XiaoMi-AI文件搜索系统
World File Search SystemXplore
IEEE世界触觉会议2025
经过双盲审查过程后的常规论文，将通过较短的口头介绍或WHC 2025的海报发表，并在IEEE Xplore上发表。长度从4到6页，最多2页参考。进行中的工作（WIP）论文强调了晚期的结果并作为海报提出，接受的WIP简短论文仅在分发给与会者的电子程序中发表。作者保留了未来出版扩展工作的版权。动手演示互动研究演示在IEEE世界触觉会议上受到高度重视。演示文稿需要简短的建议，以确保相关性和新颖性。讲习班和教程研讨会和教程为参与者提供了一个论坛，供参与者享受领先的研究人员的演讲，并讨论较小群体的新兴和活跃的研究领域。学生创新挑战赛（SIC）世界触觉会议在触觉行业的支持下，将学生创新挑战组织为竞争。此事件为学生提供了解决将触觉技术应用于现实世界问题的挑战的机会。有关主题和参与要求的详细信息将很快在世界触觉2025网页上宣布。工业展览公司被邀请通过展示与触觉领域相关的产品和服务来与WHC 2025参与者互动。选择参加的作者可以表明他们对口头或海报的偏爱IEEE关于触觉（TOH）论文的交易作者在2024年1月至2025年3月之间发表或接受的所有简短和长篇论文的作者将被邀请在2025年whc 2025出席。
综述使用人工智能方法检测物联网网络安全攻击：系统文献综述
摘要：近年来，技术已发展到第四次工业革命（工业4.0），物联网（IoT）、雾计算、计算机安全和网络攻击呈指数级大规模发展。各种形式的物联网设备和网络的快速发展产生了大量数据，进而需要仔细的身份验证和安全保护。人工智能（AI）被认为是解决网络安全威胁和提供安全性最有前途的方法之一。在本研究中，我们提出了一个系统的文献综述（SLR），对现有的用于检测物联网环境中的网络安全攻击的人工智能方法的文献进行分类、绘制和调查。本SLR的范围包括对网络安全中大多数人工智能趋势技术和最新解决方案的深入研究。在各种电子数据库（SCOPUS、Science Direct、IEEE Xplore、Web of Science、ACM 和 MDPI）上进行了系统搜索。在已确定的记录中，选择了 2016 年至 2021 年期间发表的 80 项研究，进行了调查和仔细评估。本评论探讨了物联网安全中使用的深度学习 (DL) 和机器学习 (ML) 技术及其在检测攻击方面的有效性。然而，一些研究提出了智能入侵检测系统 (IDS)，该系统使用人工智能的智能架构框架来克服现有的安全和隐私挑战。研究发现，支持向量机 (SVM) 和随机森林 (RF) 是最常用的方法之一，因为检测准确率高，另一个原因可能是高效的内存。此外，其他方法也提供了更好的性能，例如极端梯度增强 (XGBoost)、神经网络 (NN) 和循环神经网络 (RNN)。该分析还提供了对 AI 路线图的洞察，以根据攻击类别检测威胁。最后，我们提出了未来潜在调查的建议。
基于人工智能的医疗决策支持工具的伦理、法律和社会考虑：范围审查
简介：人工智能 (AI) 在医疗保健领域的应用，其最新进展有望解决许多现有的全球问题，促进人类健康和应对全球健康挑战。这篇全面的评论不仅旨在揭示潜在的伦理和法律问题，而且还揭示社会影响 (ELSI)，这些影响在最近的评论中被忽视，但在开发阶段值得同等重视，当然在医疗保健实施之前更是如此。它旨在指导各种利益相关者（例如设计师、工程师、临床医生）在设计阶段使用设计伦理 (EbD) 方法解决人工智能的 ELSI。方法：作者遵循系统化的范围界定方法，并在以下数据库中搜索：Pubmed、Web of science、Ovid、Scopus、IEEE Xplore、EBSCO Search（Academic Search Premier、CINAHL、PSY CINFO、APA PsycArticles、ERIC）以查找截至 2021 年 1 月医疗保健领域 AI 的 ELSI。数据被绘制并综合起来，作者对收集的数据进行了描述性和主题分析。结果：在审查了 1108 篇论文后，最终分析中纳入了 94 篇。我们的结果表明，学术界对 AI 领域的 ELSI 的兴趣日益浓厚。我们在分析中发现的主要问题分为四个主要影响集群：AI 算法、医生、患者和医疗保健总体。最普遍的问题是患者安全、算法透明度、缺乏适当的监管、责任和问责制、对医患关系的影响以及人工智能医疗保健的治理。结论：我们的审查结果证实了人工智能显着改善患者护理的潜力，但其实施的缺点与尚未解决的复杂 ELSI 有关。大多数 ELSI 都提到了对互惠和信托医患关系的影响和延伸。随着基于人工智能的决策工具的整合，双边医患关系可能会转变为三边关系。
通过现实世界中的初级卫生保健数据培训或验证的机器学习诊断和预后模型预测的临床健康状况的系统评价
随着技术和数据科学的进步，机器学习（ML）被医疗保健部门迅速采用。但是，缺乏文献解决了迄今为止，基本卫生保健（PHC）中ML预测模型针对的健康状况。为了填补知识的这一空白，我们按照PRISMA指南进行了系统的审查，以确定ML在PHC中针对的健康状况。我们搜索了Cochrane图书馆，科学Web，PubMed，Elsevier，Biorxiv，计算机协会（ACM）和IEEE Xplore数据库，用于1990年1月至2022年1月发表的研究。我们包括了针对ML诊断或预后预测模型的主要研究，这些模型完全或部分由现实世界中的PHC数据提供。两名研究人员进行了研究选择，数据提取和偏见评估的风险，使用了偏见评估工具的风险。根据国际疾病分类（ICD-10）对健康状况进行分类。提取的数据进行定量分析。我们确定了106项研究42个健康状况的研究。这些研究包括来自19个国家 /地区2420万参与者的PHC数据提供的207毫升预测模型。我们发现92.4％的研究是回顾性的，而77.3％的研究报告了诊断性预测性ML模型。所有研究中的大多数（76.4％）是用于模型开发的情况，而无需进行外部验证。偏见评估的风险表明，90.8％的研究具有偏见的高风险或不清楚的风险。最常见的健康状况是糖尿病（19.8％）和阿尔茨海默氏病（11.3％）。我们的研究提供了有关PHC中目前可用的ML预测模型的摘要。我们在这方面引起了数字健康政策制定者，ML模型开发人员和医疗保健专业人员的关注。
范围审查协议
摘要简介人口快速老龄化和相关健康问题（例如虚弱）已成为日益严重的公共卫生问题。虽然及早识别和管理虚弱可能会限制不良的健康后果，但虚弱的复杂表现对临床医生提出了挑战。人工智能（AI）已成为支持早期识别和管理虚弱的潜在解决方案。为了全面概述有关开发和使用包括机器学习和深度学习在内的人工智能技术来识别和管理虚弱的当前证据，本协议概述了范围界定审查，旨在确定和呈现该领域的可用信息。具体而言，本协议描述了一项审查，该审查将重点关注用于评估虚弱的临床工具和框架、已评估的结果以及知识用户参与开发、实施和评估用于临床环境中虚弱护理的人工智能方法和工具。方法与分析 本范围审查协议详细说明了对八个主要学术数据库的系统搜索，包括 Medline、Embase、PsycInfo、护理和相关健康文献累积索引 (CINAHL)、Ageline、Web of Science、Scopus 和电气电子工程师协会 (IEEE) Xplore，使用由 Arksey 和 O'Malley 开发并由 Levac 等人和 Joanna Briggs 研究所增强的框架。搜索策略是与图书管理员协商设计的。两位独立审阅者将筛选标题和摘要，然后筛选全文，以确定是否符合条件，然后使用试验数据图表形式绘制数据图表。结果将通过叙述摘要、表格和图表进行整理和呈现。 伦理与传播 由于本研究基于公开信息，因此无需获得伦理批准。研究结果将通过同行评审的出版物、演示文稿和信息图表传达给医疗保健提供者、看护者、患者以及研究和健康计划资助者。注册详情 OSF 注册表（https://doi.org/10. 17605/OSF.IO/T54G8）。
人工智能在增强成人减肥方面的潜力：范围审查
摘要 目的：概述如何使用人工智能 (AI) 来调节饮食和节食行为、运动行为和减肥。设计：根据 Arksey 和 O'Malley 的五步框架，对从创刊到 2020 年 12 月 15 日发表的全球文献进行范围界定审查。搜索了八个数据库（CINAHL、Cochrane – Central、Embase、IEEE Xplore、PsycINFO、PubMed、Scopus 和 Web of Science）。两名审阅者独立筛选纳入的研究以确定其是否符合资格，具有良好的评分者间信度（k = 0.96）。结果：在 5573 项潜在研究中，共纳入 66 项，代表超过 2031 名参与者。确定了自我调节的三个原则 - 自我监控（n 66, 100%）、优化目标设定（n 10, 15.2%）和自我控制（n 10, 15.2%）。文章也被分为三种人工智能应用，即机器感知（n 50）、仅预测分析（n 6）和具有个性化微干预的实时分析（n 10）。机器感知侧重于识别食物、饮食行为、身体活动和估计能量平衡。预测分析侧重于预测体重减轻、干预依从性、饮食失误和情绪化饮食。最后一个主题的研究重点是评估人工智能辅助的体重管理干预措施，这些干预措施可即时收集行为数据、优化行为失误事件的预测模型，并通过自适应和个性化的推动/提示增强行为自我控制。只有六项研究报告了平均体重减轻（2.4 – 4.7%），其中两项具有统计学意义。结论：人工智能在减肥方面的应用仍未得到发展。根据目前的研究结果，我们提出了一个人工智能在减肥方面的适用性框架，但警告称，其取决于参与度和情境化。
基于聊天机器人促进健康行为改变
摘要背景基于人工智能 (AI) 的聊天机器人可以提供个性化、引人入胜和按需的健康促进干预措施。本系统评价评估了 AI 聊天机器人在促进健康行为改变方面的可行性、有效性和干预特点。方法在七个书目数据库 (PubMed、IEEE Xplore、ACM 数字图书馆、PsychoINFO、Web of Science、EMBASE 和 JMIR 出版物) 中进行了全面搜索，查找 1980 年至 2022 年期间发表的评估 AI 聊天机器人改变行为的可行性和/或有效性的实证文章。对已确定文章的筛选、提取和分析遵循 PRISMA 指南。结果在纳入的 15 项研究中，大多数研究 (n =11) 报告了高可用性、可接受性和参与度，以及一些关于 AI 聊天机器人可行性的证据。选定的研究表明，AI 聊天机器人在促进健康生活方式（n =6）、戒烟（n =4）、治疗/药物依从性（n =2）和减少药物滥用（n =1）方面具有很高的功效。行为改变理论和/或专家咨询被用于制定 AI 聊天机器人的行为改变策略，包括目标设定、监控、实时强化/反馈和按需支持。在聊天机器人平台上收集实时用户-聊天机器人交互数据，例如用户偏好和行为表现，以确定提供个性化服务的方式。AI 聊天机器人通过可访问设备和平台（例如智能手机和 Messenger）进行部署，展示了可扩展性的潜力。参与者还报告说，AI 聊天机器人为传达敏感信息提供了一个非评判性的空间。然而，由于内部效度风险中等到高、对 AI 技术描述不足以及普遍性限制，报告的结果需要谨慎解读。结论 AI 聊天机器人已证明在大量不同人群中健康行为改变干预的有效性；然而，未来的研究需要采用强有力的 RCT 来得出明确的结论。关键词：聊天机器人、人工智能、健康行为改变
数字创新和可持续会计实践
数字革命在进行会计和审计程序的方式上发生了重大变化，这标志着值得注意的范式转移（Pizzi等，2021）。企业经历了将新想法或数字技术纳入其当前流程的结果。本研究旨在通过采用系统文献审查方法来评估数字创新对可持续会计实践的影响。该研究涵盖了在过去的二十年（2003-2023）中发表的文章，而搜索方法则采用了Scopus，PubMed，IEEE Xplore，Google Scholar和ResearchGate。调查结果表明，会计数字创新会导致具有真实性，可靠性，可信度和透明度的有效帐户管理。公司需要随着数字时代的发展，需要以自适应方式使用尖端的技术，以便在不断变化和不断发展的环境中蓬勃发展。大规模数据，数据分析，云计算，人工智能（AI）和区块链技术是可持续会计实践的未来研究方向的维珍领域。普遍的观点是乐观的，表明数字创新给会计和帐户提供了更多的机会，而不是威胁。关键字：数字创新，可持续会计，信息技术，财务报告作者的个人贡献：作者根据信用（贡献者角色分类法）标准负责对论文的所有贡献。对冲突的宣言：作者宣布没有利益冲突。1。引言近年来，人们对技术进步的快速崛起及其对各种组织的破坏性影响一直引起人们的兴趣。与以前的时代不同，数字转型影响了常规和创新部门。传统上专注于金融和媒体等技术创新的行业产生了重大影响。在此期间，一个显着的范式转变是会计和审计的数字转换
虚拟智能：脑模拟单元神经网络发展的系统评价
摘要：大脑的功能一直是一个复杂而神秘的现象。从笛卡尔首次提出大脑是心灵的载体，到当代将大脑视为具有初级和高级突发活动的有机体的研究，大脑一直是人们不断探索的对象。通过成像技术、使用不同编程语言实现数字平台或模拟器以及使用多个处理器模拟大脑中突触过程的速度，人们有可能对大脑功能进行更深入的研究。各种计算架构的使用引发了无数问题，例如计算神经科学等学科在大脑研究中的可能范围，以及在信息技术 (IT) 的支持下将深度知识融入不同设备的可能性。认知科学的主要兴趣之一是在系统或机制中开发人类智能的机会。本文选取三个面向计算科学的数据库（EbscoHost Web、IEEE Xplore 和 Compendex Engineering Village）的主要文章，以了解神经网络在研究大脑方面的当前目标。这种技术的可能用途是开发能够复制更复杂的人脑任务（例如涉及意识的任务）的人工智能 (AI) 系统。结果显示了计算神经科学中神经网络研究的主要发现和发展研究的主题。主要发展之一是使用神经网络作为许多计算架构的基础，使用多种技术，如计算神经形态芯片、MRI 图像和脑机接口 (BCI)，以增强模拟大脑活动的能力。本文旨在回顾和分析那些针对不同计算架构开发的研究，这些研究侧重于通过神经网络影响各种大脑活动。目的是确定该主题的研究方向和主要方向，并走允许跨学科合作的道路。
心力衰竭，收缩和舒张功能障碍建模的非侵入性技术：范围评论
全球心力衰竭（HF）的日益增长的人需要创新的方法来早期诊断和分类心肌功能障碍。近几十年来，非侵入性传感器的技术具有明显的高级心脏护理。这些技术简化研究，帮助早期检测，确定血液动力学参数并支持评估心肌性能的临床决策。本讨论探讨了经过验证的增强，挑战和心力衰竭和功能障碍建模的未来趋势，所有这些都基于使用非侵入性传感技术。这种方法的综合解决了现实世界中的复杂性，并预测心脏评估中的变革性转变。在五个数据库中进行了全面搜索，包括PubMed，Web of Science，Scopus，IEEE Xplore和Google Scholar，以在2009年至2023年3月之间发表的文章。目的是确定通过基于比较标准的评级方法实现的研究项目，以表现出卓越的质量评估其拟议方法论。目的是指出具有可比目标的独特特征，这些特征将这些项目与其他项目区分开。鉴定出用于诊断，分类和表征心力衰竭，收缩期和舒张功能障碍的技术，包括两个主要类别。第一个涉及与患者的间接相互作用，例如ballist摄影图（BCG），阻抗心脏造影术（ICG），光摄影学（PPG）和心电图（ECG）。这些方法转化或传达心肌活性的影响。第二类包括基于成像工具的非接触式感应设置，例如心脏模拟器，其中心肌性能的表现通过培养基传播。现代的非侵入性传感器方法主要是针对家庭，远程和连续监测心肌性能量身定制的。这些技术利用机器学习方法，证明了令人鼓舞的结果。算法评估的中心是如何选择临床终点，在评估这些方法的效率方面表现出了有希望的进展。