XiaoMi-AI文件搜索系统
World File Search SystemZOC
置信区域 (ZOC) 图 11539OG
飓风、热带风暴和其他大型风暴可能会对海洋建筑物、航标和系泊船只造成相当大的破坏，导致残骸沉入未知位置。海图上的水深、航道深度和海岸线可能无法反映风暴过后的实际情况。固定航标可能已损坏或被毁坏。浮标可能已从其海图位置移开、损坏、沉没、熄灭或因其他原因而失效。海员不应依赖航标的位置或操作。沉船和水下障碍物可能已从海图位置移开。管道可能已暴露或移动。海员应极其谨慎，并要求向最近的美国海岸警卫队单位报告航标差异和航行危险。
“ZOCman Cometh” 或“关于区域类别的应用...
国际水文组织 (IHO) 出版物 S-57《数字水文数据传输标准》包括特征对象属性“CATZOC - 数据置信区类别 (ZOC) - 作为数据质量信息编码方法。ZOC 是在 IHO 数据质量工作组 (DQWG) 的主持下开发的，该工作组旨在“建立标准，根据该标准可以对制图中使用的数据质量进行编码，以便向用户表明其可靠性 (IHO, 1987)。 ”第一篇提出解决方案的论文由澳大利亚水文局 (AHO) 于 1995 年 3 月发表，并介绍了 ZOC (AHS, 1995)。此前，澳大利亚水文服务局 (AHS) 和澳大利亚皇家海军 (RAN) 实地调查部门已对这些提案进行了严格分析，并由澳大利亚用户组和在沿海和国际航行中工作的执业船长进行了测试。用户评论表明，ZOC 受到了广泛欢迎，并且比现有的源和可靠性图方法更适合描述数据置信度。ZOC 标准在第 8 届 IHO 信息系统水文要求委员会 (CHRIS) 会议上临时采用，随后在 S-57 中作为元对象“数据质量”(M_QUAL) 的强制性属性发布，该属性定义了对水深数据质量进行统一评估的区域 (IHO, 1997) (IHO, 1996a)。
使用光学相干断层扫描图像
抽象背景/旨在应用深度学习技术来开发人工智能（AI）系统，该系统可以根据光学相干断层扫描（OCT）黄斑图像来识别高近视患者的威胁性疾病。在这项横截面前瞻性研究中，从2012年至2017年开始，从1048名高山眼科中心（ZOC）获得的1048名近视患者获得了5505个合格的OCT黄斑图像，以开发AI系统。独立测试数据集包括从2019年1月至2019年5月在ZOC招募的91名近视患者获得的412张图像。我们采用了InceptionResnETV2体系结构来训练四个独立的卷积神经网络（CNN）模型，以识别高近视的以下四种威胁性的危及危险状况：视网膜菌，黄斑孔，视网膜脱离和病理肌反应型脉络膜脉络膜化。焦点损失用于解决类不平衡，并根据Youden指数确定最佳的操作阈值。在独立的测试数据集中结果，在所有条件下，接收器操作特征曲线下的区域均高（0.961至0.999）。我们的AI系统的敏感性等于甚至比视网膜专家的敏感性以及高特异性（大于90％）。此外，我们的AI系统为热图提供了透明且可解释的诊断。结论我们使用OCT黄斑图像来开发CNN模型来识别高近视患者的视力威胁性疾病。我们的模型具有可靠的敏感性和高特异性，可与视网膜专家相当，并且可以用于大规模的近视筛查和患者随访。