XiaoMi-AI文件搜索系统
World File Search SystemWSIS
巴布亚新几内亚数字化转型政策
APEC 亚太经济合作组织 DCIT 通信和信息技术部 G2B 政府对企业 G2C 政府对公民 G2G 政府对政府 G2E 政府对雇员 GoPNG 巴布亚新几内亚政府 ICCC 独立消费者竞争委员会 ICT 信息和通信技术 IdSP 身份服务提供商 ISP 互联网服务提供商 IGIS 综合政府信息系统 IXP 交换点 KYC 了解你的客户 LLG 地方政府 MCICT 信息和通信技术部委员会 MRZ 机读区 MTDP 中期发展计划 NDC 国家数据中心 NEC 国家执行委员会 NICTA 国家信息和通信技术管理局 NISIT 国家标准与工业技术研究院 NSDS 国家统计发展战略 OOP 一次性原则 OECD 经济合作与发展组织 PC 个人电脑 PII 个人身份信息 PNG 巴布亚新几内亚 PWDs 残疾人 ROI 投资回报率 SDG 可持续发展目标 SOE 国有企业 STaRS 巴布亚新几内亚负责任的可持续发展国家战略 UN联合国 W3C 万维网联盟 WAI 网络无障碍倡议 WCAG 网络内容无障碍指南 WSIS 信息社会世界峰会
A/79/62−E/2024/3
2. 在本报告所述年度，数字化发展迅速，政府间和多方利益攸关方在确定数字化发展未来方向方面活动增多。全球数字契约的工作已取得进展，该契约将于 2024 年由大会审议，并将为未来峰会作出贡献。20 年后，大会将于 2025 年审查信息社会世界峰会的成果。联合国系统内外的许多其他论坛探讨了从网络安全到人工智能治理等长期存在和新兴问题。随着信息和通信技术 (ICT) 在国家和国际层面渗透到人类社会的各个方面，这些论坛所涵盖的问题范围每年都在扩大。数字化对每个公共政策领域都有重大影响，因此数字部门与其他领域相关人员之间的对话对于实现可持续发展来说比以往任何时候都更加重要。这种普及性带来了相关风险，包括如果数字基础设施因自然灾害或网络攻击而失效，将对整个社会构成威胁，从而影响社会秩序。应对数字化无处不在的机遇和风险，需要所有国家、所有利益相关方和所有行业的参与。
1 加纳电子农业的成功因素
数字技术的生产潜力已在经济的各个部门得到充分体现，并在电子农业推广（也称为电子推广）中得到体现。电子推广被认为有望解决农业部门面临的通信和推广挑战。加纳政府通过粮食和农业部、世界银行和粮食及农业组织 (FOA) 都建议并支持加纳的电子推广举措。世界信息社会峰会 (WSIS) 2010 行动计划将电子农业列为信息通信技术在提高农业生产力方面的一种应用。围绕信息通信技术和农业的新兴讨论也以研究证据为背景，即广播仍然是加纳农民获取农业信息的最常用方式。因此，本研究重点关注加纳在电子农业方面的经验，以探讨应用这一概念的机遇和挑战。本文使用私营部门计划 Cowtribe 和政府电子推广来研究定义加纳电子推广计划成功因素的原则。采用案例研究方法和关键人物访谈，结果表明，尽管农业部电子推广计划在有效接触农民方面面临挑战，但 Cowtribe 代表了加纳电子农业推广的进步和成功案例，它分别向农民和其他价值链参与者提供有关牲畜管理和农业市场数据服务的重要和及时信息。研究结果有望为在农业推广中使用 ICT 的机遇和挑战提供理论见解。
数字经济工作组 - G20.org
南非担任二十国集团主席国之际，国际社会日益关注数字经济，尤其是其在新冠疫情后的发展和经济社会重建中发挥的重要作用。最近举行的联合国未来峰会及其全球数字契约 (GDC) 为新的全球数字合作制定了目标、原则、承诺和行动，这些合作将带来更加公平公正的结果。2025 年，世界信息社会峰会 (WSIS) 成果提供的全球数字合作基础框架第 25 次审查是全球采取行动加强和扩大努力以实现以人为本、符合国际社会发展愿望的包容性数字经济和社会的关键机会。南非担任二十国集团主席国之前，发展中国家曾为二十国集团提供领导。由于这是二十国集团首次以目前的形式来到非洲，因此这是一个宝贵的机会来考虑非洲大陆人民面临的特殊挑战和机遇。南非欢迎有机会继续与 G20 成员、国际组织、知识伙伴和受邀嘉宾讨论如何利用数字技术的变革力量，实现全民包容性发展。我们还将继续考虑制定适当框架的重要性，以指导他们采用新技术，从而最大限度地发挥其优势并限制潜在危害。在此背景下，南非期待在过去担任主席国期间取得的成就的基础上再接再厉，重点关注以下关键问题：
电子商务和数字经济项目
4G/LTE 第四代宽带蜂窝网络技术 金砖国家 巴西、俄罗斯、印度、中国和南非 CDAB 核心捐助方咨询委员会 DER 数字经济报告 ECDE 电子商务与数字经济 ECOWAS 西非国家经济共同体 ECS 电子商务战略 ERIA 东盟和东亚经济研究所 GIZ 德国国际合作机构 G20 二十国集团 ICT 信息和通信技术 IGE 电子商务和数字经济政府间专家组 IMF 国际货币基金组织 ITC 国际贸易中心 JPO 初级专业官员 LDCs 最不发达国家 M&E 监测与评估 MSMEs 微型、小型和中型企业 OECD 经济合作与发展组织 PDEP 太平洋数字经济计划 RCO 驻地协调员办公室 RPTC 经常性技术合作计划 SDGs 可持续发展目标 SECO 瑞士国家经济事务秘书处 SMEs 中小企业 TG-eCOM 电子商务衡量任务组价值 UN 联合国 UNCDF 联合国资本发展基金 UNCTAD 联合国贸易和发展会议 UNDP 联合国发展计划署 UNECA 联合国非洲经济委员会 UNECE 联合国欧洲经济委员会 UNECLAC 联合国拉丁美洲和加勒比经济委员会 UNESCAP 联合国亚洲及太平洋经济社会委员会 UNESCWA 联合国西亚经济社会委员会 UNGIS 联合国信息社会小组 UPU 万国邮政联盟 US$ 美元 WIPO 世界知识产权组织 WSIS 信息社会世界峰会 WTO 世界贸易组织
利用集成分子数据的病理图像深度神经网络分析增强胶质瘤分类和分级
神经胶质瘤是源自神经胶质细胞的原发性脑肿瘤。对这些肿瘤的分类和分级对于预后和治疗计划至关重要。世界卫生组织 (WHO) 于 2016 年推出了现行的中枢神经系统 (CNS) 神经胶质瘤分类标准。该神经胶质瘤分类标准需要将组织学与基因组学相结合。2017 年，中枢神经系统肿瘤分类分子和实用方法信息联盟 (cIMPACT-NOW) 成立，旨在为中枢神经系统肿瘤分类提供最新的建议，预计 WHO 将在即将发布的分类中采纳这些建议。在这项工作中，我们提出了一种新颖的神经胶质瘤分析方法，这是文献中首次根据最新的 WHO 标准将从脑组织病理学图像数字分析中获得的细胞特征与分子特征相结合。我们首先提出了一种新颖的过度分割策略，用于在大型组织病理学全幻灯片图像 (WSI) 中选择感兴趣区域 (ROI)。然后，基于深度神经网络 (DNN) 的分类方法将分子特征与细胞特征融合，以提高肿瘤分类性能。我们使用来自癌症基因组图谱 (TCGA) 数据集的 549 个患者病例对所提出的方法进行了评估。使用常规 DNN 对低级别胶质瘤 (LGG) 和高级别胶质瘤 (HGG) 的交叉验证分类准确率为 93.81%，使用残差神经网络 (ResNet) DNN 对 LGG II 和 LGG III 的交叉验证分类准确率为 73.95%。我们的实验表明，深度学习的类型对 LGG II 与 LGG III 之间的肿瘤亚型区分有显著影响。这些结果优于对 LGG II 与 LGG III 进行分类的最先进方法。 LGG III，在文献中区分 LGG 与 HGG 方面具有竞争力。此外，我们还研究分子
验证机器学习模型以跨机构检测淀粉样蛋白病理
像建立阿尔茨海默病登记处的联盟 (CERAD) 这样的半定量评分方案是阿尔茨海默病 (AD) 神经病理学实践中最常用的方法。基于机器学习的计算方法最近为全幻灯片图像 (WSI) 生成了定量分数，这些分数与人类衍生的阿尔茨海默病病理半定量分数（例如 CERAD 的分数）高度相关。然而，此类模型的稳健性尚未在不同的队列中进行测试。为了验证以前发布的使用卷积神经网络 (CNN) 的机器学习算法并确定病理异质性是否会改变算法得出的测量值，对来自 Goizueta Emory 阿尔茨海默病中心脑库的 40 个病例进行了评估，这些病例显示了一系列病理诊断（包括有和没有路易体疾病 (LBD) 的 AD，和/或 TDP-43 阳性内含体）和 A β 病理水平。此外，为了提供更深入的表型分析，我们比较了灰质和整个组织中的淀粉样蛋白负担，两者的定量 CNN 评分与 CERAD 样评分显着相关。定量评分还显示出基于 AD 病理的清晰分层，包括有或没有其他诊断（包括 LBD 和 TDP-43 内含物）与没有显着神经变性的病例（对照病例）以及 NIA Reagan 评分标准。具体而言，AD + TDP-43 的伴随诊断组显示核心斑块的 CNN 评分明显高于 AD 组。最后，我们报告说，与关注病理最密集的视野中的计算评分相比，整个组织计算评分与 CERAD 样类别的相关性更好，这是根据 CERAD 指南进行神经病理学评估的实践标准。这些发现共同验证并扩展了 CNN 模型，使其对队列变化具有稳健性，并为未来将机器学习算法纳入神经病理学实践的研究提供了额外的概念验证。
公法 101-343—1990 年 8 月 3 日 104 STAT. 391
鉴于美洲印第安人是现在构成美利坚合众国的土地的原住民；鉴于美洲印第安人对我们国家做出了重要而独特的贡献，其中最不重要的是他们对现在构成美国的大部分土地的贡献；鉴于美洲印第安人对世界做出了重要贡献，包括史前玉米和红薯的耕种和收获；鉴于美国人民应该记住当今美洲印第安人的祖先对早期欧洲来访者北美所给予的帮助，包括向朝圣者提供的关于生存、狩猎、耕种和施肥本地作物的知识和培训；鉴于美国人民和政府应该记住当今美洲印第安人的祖先对这个国家的开国元勋们的帮助，包括原住民在 1777-1778 年冬天在福吉谷向乔治·华盛顿和他的部队提供的支持；鉴于应该提醒美国人民和政府，言论自由、政府三权分立和政府内部权力平衡等某些概念都存在于各美洲印第安人国家的政治制度中，它们影响了美利坚合众国政府的形成；鉴于参议院和众议院议员认为，本决议所要求的决议和公告可以鼓励开展有利于增强美洲印第安人青年自尊、自豪和自我意识的活动；鉴于克里斯托弗·哥伦布抵达西半球 500 周年即将到来，为美国人民提供了一个考虑和反思我们国家目前与美洲印第安人关系的机会；鉴于十一月是美国印第安人传统的收获季节的结束，通常是庆祝和感恩的时刻：因此，现在
对病原体驱动的合奏模型的开发和解释，用于预测胃癌免疫疗法的反应
抽象背景只有一部分患有胃癌的患者从免疫检查点抑制剂（ICIS）中经历了长期益处。当前，ICI功效的精确预测生物标志物缺乏。这项研究的目的是使用H＆E染色的整个幻灯片图像（WSI）开发和验证病原体驱动的集合模型，以预测胃癌ICI的反应。方法回顾性地收集并分析了584例胃癌患者的H＆E染色WSI和临床数据。使用病原体特征开发和验证了一个集成四个分类器的合奏模型：最低绝对收缩和选择操作员，k-nearest邻居，决策树和随机森林。模型性能。此外，Shap（Shapley添加说明）分析还用于解释该模型的预测值作为每个输入特征的归因值的总和。病原体分析被用来解释模型预测的基础分子机制。结果我们的病原体驱动的集合模型有效地分层了训练队列中对ICI的响应（AUC 0.985（95％CI 0.971至0.999）），这在内部验证队列中得到了进一步验证（AUC 0.921（AUC 0.921（95％CI 0.839至0.9999999999999999），以及外部验证CORET cohort in Outsheral Valsice cohort in uc cohort in uc cohort in uc cohort in uc cohort in uc cohort cohort cohort cohort cohort cohort cosemess。至0.990）和外部验证队列2（0.927（95％CI 0.802至0.999））。单变量的COX回归分析表明，病原体驱动的集合模型的预测特征是对胃癌患者进行无进展生存的预后因素，这些因素接受了免疫疗法的胃癌患者的预测因素（P <0.001，HR 0.35，HR 0.35（95％CI 0.24至0.50至0.50至0.50至0.50），并且在多种多样的范围内进行了多变的调节，并且是可行的cox concoia coxArtiver coxARTARTARTARTARTARTARTARTARS，并且是可行的。性别，年龄，癌症抗原，碳水化合物抗原19-9，治疗方法，分化，位置和程序性死亡配体1（PD-L1）在所有患者中的表达（p <0.001，HR 0.34（95％CI 0.24至0.50））病原体分析表明，整体模型是由分子水平的免疫，癌症，代谢相关的途径驱动的，并且相关
为癌症研究中的机器学习和人工智能构建工具：最佳实践和案例研究用于计算病理学的 PathML 工具包
成像长期以来一直是癌症研究和临床护理的基石，为了解组织形态和空间细胞间动力学提供了依据。近年来的技术进步使显微镜的规模比以往任何时候都更大，导致常用数据集的大小呈指数级增长 - 这一趋势在未来几年可能会继续加速。生物医学成像中的“大数据”可以沿着两个正交轴来概念化：样本大小和数据维数（图 1）。第一个轴（n）可以通过简单地计算数据集中的病例数来测量。这一维度的扩展主要受到高通量成像技术的进步的推动。一个显著的例子是在病理学领域，数字化工作流程的日益普及导致幻灯片扫描被例行纳入病理学家的工作流程，从而创建了大型全幻灯片图像 (WSI) 数据库。早期采用数字化病理学工作流程的人每年扫描超过 100 万张幻灯片 [1] – 比 TCGA 等当前基准数据集大几个数量级，这表明随着工作流程日益数字化，大型学术三级医院可以预期会定期生成大量数据。与此同时，数据在每张图像中捕获的信息量也在增长，我们将其称为数据维数 (d)。这主要是由空间组学（即蛋白质或 RNA 等分子标记的空间量化）和高度多路复用成像（在 [2] 中进行了综述）的新兴技术推动的。与具有三个通道（红色、绿色和蓝色）的明场图像相比，这些高维图像中的每一个可能具有超过 10,000 个通道，每个通道代表一个特定目标。体积成像通过添加深度维度进一步增加了每个样本中的信息内容，从而能够捕获三维组织形态。因此，即使病例数保持不变，数据集大小也会增长。图像数据的快速增长对癌症研究具有重要意义，尤其是与基因组学和结果等伴随元数据结合使用时。大样本量为发现和量化与临床和生物学相关特征相关的组织学模式提供了足够的能力，最近的研究表明这些方法有潜力改善临床和诊断工作流程 [3-5] 并发现基于图像的生物标志物以重现分子特征 [6, 7]。同样，高维成像数据中捕获的丰富背景信息为以前所未有的分辨率探究肿瘤微环境奠定了基础 [8, 9]。明场显微镜的普遍性使其成为基于图像的生物标志物开发的特别有吸引力的候选者，因为数字工作流程越来越多地部署在更广泛的临床环境中。然而，虽然成像数据集的规模不断扩大带来了新的研究机会和途径，但也带来了重大挑战。也就是说，这些进步只有通过利用计算图像分析方法，特别是深度学习才能实现。深度学习模型灵活而强大，在识别方面表现出显著的成功