XiaoMi-AI文件搜索系统
World File Search SystemNormative
临床获取的 MRI 数据集中定义的儿童和青少年时期轴外脑脊液的规范轨迹
临床获取的 MRI 数据集中定义的儿童和青少年时期轴外脑脊液的规范轨迹 Ayan S. Mandal 1,2,3 , Lena Dorfschmidt 2,3,4 , Jenna M. Schabdach 2,3 , Margaret Gardner 2,3 , Benjamin E. Yerys 2.5.6 , Richard AI Bethlehem 7 , Susan Sotardi 8 , M. Katherine Henry 8,9,10 , Joanne N. Wood 9,10 , Barbara H. Chaiyachati 3,9,10 , Aaron Alexander-Bloch 2,3,11 *, Jakob Seidlitz 2,3,11 * * 与资深作者贡献相同 1 宾夕法尼亚大学佩雷尔曼医学院，宾夕法尼亚州费城，美国 2 儿童和青少年精神病学和行为科学系，费城儿童医院，美国宾夕法尼亚州费城。3 美国宾夕法尼亚州费城儿童医院与宾夕法尼亚大学医学院终身脑研究所 4 英国剑桥大学精神病学系 5 美国宾夕法尼亚州费城儿童医院与宾夕法尼亚大学医学院自闭症研究中心 6 美国宾夕法尼亚州费城儿童医院与宾夕法尼亚大学医学院成人成功过渡与学习推进中心 7 英国剑桥大学心理学系 8 美国宾夕法尼亚州费城儿童医院放射学系 9 美国宾夕法尼亚州费城宾夕法尼亚大学佩雷尔曼医学院儿科系 10 美国宾夕法尼亚州费城儿童医院临床未来 11 美国宾夕法尼亚州费城宾夕法尼亚大学精神病学系
GDPR 的规范力：以南亚国家数据保护法为例
摘要 对技术的依赖性不断增加，使国家安全成为 21 世纪关注的焦点。它给发展中国家和发达国家在应对网络威胁方面带来了许多挑战，并增加了与技术相关的固有风险因素。无法安全地保护数据可能会带来深远的灾难性后果。因此，制定国家、地区和全球数据保护政策和法规以惩罚那些不道德地使用技术和滥用技术系统漏洞的人至关重要。本研究论文旨在分析南亚地区受 GDPR 启发的法案，并确定它们是否适合开发全球层面的数据保护机制，因为亚洲国家比欧洲国家更加多样化。在此背景下，本文的目标是确定南亚地区受 GDPR 启发的法案，找出相似之处和差异，以及开发区域级数据保护机制的障碍，从而满足开发全球级机制的需要。这项研究本质上是定性的，考虑到这一点，研究人员对上述内容的先前研究论文、期刊文章、先前的调查报告和政府出版物进行了广泛的文献调查。考虑到调查结果，研究人员批判性地分析了文献综述中确定的重要参数。这项研究的主要发现表明，南亚地区的许多国家正在根据 GDPR 审查其当前的数据保护机制。最后，研究人员强调需要制定适当的数据保护机制，并认为，今后建立基于共识的区域机制将是适当且实用的方法，最终将能够制定持久的全球数据保护机制。
体质指数评分的制定：评估黎巴嫩青少年健康相关体质的规范框架
健康相关体能包括心血管耐力、肌肉力量、柔韧性和身体组成等要素，而技能相关体能则侧重于敏捷性、平衡性、协调性、力量、反应时间和速度等能力。2 虽然两者对于整体身体表现和幸福感都至关重要，但健康相关体能是健康生活方式的基础，而技能相关体能则可提高运动表现和日常生活中的功能能力。3 有多种测试可用于评估健康相关体能要素，每种测试都针对特定的身体属性。例如，哔哔声测试通过要求参与者以越来越快的速度在标记之间奔跑来测量心血管耐力，而俯卧撑则通过让参与者同时做多个动作来评估肌肉力量。
使用宏观结构的规范性术语
扩散MRI（DMRI）是一种强大的方法，通常用于研究大脑神经途径的微观结构和几何形状。它测量了活大脑中水扩散的特征1,2。由于使用DMRI检测到的扩散fro纤维沿着大脑的神经途径限制了水的扩散，因此可以重建大脑主要纤维捆的3D几何形状。在退化性疾病中发生的病理过程，例如神经元和髓磷脂的丧失以及炎症，会影响组织扩散特性，以改变组织微结构和途径几何形状。因此，DMRI对标准解剖学MRI无法检测到的病理过程敏感。各向异性和扩散性测量是表征白质（WM）微结构特性的最广泛使用的措施。这些扩散指标已在退化，开发和精神病疾病中进行了研究3。随着许多类型的分子病理学影响DMRI信号，包括大脑中的淀粉样蛋白和Tau蛋白的积累，大量文献集中在绘制WM异常，这些疾病在神经退行性疾病的发展中产生，例如阿尔茨海默氏病（Alzheimer's Panties）等神经退行性疾病（Alzheimer's Diseation（Alzheimer）4-6，4-6，4-6，Parkinson's Parkinson's Parkinson's Parkinson's Disen和其他Dementias。Thomopoulos等。5检查了四个标准DTI指标，以及它们与痴呆症的严重程度如何在730名患者中作为阿尔茨海默氏病神经成像倡议（ADNI）的一部分进行了扫描。一项后续研究6在皮质灰质中检查了DMRI指标。Schilling等。他们发现，使用临床痴呆评级（CDR）等级评估平均扩散率（MD）与年龄和痴呆症的严重程度有关。他们发现皮质DMRI指标介导了AD的脑脊液（CSF）标记与延迟逻辑记忆性能之间的关系，这通常在早期AD中受到损害。较低的CSFAβ142和较高的PTAU181与皮质DMRI测量相关，反映了限制扩散和更大的扩散率。 AD病理学与扩散指标之间的这种明显联系已经增强了对使用DMRI研究AD的兴趣。即使这样，标准分析方法通常会将微结构指数降低到相对较大的感兴趣区域的汇总。这些局限性刺激了以较小的解剖量表为8,9的疾病对疾病对脑微观结构的影响。dTI的指标，例如分数各向异性（FA），径向扩散率（RD）和轴向扩散率（AXD）易受纤维交叉点的敏感性 - 单个voxel 11和任何个人数字中的多填充群体的存在所影响。虽然已经提出了基于体素的基于氧化的12和横向测量法方法来进一步改善受试者间的比对并有助于解决交叉纤维，但仍在体素水平上计算了许多微观结构措施。此外，当前的术语方法通常使用单变量方法分别计算每个捆绑包的组统计信息，而无需考虑大脑中相交纤维的复杂模式。拖拉术数据也可用于研究WM束的宏观结构或“形状”特性。13个计算的捆绑束指标与大脑WM的年龄相关的宏观结构变化的异质模式在大脑WM中的异质模式相比，与更均匀的微结构变化模式相比。最近的一项研究14发现，使用基于氧化的分析指标，AD的早期与TAU相关的WM变化是宏观的。据我们所知，没有任何工作研究WM微结构和宏观结构如何在神经退行性条件下共同改变了使用Tractometry方法等神经退行性条件，我们在当前的研究中解决了这一问题。在这项研究中，我们提出了宏观结构的规范术（MINT），以共同模拟微观结构的测量和纤维束几何形状的同时变化，并使用一种称为变异自动装编码器（VAE）的深度学习方法。当用作规范模型时，VAE可以编码健康对照中扩散指标的正常变异性的解剖模式。这个多元模型集成了多个互补的微观结构特征，并说明了不同DMRI指标之间的统计协方差以及与空间相关性。我们将薄荷衍生的微型与DTI的传统单变量措施进行了比较，并研究了在大型多站点样本中，在轻度认知障碍（MCI）和痴呆症中WM异常的特征模式。我们还研究了WM异常与痴呆症严重程度的临床指标有关。由于有兴趣确定用于检测和跟踪痴呆症的最佳微结构指标，因此我们还通过评估其对痴呆症的敏感性来对DTI指标进行排名。在痴呆症和MCI中可视化WM微结构异常之后，在两个不同的祖先和人口统计组中，我们研究了它们与整体裂纹几何形状的关系，并指出可以通过微观结构和形状的联合统计模型来解决的解释的歧义。
使用规范建模和机器学习从脑磁图数据中检测轻度创伤性脑损伤
许多脑部疾病迫切需要新的生物标记物；例如，轻度创伤性脑损伤 (mTBI) 的诊断具有挑战性，因为临床症状多样且不具特异性。EEG 和 MEG 研究已经证明了 mTBI 的几个人群水平指标，可以作为脑损伤的客观标记物。然而，从 EEG/MEG 信号中获取 mTBI 和其他脑部疾病的临床有用生物标记物受到个体间差异大（即使在健康人群中也是如此）的阻碍。在这里，我们使用多元机器学习方法从静息态 MEG 测量中检测 mTBI。为了解决病情的异质性，我们采用了规范建模方法，并将个体 mTBI 患者的 MEG 信号特征建模为相对于正常变化的偏差。为此，使用包含 621 名健康参与者的规范数据集来确定整个皮层功率谱的变化。此外，我们根据全规范数据的年龄匹配子集构建了规范数据集。为了区分患者和健康对照者，我们基于 25 名 mTBI 患者和 20 名未包含在常模数据集中的对照者的定量偏差图训练了支持向量机分类器。表现最佳的分类器利用了整个年龄和频率范围内的完整常模数据。该分类器能够以 79% 的准确率区分患者和对照者。对训练模型的检查显示，θ 频带（4-8 Hz）内的低频活动是 mTBI 的重要指标，这与早期研究一致。结果证明了使用 MEG 数据的常模建模结合机器学习来推进 mTBI 诊断和识别可从治疗和康复中受益患者的可行性。当前方法可应用于多种脑部疾病，从而为获取基于 MEG/EEG 的生物标志物提供基础。
黑箱人工智能在福利索赔行政裁决中的合意应用的规范维度
最近，要求行政紧缩的呼声包括要求机构在做出有关福利资格的决定时，用更少的资源做更多的事情。1 这种经济逻辑与自动审议纠纷的商业案例相吻合。计算法律研究领域提出了部署自然语言处理来分类案件申请，或以其他方式在过去的裁决中寻找模式，以便为解决纠纷提供信息（甚至完成）。2 例如，过去，某种医疗记录组合可能总是导致获得残疾福利。行政人员可能会决定快速处理此类索赔，甚至可能决定根据这些医疗记录授予福利。相反，看起来与过去成功的索赔太不一样的索赔可能会在一开始就被拒绝，理想情况下会给出一些如何改进的指示。从长远来看，更雄心勃勃的监控计划可能会为行政裁决提供信息。例如，美国有人呼吁通过证据审查福利接受者的资格，这些证据可能包括监视他们的社交媒体信息。3 然而，使用黑盒人工智能来拒绝
使用规范模型的第一集精神病患者的脑皮质厚度进行了10年的纵向研究
表1：参与者在三个时间点的人口统计。*：组对基线年龄有显着影响（F = 24.0 1,295，p <0.01）和12个月（F = 18.1 1,295，p <0.01）。其他人口统计学变量没有其他显着差异。基线12个月10年
使用简单分割工具开发和验证规范健康和健康相关社会需求的简要评估
© 作者 2025。开放存取 本文根据知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议授权，允许以任何媒体或格式进行任何非商业性使用、共享、分发和复制，只要您给予原作者和来源适当的信任、提供知识共享许可协议的链接并表明您是否修改了许可材料。根据此许可，您无权共享源自本文或本文部分内容的改编材料。本文中的图像或其他第三方材料包含在文章的知识共享许可中，除非材料致谢中另有说明。如果材料未包含在文章的知识共享许可中，且您的预期用途不被法定规定允许或超出允许用途，您需要直接从版权所有者处获得许可。要查看此许可的副本，请访问 http://creativecommons.org/licenses/by-nc-nd/4.0/。
支持联合国可持续发展目标 (SDG) 的全球数字生态系统的人工智能治理概念和规范方法
摘要 AI治理就像是人人都在谈论但从未有人见过的神话生物。有时，它被简化为一系列共同原则，例如透明度、非歧视和可持续性；有时，它与算法解决方案认证的特定机制或保护个人数据隐私的方法混为一谈。我们建议在全球数字公共产品生态系统的背景下对AI治理采取概念性和规范性方法，以推动联合国可持续发展目标（SDG）的进展。从概念上讲，我们建议将这种方法植根于人类能力概念——人们能够做什么和成为什么，以及将地方与全球连接起来的分层治理框架。从规范上讲，我们建议以下六个不可简化的原则：a. 人权第一；b. 多利益相关方智能监管；c. 个人数据的隐私和保护；d.采用 3M 数据使用的整体方法——数据滥用、数据误用和数据缺失；e. 全球协作（“数字合作”）；f. 更多地以实践为基础进行治理，特别是分别和共同思考数据和算法。在整篇文章中，我们使用了健康领域的例子，特别是在当前 Covid-19 大流行的背景下。我们最后认为，采取分布式但协调的全球数字公地方法治理人工智能是实现以公民为中心、对社会有益的数字技术用于可持续发展目标的最佳保证。
争夺人工智能的认可：用霍耐特的认可理论理解人工智能中性别偏见的规范含义
摘要 人工智能系统经常被发现存在性别偏见。由于这些性别偏见，人工智能通常无法充分认识到女性的需求、权利和成就。在本文中，我们使用阿克塞尔·霍耐特的承认理论来论证人工智能的性别偏见不仅是一个道德问题，因为它们可能导致歧视，而且因为它们类似于可能损害女性自我发展和自我价值的错误认识。此外，我们认为，霍耐特的承认理论为我们提供了一个富有成效的框架，以增进我们对现代技术中性别偏见的心理和规范含义的理解。此外，我们对人工智能中性别偏见的霍耐特分析表明，负责任的人工智能的目标要求我们不仅通过技术干预来解决这些问题，而且还通过改变我们相互承认和拒绝承认的方式来解决这些问题。