。Fujitsu、Fujitsu 徽标是富士通有限公司在日本和其他国家/地区的商标或注册商标。其他公司、产品和服务名称可能是其各自所有者的商标或注册商标。技术数据可能会修改，交付以可用性为准。数据和插图的完整性、真实性或正确性不承担任何责任。名称可能是各自制造商的商标和/或版权，第三方将其用于自己的目的可能会侵犯该所有者的权利。ID：6014-023-08/2019。
安全资产管理和存储 - 富士通
未分类。© 2019 FUJITSU。Fujitsu、Fujitsu 徽标是富士通有限公司在日本和其他国家/地区的商标或注册商标。其他公司、产品和服务名称可能是其各自所有者的商标或注册商标。技术数据可能会修改，交付以可用性为准。不承担数据和插图是否完整、真实或正确的任何责任。名称可能是各自制造商的商标和/或版权，第三方将其用于自己的目的可能会侵犯该所有者的权利。ID：6014-023-08/2019。