XiaoMi-AI文件搜索系统
World File Search Systemjh
（jhr）民事案件管理计划和调度命令
g. 各方不应预期延长上述各款中规定的事实取证和专家取证的期限。与此相关，各方不应在预期延期的情况下单方面决定中止或停止取证（基于和解谈判或其他原因）。除非法院因正当理由进一步下令，否则不得修改本案件管理计划和日程安排令，或延长本案的日期。除非法院另有命令，参与和解谈判的各方必须同时寻求和解并进行取证。各方不应假设如果和解谈判失败，法院将延长现有期限。任何修改或延长本案日期的申请均应通过向 ECF 提交的动议书提出，最迟不得晚于相关期限前两个工作日。除了本法院民事案件个别规则和惯例第 2.E 条中列出的要求外，动议书还必须解释各方为遵守期限所做的努力以及无法在期限前完成取证的原因。除非有特殊情况，否则在期限过后将不予延期。
引用 (APA) Paraskevopoulos, S.、Smeets, P.、Tian, X. 和 Medema, G. (2022)。使用人工智能从科学出版物中提取有关病原体特征的信息。国际卫生与环境健康杂志，245，文章 114018。https://doi.org/10.1016/j.ijheh.2022.114018
对环境中病原体暴露的健康风险评估需要完整且最新的知识。随着科学出版物的快速增长和文献综述的规范化，基于人工智能 (AI) 技术的自动化方法可以帮助从文献中提取有意义的信息，并使文献综述更加高效。本研究的目的是确定是否可以使用深度学习和自然语言处理技术从 PubMed 上关于水传播病原体军团菌的科学出版物中提取定性和定量信息。该模型有效地提取了定性和定量特征，精度、召回率和 F 值分别为 0.91、0.80 和 0.85。人工智能提取的结果与手动信息提取相当。总体而言，人工智能可以可靠地从科学文献中提取有关军团菌的定性和定量信息。我们的研究为更好地理解信息提取过程铺平了道路，是利用人工智能从环境微生物学出版物中收集有关病原体特征的有意义的信息的第一步。
引用：Iqbal U、Celi LA、Hsu Y-HE 等人。医疗人工智能：通往地狱之路是由善意铺就的。BMJ Health Care Inform 2022；29：e100650。doi:10.1136/bmjhci-2022-100650
《BMJ 健康与护理信息学》发表了两篇编辑精选论文，重点介绍了人工智能 (AI) 以及在系统层面正确评估与医疗保健改进相关的 AI 驱动的实施工具的挑战。Kueper 等人 1 的研究重点关注加拿大安大略省初级保健环境中的 AI 挑战。他们提供了经验教训和指导，以指导未来使用 AI 进行资源管理来改善初级保健。作者与多方利益相关者进行了协作磋商。确定了九个优先事项，围绕系统级考虑因素，例如实践环境、组织和致力于医疗服务提供和护理质量的绩效领域。该论文强调了对公平和数字鸿沟、系统容量和文化、数据可访问性和质量、法律和道德考虑、以用户为中心的设计、以患者为中心以及对 AI 应用的适当评估等关注。并回顾了 AI 在学习型健康系统框架中的作用。应安全、有意义地开发和应用人工智能模型，以优化系统性能和社会福祉。2 此外，人工智能提供预防和先发制人的医疗机会，这些机会在及时、准确、个性化和迅速采取行动时最有价值。3
Ph.D课程工作，Bodoland生物技术学会...Bodoland大学经济学系PG教学大纲年：2019-21 Bodoland University Debargaon，Kokrajhar（B.T.C.）Bodoland大学经济学系PG教学大纲年：2019-21 Bodoland University Debargaon，Kokrajhar（B.T.C.）
程序特定结果（PSO）1。学生将了解所有适用于一个国家或地区经济的前两个学期中的所有微观经济学和宏观经济学理论以及市场理论。2。在前两个学期中，学生还将了解经济学的发展理论。3。前两个学期的学生将通过数学和统计工具受益，这些工具用于经济工作机制的经济分析以及分析计量经济学工具的开头。4。在第三学期，学生将学习国际经济理论。确切地说，为什么世界上不同国家之间存在贸易及其后果和利益。本学期将使学生能够了解印度和世界其他国家货币体系的公共融资以及人力资源的可用性以及对此的需求。此外，学生还可以选择了解劳动的经济学或基于资源的经济学。5。在最后一个学期，学生将了解对经济的影响，其后果及其出路。在这个学期中，他们将有机会专门研究《计量经济学》或更多地了解农业经济学。最重要的是，他们将拥有论文纸，他们可以详尽地发展以后进行研究工作的最初技能。
引用：van de Sande D、Van Genderen ME、Smit JM 等人。开发、实施和管理医学领域的人工智能：预防人工智能寒冬的分步方法。BMJ Health Care Inform 2022；29：e100495。doi:10.1136/bmjhci-2021-100495
摘要 目的 尽管人工智能 (AI) 在医学中的作用得到越来越多的研究，但大多数患者并没有受益，因为大多数 AI 模型仍处于测试和原型环境中。临床 AI 模型的开发和实施轨迹复杂，缺乏结构化的概述。因此，我们提出了一个循序渐进的概述，以增强临床医生的理解并提高医学 AI 研究的质量。 方法 我们总结了开发和安全实施医学 AI 所需的关键要素（例如当前指南、挑战、监管文件和良好实践）。 结论 本概述对其他框架进行了补充，使利益相关者无需事先具备 AI 知识即可访问，因此提供了一种循序渐进的方法，其中包含实施所必需的所有关键要素和当前指南，从而有助于将 AI 从字节转移到床边。
引用：Sujan M、Pool R、Salmon P。医疗人工智能的八项人为因素和人体工程学原则。BMJ Health Care Inform 2022；29：e100516。doi:10.1136/bmjhci-2021-100516
引言 为了通过最大限度地减少身体接触来保护患者和医护人员，COVID-19 疫情极大地加速了许多医疗系统的数字化转型。1 医疗数字化转型的一个关键部分是开发和采用人工智能 (AI) 技术，这被视为国家卫生政策的优先事项。2 3 自 2015 年以来，使用机器学习的医疗器械获得监管部门批准的数量呈指数级增长，4 英国标准目前正在与国际标准一起制定。此外，还有更多的医疗 AI 技术不需要此类批准，因为它们不属于医疗器械的狭义定义。医疗 AI 的范围似乎无穷无尽，在成像和诊断、5 院前分诊、6 护理管理 7 和心理健康等一系列领域都报告了有希望的结果。8 但是，在解释此类研究中的说法时需要谨慎。例如，由于独立的前瞻性评估很少，深度学习算法有效性的证据基础仍然薄弱，且存在很高的偏见风险。9 这尤其成问题，因为这些技术的性能、可用性和安全性只有在现实环境中才能得到可靠的评估，在现实环境中，医疗工作者团队和人工智能技术通过合作和协作提供有意义的服务。10 然而，到目前为止，医疗保健人工智能的人为因素和人体工程学 (HFE) 研究很少。11 需要考虑整个社会技术系统的性能的人工智能设计和前瞻性评估研究，并且证据要求与风险水平成比例。12
引用：Bates DW、Syrowatka A、Rhee K 等人。呼吁更好的系统和数据来支持人工智能应对疫情。BMJ Health Care Inform 2022；29：e100506。doi:10.1136/bmjhci-2021-100506
COVID-19 疫情给世界带来了重大影响，各国都在努力控制病毒的传播及其造成的诸多后果，但成效参差不齐。为了控制一种行为和影响未知的新型传染源，必须能够近乎实时地访问和分析大量数据。一些国家做得比其他国家好，一个国家或地区的应对方式会显著影响疫情对人类的影响（请参阅在线补充附录，了解疫情的五条曲线）。例如，疫情早期的中心中国和意大利部署了基于人工智能 (AI) 的软件，利用肺部图像快速识别 COVID-19 患者，1 2 冰岛很早就对病例进行了测序，以了解传播情况。3
引用：Reddy S、Rogers W、Makinen V-P 等人。指导将 AI 系统实施到医疗保健环境中的评估框架。BMJ Health Care Inform 2021；28：e100444。 doi:10.1136/ bmjhci-2021-100444
摘要 目标 迄今为止，医疗保健领域已经开发了许多人工智能 (AI) 系统，但采用程度有限。这可能是由于评估不适当或不完整以及缺乏国际公认的 AI 评估标准。为了对 AI 系统在医疗保健领域的通用性有信心并使其能够融入工作流程，需要一种实用而全面的工具来评估现有 AI 系统的转化方面。目前，医疗保健领域可用的 AI 评估框架侧重于报告和监管方面，但对于评估 AI 系统的转化方面（如功能、实用性和道德组成部分）几乎没有指导。 方法 为了解决这一差距并创建一个评估现实世界系统的框架，一个国际团队开发了一个以转化为重点的评估框架，称为“医疗保健 AI 的转化评估 (TEHAI)”。对文献的批判性回顾评估了现有的评估和报告框架和差距。接下来，使用健康技术评估和转化原则，确定了要考虑的报告组成部分。由八名专家组成的国际小组对这些组成部分进行了独立审查，以达成共识，将其纳入最终框架。结果 TEHAI 包括三个主要组成部分：能力、实用性和采用。对模型开发和部署的转化和伦理特征的重视使 TEHAI 有别于其他评估工具。讨论 现有报告或评估框架的一个主要限制是其重点狭窄。具体而言，评估组件可应用于 AI 系统开发和部署的任何阶段。由于 TEHAI 在转化研究模型中有着坚实的基础，并且强调安全性、转化价值和普遍性，因此它不仅具有理论基础，而且在评估现实世界系统方面也有实际应用。结论 用于开发 TEHAI 的转化研究理论方法不仅应将其应用于研究环境中的临床 AI 评估，还应更广泛地用于指导对工作临床系统的评估。
引用：Reddy S、Rogers W、Makinen V-P 等人。指导将 AI 系统实施到医疗保健环境中的评估框架。BMJ Health Care Inform 2021；28：e100444。 doi:10.1136/ bmjhci-2021-100444
摘要 目标 迄今为止，医疗保健领域已经开发了许多人工智能 (AI) 系统，但采用程度有限。这可能是由于评估不适当或不完整以及缺乏国际公认的 AI 评估标准。为了对 AI 系统在医疗保健领域的通用性有信心并使其能够融入工作流程，需要一种实用而全面的工具来评估现有 AI 系统的转化方面。目前，医疗保健领域可用的 AI 评估框架侧重于报告和监管方面，但对于评估 AI 系统的转化方面（如功能、实用性和道德组成部分）几乎没有指导。 方法 为了解决这一差距并创建一个评估现实世界系统的框架，一个国际团队开发了一个以转化为重点的评估框架，称为“医疗保健 AI 的转化评估 (TEHAI)”。对文献的批判性回顾评估了现有的评估和报告框架和差距。接下来，使用健康技术评估和转化原则，确定了需要考虑的报告组件。由八名专家组成的国际小组对这些组件进行了独立审查，以达成共识，将其纳入最终框架。结果 TEHAI 包括三个主要组成部分：能力、实用性和采用。对模型开发和部署的转化和道德特征的强调使 TEHAI 有别于其他评估工具。具体而言，评估组件可应用于 AI 系统开发和部署的任何阶段。讨论 现有报告或评估框架的一个主要限制是其重点狭窄。由于 TEHAI 在转化研究模型方面有着坚实的基础，并且强调安全性、转化价值和通用性，因此它不仅具有理论基础，而且在评估现实世界系统方面也有实际应用。结论 用于开发 TEHAI 的转化研究理论方法不仅应应用于研究环境中临床 AI 的评估，还应更广泛地指导工作临床系统的评估。
TARA：AI 公平性和领域泛化的训练和表示调整 William Paul 1、Armin Hadzic 1、Neil Joshi 1、Fady Alajaji 2、Philippe Burlina 1、3 1 约翰霍普金斯大学应用物理实验室 11100 Johns Hopkins Rd, Laurel, MD 20723, USA firstname.lastname@jhuapl.edu 2 数学与统计系 加拿大安大略省皇后大学 K7L 3N6 fa@queensu.ca 3 约翰霍普金斯大学计算机科学系 3400 N. Charles Street Baltimore, MD 21218
我们提出了一种针对受保护或敏感因素实施 AI 公平性的新方法。该方法使用双重策略执行训练和表示改变 (TARA) 来缓解 AI 偏见的主要原因，包括：a) 通过对抗独立性使用表示学习改变来抑制数据表示对受保护因素的偏见依赖性；以及 b) 通过智能增强改变训练集以解决引起偏见的数据不平衡，通过使用生成模型，允许通过领域适应和潜在空间操纵对与代表性不足的人群相关的敏感因素进行精细控制。在图像分析上测试我们的方法时，实验表明 TARA 显著或完全消除了基线模型的偏差，同时优于具有相同信息量的其他竞争性消除偏差方法，例如，对于 Eye-PACS，(% 总体准确度，% 准确度差距) = (78.8, 0.5) vs. 基线方法的得分 (71.8, 10.5)，对于 CelebA，(73.7, 11.8) vs. (69.1, 21.7)。此外，认识到当前用于评估消除偏差性能的指标的某些局限性，我们提出了新颖的联合消除偏差指标。我们的实验还证明了这些新指标在评估所提出方法的帕累托效率方面的能力。