XiaoMi-AI文件搜索系统
World File Search SystemJaiswal
Ashish Jaiswal博士
12/2023德克萨斯大学阿灵顿分校的研究生研究助理，美国德克萨斯州阿灵顿，美国08/2020∂建立了一种机器学习工具，以检测脊髓受伤的受试者的认知疲劳（CF），同时使用日常任务，同时使用多模式的可穿戴能力传感器（ECG，EDA，EDA，EDA，EEG，EEG，EEG，EGB）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（EG）（eg）（EGB）（EGB）（Refyb）。通过fMRI扫描中的脑损伤患者（TBI）中的认知疲劳（CF）应用深度学习技术。∂使用计算机视觉和机器学习开发了自动化评估系统（ATEC），以通过视频中的人类活动识别和分类来评估儿童在临床上批准的身体运动/任务时通过人类活动识别和分类进行评估。应用自我监督的学习技术来提高整体表现。Python Pytorch计算机视觉深度学习可穿戴传感器自我监督学习
人工智能平台用于识别复发风险较高的原发性前列腺癌患者 Wei Huang, MD1,2, Parag Jain2, Ramandeep Randhawa2,3, Bijay S Jaiswal2, Samuel Hubbard1, Hirak Basu4, Rajat Roy2 1威斯康星大学麦迪逊分校病理学和实验室医学系, 2加利福尼亚州PathomIQ, Inc, 3南加州大学数据科学和运营系, 4MD 安德森癌症中心 GU 肿瘤学系
目前，尚无批准的原发性前列腺癌 (PCa) 辅助疗法。由于距离复发时间较长，且缺乏预测一线治疗后复发的强有力生物标志物，因此无法在短时间内完成临床试验并获批辅助疗法。人工智能 (AI) 为从 PCa 组织中提取关键形态特征作为人眼无法发现的预后标志物提供了独特的机会 [1-3]。我们构建了一个基于 AI 的平台来分析 PCa 的 H&E 染色组织学图像。我们的平台可以准确检测、分级和量化患者组织图像中的 PCa [4,5]。在这里，我们展示了该平台如何通过无监督提取来识别形态特征，这些特征表明根治性前列腺切除术 (RP) 后 3 年内出现生化复发，准确率为 84%。我们的结果表明，与目前临床使用的任何其他标志物相比，我们的方法更能预测术后疾病复发。