深度学习迅速推动了人工智能 (AI) 和算法决策 (ADM) 范式的发展,影响了许多传统医学领域,包括病理学,这是一个高度以数据为中心的医学专业。病理学数据存储库的结构化性质对 AI 研究人员来说具有极大的吸引力,他们可以训练深度学习模型来改善医疗保健服务。此外,由于有望提高医疗保健提供流程的效率,因此巨大的经济激励推动着人们采用 AI 和 ADM。如果不道德地使用 AI,可能会加剧现有的医疗保健不平等,尤其是在实施不当的情况下。迫切需要以合乎道德和道义的方式利用 AI 的巨大力量。本综述探讨了病理学中涉及 AI 伦理的关键问题。讨论了与病理学 AI 研究的道德设计相关的问题以及在病理学工作流程中实施 AI 和 ADM 的潜在风险。在病理学的背景下,描述了道德 AI 的三个关键基本原则:透明度、问责制和治理。病理学的未来实践必须以这些原则为指导。病理学家应该意识到人工智能提供卓越医疗保健的潜力以及与之相关的道德陷阱。最后,病理学家必须参与推动未来在病理学实践中实施道德 AI。(Am J Pathol 2021,191:1673 e 1683;https://doi.org/10.1016/j.ajpath.2021.06.011)
摘要:基于 P300 的拼写器可用于通过大脑活动控制家庭自动化系统。评估基于 P300 的拼写器中使用的视觉刺激是脑机接口 (BCI) 领域的常见主题。本研究的目的是使用可用性方法比较两种在以前的研究中表现优异的刺激类型。12 名参与者在两种条件下控制 BCI,这两种条件下的刺激类型不同:一个红色名人脸被白色矩形 (RFW) 包围,以及一系列中性图片 (NPs)。可用性方法包括与有效性(准确性和信息传输率)、效率(压力和疲劳)和满意度(愉悦度和系统可用性量表和情感网格问卷)相关的变量。结果表明,有效性没有显著差异,但使用 NPs 的系统报告的愉悦度明显更高。因此,由于在潜在用户可能经常使用的系统中也应该考虑满意度变量,因此对于基于视觉 P300 拼写器的家庭自动化系统的开发来说,使用不同的 NP 可能比使用单个 RFW 更合适。
糖尿病脚(DF)是糖尿病2(DM2)的最常见和残疾并发症之一。这项研究表明,一名66岁的DM2和DF患者因涉及超过50%的脚的广泛感染坏死而复杂。她不是血运重建的候选人,由于败血症的焦点不足和坏死程度,因此指出了基racondylar Amportation。但是,由于患者拒绝接受截肢,该病例在另一家卫生机构进行了重新评估,并提出了针对DF救助的多学科治疗计划。该方案包括抗生素治疗,手术清创术,周期性门诊敷料和负压伤口疗法(NPWT)。经过十个月的治疗,肢体几乎显示出几乎完全的愈合,并且无需截肢。复杂DF的管理目前是最大的临床手术挑战之一,要求训练有素的多学科团队提出最佳的肢体救助计划。
摘要:量子信息是信息科学、计算机科学、数学、哲学和量子科学交叉学科领域中发展迅速的领域。这一成果丰硕的研究领域是我们发展量子技术的核心,同时拓宽了我们基础知识的边界,并在过去几十年中取得了显著的进步。无论量子信息在科学上取得怎样的成功,它都不能免除科学家是人类和社会成员这一事实所带来的内在特征:我们社会实践的好坏都会渗透到科学活动中。在我们的科学界,由于社会、经济或文化障碍,多样性和平等机会问题尤其难以观察到,往往是看不见的。我们缺乏意识会如何对科学的长期进步产生负面影响?我们的社区如何才能成长为更好的自己?本文反思了研究活动(例如会议)如何促进我们文化的转变。这篇反思文章借鉴了我们从 Q-Turn 中学到的知识:这是一项由博士后研究人员发起的倡议,旨在讨论这些问题,并通过这样做来提高人们对量子科学中多样性问题和平等机会的认识。除了高水平的科学研究外,Q-turn 的主要使命之一是培育一个包容性的社区,并突出那些可能由于系统性偏见而在其他高影响力场所被低估的杰出研究。除了科学计划外,Q-turn 还就影响量子信息社区的问题进行演讲和讨论,从多样性和包容性、健康和心理健康到工人权利。在这篇观点文章中,我们将以 Q-Turn 为例,说明研究社区如何努力解决系统性偏见、回顾成功经验并确定进一步发展的要点。
越来越多的证据支持了这样一种观点:最终的生物反馈是实时奖励与期望表现(例如出色的记忆检索)相关的神经回路感官愉悦感(例如,增强的视觉清晰度)。神经反馈是一种生物反馈,它使用实时感官奖励来奖励与某种表现(例如,准确和快速回忆)相关的大脑活动。工作记忆是人类智力的重要组成部分。挑战在于我们目前对神经认知功能障碍的理解有限,以及真正实时闭环反馈的技术困难。在这里,我们回顾了实时神经反馈的最新进展,以改善健康年轻人和老年人的记忆训练。随着特定神经生理功能的神经标志物的新进展,神经反馈训练应该有更好的针对性,而不仅仅是单一频率方法,包括频率相互作用和事件相关电位。我们的回顾证实了神经反馈训练在大多数研究中主要对改善记忆和认知起到一定作用的积极趋势。然而,训练通常需要数周时间,每周 2-3 次。我们回顾了各种神经反馈奖励策略和结果测量。此类训练中一个众所周知的问题是,有些人根本不对神经反馈做出反应。因此,我们还回顾了心理因素的个体差异文献,例如安慰剂效应和所谓的“BCI 文盲”(脑机接口文盲)。我们建议在神经反馈文献中使用神经调节敏感性或 BCI 不敏感性。未来的方向包括对轻度认知障碍、非阿尔茨海默氏症痴呆症人群进行急需的研究,以及在休息和睡眠期间使用 EEG 特征进行神经反馈以增强记忆并作为敏感的结果测量。
摘要 人工智能 (AI) 中的认识论不透明问题通常被描述为不透明算法导致不透明模型的问题。然而,人工智能模型的透明度不应被视为其算法属性的绝对衡量标准,而应被视为模型对人类用户的可理解程度。它的认识论相关元素将在计算层面之上和之外的各个层面上指定。为了阐明这一说法,我首先将计算机模型及其基于算法的普遍性主张与控制论风格的模拟模型及其对模型元素和目标系统之间结构同构的主张进行对比(收录于:Black,模型与隐喻,1962 年)。模拟模型旨在实现感知或概念上可访问的模型-目标关系,而计算机模型则导致这些关系中一种特定的不确定性,需要以特定的方式解决。然后,我对两种当代人工智能方法进行了比较,这两种方法虽然相关,但明显与上述建模范式一致,并代表了实现模型可理解性的不同策略:深度神经网络和预测处理。我得出的结论是,它们各自的认知透明程度主要取决于建模的根本目的,而不是它们的计算属性。
摘要背景:在脑出血(ICH)的治疗限制领域,近年来非侵入性经颅电刺激(tES)取得了长足的发展。转化研究推测经颅直流电刺激(tDCS)和其他类型的 tES 仍然是一种潜在的新型治疗选择,可以逆转或稳定认知和运动障碍。目的:本研究旨在比较评估 tDCS、经颅交流(tACS)、脉冲(tPCS)和随机噪声(tRNS)刺激等四种主要 tES 模式对胶原酶诱导的雄性大鼠感觉运动障碍和纹状体组织损伤的影响。方法:为了诱发 ICH,将 0.5 μl 胶原酶注射到雄性 Sprague Dawley 大鼠的右侧纹状体中。手术后一天,对动物连续七天施加 tES。在手术前一天和术后第 3、7 和 14 天通过神经功能缺损评分、转棒和悬线测试评估运动功能。行为测试后,适当准备脑组织以进行立体学评估。结果:结果表明,四种 tES 模式(tDCS、tACS、tRNS 和 tPCS)的应用显著逆转了胶原酶诱导的 ICH 组的运动障碍。此外,tACS 和 tRNS 接受大鼠在悬线和转棒测试中的运动功能改善高于其他两个 tES 接受组。结构变化和立体学评估也证实了行为功能的结果。结论:我们的研究结果表明,除了 tDCS 在 ICH 治疗中的应用外,其他 tES 模式,尤其是 tACS 和 tRNS 可被视为中风的附加治疗策略。关键词:脑出血,纹状体,经颅电刺激,运动功能,体视学
我们展示了一个移动数据集,该数据集由 24 名参与者在执行两项脑机接口 (BCI) 任务时以四种不同的速度移动时从头皮和耳朵周围的脑电图 (EEG) 以及运动传感器获得。数据由放置在前额、左脚踝和右脚踝的 32 通道头皮脑电图、14 通道耳朵脑电图、4 通道眼电图和 9 通道惯性测量单元收集。记录条件如下:站立、慢走、快走和慢跑,速度分别为 0、0.8、1.6 和 2.0 m/s。对于每种速度,记录了两种不同的 BCI 范式,即事件相关电位和稳态视觉诱发电位。为了评估信号质量,在每种速度下对头皮和耳朵脑电图数据进行了定性和定量验证。我们相信该数据集将有助于在不同移动环境中的 BCI 分析大脑活动并定量评估性能,从而扩大实际 BCI 的使用。
自2010年第一版火山出版以来,大约61次爆发大量大于3。在此修订版和更新的版本中,作者描述了其中最大的版本,以及对社会影响最大的版本。第二版包含80多张新照片和数字,以更好地说明火山特征和过程,并提供了更新的书目,其中包括描述最近的喷发和新发现的重要论文。