XiaoMi-AI文件搜索系统
World File Search Systemassistive
探索计算机视觉在残障人士辅助技术中的应用：综述
残疾人面临的各种障碍，如视力障碍、运动障碍和沟通困难，都显示出计算机视觉可以解决的巨大潜力。本报告研究了基于计算机视觉的辅助技术的最新进展以及未来的主要研究主题和障碍。特别是，本研究探讨了如何将计算机视觉用于物体识别、导航、面部识别、手语解释和基于手势的控制界面。它还讨论了各种方法和技术的优缺点，并提供了如何将计算机视觉融入当前辅助技术以提高其功效的示例。本研究涵盖了辅助技术中使用计算机视觉的道德和隐私问题。本研究还强调了协议标准化、更好的以用户为中心的设计和对现实世界有效性的评估的必要性，这是未来改善计算机视觉在辅助技术中的使用的研究目标。总的来说，本文阐明了计算机视觉如何彻底改变残疾人辅助技术的世界。
探索针对自闭症患者的基于生成式 AI 的辅助技术的前景
[1] Deepfake 视频可能“引发”暴力社会动荡。BBC 新闻（2019 年 6 月）。[2] 使用 NVIDIA Maxine Eye Contact 改善视频会议中的人际联系，2023 年 1 月。[3] Avdeeff，M. 人工智能与流行音乐：SKYGGE、Flow Machines 和音频恐怖谷。艺术 8，4（2019 年 12 月），130。编号：4 出版商：多学科数字出版研究所。[4] Baxter，J.星球大战 Deepfake 如何真正改善《曼达洛人》中卢克·天行者的客串 | Den of Geek，2021 年。[5] Edwards，C. 男教授在冠状病毒封锁期间将自己变成动漫女学生远程授课 | 美国太阳报，2020 年。[6] Gamage，D.、Ghasiya，P.、Bonagiri，V.、Whiting，M. E. 和 Sasahara，K. Deepfakes 令人担忧吗？分析 Reddit 上的 Deepfakes 对话并探索社会影响。在 CHI 计算机系统人为因素会议上（美国新奥尔良，4 月2022 年），ACM，第1-19 页。[7] Goodfellow, I. J.、Pouget-Abadie, J.、Mirza, M.、Xu, B.、Warde-Farley, D.、Ozair, S.、Courville, A. 和 Bengio, Y. 生成对抗网络，2014 年 6 月。arXiv:1406.2661 [cs, stat]。[8] Harwell, D. 假色情视频被用作骚扰和羞辱女性的武器：“每个人都是潜在目标”。华盛顿邮报，2018 年。[9] Harwell, D. 顶级人工智能研究人员竞相检测“深度伪造”视频：“我们的火力不足”。华盛顿邮报（2019 年 8 月）。[10] Kline, A.、Voss, C.、Washington, P.、Haber, N.、Schwartz, H.、Tariq, Q.、Winograd, T.、Feinstein, C. 和 Wall, D. P. Superpower Glass。GetMobile：移动计算和通信 23，2（2019 年 11 月），35–38。
为学习者实施基于AI的辅助技术
将残疾学习者的纳入包括在内的数字和人工智能（AI）使辅助技术（AT）成为残疾人（PWD）的推动者。但是，ATS的提供以满足PWDS的独特需求是一个挑战。此外，启用AI的ATS存在于创新，学习和工作环境的领域，因此需要便于学习，使用和具有成本效益的获取和实现。本文介绍了一种系统的方法，该方法与创新者和特殊学校领域的创新者和学习者的独特需求和能力相匹配，并具有支持PWD的知识和学习。这种方法采用设计思维（DM）方法，通过两个培训周期在三个特殊学校的在线协作工具和一个创新领域的在线协作工具增强了参与式元素。目的是能够更好地阐明目标的学习者和具有身体残障的创新者的目标群体，以实现准确的识别，评估和选择适当的AI-ATS，从而开发学习和创新空间，从而为Einclu-Sion提供AI-ATS的创建，引入和测试。该方法是针对创新领域开发的，该领域是在ATS和特殊学校中促进使用PWD的不同环境中采用的。
残疾儿童的尖端交流和学习辅助技术：人工智能视角
根据世界卫生组织 (2021) 的数据，全世界有超过 10 亿人患有某种形式的残疾，其中包括近 2.4 亿儿童，他们的福祉受到威胁。正如联合国儿童基金会 (2021) 的一份报告所强调的那样，世界人口老龄化、新疾病和慢性病不断升级的趋势进一步增加了残疾人的数量。他们只需要一点帮助就可以独立、有尊严地生活和工作。为了帮助亲人，通常也是为了帮助自己，人们在许多世纪前就开始设计低技术设备 (Robitaille，2010)。自 16 世纪初以来，行动不便的人一直在使用手杖作为帮助他们行走和稳定站立的工具 (Amato，2004)。尽管自公元前六世纪以来，带轮座椅和家具就已用于运送残疾人，但轮椅的大规模生产始于 1933 年，当时截瘫患者埃弗里斯特 (Everest) 和他的朋友詹宁斯 (Jennings) 设计了一款金属折叠式轮椅，该轮椅使用了 X 型支架设计，他们已获得专利，作为“可折叠残疾人轮椅的结构”（Woods 和 Watson，2004 年）。
使用和评估辅助技术在四肢中的上肢功能
上下文：所有脊髓损伤的一半以上（SCI）发生在宫颈水平，导致上肢功能丧失，活动受限和独立性降低。已经开发了几种技术来协助SCI人群的上肢功能。目的：关于当前辅助技术对宫颈SCI人群的有效性尚无明确的临床共识，因此本研究回顾了1999年至2019年之间的文献。方法：对最先进的辅助技术进行了系统的审查，该技术支持并改善了宫颈SCI种群中上肢受损的功能。术语组合，涵盖辅助技术，SCI和上肢，总共有1770篇文章。对选定的研究进行了数据提取，其中涉及总结有关辅助技术，研究参与者的特征，结果指标的细节以及使用该设备时改进的上肢功能。结果：总共发现了24篇文章，并将其分为五个类别，包括神经假体（侵入性和非侵入性），矫形器件，混合系统，机器人和手臂支撑。只有少数选定的研究全面报告了参与者的特征。有各种各样的结果指标，所有研究都报告了设备上肢功能的改善。结论：这项研究强调，辅助技术可以改善SCI患者上肢的功能。由于因素，例如招募参与者的异质性，广泛的结果指标和所采用的不同技术，因此得出可普遍的结论是一项挑战。
在你寻求辅助技术顾问或供应商的帮助之前
您已与规划师或 LAC 讨论过您的辅助技术 (AT) 需求。现在，您对所需和想要的 AT 有了一些想法。您可能需要从合格的 AT 顾问那里获得评估或建议。如果您需要这些，您的计划中将有足够的资金来支付这些费用。在我们的指南中了解有关 AT 类型的更多信息 – 我们如何资助辅助技术？（外部）您可以获得有关理解辅助技术证据、建议、评估和报价的更多信息 (DOCX 66KB)。您还可以了解在购买 AT 之前需要做什么（外部）。AT 顾问 AT 顾问可以帮助您确定您需要 AT 做什么、在哪里使用它以及您想如何使用它。在您去找合格的 AT 顾问之前，请考虑以下问题并随身携带笔记。AT 供应商您可以将此列表与您的笔记以及您的 AT 顾问给您的任何其他信息一起带去，并与 AT 供应商交谈。AT 供应商可以使用这些信息来帮助您获得适合您需求的正确 AT。 AT 供应商可以告诉您他们有哪些产品、哪些产品适合您以及价格是多少。您可以要求提供书面报价，以便比较几家 AT 供应商的价格。您可以使用我们的提示表来帮助您了解应该向辅助技术提供商询问哪些问题：
辅助技术工程 - 曾学院 - CSUN
ATE 606 辅助技术软件开发和应用 本课程介绍辅助技术 (AT) 软件应用的概念和原则，强调监管政策和道德问题。在本课程中，学生将评估现有的 AT 软件应用程序（专有和开源），包括屏幕阅读、屏幕阅读器、学习技巧、屏幕放大、语音识别和网络软件。本课程讨论 AT 软件开发的概念、原则和方法，包括流程、要求和规范（强调可访问性、可用性、可靠性和可信赖性）；分析和设计（强调人机界面）；以及实施、维护、验证和确认。
新兴技术及其产生新辅助技术的潜力
摘要 辅助技术 (AT) 的使用受限是公认的全球性挑战。新兴技术有潜力开发新的辅助产品并弥补使用辅助技术方面的一些差距。然而，对这些技术在辅助技术领域的潜力的分析有限。本文介绍了一项旨在概述新兴技术发展及其在辅助技术领域的潜力的研究。它涉及进行灰色文献综述和专利分析，以概述可能促进新辅助技术产品和服务开发的新兴使能技术并确定新兴的辅助技术应用。分析确定了与辅助技术领域相关的七项使能技术。这些是人工智能、新兴的人机界面、传感器技术、机器人技术、连接和计算的进步、增材制造和新材料。虽然有超过 370 万项专利与这些使能技术有关，但其中只有一小部分——分析中确定了 11,000 项与辅助技术特别相关的专利（0.3%）。本文介绍了一些有希望的例子。总体而言，结果表明，利用新兴技术进步的新型 AT 解决方案具有巨大潜力。
合成数据与人工智能医疗设备的创新、评估和监管 Puja Myles，公共卫生硕士、博士；Johan Ordish，文学硕士；Richard Branson，理学硕士、文学硕士 摘要 合成数据是模仿真实数据的属性和关系的人工数据。它有望促进数据访问、验证和基准测试，解决缺失数据和欠采样、样本增强以及在临床试验中创建对照组的问题。英国药品和保健产品管理局 (MHRA) 正在利用其目前对高保真合成数据开发的研究，制定其对经过合成数据训练的人工智能医疗设备的监管立场，并将合成数据作为人工智能医疗设备验证和基准测试的工具。 关键词 人工智能作为医疗设备 (AIaMD)、数据隐私、健康数据、合成数据、验证、监管 简介 人工智能 (AI) 在医疗和社会保健领域的应用预计将会兴起，这意味着人工智能作为医疗设备 (AIaMD) 将成为医疗设备中越来越突出的子类别。 1 因此，医疗器械法规是否适合人工智能变得越来越重要，制造商是否了解并遵守其义务也变得越来越重要，其中最主要的是证明其 AIaMD 具有良好的效益风险比。2 强大的数据集是展示 AIaMD 性能的核心，通常是此类设备开发的主要障碍。3 医疗器械监管机构有责任确保制造商拥有履行这些义务所需的工具，并提供更广泛的支持以鼓励此类创新设备的开发。合成数据集的开发很可能成为这样一种辅助工具。本文概述了 MHRA 在研究和开发合成数据方面的努力，并考虑在更广泛的改革背景下使用合成数据，以确保医疗器械法规适用于人工智能。合成数据概况 近年来，人们对合成数据的兴趣日益浓厚，原因有很多，包括在数据治理法规更加严格的世界中可能易于获取、保护患者隐私、在机器学习算法背景下的基准测试和验证能力，以及解决真实数据局限性的能力，如数据缺失、欠采样和样本量小。4 更重要的是，尽管合成数据的潜在应用已经讨论了多年，但直到最近，合成数据生成方法的进步才能够产生高质量的合成数据。5 定义合成数据 从概念上讲，合成数据是模仿真实数据的属性和关系的人工数据。合成数据的质量取决于生成合成数据的方法。合成数据的质量通常用其“效用”或“保真度”来描述。“能够捕捉各种数据字段之间复杂的相互关系以及真实数据的统计特性的合成数据集可称为“高实用性”或“高保真度”合成数据集。在患者医疗保健数据方面，高保真度合成数据集将能够捕捉复杂的临床关系，并且在临床上与真实患者数据难以区分。高效用合成数据的生成往往需要大量资源，并且根据需要合成数据的应用，使用低效用或中等效用合成数据可能是可以接受的。
合成数据与人工智能医疗设备的创新、评估和监管 Puja Myles，公共卫生硕士、博士；Johan Ordish，文学硕士；Richard Branson，理学硕士、文学硕士 摘要 合成数据是模仿真实数据的属性和关系的人工数据。它有望促进数据访问、验证和基准测试，解决缺失数据和欠采样、样本增强以及在临床试验中创建对照组的问题。英国药品和保健产品管理局 (MHRA) 正在利用其目前对高保真合成数据开发的研究，制定其对经过合成数据训练的人工智能医疗设备的监管立场，并将合成数据作为人工智能医疗设备验证和基准测试的工具。 关键词 人工智能作为医疗设备 (AIaMD)、数据隐私、健康数据、合成数据、验证、监管 简介 人工智能 (AI) 在医疗和社会保健领域的应用预计将会兴起，这意味着人工智能作为医疗设备 (AIaMD) 将成为医疗设备中越来越突出的子类别。 1 因此，医疗器械法规是否适合人工智能变得越来越重要，制造商是否了解并遵守其义务也变得越来越重要，其中最主要的是证明其 AIaMD 具有良好的效益风险比。2 强大的数据集是展示 AIaMD 性能的核心，通常是此类设备开发的主要障碍。3 医疗器械监管机构有责任确保制造商拥有履行这些义务所需的工具，并提供更广泛的支持以鼓励此类创新设备的开发。合成数据集的开发很可能成为这样一种辅助工具。本文概述了 MHRA 在研究和开发合成数据方面的努力，并考虑在更广泛的改革背景下使用合成数据，以确保医疗器械法规适用于人工智能。合成数据概况 近年来，人们对合成数据的兴趣日益浓厚，原因有很多，包括在数据治理法规更加严格的世界中可能易于获取、保护患者隐私、在机器学习算法背景下的基准测试和验证能力，以及解决真实数据局限性的能力，如数据缺失、欠采样和样本量小。4 更重要的是，尽管合成数据的潜在应用已经讨论了多年，但直到最近，合成数据生成方法的进步才能够产生高质量的合成数据。5 定义合成数据 从概念上讲，合成数据是模仿真实数据的属性和关系的人工数据。合成数据的质量取决于生成合成数据的方法。合成数据的质量通常用其“效用”或“保真度”来描述。“能够捕捉各种数据字段之间复杂的相互关系以及真实数据的统计特性的合成数据集可称为“高实用性”或“高保真度”合成数据集。在患者医疗保健数据方面，高保真度合成数据集将能够捕捉复杂的临床关系，并且在临床上与真实患者数据难以区分。高效用合成数据的生成往往需要大量资源，并且根据需要合成数据的应用，使用低效用或中等效用合成数据可能是可以接受的。
四肢瘫痪上肢功能辅助技术的使用与评估
背景：超过一半的脊髓损伤 (SCI) 发生在颈部，导致上肢功能丧失、活动受限和独立性降低。已经开发出多种技术来辅助 SCI 人群的上肢功能。目的：目前尚无关于当前辅助技术对颈椎 SCI 人群的有效性的明确临床共识，因此本研究回顾了 1999 年至 2019 年之间的文献。方法：对支持和改善颈椎 SCI 人群受损上肢功能的最新辅助技术进行了系统评价。搜索中使用了辅助技术、SCI 和上肢等术语组合，共得到 1770 篇文章。对选定的研究进行了数据提取，包括总结辅助技术的详细信息、研究参与者的特征、结果测量以及使用该设备时上肢功能的改善。结果：共发现 24 篇文章，分为五类，包括神经假体（侵入式和非侵入式）、矫形器、混合系统、机器人和手臂支撑。只有少数选定的研究全面报告了参与者的特征。结果测量范围很广，所有研究都报告了使用这些设备后上肢功能的改善。结论：本研究强调，辅助技术可以改善 SCI 患者的上肢功能。由于招募的参与者的异质性、广泛的结果测量以及所采用的不同技术等因素，很难得出可推广的结论。