XiaoMi-AI文件搜索系统
World File Search SystemJaccard
将模式集与Jaccard索引
从数据挖掘以来，从数据挖掘和统计建模的能力也一直是数据挖掘的驱动力。可操作的知识通常采用模式的形式，其中一组先例可用于推断结果。在本文中，我们为比较不同模式集的问题提供了解决方案。我们的解决方案允许在不同技术（例如不同的分类算法）中获得的一组模式或从不同的数据样本（例如时间数据或出于隐私原因扰动的数据）进行比较。我们建议使用Jaccard索引通过将每个模式转换为集合中的单个元素来测量模式之间的相似性。我们的措施着重于提供概念简单，计算简单性，可解释性和广泛的适用性。在现实世界数据挖掘方案的背景下，将此度量的结果与预测准确性进行了比较。
分析瞬时大脑相互作用对运动图像分类任务的贡献
这项研究的目的是分析电极之间的相互作用的贡献，即以相关性或jaccard距离测量，对运动成像范式中两种作用的分类，即左手运动和右手运动。分析是在两个分类模型中进行的，即静态（线性判别分析，LDA）模型和动态（隐藏的条件随机范围，HCRF）模型。还分析了在静态和动态模型中使用滑动窗口技术（SWT）的影响。The study proved that their combination with temporal features provides significant information to improve the classification in a two-class motor imagery task for LDA (average accuracy: 0.7192 no additional features, 0.7617 by adding correlation, 0.7606 by adding Jaccard distance; p < 0.001) and HCRF (average accuracy: 0.7370 no additional features, 0.7764 by adding相关性，通过添加Jaccard距离为0.7793；另外，我们表明，在相互作用度量或分类器本身的性质上，电极之间的相互作用显着提高了每个分类器的性能。
概率原始测试和RSA算法
本研究解决了雇主在筛选大量工作职位简历方面面临的困难。我们旨在通过自动化恢复筛选过程来确保对候选人的公平评估，降低偏见并提高候选评估过程的效率。拟议的系统使用NLP技术从简历中提取相关能力，重点关注特定职位所需的关键技能。使用了为职位所采用的能力集。进行了123个工作职位的案例研究。jaccard的相似性和余弦相似性度量。由于余弦相似性着重于单词频率，Jaccard相似性度量的结果与研究目的更加一致。提取的能力与使用JACCARD相似性相关的各种职位相关的预定义技能匹配。此方法通过分析与所需能力有关的简历中的存在或不存在特定单词来分配候选人的相似性分数。这个基于NLP的系统提供了巨大的好处，例如节省时间和其他资源，增加候选人选择方面的能力以及仅通过专注于能力来减少偏见。系统与LinkedIn的集成通过促进无缝进口和简历分析来增强方法的有效性。总体而言，这项研究通过为大型组织提供可扩展，高效和无偏见的解决方案来证明NLP在优化简历筛选过程中的潜力。
生命之树Edna metabarcoding揭示了类似的分类学丰富性，但在海港和海洋储量之间存在不同的进化谱系
fi g u r e 7在分类级别的海港和储备社区的比较。位点得分（左）和物种得分（右）图代表了由空间坐标来调节的两个第一个DBRDA轴，测试了栖息地对jaccard/bray -curtis距离的影响，在汇集重复和组合所有MOTU（从MOTU级别到订单的重要性）；Jaccard差异指数是在MOTU级别（a）计算的，而Bray -Curtis的差异基于MOTU的丰度用于家庭（B）和订单（C）水平。显示出促成约束轴的最高10％分类单元。中，只有那些具有高于97％的分配身份的人才能保持在MOTU级别。SMM，Saintes-Maries-de-la-Mer。
使用基于 U-Net 的深度卷积神经网络自动分割 MRI 图像上的颅咽管瘤
摘要 目的 开发一种基于U-Net的颅咽管瘤自动分割深度学习模型。方法 本研究纳入264例确诊为颅咽管瘤的患者。收集、注释治疗前的MRI图像，并将其作为基本事实来学习和评估深度学习模型。来自其他机构的38名患者用于独立的外部测试。提出的分割模型基于U-Net架构构建。计算每例的骰子相似系数（DSC）、95%百分位数（95HD）的Hausdorff距离、Jaccard值、真阳性率（TPR）和假阳性率（FPR）。使用单因素方差分析来探讨模型性能是否与肿瘤的放射学特征有关。结果所提出的模型在分割方面表现出良好的性能，平均 DSC 为 0.840、Jaccard 为 0.734、TPR 为 0.820、FPR 为 0.000、95HD 为 3.669 毫米。它在独立的外部测试集中表现良好，平均 DSC 为 0.816、Jaccard 为 0.704、TPR 为 0.765、FPR 为 0.000、95HD 为 4.201 毫米。此外，单因素方差分析表明，该性能与放射学特征无统计学相关性，包括主要成分（p = 0.370）、分叶形状（p = 0.353）、受压或封闭的 ICA（p = 0.809）和海绵窦侵犯（p = 0.283）。结论 提出的深度学习模型在颅咽管瘤自动分割方面表现出良好的效果。要点 • 基于 U-Net 的分割模型在颅咽管瘤分割中表现出良好的性能。 • 无论颅咽管瘤的放射学特征如何，提出的模型都表现出良好的性能。 • 该模型在从另一个中心获得的独立外部数据集中实现了可行性。
基于PSO的MR图像分割用于脑肿瘤...
抽象的脑肿瘤分割是对医疗保健中诊断和治疗计划很重要的重要步骤。大脑MRI图像是根据建议的方法在收集数据并准备进一步分析之前先进行预处理的。建议的研究介绍了一种新策略，该策略使用以生物启发的粒子群优化（PSO）算法来分割脑肿瘤图像。为了提高准确性和可靠性，可以调整分割模型的参数。标准措施等标准度量，例如精度，精度，灵敏度，jaccard索引，骰子系数，特异性，用于绩效评估，以衡量建议的基于PSO的分割方法的有效性。建议方法的总体准确性为98.5％。随后的绩效分析分别为骰子得分系数，Jaccard指数，精度，灵敏度和特异性的91.95％，87.01％，92.36％，90％和99.7％的结果提供了更好的结果。因此，此方法对于放射科医生来说可能是有用的工具，可以支持它们诊断大脑中的肿瘤。关键字 - 脑肿瘤，群智能，粒子群优化，磁共振图像。
Whitestone, N.、Nkurikiye, J.、Patnaik, JL、Jaccard, N.、Lanouette, G.、Cherwek, DH、Congdon, N. 和 Mathenge, W. (2023)。卢旺达基于人工智能的糖尿病视网膜病变筛查的可行性和接受度。英国眼科学杂志。提前在线出版。https://doi.org/10.1136/bjo-2022-322683
删除政策 研究门户是女王大学的机构资料库，可供访问女王大学的研究成果。我们尽一切努力确保研究门户中的内容不侵犯任何人的权利或适用的英国法律。如果您发现研究门户中的内容侵犯了版权或违反了任何法律，请联系 openaccess@qub.ac.uk。
Metataxonomic和代谢组学证据与龋齿有关的生物膜稳态破坏：一项体外研究
图3通过主坐标分析（PCOA），Caries Biofilms群体与共生相分离，显示了18个样本之间的分布；进行了Anosim，Permanova和PermDISP测试，以测试先验定义的组的显着性。结果表明，两组之间通过系统发育定性（未加权的unifrac p-值= 0.017）和定量（对加权Unifrac距离p -value = 0.003的永久分析）措施之间的显着差异，也显示了jaccard距离（Permanova perterov p -value curtis discort = 0.00001）和bray curtiv = 0.001 = 0.001） 0.001）
使用深度学习和混合方法对脑肿瘤 MRI 图像进行分类和分割
摘要 – 手动预测脑肿瘤是一项耗时且主观的任务，依赖于放射科医生的专业知识，从而导致潜在的不准确性。对此，本研究提出了一种利用卷积神经网络 (CNN) 进行脑肿瘤分类的自动化解决方案，实现了令人印象深刻的 98.89% 的准确率。分类之后，采用一种结合基于图形和阈值分割技术的混合方法，在矢状面、冠状面和轴向视图中准确定位磁共振 (MR) 脑图像中的肿瘤区域。与现有研究论文的比较分析验证了所提出方法的有效性，相似度系数（包括 Bfscore 为 1 和 Jaccard 相似度为 93.86%）证明了分割图像与地面实况之间的高度一致性。