XiaoMi-AI文件搜索系统
World File Search Systemintelligence
巴尔的摩宣言：探索类器官智能
Thomas Hartung 1,2 * , Lena Smirnova 1 , Itzy E. Morales Pantoja 1 , Akwasi Akwaboah 3 , Dowlette-Mary Alam El Din 1 , Cynthia A. Berlinicke 4 , J. Lomax Boyd 5 , Brian S. Caffo 6 , Ben Capello 7 , Cohen Lowry , Lowry 8 . Curley 7 , Ralph Etienne-Cummings 3 , Raha Dastgheyb 10 , David H. Gracias 11,12,13,14,15,16 , Frederic Gilbert 17 , Christa Whelan Habela 10 , Fang Han 18 , Timothy D. 19 , Harris Hill 2 , Eric Hermann , 21 . Qi Huang 11 , Rabih E. Jabbour 22 , Erik C. Johnson 20 , Brett J. Kagan 23 , Caroline Krall 1 , Andre Levchenko 24 , Paul Locke 1 , Alexandra Maertens 1 , Monica Metea 25 , Alysson R. Muotri 227 , Paul Rhealton 28 mus 20 , Jesse D. Plotkin 1 , Paul Roach 29 , July Carolina Romero 1 , Jens C. Schwamborn 30 , Fenna Sille ´ 1 , Alexander S. Szalay 31,32,33 , Katya Tsaioun 1 , Daniel Tornero 35 , Jolstein , Jolstein , 36 . 37
在供应链决策支持中启用可解释的人工智能功能
抽象可解释的人工智能（XAI）在实现明智决定的过程中发挥了作用。现代各种供应链（SC）平台的出现改变了SC相互作用的性质，导致了显着的不确定性。这项研究旨在对现有的有关决策支持系统（DSS）的文献进行彻底分析，并在SC领域内对XAI功能的结合。我们的分析揭示了XAI对SC领域决策过程的影响。本研究利用Shapley添加说明（SHAP）技术使用Python机器学习（ML）过程分析在线数据。解释性算法是专门为通过为其产生的预测提供理由来提高ML模型的清醒性的。本研究旨在建立可衡量的标准，以识别XAI和DSS的组成部分，从而在SC的背景下增强决策。这项研究评估了对他们做出预测的能力，在线数据集的利用，所检查的变量数量，学习能力的发展以及在决策背景下进行验证的研究，强调了需要在不确定条件下涉及智能决策的其他探索领域的研究领域。
原始发表论文（记录版本）的引用：Sadik, M.、López-Urdaneta, J.、Ulén, J. 等人 (2021)。人工智能可以提醒使用 FDG-PET/CT 分期的霍奇金淋巴瘤患者局部骨骼/骨髓摄取。科学报告，11(1)。http://dx.doi.org/10.1038/s41598-021-89656-9
开发一种基于人工智能 (AI) 的方法，用于检测接受 FDG-PET/CT 分期的霍奇金淋巴瘤 (HL) 患者的局灶性骨骼/骨髓摄取 (BMU)。将单独测试组的 AI 结果与独立医生的解释进行比较。使用卷积神经网络对骨骼和骨髓进行分割。AI 的训练基于 153 名未接受治疗的患者。骨摄取明显高于平均 BMU 的被标记为异常，并根据总异常摄取平方计算指数以识别局灶性摄取。指数高于预定义阈值的患者被解释为具有局灶性摄取。作为测试组，回顾性纳入了 48 名在 2017-2018 年期间接受过分期 FDG-PET/CT 且活检证实患有 HL 的未接受治疗患者。十位医生根据局灶性骨骼/BMU 对 48 例病例进行分类。在 48 例 (81%) 的局部骨骼/骨髓受累病例中，大多数医生同意 AI 的观点。医生之间的观察者间一致性为中等，Kappa 值为 0.51（范围为 0.25–0.80）。可以开发一种基于 AI 的方法来突出显示使用 FDG-PET/CT 分期的 HL 患者中的可疑局部骨骼/BMU。核医学医生之间关于局部 BMU 的观察者间一致性为中等。
精准农业中的人工智能（AIoT）
精准农业对于实现可持续粮食生产以满足日益增长的粮食需求至关重要。近几十年来，人工智能 (AI) 和物联网 (IoT) 的技术进步有助于解决各种农业领域问题，优化资源利用率（例如水、农药、肥料、种子、能源），改善生产管理和生产力，并减少对劳动力的依赖。人工智能和物联网应用越来越多地用于精准农业应用，例如作物生长监测、除草控制、病虫害检测、种植、作物产量估算、定向喷洒和授粉、智能灌溉和养分管理、田间分析和植物表型分析。例如，使用机器学习和深度学习模型的基于物联网的应用被广泛用于识别水果、蔬菜、杂草、害虫和疾病，并测量土壤质量和养分。这些信息有助于提供更好的作物管理实践。尽管人工智能和物联网技术在精准农业中取得了进展，但以 AIoT 形式结合使用这些技术仍处于早期阶段，在数据采集和连接以及基于边缘计算处理能力的人工智能算法优化等方面仍存在许多挑战需要解决。本研究课题重点关注人工智能和物联网应用领域在大田作物和特种作物精准农业技术方面的最新进展。本研究课题吸引了 9 篇研究文章和 3 篇评论文章。这些文章揭示了应用机器学习和深度学习技术在各种精准农业应用方面的研究进展和趋势。机器人采摘在解决手工劳动密集型和时间敏感的采摘作业的劳动力短缺问题方面发挥着重要作用。例如，Sun 等人提出使用 YOLO-P 来检测自然果园环境中的梨以供机器人采摘。他们提出将混洗块与卷积块注意模块 (CBAM) 集成作为 YOLOv5 网络的主干。总共使用 5,257 张包含各种背景和照明条件的图像来训练和测试所提出的方法。进行了不同的消融实验来检查稳健性和
![在[18f] ...](/simg/3/3c4e9bb38d162e6160d4b912047b129e3f66adae.webp)
在[18f] ...
摘要目的[18 f] FDG PET/CT是多发性骨髓瘤（MM）中高性能的成像方式。尽管如此，PET/CT扫描解释中的相互观察者可重复性可以受到疾病中骨髓（BM）的不同模式的阻碍。尽管最近已经开发出许多方法来解决标准化问题，但在解释PET/CT的解释中，都不能被视为标准方法。我们在此旨在验证一种新型的三维深度学习工具，以自动评估MM患者BM代谢强度的自动评估。材料和方法全身[18 F] FDG PET/CT扫描进行了35例以前未经治疗的MM患者。在开放标签，多中心，随机，主动控制的3阶段试验（GMMG-HD7）的背景下，对所有患者进行了研究。定性（视觉）分析根据局灶性[18 f] fdg-avid病变以及BM中弥漫性[18 F] FDG摄取的程度，将PET/CT扫描分为三组。提出的用于BM代谢评估的自动化方法是基于最初基于CT的骨架分割，其转移到SUV PET图像的转移，随后使用不同SUV阈值的应用以及使用后期进行的改进。在目前的分析中，应用了六个不同的SUV阈值（方法1-6），以定义骨骼中的病理示踪剂摄取[方法1：肝SUV中位数×1.1（轴向骨骼），谷骨肌肉SUV中间×中间×4（极端）。方法4：≥2.5。方法6：SUV Max肝脏]。方法2：肝SUV中值×1.5（轴向骨架），臀肌SUV中值×4（四肢）。方法3：肝SUV中值×2（轴向骨架），臀肌SUV中位数×4（四肢）。方法5：≥2.5（轴向骨架），≥2.0（四肢）。使用所得面具，对每位患者进行全身代谢肿瘤体积（MTV）和总病变糖酵解（TLG）的随后计算。在自动PET值和视觉PET/CT分析的结果以及患者的组织病理学，细胞遗传学和临床数据之间进行了相关分析。在所有患者中使用深度学习工具后，BM分割和MTV和TLG的计算都是可行的。在使用所有六个[18 f] FDG摄取阈值后，在三个患者组的PET/CT扫描的视觉分析结果与MTV和TLG值之间观察到了显着的正相关（P <0.05）。此外，三个患者组在病理示踪剂摄取的所有应用阈值的MTV和TLG值方面存在显着差异。此外，我们可以证明BM血浆细胞浸润和β2-微球蛋白的血浆浸润和血浆水平具有显着的，具有自动定量PET/CT参数MTV和TLG的β2-微球蛋白MTV和TLG。结论MM中BM代谢活性的自动，体积，全身PET/CT评估与此处的应用方法是可行的，并且与疾病中临床相关的参数相关。此方法提供了一种潜在的可靠工具，该工具在MM中PET/CT解释的优化方向和标准化方向提供了潜在的工具。基于目前的结果，将在未来的前瞻性研究中进一步评估基于深度学习的方法。
“人工智能”一词起源于 1956 年，当时它在美国新罕布什尔州达特茅斯学院的一次研讨会上首次提出。“人工智能”
自 60 多年前 AI “诞生” 以来，我们已经取得了长足的进步。由于数据收集和聚合、计算机处理能力、存储容量和计算算法的不断改进，AI 取得了重大进展。AI 最有前途的应用之一是图像处理和图像分析。这些进步自然而然地应用于放射学，这是医学领域最依赖影像的分支学科之一。短短几年内，AI 在放射学中的应用“蓬勃发展”，放射学成为美国食品药品监督管理局 (FDA) 批准的 AI 算法的主要分支学科。FDA 批准的胸部影像 AI 模型数量仅次于神经放射学，还有更多的模型正在研究中。除了放射学，病理学是另一个依赖影像的分支学科，AI 也在该领域取得了进展。高通量全切片扫描技术和数字病理学为计算病理学的腾飞搭建了完美的发射台。尽管基于图像的人工智能正在取得令人兴奋的进展，但患者管理并不单单依赖于成像，因此人工智能已经扩展到其他专科，包括遗传学、外科、肺科、肿瘤学和放射肿瘤学。
交流中的人工智能影响语言和社会关系
人工智能（AI）已经在日常交流中广泛使用，但是尽管担心AI对社会的负面影响，但在很大程度上尚未探索使用它的社会后果。我们研究了最普遍的AI应用程序之一，算法响应建议（“智能答复”）的社会后果，这些建议每天发送数十亿条消息。两个随机实验提供了证据，表明这些类型的算法推荐系统会改变人们在亲社会和反社会方式上互相互动和感知的方式。我们发现，使用算法响应会改变语言和社会关系。更具体地说，它增加了沟通速度，积极的情感语言的使用，并且对话伙伴相互评估，以更接近和更合作。然而，与对AI的不利影响的共同假设一致，如果怀疑他们使用算法响应，对人们的评估更为负面。因此，即使AI可以提高沟通速度并改善人际观念，但AI的主要反社会含义会破坏这些潜在的好处，如果使用公开使用。
基于人工智能的脑部计算器交互神经接口及其并行编程，使用群集移动设备上的高性能计算
因此，下一个提到的结果遵循。基于通过实验测量左手和右手拇指运动过程中大脑电活动获得的EEG信号，我们获得了用于训练集合随机森林算法的输入和输出数据，该算法是通过Scikit-Learn库的软件工具实现的。使用Joblib库的软件工具，可以通过将N_JOBS HyperParameter的值设置为-1时在物理内核和计算机流程上训练集合的随机森林算法时并行化计算。基于DASK库的软件工具，将并行计算分布在群集计算机系统的物理核心及其流中，这使得组织高性能计算以训练集合随机森林算法。结果，根据质量指标：准确性，ROC_AUC和F1评估了创建算法，软件 - 硬件计算管道的质量。所有这些一起制作
研究文章基于人工智能的非线性控制DC微电网中可再生能源和存储系统的非线性控制
为了最大程度地减少全球变暖和温室效应的影响，可以广泛研究基于可再生能源的微电网。在本文中，已经介绍了DC微电网中的PV，基于风能的可再生能源系统和电池，基于超级电容器的储能系统。使用神经网络和最佳扭矩控制获得了PV和风的最大功率点。非线性超级滑动模式控制器已为功率来源提供。使用Lyapunov稳定性分析验证了框架的全局渐近稳定性。对于负载产生平衡，已经设计了基于模糊逻辑的能量管理系统，并使用MATLAB/SIMULINKR⃝（2019a）模拟了控制器，并比较了不同的控制器。对于实验验证，已进行了控制器硬件 - 循环实验，以验证设计系统的性能。©2021 ISA。由Elsevier Ltd.发布的所有权利保留。