XiaoMi-AI文件搜索系统
World File Search SystemMilne
推荐引用推荐引用 Milne-Ives, M., de, C., Lim, E., Shehadeh, M., de, P., Mole, G., 和 Meinert, E. (2020)《人工智能对话代理在医疗保健中的有效性：系统评价》，医学互联网研究杂志，22(10)。可在以下网址获取：https://doi.org/10.2196/20346 本文由 PEARL 健康学院免费提供给您并开放获取。它已被 PEARL 的授权管理员接受纳入护理和助产学院。有关更多信息，请联系 openresearch@plymouth.ac.uk。
背景：对医疗服务的高需求和人工智能不断增强的能力导致了对话代理的发展，旨在支持各种与健康相关的活动 - 包括行为改变、治疗支持、健康监测、培训、分类和筛查支持。这些任务的自动化可以让临床医生专注于更复杂的工作，并增加公众获得医疗服务的可及性。需要对这些代理在医疗保健领域的可接受性、可用性和有效性进行总体评估，以收集证据，以便未来的发展可以针对需要改进的领域和可持续采用的潜力。目的：本系统评价旨在评估对话代理在医疗保健领域的有效性和可用性，并确定用户喜欢和不喜欢的元素，为这些代理的未来研究和开发提供信息。方法：系统地搜索了 PubMed、Medline（Ovid）、EMBASE、CINAHL、Web of Science 和 ACM 数字图书馆，查找自 2008 年以来发表的评估医疗保健中使用的不受约束的自然语言处理对话代理的文章。使用 Endnote（X9 版；Clarivate Analytics）参考文献管理软件进行初步筛选，然后由一名审阅者进行全文筛选。提取数据并由一名审阅者评估偏倚风险，由另一名审阅者验证。结果：共选定了 31 项研究，包括各种对话代理——14 个聊天机器人（其中两个是语音聊天机器人）、6 个具体对话代理、3 个交互式语音应答电话、3 个虚拟患者和 3 个语音识别筛选系统，以及一个上下文问答代理和一个语音识别分类系统。总体而言，报告的证据大多是正面的或混合的。可用性和满意度表现良好（27/30 和 26/31），四分之三的研究（23/30）发现了积极或混合的有效性，但在具体的定性反馈中强调了代理的几个局限性。结论：研究通常报告了对所研究的对话代理的有效性、可用性和满意度的积极或混合证据，但定性用户感知更加复杂。许多研究的质量有限，需要改进研究设计和报告，以更准确地评估这些药物在医疗保健中的实用性并确定需要改进的关键领域。进一步的研究还应分析这些药物的成本效益、隐私和安全性。
通过密度概念
经典的轩尼诗 - 米勒纳定理是分析并发过程中的重要工具；它保证在有限分支标记的过渡系统中可以通过模态公式来区分的任何两个非生物性状态。此后，已为广泛的逻辑和系统类型建立了该定理的许多变体，包括定量版本，其中的下限在行为距离上（例如在加权，度量或概率过渡系统中）通过定量模态公式见证。定性版本和定量版本都在煤层逻辑的框架内得到了容纳，并且距离占据数量值的距离受到某些限制，例如所谓的价值数量。虽然先前的定量膜轩尼诗 - 怪物定理仅适用于（伪）度量空间的集合函子的升降器，但在目前的工作中，我们提供了一种定量的colgebraic hennessy-milner定理，该定理更广泛地适用于原始函数本机给原始空间的函数；值得注意的是，我们首次涵盖了连续概率过渡系统的著名轩尼诗 - 米勒纳定理，其中通过Borel对度量空间进行过渡，作为这一总体结果的实例。在此过程中，我们还放宽了对量化的限制，并在闭合概念和密度的概念上进行了参数，从而提供了Stone-Weierstraß定理的相关变体；这使我们能够涵盖行为超法。
利用照片进行室内声学预测的人工智能 D Milne 学生校友，索伦特大学，英国汉普郡南安普敦 L Davison 索伦特大学，英国汉普郡南安普敦 L Ausiello 索伦特大学，英国汉普郡南安普敦
目前，确定声学参数的方法必须遵守当前标准、需要必要的培训、包括高昂的设备成本并且耗时。通过计算估算声学可以减少声学测量中的一些问题，但准确性可能较低 1 。尽管 RT60 作为一个有影响力的声学参数非常重要 2 ，但对于声学领域的个人和企业来说，考虑它可能会很困难，这可以说是无法假设的，尤其是在教育领域 3,4 。人工智能 (AI) 是一种能够执行通常需要人类智能的任务的程序（见第 2.2 节），并且已经达到成熟度，现在可以应用于以前在行业内不可行的实际任务 5 。人工智能可能会降低成本，因为它们可以减少完成任务所需的时间并减少所需的资源数量 6 。人工智能需要数据，并且在大多数情况下，数据采集（例如图像 7 、视频 8 或文本 9 ）只需发生一次，然后可以允许包括图像识别 7 在内的一系列应用。作为概念证明，该项目旨在研究是否有可能创建一种使用 AI 确定 RT60 的替代方法。