XiaoMi-AI文件搜索系统
World File Search SystemXplore
PB89-175525 心理人机交互模型
• 确定展示心理模型形式和在模型上所使用的操作的行为。 “• 探索目标导向表征的替代观点（例如，所谓的序列/方法表征）并详细说明从它们预测的行为。• 扩展可能存在的心理表征类型，以包括那些可能不是机械的，例如代数和视觉系统。• 确定人们如何混合不同的表征来产生行为。• 探索如何获得有关系统的知识。• 确定个体差异如何影响系统的学习和性能。• 探索系统的训练序列的设计。 • 提供系统为系统设计师提供工具，帮助他们开发能够在用户中唤起“良好”表现的系统。• 扩展本研究的任务领域，以包括更复杂的软件。
评论文章 人工智能在数字牙科放射学中的应用现状及发展
在过去的几年中，人工智能 (AI) 研究在牙科和颌面放射学领域迅速发展和涌现。牙科放射学在日常实践中被广泛使用，为 AI 开发提供了极其丰富的资源，并吸引了许多研究人员开发其用于各种目的的应用。本研究回顾了当前研究中 AI 在牙科放射学中的适用性。我们在 PubMed 和 IEEE Xplore 数据库上进行了在线搜索（截至 2020 年 12 月），随后进行了手动搜索。然后，我们根据以下目的的相似性对 AI 的应用进行了分类：龋齿、根尖病变和牙周骨质流失的诊断；囊肿和肿瘤分类；头颅测量分析；骨质疏松症筛查；牙齿识别和法医牙科；牙种植体系统识别；以及图像质量增强。随后讨论了上述每个应用中 AI 方法的当前发展。尽管大多数审查的研究表明人工智能在牙科放射学中具有巨大的应用潜力，但由于一些挑战和限制，例如缺乏数据集大小论证和不标准化的报告格式，在临床常规实施之前仍需要进一步开发。考虑到目前的限制和挑战，未来牙科放射学的人工智能研究应遵循标准化的报告格式，以协调研究设计并增强人工智能发展在全球范围内的影响力。牙颌面放射学 (2021) 50, 20210197。doi: 10.1259/dmfr.20210197
2026 IEEE国际操纵会议，...
3M-Nano是纳米级的每年一次的操纵，制造和测量国际会议；它将于2026年8月在中国苏州举行。该会议系列的最终野心是弥合纳米科学和工程科学之间的差距，旨在针对技术机会和新市场。纳米级的操纵，制造和测量的先进技术有望在许多应用领域中采用新颖的革命性产品和方法。与3M-NANO主题有关的研究领域工作的科学家被邀请提交论文。将在IEEE Xplore数据库和EI Compendex中提交所有接受的完整论文（在会议上和IEEE格式之后提交）。建议在IEEE Trans中发布选定的论文。自动化科学与工程，国际。j的纳米制造，IFAC机电货币学，int。j of Optomechatronics，Micro-Bio Robotics的J，仿生工程杂志，光（科学与应用），光学和精密工程，国际极端制造杂志，《今日材料》本文和其他科学/EI期刊。组织者：苏州高级研究所，中国科学技术大学纳米纳米研究中心，中国中国长春科学与制造业，中国组织者：阿尔胡斯大学，丹麦沃里克大学，英国德马克沃里克大学，英国贝德福德郡沃里克大学，英国教育部，ZALE MICRO和NANO Instuction，Chrone and Nano Instuction of Chrence and and Chronemurant of Charno and Nano and Nano and and and and and and Chronemurant of Charno
沉浸式虚拟现实游戏在脑机接口神经运动康复中的应用：范围审查
摘要 — 沉浸式虚拟现实 (VR) 的使用在科学界越来越受欢迎，因为它为康复领域带来了巨大的机遇。通过利用视频游戏机制和基于脑电图 (EEG) 信号的脑机接口 (BCI)，接受神经康复的患者可以更多地参与康复训练。本文回顾了在游戏康复中使用 BCI 和 VR 的现有文献，并分析了每项研究中使用的游戏元素和脑机接口 (BMI)。使用综合搜索策略查询了从成立到 2023 年 10 月的四个数据库 (IEEE Xplore、PubMed、Web of Science、Scopus)，然后由两位独立审阅者进行筛选。总共有 18 篇文章被认定符合定性综合的条件。主要发现如下：(1) 参与者的人口统计数据多样化，涵盖不同的年龄和健康状况；(2) Oculus Rift 作为 VR 设备已成为主流，取代了旧的 CAVE 系统； (3) 所有调查研究一致依赖运动想象 (MI) 范式，反映了其在神经运动康复和神经可塑性中的重要性；(4) 康复游戏表现出不同的特点，强调得分、体现和定制。值得注意的是，一些游戏缺乏游戏化元素，这表明存在潜在的改进和未来研究领域。
在家庭环境中工作的可用安全性
在COVID-19大流行期间，向远程工作（WFH）的过渡已改变了传统的工作空间，从而提高了灵活性和生产力。但是，由于员工的家庭网络通常缺乏在公司环境中发现的强大安全措施，因此这种转变也引入了重大的网络安全挑战。对个人设备和无抵押网络的日益依赖增加了网络威胁的风险，包括网络钓鱼攻击和未经授权的访问敏感信息。为了解决这些问题，进行了系统的文献综述，以确定远程设置中网络安全的方法和实践。本评论利用了Google Scholar，IEEE Xplore和JSTOR等学术数据库，重点介绍了与远程工作环境中可用安全有关的研究。纳入标准强调了研究的相关性，它们的范围以及定性和定量研究的平衡组合。分析揭示了远程工人之间的关键风险行为，例如密码重复使用和对无抵押Wi-Fi网络的依赖，据报道，网络攻击增加了300％。尽管现有的安全措施（例如多因素身份验证（MFA）和虚拟专用网络（VPN））提供了基本的保护，但它们的复杂性通常会导致不合规。未来的研究应旨在开发对用户友好的安全解决方案，以增强合规性而无需牺牲效力。
机器学习在手术室管理中的作用：系统评价
机器学习（ML）是一项开发技术，可实现大量数据的分析和解释。本系统审查的目的是总结有关ML在手术室（OR）管理中的作用的可用文献。遵循系统审查和荟萃分析（PRISMA）指南的首选报告项目，根据预定义的包含和排除标准搜索文献。在五个不同的数据库（PubMed，Embase，Scopus，Science和IEEE Xplore）中总共发现了608项研究，其中在删除重复项并根据预定的纳入纳入和排除标准的研究后，将21项研究包括在这项综述中。评论重点介绍了ML如何对手术病例取消检测，麻醉后单位资源分配优化和手术病例长度预测产生重大影响。神经网络，XGBoost和随机森林是ML算法的一些例子，这些算法在提高预测准确性和资源效率方面表现出了希望。尽管如此，包括隐私问题和数据访问在内的问题仍然是挑战。该研究强调了ML在手术医学方面的进步以及如何进行进一步的创新，以充分实现AI对患者，医疗保健专业人员和从业者的变革潜力。最终，将AI集成或管理层具有提高患者结果和医疗保健生产率的潜力。
人机协作中影响人类决策的因素有哪些？：范围审查
摘要：工业 4.0 的到来预示着人机协作 (HRC) 的进步，因此有必要更深入地了解影响该领域人类决策的因素。本范围审查考察了对 HRC 进行的研究广度，特别侧重于确定在协作任务中影响人类决策的因素，并寻找改善人类决策的潜在解决方案。我们在 Scopus、IEEE Xplore 和 ACM 数字图书馆等数据库中进行了全面搜索，采用滚雪球技术确保纳入所有相关研究，并采用 PRISMA 范围审查扩展 (PRISMA-ScR) 进行审查过程。确定了一些重要方面：(i) 研究的设计和设置；(ii) 人机交互的类型、协作机器人的类型和任务的类型；(iii) 与人类决策相关的因素；(iv) 人机交互的用户界面类型。结果表明，认知工作量和用户界面是影响 HRC 决策的关键。未来的研究应考虑社会动态和心理安全，使用混合方法获得更深入的见解，并考虑不同的协作机器人和任务以扩展决策研究。新兴的 XR 技术有潜力增强互动，从而改善决策，强调直观沟通和以人为本的设计的必要性。
文学的系统评价 - ISSN：2806-5905
总结大学辍学的预测对于提高保留和学术成就至关重要。 div>本研究旨在通过对现有文献的系统审查来评估机器学习（ML）技术在学生辍学的预测中的有效性。 div>采用了基于棱镜方法论的探索方法和文献分析。 div>定义了研究问题，在学术数据库（IEEE Xplore，Scopus，Science，Scielo，Scielo）中寻求相关文件，在包含和排除标准后选择了主要研究，并提取了摘要的相关数据。 div>研究映射允许对研究场景有结构化的理解。 div>审查确定，高级ML技术（例如深度学习和混合模型）在预测学生辍学的效率上很高，细节可达到96％。 div>集合学习和各种算法等技术也表现出很高的有效性，证明了它们管理学生数据复杂性的能力。 div>学术和人口统计学因素是ML模型中最常见的主要预测因素。 div>在复杂的准确性和管理方面，高级ML模型超过了传统方法。 div>但是，研究质量的变异性以及方法缺乏标准化表明，需要更加多样化和标准化的未来研究以更好地概括研究结果。 div>
进展、挑战和未来方向的系统文献综述
摘要：人工智能 (AI) 和机器学习 (ML) 技术在与医疗保健系统的集成方面取得了最显著的进步，但在发挥其全部潜力方面面临着诸多挑战。本系统文献综述的目的是对医疗保健领域现有的 AI 和 ML 应用进行广泛分析，重点关注诊断、预测分析、个性化医疗和行政操作。该综述确定了关键的创新和实际好处，同时还解决了基于数据隐私、算法透明度和 AI 模型中的偏见的重大限制和道德考虑。该方法涉及使用 Pub Med、IEEE Xplore、Scopus 期刊和 Web Science 对学术数据库进行广泛搜索，以使用目标关键字和布尔运算符来优化搜索结果。研究是根据明确的纳入标准纳入的，以强调过去五年以英文发表的同行评审文章。数据提取由两位审阅者独立进行，以确保准确性。研究结果显示，人工智能驱动的诊断工具和预测分析取得了长足进步。然而，它突出了关键的差距，特别是在监管框架和与现有医疗基础设施的互操作性方面。本评论强调了合乎道德和公正的人工智能应用的必要性，以便为未来的研究和政策制定提供建议。在这篇评论中，分析旨在指导医疗保健专家和政策制定者。此外，研究人员还负责整合人工智能和机器学习技术，优化患者治疗结果并提高全球医疗服务质量。
对深度和机器进行系统的文献综述......
脑肿瘤 (BT) 被认为是可能袭击成人和儿童的危险疾病之一。85% 至 90% 的“中枢神经系统 (CNS)”原发性恶性肿瘤是脑肿瘤。每年，大约有 11,700 人被发现患有脑肿瘤。恶性脑肿瘤或中枢神经系统肿瘤患者的 5 年生存率（女性）约为 36%，男性约为 34%。当前的系统评价基于“系统评价和荟萃分析声明的首选报告项目”和 40 项相关研究。文献搜索使用了类似于以下搜索引擎：IEEE Xplore、Google Scholar、Hindawi、PubMed、SCOPUS、Wiley Online、Web of Science、Taylor and Francis、Science Direct 和 Ebscohost。本研究集中于四个特征：机器和深度学习算法、最佳算法性能、数据集和脑肿瘤预测中使用的应用。实验文章未使用强化学习、半监督学习以及深度学习和机器学习的有前景的方面。基于集成技术的算法表现出合理的准确率，但并不常见，而卷积神经网络 (CNN) 则得到了很好的体现。一些研究涂抹了主要数据集（40 个中的 13 个）。逻辑回归 (LR)、深度神经网络 (DNN)、增强算法、支持向量机 (SVM) 和 K-最近邻 (KNN) 是表现最佳的算法。这篇评论将有利于研究人员使用机器和深度学习方法预测脑肿瘤。