XiaoMi-AI文件搜索系统
World File Search SystemWorkflow
利用人工智能优化您的工作流程
通过 Intelerad 与 Blackford 的合作，医疗保健提供商可以将 AI 解决方案无缝集成到其现有平台中。Blackford 的应用程序有助于提高阅读速度和准确性，并通过相关的 AI 算法和应用程序自动路由研究，标记紧急研究以供立即审查。
使用靶向等温扩增和纳米孔测序的结核分枝杆菌快速耐药基因分型工作流程
摘要 结核病 (TB) 的表型药物敏感性测试 (DST) 需要数周才能产生结果。虽然分子测试可以快速检测出耐药相关突变 (DRM)，但它们无法扩展到覆盖整个基因组和可以预测耐药性的许多 DRM。全基因组测序 (WGS) 方法是可扩展的，但如果直接在痰液上进行，通常需要目标富集步骤，例如核酸扩增。我们开发了一种靶向等温扩增-纳米孔测序工作流程，用于快速预测结核病分离株的耐药性。我们使用重组酶聚合酶扩增 (RPA) 对结核分枝杆菌基因组内的三个区域进行靶向等温扩增（37°C，90 分钟），然后在 MinION 上进行纳米孔测序。我们检测了 29 种耐药性 (DR) 结核病患者的分枝杆菌基因组 DNA 提取物，并将我们的结果与 Illumina 的 WGS 和表型 DST 的结果进行比较，以评估对利福平和异烟肼耐药性的预测准确性。RPA 扩增的保真度与高保真度 PCR 相当（100% 一致）。纳米孔测序产生的 DRM 预测与 WGS 相同，测序运行时间明显更快，只需几分钟而不是几天。我们工作流程对利福平耐药性预测的灵敏度和特异性分别为 96.3%（95% 置信区间 [CI]，81.0 至 99.9%）和 100.0%（95% CI，15.8 至 100.0%）。对于异烟肼耐药性预测，敏感性和特异性分别为 100.0%（95% CI，86.3 至 100.0%）和 100.0%（95% CI，39.8 至 100.0%）。每个样本的工作流程耗材成本不到 100 英镑。我们快速且低成本的药物耐药性基因分型工作流程可准确预测利福平和异烟肼耐药性，适合在资源有限的环境中使用。
住院COVID-19疫苗护理工作流程
o与移植团队谈谈Covid疫苗的时机。取决于移植类型，可能需要延迟30-90天•接受康复等离子体或单克隆抗体治疗的历史（例如bamlinivumab）用于过去90天
RoboFlow：一个以数据为中心的工作流管理系统……
摘要：我们提出了 RoboFlow，这是一个基于云的工作流管理系统，用于协调开发 AI 增强型机器人的流程。与大多数以流程为中心的传统机器人开发流程不同，RoboFlow 以数据为中心。这一显著特性使其特别适合开发以数据为核心的 AI 增强型机器人。更具体地说，RoboFlow 将整个机器人开发过程建模为 4 个构建模块（1. 数据处理、2. 算法开发、3. 回溯测试和 4. 应用程序适配），并与集中式数据引擎交互。所有这些构建模块都在统一的接口框架下进行容器化和编排。这样的架构设计大大提高了所有构建模块的可维护性和可重用性，并使我们能够以完全并行的方式开发它们。为了证明所开发系统的有效性，我们利用它来开发两个原型系统，分别名为“Egomobility”和“Egoplan”。 Egomobility 为各种移动机器人提供通用导航功能，而 Egoplan 则解决机器人手臂在高维连续状态和动作空间中的路径规划问题。我们的结果表明，RoboFlow 可以显著简化整个开发生命周期，并且相同的工作流程适用于众多智能机器人应用程序 2 。
BHI 工作流程计划资源
BHI 工作流程规划资源旨在通过确定确保 BHI 工作流程有效高效运行所需的人员、流程和工具，帮助实践制定成功的 BHI 工作流程。此资源可用于确定现有的结构以及有助于系统顺利运行的修改。
工作流术语词典
入院、出院、转院 (ADT) 系统 一种患者管理系统，包含重要的身份信息，包括全名、出生日期、病历号和联系信息。此信息可与超声机器工作列表或中间件应用程序共享。ADT 可用于为 POCUS 研究创建基于遭遇的订购工作流系统。电容式微机械超声换能器 (CMUT) 一种将电能转换为超声波的微电子机械系统。与传统的压电换能器相比，CMUT 利用电容变化来产生声波并接收返回的回声。CMUT 的生产成本更低，在探头内占用的物理空间更少，并且比压电换能器具有更大的分数带宽。计算机化医嘱录入 (CPOE) 一种允许用户输入与 EMR、RIS、药房和 POCUS 中间件通信的医嘱的应用程序。CPOE 可用于为 POCUS 研究创建基于医嘱的工作流。
将开源Urbanopt和Dragonfly Energy建模功能集成到从业人员的工作流程中，用于地区规模的计划和设计
1个建筑技术与科学中心，美国国家可再生能源实验室，美国公司80401，美国； ben.polly@nrel.gov（B.P.）; katherine）; rawad.elkontar@nrel.gov（R.E.K.）; nathan.moore@nrel.gov（N.M.）; tarek.elgindy@nrel.gov（T.E.）; dylan@camus.energy（D.C。）; David.goldwasser@nrel.gov（D.G.）2瓢虫工具LLC，Fairfax，VA 22031-0000，美国； chris@ladybug.tools（C.M.）; mospapha@ladybug.tools（M.S.R.）3 Skidmore，Owings＆Merrill，芝加哥，伊利诺伊州60604，美国； airani@mit.edu（a.i.）; stephen.ray@som.com（s.r。）*通信：tanushree.charan@nrel.gov†作者在Skidmore，Owings＆Merrill完成了研究，但在出版时在马萨诸塞州技术学院任职。‡作者在国家可再生能源实验室完成了研究，但在出版时在Camus Energy中进行了研究。
案例研究：将人工智能融入临床工作流程
拉希医院放射科主任兼 ACR 信息学委员会主席、医学博士、工商管理硕士、哲学博士、FACR 克里斯托夫·沃尔德 (Christoph Wald) 表示，随着越来越多的诊所开始将人工智能融入他们的系统，大多数放射科医生可以期待通过发现检测来改善工作流程。 “人工智能生成的结果越来越多地影响着放射科医生如何安排他们的工作优先顺序，”他说。 “这可能在需要阅读的检查数量和员工规模不匹配的情况下尤其重要，例如在夜班或周末轮班，大量的检查需要由比正常工作时间更少的放射科医生处理。 同样的情况可能适用于某些远程放射学环境，在这种情况下，来自许多站点的病例可能会被汇总并以合并阅读列表的形式呈现给指定的解释放射科医生。”
QuaSiMo：用于编写量子模拟混合工作流的组合库
我们提出了一种可组合的设计方案，用于开发用于量子模拟应用的混合量子/经典算法和工作流。我们的面向对象方法基于构建一组富有表现力的通用数据结构和方法，这些结构和方法可以编程各种复杂的混合量子模拟应用程序。我们方案的抽象核心是从对当前量子模拟算法的分析中提炼出来的。随后，它允许通过扩展、专业化和动态定制我们设计定义的抽象核心类来合成新的混合算法和工作流。我们使用与硬件无关的编程语言 QCOR 将我们的设计方案实现到 QuaSiMo 库中。为了验证我们的实现，我们在 IBM 和 Rigetti 的商业量子处理器上测试并展示了它的实用性，运行了一些原型量子模拟。