XiaoMi-AI文件搜索系统
World File Search SystemSounds
BioSonics 光谱仪可以“聆听”单个病毒发出的声音
最终，他们将研究重点转移到病毒上，发现只要设置适当的参数，他们就能使用一种称为 BioSonics 光谱的技术检测病毒发出的振动。这种声音不仅太微弱，人耳无法听到，而且频率太高，是人类听力的 100 万倍。
算法用于预测未选择队列中心脏声音的瓣膜心脏病
目的：本研究旨在评估最先进的机器学习算法的能力，从一般人群中的数字心脏声音记录中检测瓣膜心脏病（VHD），其中包括无症状病例和疾病进展的中间阶段。方法：我们使用带有数字听诊器从Tromsø7研究中的2124名参与者中的数字听诊器收集的带注释的记录训练了一个复发性神经网络，以预测心脏声音的杂音。预测的杂音用于预测通过超声心动图确定的VHD。结果：检测到主动脉狭窄（AS）的存在，灵敏度为90.9％，特异性为94.5％，曲线（AUC）下的面积为0.979（CI：0.963 - 0.995）。至少在AUC为0.993（CI：0.989 - 0.997）中检测到的中等程度。中度或更大的主动脉和二尖瓣流体反流（AR和MR）的AUC值分别为0.634（CI：0.565 - 703）和0.549（CI：0.506 - 0.593），当临床变异添加为预测者时，临床变异时增加到0.766和0.677。AR的AUC分别为AR和MR，分别为0.756和0.711。共同筛查有症状的反流或狭窄的存在，导致AUC为0.86，为97.7％的AS病例（n = 44），并且检测到了所有12 ms病例。结论：该算法在检测到一般队列中表现出卓越的性能，超过了对选定同类群体的类似研究的观察结果。基于HS音频的AR和MR的检测较差，但有症状的病例的准确性要高得多，临床变量的包含可以显着提高模型的性能。
针对印度人民党 (AaP) 的贪污腐败和暴政，总理莫迪吹响印度人民党 (BjP) 号角......
凯杰里瓦尔强调了印度人民党在过去十年中取得的成就，并将其与他所说的印度人民党的缺乏进步进行了对比。他特别批评了中央政府未能兑现关键承诺。凯杰里瓦尔打趣道：“2020 年，总理承诺到 2022 年为德里所有人提供住房。然而，五年来，只建造了 4,700 栋房屋，而该市却有 40 万个贫民窟。照这个速度看，他们的宣言看起来更像是一个 200 年计划，而不是五年计划。”他还指责印度人民党打着发展的幌子拆除贫民窟，使人们无家可归。提到印度人民党在卡尔卡吉提供的住房，凯杰里瓦尔声称这些住房的状况不达标。凯杰里瓦尔进一步批评了莫迪总理，称其只是象征性的发展姿态。 “总理在十年后才来到德里为三所大学奠基。相比之下，我们的政府取得了真正的成果——我们建立了三所大学，建造了 22,000 间教室，并建立了五所新医院。我们的重点是工作，而不是仪式，”他说。
使用树皮光谱图sepstral系数自动诊断心脏声音
心脏病是世界各地死亡的最大原因。心脏声音的诊断是诊断（1）的心脏病的有效方法。使用计算机技术自动听诊节省了医生的时间和工作。许多论文使用几种方法讨论了对心脏声音的分析和识别。Shamsuddin N等。（2005）（2）使用muntilayer feed向前神经网络进行分类心脏声音。他们获得了11种心脏病的正确分类的100％。Garzon JJ等人（2008）（3）使用支持向量回归来检测杂音。他们获得了正常和病理心动图（PCG）信号精度的97.85％。Maglogiannisa I和HisColleagues（2009）（4）使用小波和SVM对心脏声音进行分类。Yana Z等。 al。 （2010）（5）Yana Z等。al。（2010）（5）
人工智能使用数字听诊器检测儿童病理呼吸音的准确性
背景：通过手动听诊检测异常呼吸音的观察者间可靠性较差。带有人工智能 (AI) 的数字听诊器可以提高对这些声音的可靠检测。我们旨在独立测试为此目的开发的 AI 的能力。方法：儿科呼吸科医生根据音频回放和仔细的频谱图和波形分析，从儿童身上采集了 192 个听诊记录，分别标记为包含哮鸣音、爆裂音或两者都不包含，其中一个子集由第二位盲法临床医生验证。这些记录提交给专门经过训练以检测病理性儿科呼吸音的盲法 AI 算法 (StethoMe AI) 进行分析。结果：在优化的 AI 检测阈值下，Clinicloud 记录的爆裂音检测阳性百分比一致性 (PPA) 为 0.95，阴性百分比一致性 (NPA) 为 0.99；对于 Littman 收集的声音，PPA 为 0.82，NPA 为 0.96。哮鸣音检测 PPA 和 NPA 分别为 0.90 和 0.97（Clinicloud 听诊），对于 Littman 记录，PPA 为 0.80，NPA 为 0.95。
“测量”这个词听起来很像工程师的说法：十九世纪河流管理中的测量和工程权威
测量对十九世纪的工程学至关重要。本文以苏格兰史蒂文森工程公司的工作为重点，探讨了工程师使测量结果可信的过程，并解释了测量作为一种产品和实践，如何为工程决策提供信息并支持对工程权威的主张。通过研究量化、测量和绘制动态河流空间的尝试，本文分析了工程经验和判断与工程师认为“相当正确”的数据生成之间的关系。虽然测量创建了一个抽象和简化的河流版本以适应预测，但这种抽象必须与真实的河流空间相联系并在其中具有意义，尽管测量实践存在公认的局限性。作为回应，工程师利用通过测量过程获得的经验来支持对权威知识的主张。这种量化和经验的结合随后被用来支持对河流的正确使用和管理的辩论的干预。本文认为，十九世纪工程中的测量具有双重功能，既能产生数据，又能提供专业知识，这对于巩固工程权威和促进工程师干预河流管理决策都具有重要意义。
ECG信号通过单节点，表面声感应
摘要 - 有效的手段，可以实现单铅，非侵入性和干性心电图（ECG）测量值，为在非临床环境中对移动用户进行长时间心律监测提供了潜力。但是，现有的ECG调查方法需要精确的电极放置，暨塞接线，并要求用户保持固定。另外，当前基于心脏的基于心脏的方法（例如Phonocartiogrons）缺乏检测至关重要的心律特征的灵敏度和精度，并且容易受到环境噪声的影响。这项工作利用脖子上的宽带宽表面声波麦克风通过颈动脉捕获心脏声音。提议将心形信号转换为相应的ECG波形的跨模式自动编码器，一种用于信号模态转换的最新算法。由9个参与者研究结果证明了通过声音声音构建PQRST波形的有效性，并准确地确定了关键的PQRST指标。最后，展示了用户步行的移动声学ECG波构建，为不引人注目的，长期的低成本每日心律监测奠定了基础。临床相关性 - 转换心脏声音信号，以实现突出的心电图指标，可以使用单节点干可穿戴设备进行低成本的每日心律监测。
'事情开始看起来很可怕'：我们对过去气候的深入研究听起来很警告澳大利亚这个独特的角落
我们从西南WA的这些鱼类种群中获得了基因组数据。从中，我们确定了他们的进化历史，例如他们上次共享一个共同的祖先，以及他们过去是否有联系。单独使用计算机建模，我们调查了过去的气候如何影响该物种的居住地以及未来可能如何改变。
怀孕期间暴露于双语或单语产妇的演讲会影响新生儿的语音的神经生理编码
然而，产前时期并非没有语言经验，研究了其对新生儿言语和语言编码能力的影响正在受到越来越多的关注。听力变得功能性，并在妊娠的第26至28周左右经历了大部分发育，从而使胎儿能够感知孕产妇的语音信号（Ruben，1995; Moore and Linthicum，2007; Granier-Deferre等，2011; May et al。，2011; Anbuhl et al。，2016年）。尽管尚未完全了解到达胎儿的声学信号的确切特征，但动物模型的宫内记录和模拟表明，母体子宫作为低通滤波器的作用，在600-1,000 Hz的频率上减弱了约30 dB（Gerhardt和Abrams和Abrams，2000年）。通过子宫传播的语音的低频组成部分包括音高，节奏的缓慢方面和一些语音信息（Moon and Fifer，2000； May等，2011）。Evidence indicates that prenatal exposure to speech, despite attenuated by the filtering properties of the womb, shapes speech perception and linguistic preferences of newborns, as shown by studies revealing that neonates can recognize a story heard frequently in utero ( DeCasper and Spence, 1986 ), prefer the voice of their mother ( DeCasper and Fifer, 1980 ) and prefer their native language ( Moon et al., 1993 ).此外，产前学习超出了这些共同的偏好。最近的发现表明，婴儿获得了韵律的特定知识
