XiaoMi-AI文件搜索系统
World File Search SystemXplore
定格频段负面延迟微波无源电路的原始应用在两步楼梯相位的设计
aq：1 =请确认或为本文研究添加任何资金或财务支持的详细信息。aq：2 =请为您的资助代理提供首字母缩写的扩展。提供正确的确认将确保对资助者有适当的信誉。aq：3 =如果您还没有这样做，请确保您已为论文提交了图形摘要。GA应该是您所接受的文章中的当前图像或图像。GA将显示在您的文章摘要页面上的IEEE Xplore上。请从纸张中选择当前的图，并尽早提供标题，以便为图形摘要提供标题。请注意，字幕不能超过1800个字符（包括空格）。如果您提交了视频作为图形摘要，请确保有一个覆盖图像和标题。覆盖图像通常是最能代表视频的视频的屏幕截图。这是针对可能无法访问视频观看软件的读者。请参阅下面的链接中的一个示例：http：//ieeeeacess.ieee.org/submitting-an-article/ aq：4 =请提供参考日期。[18]。aq：5 =请提供第并发行编号。或一个月参考。[38]。aq：6 =请为作者Glauco Fontgalland和Fayu Wan提供更好/更高质量的图像。aq：7 =当作者Mathieu Guerin获得博士学位时，请提供完成年份。程度。
人工智能在炎症性肠病的诊断、监测和预测的成像和内窥镜检查中的作用：范围审查协议
摘要 简介 炎症性肠病 (IBD) 是一种免疫介导疾病，其发病率和患病率在世界范围内呈上升趋势。对其的评估和监测虽然复杂，但变得越来越重要。最好的疾病控制是通过严格监测客观炎症参数（如血清和粪便炎症标志物）、横断面成像和内窥镜评估来实现的。考虑到在患者整个旅程中获得的信息的复杂性，人工智能 (AI) 为现有工具提供了理想的辅助，可帮助诊断、监测和预测 IBD 患者的病程。因此，我们提出了一项范围界定审查，评估 AI 在 IBD 患者诊断、监测和预测工具中的作用。我们的目标是发现文献中的差距并在未来的研究中解决它们。 方法与分析 我们将搜索电子数据库，包括 Medline、Embase、Cochrane CENTRAL、CINAHL Complete、Web of Science 和 IEEE Xplore。两位审稿人将首先独立筛选摘要和标题，然后进行全文审查。第三位审阅者将解决任何冲突。我们将同时包括观察性研究和临床试验。将使用数据提取表提取研究特征。提取的数据将以表格形式汇总，遵循成像方式主题和评估的研究结果。结果将附有叙述性评论。道德和传播考虑到项目的性质，不需要机构审查委员会进行道德审查。数据将在学术会议上展示，最终产品将发表在同行评审期刊上。
软件定义网络调查研究
3 计算机系，巴勒斯坦技术学院，代尔巴拉，加沙地带，巴勒斯坦 电子邮件：a,* bilalb@erciyes.edu.tr（通讯作者），b banuulu@kayseri.edu.tr，c mabubaker@ptcdb.edu.ps 摘要。软件定义网络 (SDN) 代表了一种新颖的技术范式，有望主导下一代网络。自 SDN 出现以来，针对各种问题的出版物数量显著增加，导致调查和评论数量激增。因此，由于 SDN 领域的调查研究数量不断增加，为这些论文建立全面的分类法势在必行。本文提出了一种系统的分类法，用于对 SDN 领域内的最新调查研究进行分类、归类和分析。我们的系统分类过程包括选择与“SDN”、“调查”、“挑战”、“分类法”、“评论”和“最新”等关键词相关的评论和调查。我们从知名的数字数据库中获取这些论文，包括 Web-of-Science (WoS)、ScienceDirect、Scopus 和电气电子工程师协会的 Xplore，所有这些数据库都全面涵盖了最近的文献。总的来说，我们分析了 2012 年至 2021 年期间发表的 442 项调查和评论研究，涵盖了各种期刊和会议，重点关注 SDN 的一般主题和特定子主题。本文是对 SDN 文献进行的首次认识论研究。我们的研究旨在为研究人员、期刊编辑和资助机构提供宝贵的资源，促进发现研究差距并为未来的研究做出重大贡献。关键词：软件定义网络、分类学、系统评价、分类。
印度传统医学系统中人工智能和机器学习的状况 - 系统评价
传统医学系统变得越来越重要，并为现代医学提供了许多非常重要的药物。但是，通过现代药理学标准，传统药物缺乏有力的科学证据，并且尚未确定此类干预措施的安全性和功效。机器学习（ML）和人工智能（AI）可以在Ayush（Ayurveda，Ayurveda，Yoga，Naturopathy，unani，Siddha和Suddha）系统的各个方面发挥重要作用，以提供科学证据。因此，该系统评价旨在了解Ayush系统中ML和AI应用程序中的差距，并为这些领域的未来研究人员提供研究方向。我们使用Scopus，PubMed，IEEE Xplore和Science Direct的数据库进行了文献搜索，以检索与使用-ML和AI在Ayush Systems中使用-ML和AI有关的已发表和未发表的研究文章。我们包括各种研究设计，例如案例研究，案例系列，队列研究，病例对照研究，RCT和非随机对照试验。我们包括了用英语写的文章。我们的系统评价确定了在这些领域中使用ML和AI的差距，从而提供了研究方向。印度传统医学系统显示了一些DL和ML的用法，瑜伽和阿育吠陀是最常用的。然而，其他领域，例如诊断，预后，生物标志物鉴定和药代动力学，有可能采用ML和DL。基于证据的药物以及在Ayush研究的所有领域中正确使用ML和DL技术对于精确医学至关重要。
对深度和机器进行系统的文献综述......
在整个心动周期中，都会产生心音，随着心脏调节器的打开和关闭，血液进入心腔。血流产生听觉噪声；血流越湍急，产生的氛围就越多。健康成人每次心跳都会连续出现两种常见的心音。它们是第一心音 (S1) 和第二心音 (S2)，分别由房室瓣和半月瓣关闭引起。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、ScienceDirect 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、数据集和心血管疾病预测中的应用。实验文章没有使用强化学习、半监督学习、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（37 个中的 13 个）。循环神经网络 (RNN)、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心血管疾病。关键词——心血管疾病、数据集、算法、深度学习、机器学习
审查文章一项关于智能农业网络安全性人工智能的调查：最先进的网络威胁，人工智能a
无线传感器网络和物联网设备正在通过提高产量，可持续性和盈利能力越来越多地彻底改变智能农业行业，因为连通性变得越来越普遍。但是，该行业已成为网络攻击的流行目标。这项调查调查了人工智能（AI）在改善智能农业（SA）中的网络安全方面的作用。该研究的相关文献是从大自然，Wiley在线图书馆，MDPI，Sciendirect，Frontiers，IEEE Xplore数字图书馆，IGI Global，Springer，Taylor＆Francis和Google Scholar收集的。在符合搜索标准的320个出版物中，最终选择了180篇研究论文。审查描述了从常规农业到现代SA的进步，包括建筑和新兴技术。它挖掘出SA的众多用途，强调了其改变农业效率，生产和可持续性的潜力。日益增长的依赖SA引入了新的网络威胁，危害其完整性和可靠性，并对其可能的后果进行完整的分析。仍然，该研究研究了AI在打击这些威胁中的重要作用，重点是其在威胁识别，风险管理和实时响应机制中的应用。调查还讨论了道德问题，例如数据隐私，高质量信息的要求以及SA中AI实施的复杂性。因此，这项研究旨在为研究人员和从业人员提供对智能农业基础设施安全性AI能力和未来方向的见解。这项研究希望帮助研究人员，决策者和从业者利用AI来实现SA的强大网络安全，从而通过全面评估现有的环境和未来趋势来确保安全可持续的农业未来。
从大型语言模型到多模式AI
生成的人工智能（AI）模型，例如扩散模型和Openai的Chatgpt，正在通过增强诊断准确性和自动化临床工作流程来改变医学。该领域已经迅速发展，从文本 - 仅用于临床文档和决策支持的大型语言模型向多模式AI系统提供，能够在单个模型中整合各种数据模式，包括成像，文本和结构化数据。这些技术的各种景观以及不断上升的兴趣强调了对其应用和潜力进行全面审查的必要性。此范围审查探讨了多模式AI的演变，突出了其在临床环境中的方法，应用程序，数据集和评估。遵守Prisma-SCR指南，我们系统地查询PubMed，IEEE Xplore和Web of Science，优先于2024年底发表的最新研究。严格筛选后，包括144篇论文，揭示了这个动态领域的关键趋势和挑战。我们的发现强调了从单峰方式转变为多模式方法的转变，在诊断支持，医疗报告生成，药物发现和对话性AI方面引起了创新。然而，仍然存在关键挑战，包括整合异质数据类型，改善模型的解释性，解决道德问题以及在现实世界中验证现实世界临床环境中验证AI系统。本评论总结了当前的艺术状态，确定了关键差距，并提供了见解，以指导医疗保健中可扩展，可信赖和临床影响力的多模式AI解决方案的发展。
人工智能工程方法路线图分析
基于人工智能的软件的特性有可能重塑传统的软件开发范式。因此，本研究在人工智能工程领域进行了系统的文献综述 (SLR)，以确定基于人工智能的系统的软件工程中的独特挑战，这些挑战正在改变传统的软件开发范式。SLR 的范围包括通过严格流程选择的 2018 年至 2023 年期间发表的学术期刊和会议论文集文献。该方法涉及在 Scopus、ScienceDirect、ACM 数字图书馆和 IEEE Xplore 等数据库中使用特定搜索关键字，并严格应用 Kitchenham 的纳入和排除标准，以确保重点突出且相关的审查。本综述对解决与基于人工智能的软件开发相关的挑战、问题和方法的各种研究工作进行了综合总结。重点主题包括人工智能密集型系统开发的需求工程挑战、负责任的软件开发（负责任的人工智能）、负责任的人工智能软件工程路线图的制定、TrustOps 作为人工智能系统开发风险管理方法的应用、在基于人工智能的系统中纳入软件工程方法的必要性，以及探索需求工程实践、人工智能密集型系统开发和机器学习模型开发工具使用的研究。主要发现包括认识到人工智能开发中的道德要求的重要性、风险管理和道德属性的作用，以及在软件开发人员、数据科学家和机器学习专家之间联系需求的挑战。这项研究为参与开发基于人工智能的软件的从业者和研究人员提供了宝贵的见解，以克服现有的挑战并在开发过程中应用适当的方法。
引用：Brew-Sam N，Parkinson A，Lueck C等。当前对精确医学和个性化医学的理解
摘要简介术语“精密医学”和“个性化医学”已成为与健康有关的研究和与科学相关的公共交流中的关键术语。然而，这两个概念及其在各个学科中的解释是异质的，这也影响了研究翻译和公众意识。这导致了两个概念的使用和区分的混乱。我们的目的是提供当前对这些概念的理解的快照。方法和分析我们的研究将使用Rodgers的进化概念分析来系统地检查对临床医学，生物医学（结合基因组学和生物信息学），健康服务研究，物理学研究，物理学，化学，工程学，工程学，机器学习，机器学习和人工智能和人工智能和相关属性的概念（结合基因组学和生物信息学）的当前理解“精确医学”和“个性化医学”。将使用与每个学科相关的数据库对文献进行系统搜索：ACM数字图书馆，Cinahl，Cochrane图书馆，F1000 Research，IEEE Xplore，PubMed/PubMed/PubMed/Medline，Science Direct，Science Direct，Scopus，Scopus，Scopus，Scopus和Web of Science。这些是所包含学科的最具代表性数据库之一。我们将研究各个学科和（子）学科的“精度医学”和“个性化医学”定义的相似性和差异，包括每个术语的属性。这将使我们能够确定如何区分这两个概念。道德和传播遵循道德和研究标准，我们将全面地报告罗杰斯概念分析方法后进行系统分析的方法。我们的系统概念分析将有助于在给定的环境和情况下在其应用中澄清两个概念和区分。这样的广泛概念分析将有助于这些概念的非系统合成，
使用人工智能改善疼痛评估和疼痛管理：范围审查
背景：超过 20% 的美国成年人报告说他们大多数日子或每天都会感到疼痛。无法控制的疼痛导致医疗保健利用率、住院率、急诊率和经济负担增加。使用人工智能 (AI) 方法识别、评估、理解和治疗疼痛可能会改善患者的治疗效果和医疗资源利用率。全面综合目前以疼痛评估和管理为重点的基于人工智能的干预措施的使用情况和结果，将指导未来研究的发展。目标：本综述旨在调查旨在改善成年患者疼痛评估和管理的基于人工智能的干预措施的研究现状。我们还确定了基于人工智能的干预措施对成年患者的实际结果。方法：搜索的电子数据库包括 Web of Science、CINAHL、PsycINFO、Cochrane CENTRAL、Scopus、IEEE Xplore 和 ACM 数字图书馆。搜索最初确定了 6946 项研究。经过筛选，30 项研究符合纳入标准。批判性评价技能计划用于评估研究质量。结果：本综述提供了证据表明，机器学习、数据挖掘和自然语言处理可用于提高有效的疼痛识别和疼痛评估、分析自我报告的疼痛数据、预测疼痛，并帮助临床医生和患者更有效地管理慢性疼痛。结论：本综述的结果表明，使用基于人工智能的干预措施对疼痛识别、疼痛预测和疼痛自我管理有积极影响；然而，大多数报告只是试点研究。在这些方法准备好进行大规模临床试验之前，还需要进行更多使用生理疼痛测量的试点研究。