XiaoMi-AI文件搜索系统
World File Search Systemclassifying
引用 (APA)：Tolsgaard, MG、Svendsen, MBS、Thybo, JK、Petersen, OB、Sundberg, KM 和 Christensen, AN (2021)。用于对超声成像进行分类的人工智能是否可以在不同人群和环境中推广？妇产科超声，57 (2)，342-343。https://doi.org/10.1002/uog.23546
在本期刊最近发表的一篇文章中，Drukker 等人 1 回顾了人工智能 (AI) 在妇产科超声成像中的作用。作者描述了 AI 算法在标准平面的自动检测和分类等应用中的应用。一个特别的挑战是，训练这些 AI 算法需要大量的超声图像。训练所得算法的方式存在引入偏差的风险。其次，在算法训练和验证的数据群体之外应用算法时会出现一个潜在问题。目前没有足够的证据表明 AI 算法可以从它们训练的群体推广到其他群体。如果 AI 算法无法在不同环境中推广，那么研究结果的普遍采用就会有问题。我们在此描述了在英国环境中开发的 AI 算法，并使用 2016 年英国人群的数据，与 2009 年至 2017 年期间在丹麦两个胎儿医学中心获得的图像相比如何。
使用 LSTM 对站立、行走和跑步数据集上的 EEG 信号进行分类
伦敦 V.Gandhi@mdx.ac.uk 摘要 - 毫无疑问，脑机接口 (BCI) 方法最重要的分支之一是通过脑信号进行替代通信的方法。BCI 利用软件和硬件将来自大脑活动感知的脑电图 (EEG) 信号转换为用户动作。BCI 引起了广泛学科研究人员的兴趣，例如认知科学、深度学习、模式匹配、药物治疗医学等。患有神经和认知障碍的患者可以通过 BCI 得到帮助，有可能通过手势或仅仅是心理想象实现交流。在本文中，采用了一种新颖的离散小波变换 (DWT) 组合来提取最佳特征，并采用了基于长短期记忆 (LSTM) 的循环神经网络 (RNN) 对站立、行走和在跑步机上跑步时获取的 EEG 信号进行分类。使用的数据集可从开放科学框架存储库免费下载。所提出的 DWT-LSTMRNN 方法在对四种不同信号进行分类时可实现 96.7% 的准确率，因此有可能在 BCI 竞赛数据集上进行进一步研究，为实时应用铺平道路。
帕金森震颤的机器学习策略...
帕金森氏病（PD）是一种神经系统疾病，需要尽早诊断以进行有效管理。机器学习（ML）已成为增强PD分类和诊断准确性的强大工具，尤其是通过利用可穿戴传感器数据。这项调查全面审查了用于对帕金森震颤进行分类的当前ML方法，评估了各种震颤数据采集方法，信号预处理技术以及跨时间和频域跨时间域的特征选择方法，突出了震颤分类的实际方法。该调查探讨了现有研究中使用的ML模型，从传统方法（例如支持向量机（SVM）和随机森林）到先进的深度学习体系结构，例如卷积神经网络（CNN）和长期短期记忆网络（LSTM）。我们评估了这些模型在考虑其优势和局限性与PD相关的震颤模式分类中的功效。此外，我们讨论了当前研究中的挑战和差异，以及使用可穿戴传感器数据应用ML诊断ML的更广泛挑战。我们还概述了未来的研究指示，以推动PD诊断中的ML应用程序，从而为研究人员和从业人员提供见解。
![arxiv：2401.00642v1 [CS.CL] 2024年1月1日](/simg/g:\will\search\icon\source\9\933e0c438c3aff6508781cbcc8571c68e57a44d3.webp)
arxiv：2401.00642v1 [CS.CL] 2024年1月1日
在增加抗生素释放性和诸如Covid-19之类的传染病的传播时期，对与抗生素耐药性相关的基因进行分类非常重要。随着Nat-Ural语言处理的发展，基于变压器的语言模型，许多学习Nu-Cleotide序列特征的语言模型也出现了。这些模型在分类核苷酸序列的各种特征方面表现出良好的性能。在对核苷酸序列进行分类时，不仅是序列本身，而且还使用各种背景知识。在这项研究中，我们不仅使用基于核苷酸序列的语言模型，还使用基于PubMed文章的文本语言模型来反映模型中更多的生物背景知识。我们采用了一种基于抗生素抗性基因的各种数据库的核苷酸语言模型和文本语言模型的方法。我们还提出了一种基于LLM的增强技术，以补充数据和合奏方法，以有效地结合这两个模型。我们还提出了用于评估模型的基准。我们的方法比耐药性类别预测中的核苷酸序列语言模型更好。
vivacity labs 传感器技术
Vivacity Labs 车辆传感器基于摄像头技术，可提供有关车辆如何使用道路空间的实时分类数据。它使用尖端的机器学习技术，使其能够更灵活、更准确地检测和分类交通方式。传感器使用极其强大的本地处理器，随着机器学习技术的改进，可以使用最新软件进行远程更新。
自动化索赔文件索引。......
美国一家领先的专业财产和意外险公司每天在其理赔部门收到数千份传真、电子邮件和邮寄信件。收到的信件种类繁多，包括表格、信函、账单和法律诉状。保险公司要求其理赔协调员团队对每封收到的信件进行分类，然后将其与正确的索赔文件进行匹配和索引，以供理赔员审查和处理。
使用CNN-LSTM技术
心脏病占全球死亡人数的30％。早期干预和心血管异常的检测可以预防这种死亡。当前的研究提出了一种新的方法，该方法将卷积神经网络（CNN）和长期记忆（LSTM）结合在一起，以预测人心脏功能中异常。机器学习模型用于检测来自ECG和PCG信号的异常。这项研究中使用了两个突出的数据集，即Physionet 2016和Physionet 2017，用于培训和测试开发的机器学习模型。经验模式分解已用于预处理心脏声音信号和心电图信号。使用EMD可以将信号分解为其基本振荡组件，称为固有模式函数（IMF）。通过将信号与噪声比值与原始和过滤的PCG信号进行比较，可以评估该方法在降低噪声方面的有效性。特征提取是通过生成DeNO.信号的缩放图完成的。缩放图是通过连续小波变换（CWT）获得的。此后，一种称为CNN-LSTM的混合深度学习技术用于分类和训练模型。所提出的模型在分类和检测人心脏功能异常方面的精度为86％。
使用多层感知器进行糖尿病分类...
提交轨道 摘要 提交日期：2024 年 11 月 7 日 糖尿病是一种慢性代谢疾病，其特征是由于身体产生胰岛素的能力受损而导致血糖水平高（高血糖症）。根据国际糖尿病联合会 (IDF) 的数据，糖尿病患者的数量将在 2024 年迅速增加到 7 亿人。因此，我们需要找出感染糖尿病的诱因。其中之一是使用机器学习方法。机器学习用于对哪些因素可能导致感染糖尿病进行分类。进行这种分类的众所周知的方法之一是多层感知器 (MLP) 方法，它是一种由多层组成的人工神经网络 (ANN)，其中每层都有相互连接的节点。它的优点是它能够处理复杂数据特征之间的非线性关系——包括患者数据和患者的疾病——因此据说这种方法与本研究非常相关。研究人员还将 MLP 的准确率与其他几种算法（如随机森林、支持向量机和 K-最近邻）进行了比较。这旨在评估 MLP 与其他方法相比在糖尿病分类中的有效性。此外，研究人员还希望克服传统方法在糖尿病分类中的弱点，并提供基于人工智能的解决方案，方法是利用 MLP 处理医疗数据并关注可能影响糖尿病患者的参数或特征。机器学习中的几种技术，如正则化和超参数优化可以防止过度拟合，数据规范化和降维可用于提高模型输入的质量，从而最大限度地提高准确率并使诊断过程更快、更准确。结果表明，与其他算法相比，MLP 在对该疾病进行分类方面具有良好的性能。MLP 获得更稳定、更高的结果。总体而言，可以说 MLP 的应用对改善糖尿病诊断系统做出了重大贡献，有望应用于医疗系统。
社交媒体文本中情感分类的机器学习算法的比较分析
在社交媒体时代，情感分析对于理解公众舆论至关重要。本研究对社交媒体文本中情感分类的五种机器学习算法进行了比较分析：逻辑回归，支持向量机（SVM），随机森林，天真的贝叶斯和梯度增强。使用三个月内收集的100,000条推文的数据集，我们评估了这些算法在将情感分类为正，负或中性的表现。数据经过了广泛的预处理，包括使用SMOTE清洁，归一化和解决类不平衡。我们的结果表明，逻辑回归和SVM的总体准确性为86.22％，表明所有情感类别的表现都平衡。随机森林紧随其后的精度为82.59％，而幼稚的贝叶斯和梯度提升的表现较低，但仍然值得注意的性能分别为70.45％和69.96％。所有模型在分类负面情绪方面均表现出挑战，这表明了潜在的改进领域。该研究提供了对每种算法的优势和劣势的见解，为从业人员选择适当的情感分析任务的指导提供了指导。我们的发现有助于将机器学习应用于社交媒体交流的快速发展的景观中的复杂的情感分析任务。
基准生物学方法杂志| 2023 |卷。 10 | e99010003 doi：10.14440/jbm.2023.376基准组件免费纳米孔阅读映射
千足片是将叶子回收到热带生态系统中的土壤中的关键参与者。为了阐明其肠道菌群，我们从波多黎各的不同城市收集了千足虫。在这里，我们的目标是基准哪种方法最适合这个高度复杂的千足型微生物组的元基因组脱脂。我们用牛津纳米孔技术（ONT）奴才序列对肠道DNA进行了测序，然后使用Megan-LR，Kraken2蛋白模式，Kraken2核苷酸模式，GraphMap和MiniMAP2分析了数据，以对这些较长的ONT进行分类。从我们的两个样本中，我们分别获得了87,110和99,749个ONT读数。kraken2核苷酸模式与门和类分类级别的所有其他方法相比，读取最多的读取性，对两个样本中的读取中的75％进行了分类，其他方法未能分配足够的读数，以在类似物稀有曲线中产生分类曲线，以表明它们需要对这些进行分类的较大分类，以使这些曲线分为稀有曲线，以完全进行分类以进行分类。社区的各种方法是多种多样的，所有方法将两个样本中的20-50门分类。使用的读取和门类似于五个基准测试的读数和门的明显重叠。我们的结果表明，Kraken2核苷酸模式是应用这个高度复杂群落的宏基因组学脱脂的最合适工具。