XiaoMi-AI文件搜索系统
World File Search SystemSadik
原始发表论文（记录版本）的引用：Sadik, M.、López-Urdaneta, J.、Ulén, J. 等人 (2021)。人工智能可以提醒使用 FDG-PET/CT 分期的霍奇金淋巴瘤患者局部骨骼/骨髓摄取。科学报告，11(1)。http://dx.doi.org/10.1038/s41598-021-89656-9
开发一种基于人工智能 (AI) 的方法，用于检测接受 FDG-PET/CT 分期的霍奇金淋巴瘤 (HL) 患者的局灶性骨骼/骨髓摄取 (BMU)。将单独测试组的 AI 结果与独立医生的解释进行比较。使用卷积神经网络对骨骼和骨髓进行分割。AI 的训练基于 153 名未接受治疗的患者。骨摄取明显高于平均 BMU 的被标记为异常，并根据总异常摄取平方计算指数以识别局灶性摄取。指数高于预定义阈值的患者被解释为具有局灶性摄取。作为测试组，回顾性纳入了 48 名在 2017-2018 年期间接受过分期 FDG-PET/CT 且活检证实患有 HL 的未接受治疗患者。十位医生根据局灶性骨骼/BMU 对 48 例病例进行分类。在 48 例 (81%) 的局部骨骼/骨髓受累病例中，大多数医生同意 AI 的观点。医生之间的观察者间一致性为中等，Kappa 值为 0.51（范围为 0.25–0.80）。可以开发一种基于 AI 的方法来突出显示使用 FDG-PET/CT 分期的 HL 患者中的可疑局部骨骼/BMU。核医学医生之间关于局部 BMU 的观察者间一致性为中等。
雅各布·A·萨迪克曼
Jacob 被 Chambers Canada、The Canadian Legal Lexpert Directory、Best Lawyers in Canada 和 Who's Who Legal 评为能源：电力领域的领先律师，他经常代表业主、贷款人、承购商和其他利益相关者处理加拿大各地可再生能源、电池存储、碳捕获、生物燃料、氢能、电动汽车和其他电力部门和能源转型项目。他曾担任加拿大太阳能产业协会董事。
收到：2024年6月15日收到：2024年7月29日修订表格| 2024年8月23日接受APA引用：Haliti-Sylaj，T。，Sadiku，A。（2024）。 SHO
抽象的经常卷轴在Tiktok，Instagram和YouTube等平台上广受欢迎，会大大减少注意力跨度并损害学习成绩。这项研究调查了频繁接触短视频卷轴对本科生的注意力跨度和学习成绩的影响，假设注意力跨度在学生参与，学习保留和学术成绩中起着至关重要的作用。使用定量研究设计，这项研究研究了社交媒体平台上的短形式视频消费与学生的注意范围之间的关系，以及其对学业表现的潜在影响。通过便利抽样方法选择了150名学生的样本，包括科索沃大学商业技术大学（UBT）的本科生。这项研究采用了一种相关研究方法，在这种方法中，经过衡量和统计分析的感兴趣的变量（蛋白消耗，注意力跨度和学习成绩）以确定其关系的力量和方向。结果表明，教学方法可以减轻媒体消费量造成的认知超负荷。此外，未来的研究应研究长期影响和干预策略。建议包括合并互动和多媒体教学策略以吸引学生。局限性包括依赖自我报告的数据和研究的短期。
引用本文：Ahmed Mustafa Elbasha、Yasmine Salah Naga、Mai Othman、Nancy Diaa Moussa 和 Hala Sadik Elwakil (2022) 向人工智能模型在透析中并发症预测中的应用迈出了一步，Alexandria Journal of Medicine，58:1，18-30，DOI：10.1080/20905068.2021.2024349
摘要简介：急性透析中并发症仍然是接受血液透析 (HD) 的终末期肾病 (ESRD) 患者的一大负担。它们常常导致 HD 疗程提前终止，从而影响透析充分性和患者的整体健康。这项研究的目的是建立一个人工智能模型并评估其在预测透析中临床事件发生方面的表现。方法：我们研究了 215 名 ESRD 患者进行的 6000 次 HD 疗程，记录了许多预测因素，包括：患者、机器和环境因素。这些数据是在 24 周内收集的，包括 COVID 19 时期的 12 周，并用于开发和训练人工神经网络模型 (ANN) 以预测透析中临床事件的发生，例如：低血压、头痛、高血压、痉挛、胸痛、恶心、呕吐和呼吸困难。结果：我们的 ANN 模型在二元 ANN 中预测透析中并发症（事件或无事件）发生的平均精确度和召回率为 96%，AUC 为 99.3%，而分类 ANN 在预测事件类型方面的准确率为 82%。我们发现心率变化、平均收缩压、超滤率、透析液钠、膳食、尿素减少率、室内湿度和透析持续时间对透析中并发症的发生影响最大。讨论：我们的 ANN 模型可用于预测 HD 患者透析中临床事件的风险，并可为经常人手不足的透析部门的医疗保健决策提供支持，尤其是在 COVID 19 时代。