XiaoMi-AI文件搜索系统
World File Search Systemdartmouth
达特茅斯数字共享引用 达特茅斯数字共享引用 Nasir-Moin, Mustafa；Suriawinata, Arief A.；Ren, Bing；Liu, Xiaoying；Robertson, Douglas J.；Bagchi, Srishti；Tomita, Naofumi；Wei, Jason W.；Mackenzie, Todd A.；Rees, Judy R.； Hassanpour, Saeed，“人工智能增强数字系统对结直肠息肉组织学分类的评估”（2021 年）。达特茅斯奖学金。4174。https://digitalcommons.dartmouth.edu/facoa/4174
作者单位：新罕布什尔州汉诺威盖泽尔医学院生物医学数据科学系（Nasir-Moin、Bagchi、Wei、MacKenzie、Hassanpour）；新罕布什尔州汉诺威达特茅斯学院计算机科学系（Nasir-Moin、Bagchi、Tomita、Wei、Hassanpour）；新罕布什尔州黎巴嫩达特茅斯-希区柯克医学中心病理学和实验室医学系（Suriawinata、Ren、Liu）；新罕布什尔州黎巴嫩达特茅斯卫生政策和临床实践研究所（Robertson、MacKenzie）；新罕布什尔州汉诺威盖泽尔医学院医学系（Robertson、MacKenzie）；佛蒙特州怀特河交界处退伍军人事务医疗中心胃肠病学科（Robertson）；新罕布什尔州汉诺威盖泽尔医学院社区和家庭医学系（Rees）；新罕布什尔州汉诺威盖泽尔医学院流行病学系（Rees，Hassanpour）。
达特茅斯数字共享引文 达特茅斯数字共享引文 Lekkas, Damien 和 Jacobson, Nicholas C.，“使用人工智能和纵向位置数据区分童年创伤后患上创伤后应激障碍的人”（2021 年）。达特茅斯奖学金。4165。https://digitalcommons.dartmouth.edu/facoa/4165
创伤后应激障碍 (PTSD) 的特点是症状复杂多样，因此在传统临床环境之外很难检测。幸运的是，移动技术、被动传感和分析技术的进步为研究和开发提供了有希望的途径。本研究考察了利用全球定位系统 (GPS) 数据（七天内从智能手机被动获取）检测一组高风险、曾受过创伤的女性 (N = 185) 的 PTSD 诊断状态的能力。使用每日外出时间和离家最大距离作为模型特征工程的基础，结果表明可以高性能地预测诊断组状态（AUC = 0.816，平衡灵敏度 = 0.743，平衡特异性 = 0.8，平衡准确度 = 0.771）。结果进一步表明 GPS 信息作为 PTSD 行为库的数字生物标记物的潜在效用。未来的 PTSD 研究将受益于在更大、更多样化的人群中应用 GPS 数据。