XiaoMi-AI文件搜索系统
World File Search SystemMethodologies
临床人工智能评估方法
随着深度学习在医学成像领域的应用呈爆炸式增长，由于人工智能技术的复杂性/多样性增加、这些新技术对大型数据集的依赖以及人工智能系统新型临床应用的出现，迫切需要开发评估人工智能系统性能的方法。需要适当的测试方法、指标、适当的训练/调整/验证研究设计和统计分析方法，以确保研究以最不繁琐的方式产生有意义、稳健和可推广的结果。这些要素是临床采用人工智能技术的关键。因此，《医学成像杂志》第 7 卷第 1 期的特别版块鼓励在这些主题领域提交相关投稿。人工智能对医学成像来说并不陌生。自 SPIE 医学成像研讨会成立之初，就一直有关于当时称为计算机辅助诊断 (CAD) 的演讲。计算机辅助诊断会议在规模更大的 SPIE 医学成像 (MI) 研讨会上于 2006 年启动。CAD 在乳房 X 光检查、肺部 CT 和胸部 X 光成像中的应用，如今都是成熟的商业产品，在本次会议上进行了早期阶段的讨论。SPIE MI 也是引入 CAD 算法评估新方法的场所，这一传统主要通过图像感知、观察者表现和技术评估会议延续下来。多年来，通过仔细阅读 SPIE MI 计划，读者可以看到 AI 算法开发以及 AI 评估方法的进展。AI 的新特点是计算能力的进步和大数据集的可用性，这使得深度神经网络 (DNN) 架构能够成功应用于各种医学成像任务。这些任务包括该领域中常见的应用，包括查找图像中的可疑区域以供读者再次查看，以及在 AI 的支持下对读者确定的可疑区域进行表征。DNN 正在应用于较新的任务，包括图像去噪、从高度稀疏或非常嘈杂的投影中进行完整图像重建、提醒用户注意高优先级病例以调整病例阅读顺序的分类系统、基于每个患者的 AI 选择的图像采集参数，以及用于在复杂成像场景中衡量图像质量的理想观察者的近似值。社区需要开发对于某些应用，AI 的性能已被证明达到或超越了专家级人类性能，因此，由 AI 系统取代临床医生的自动诊断可以说近在咫尺。此外，AI 所应用的成像模式范围非常广泛，从上面列出的 X 射线应用到光学、超声、MRI 和数字病理学，后者最近在 SPIE MI 研讨会上作为自己的会议主题引入。在广泛而多样的 AI 应用和适应症领域中，需要能够准确评估可推广到临床的设备性能的 AI 算法评估方法。需要方法来评估旨在作为辅助或第二读者超越 AI 标准范式的 AI 系统。我们需要方法来确定 AI 系统是否可以可靠地用于排除医生审查的图像（即部分替代临床医生），以及完全自动化诊断（无需人工参与）。
电子学习方法和良好实践
根据本许可条款，本作品可复制、重新分发和改编用于非商业用途，但须对作品进行适当引用。使用本作品时，不得暗示粮农组织认可任何特定组织、产品或服务。不得使用粮农组织徽标。如果改编本作品，则必须根据相同或等效的知识共享许可进行授权。如果翻译本作品，则必须包含以下免责声明以及所需的引用：“本译文并非由联合国粮食及农业组织 (FAO) 创作。粮农组织对本译文的内容或准确性不承担任何责任。原 [语言] 版本应为权威版本。”
监管框架和评估方法...
摘要 希望在未来二十年部署商业聚变设施的私营公司将面临各种技术、社会和经济挑战。这些公司还需要评估和制定适当的技术法规。对新技术的监管不足、过度监管或错误监管可能会危及长期的商业部署机会。及时评估和制定适当的监管要求对于未来二十年商业聚变技术的成功至关重要。然而，对新技术的监管要求的评估和制定通常基于先前的运营经验或类似技术的监管。这些评估和开发方法对商业聚变设施的适用性受到多种因素的限制，包括目前正在开发的聚变技术种类繁多、商业设计工作的初步性质以及商业聚变设施运营概念的有限表征。这项工作提出了一种初步的全面方法来评估和制定商业聚变技术的适当监管要求。基于技术基本危害的模型和方法用于帮助检查新技术的许可和监管，并提供有关如何更有效地评估和制定监管要求的见解。开发和介绍了不同的许可评估方法和监管框架，以提供有关这些监管决策对商业聚变技术的设计约束和监管负担的影响的见解。从这项工作中给出了关于选择许可评估方法和监管框架的具体见解。许可评估相关的见解包括大量氚库存与低监管负担许可评估方法的不兼容性、在聚变设施许可中考虑工程安全特征的设计优势和监管负担缺点，以及在开发商业聚变等新型复杂系统的操作要求时利用系统理论过程分析 (STPA) 的潜在优势。监管框架相关见解包括授权审查监管的潜在适用性
图像字幕生成方法
快速浏览的图像。尽管在计算机视觉中已经进行了巨大的发展，但诸如识别对象，动作分类，图像分类，属性分类和场景识别之类的任务是可能的，但是让计算机描述以类似人类句子的形式向其转发到它的图像是一个相对较新的任务。2。文献回顾了Andrej Karpathy等人的有影响力论文之一。在图像字幕中将任务划分为两个步骤：将句子段映射到图像中的视觉区域，然后使用这些通信来生成新的描述（Karpathy and Fei-Fei 2015）。作者使用区域卷积神经网络（RCNN）表示图像作为一组H维矢量，每个向量代表图像中的对象，基于200个Imagenet类检测到。作者在同一h维空间中的双向复发神经网络（BRNN）代表句子。每个句子是一组H维向量，代表片段或单词。BRNN的使用丰富了此表示，因为它学习了句子中每个单词上下文的知识。作者发现，有了这样的表示，单词的最终表示与与同一概念相关的视觉区域的表示密切一致。他们在单词和视觉区域的表示形式上定义了对齐得分，并在马尔可夫随机字段的帮助下，将各种单词与生成文本片段的同一区域对齐。借助图像区域和文本片段之间的这些对应关系，作者训练了另一个为新看不见的图像生成文本说明的模型（Karpathy and Fei-Fei 2015）。
认证方法的技术评估
根据《 CRCF法规》的临时协议，该文件旨在通知碳删除专家小组的进步，以开发技术建议，以证明建筑物中的长期生物碳存储。它从以前的讨论，专家投入和现有方法的分析中汇编了见解。CRETA的顾问进行了深入的技术焦点小组，吸引了一系列专家。尽管这些讨论提供了有价值的见解，但重要的是要注意，它们独立于Clima，并且可能无法完全捕捉整个专家小组的集体意见。本报告的目的是作为有关该主题的进一步讨论的指南并解决了开放问题。每章都侧重于质量标准，概述和讨论涵盖CRCF法规规定的选项，并指出最佳的可用选项，同时还强调了在审查潜在应用方法的审查期间引起的问题。许多子标准在四个质量标准中互连。拟议的解决方案可能会从其他标准中获得支持，或者在不同的标准下可能已经解决了问题。结论和未解决的问题通常会参考文档中的其他部分。此过程的结果提出了三个关键点：
数据管理的人工智能方法
1 智利圣地亚哥大学工业工程系，Avenida Ecuador 3769，圣地亚哥 9170124，智利； joel.serey@usach.cl （JS）; luis.quezada@usach.cl （LQ）; miguel.alfaro@usach.cl （马萨诸塞州）; manuel.vargasg@usach.cl （MV）; rodrigo.ternero@usach.cl (RT) 2 贝尔纳多·奥希金斯大学工程、科学与技术学院，Avenida Viel 1497, Ruta 5 Sur, 圣地亚哥 8370993，智利 3 美洲大学建筑学院，圣地亚哥 7500975，智利 4 安德烈斯贝罗大学工程学院，Antonio Varas 880，圣地亚哥 7500971，智利； jorge.sabattin@unab.cl 5 智利圣地亚哥都会理工大学工程学院工业系，7800002； c.durans@utem.cl 6 智利中央大学经济、政府和通信学院，智利圣地亚哥 8330507； sebastian.gutierrez@ucentral.cl 7 智利圣地亚哥市长大学理学院，7500628，智利 * 通讯地址：guillermo.fuertes@usach.cl
一级方程式空气动力学开发方法
下压力可用于增加车辆转弯时轮胎的侧向力极限和车辆减速时的制动力极限。空气阻力是决定车辆加速性能的重要因素。前后下压力平衡也有助于车辆稳定性。空气动力学开发的目的是考虑这三个要素之间的平衡，最大化下压力或升阻比。在开发过程中，使用 50% 比例模型在风洞试验中优化车辆形状，然后使用全尺寸风洞试验验证效果。使用 CFD 和粒子图像测速 (PIV) 同时分析气动现象有助于模型比例风洞的开发以有效的方式向前推进。在一定程度上，使用 CFD 定量评估气动载荷也成为可能，使其成为能够支持部分优化过程的工具。作为风洞试验和赛道上实际行驶的车辆之间的桥梁，CFD 的重要性也在日益增加。例如，使用CFD再现轮胎因侧向力而变形时的气流，而这在风洞中用实车是无法再现的，因此对在赛道上行驶的车辆周围的气流有了新的认识。其中一部分认识已在风洞试验中得到验证。
附录 a 声音传播理论与方法
过去几十年，我们见证了大量致力于更好地了解户外声音传播的研究论文和出版物。这些方法从高度理论化的方法到实用的、基于测量的方法不等。然而，最近的三份出版物将这些研究的大部分内容整合成更易于引用的形式。这些是 E.M. Salomons (2001)、K. Attenborough、K. Ming Li 和 K. Horoshenkov (2006) 的文本以及欧盟资助的 Harmonoise/Imagine 项目的各种成果报告。所有上述文件的详细信息都列在本文件正文的参考书目部分。强烈建议感兴趣的读者参考这些出版物，以更深入地讨论本附录中仅以摘要形式讨论的主题。