XiaoMi-AI文件搜索系统
World File Search Systemparticipants
所有参与者（按字母顺序）
希腊共和国大使乔治·德鲁卡斯先生，数据分析师，Enallaktiki Energiaki（2en）乔治·gkiaouris先生，副主任，区域主任，能源公司，EBRD，EBRD，EBRD，EBRD先生
通讯作者 Mohamed M. Abuzaid，mabdеlfatah@sharjаh.ac.ae 人工智能 (AI) 对物理治疗实践的影响：物理治疗师意愿和准备度研究 1 沙迦大学健康科学学院医学诊断成像系，阿联酋沙迦 2 沙迦大学健康科学学院物理治疗系，阿联酋沙迦 3 开罗大学物理治疗学院，埃及开罗 摘要：分析人工智能 (AI) 的现状是将其融入物理治疗实践的关键第一步。因此，本研究旨在评估物理治疗师 (PT) 对 AI 实施的看法、知识和接受意愿。 2021 年 10 月至 12 月，对在阿拉伯联合酋长国 (UAE) 工作的 PT 进行了探索性横断面在线问卷调查。先前经过验证的调查收集了参与者的人口统计信息、看法、知识、准备情况以及将 AI 融入实践的挑战。结果显示，PT 对 AI 的了解相当匮乏。大多数参与者都赞赏 AI 应用的作用，并期望它将在实践中发挥重要作用。参与者指出，缺乏教育资源和适当的培训是 AI 整合的主要挑战。参与者表达了将 AI 纳入本科和研究生课程的强烈愿望。将 AI 融入物理治疗实践的兴奋需要努力为学生和专业人士提供教育和培训。物理治疗师担心，通过适当的准备来提高对 AI 角色和挑战的认识，可以消除工作干扰。将 AI 应用于 PT 实践将塑造物理治疗师的医疗保健服务和教育的未来。AI 将为患者和提供者提供更快的诊断、更好的性能和准确的结果。即使在人工智能在物理治疗中实施的早期阶段，人工智能的应用也提出了问题并增加了期望。关键词：人工智能、深度学习、物理治疗、物理治疗师、知识、实践。 人工智能在物理治疗实践中的影响：物理治疗师愿意和准备情况的研究
通讯作者 Mohamed M. Abuzaid，mabdеlfatah@sharjаh.ac.ae 人工智能 (AI) 对物理治疗实践的影响：物理治疗师意愿和准备度研究 1 沙迦大学健康科学学院医学诊断成像系，阿联酋沙迦 2 沙迦大学健康科学学院物理治疗系，阿联酋沙迦 3 开罗大学物理治疗学院，埃及开罗 摘要：分析人工智能 (AI) 的现状是将其融入物理治疗实践的关键第一步。因此，本研究旨在评估物理治疗师 (PT) 对 AI 实施的看法、知识和接受意愿。 2021 年 10 月至 12 月，对在阿拉伯联合酋长国 (UAE) 工作的 PT 进行了探索性横断面在线问卷调查。先前经过验证的调查收集了参与者的人口统计信息、看法、知识、准备情况以及将 AI 融入实践的挑战。结果显示，PT 对 AI 的了解相当匮乏。大多数参与者都赞赏 AI 应用的作用，并期望它将在实践中发挥重要作用。参与者指出，缺乏教育资源和适当的培训是 AI 整合的主要挑战。参与者表达了将 AI 纳入本科和研究生课程的强烈愿望。将 AI 融入物理治疗实践的兴奋需要努力为学生和专业人士提供教育和培训。物理治疗师担心，通过适当的准备来提高对 AI 角色和挑战的认识，可以消除工作干扰。将 AI 应用于 PT 实践将塑造物理治疗师的医疗保健服务和教育的未来。AI 将为患者和提供者提供更快的诊断、更好的性能和准确的结果。即使在人工智能在物理治疗中实施的早期阶段，人工智能的应用也提出了问题并增加了期望。关键词：人工智能、深度学习、物理治疗、物理治疗师、知识、实践。 人工智能在物理治疗实践中的影响：物理治疗师愿意和准备情况的研究
HOMA2-B增强了预防参与者试验网途径中1型糖尿病风险的评估
通讯作者：Carmella Evans-Molina，cevansmo@iu.edu。贡献声明CEM，JS和JLF构思和设计了这项研究，参与了数据的获取，分析和解释，并严格修订了手稿。JLF设计了这项研究，参与了数据的分析和解释并撰写了手稿。MW和DC参与了数据的分析和解释，写了一部分手稿并编辑了最终手稿。JMW参与了数据的分析和解释，并严格修订了手稿。KL和FM帮助进行了数据分析，编写了手稿的一部分并编辑了最终手稿。所有作者都阅读并批准了最终手稿，并同意对工作的各个方面负责。CEM是这项工作的保证人。作者的关系和活动作者宣称，没有关系或活动可能会偏见或认为对他们的工作有偏见。
公司参与者
Alastair Roderick Syme Citigroup Inc.交流研究 - 研究分析师Bertrand Hodee Kepler Chevreux，研究部 - 石油和天然气行业研究部主管Biraj Borkhataria RBC Capital Markets，Research Disecation，研究部 - 欧洲能源研究团队和首席领导人研究部主任Chase＆Co，研究部 - 医学博士兼EMEA石油与天然气股权研究研究部负责 Rainforth Barclays Bank PLC, Research Division - Director & Equity Analyst Martijn Rats Morgan Stanley, Research Division - MD and Head of Oil Research Michele Della Vigna Goldman Sachs Group, Inc., Research Division - Co-Head of European Equity Research & MD Oswald C. Clint Sanford C. Bernstein & Co., LLC., Research Division - Senior Research Analyst Paul Cheng Scotiabank Global Banking and Markets, Research Division -分析师Pauline Lecoursonnois-联邦爱马仕（Hermes）的EOS
ICAR NBAIR 于 2021 年 8 月 26 日组织了网络研讨会 #007，作为 Azadi Ka Amrut Mahotsav 的一部分。来自 ICAR 研究所、AICRP (BC) 和 St 的一百名参与者
ICAR NBAIR 于 2021 年 8 月 26 日组织了网络研讨会 #007，作为 Azadi Ka Amrut Mahotsav 的一部分。来自 ICAR 研究所、AICRP（BC）和州立农业大学的一百名参与者参加了网络研讨会。参与者包括前 ADG（PP&B）TP Rajendran 博士、ICAR-NBAIR 前主任 Abraham Verghese 博士和 ICAR-CTCRI 主任 Sheela 博士。ICAR-NBAIR 首席科学家 Kesavan Subaharan 博士欢迎演讲者和参与者。主席 M. Nagesh 博士（ICAR-NBAIR 代理主任）在开场白中强调了基因组编辑在通过基因敲除机制发展对害虫和病原体的抗性方面的作用。他称赞网络研讨会的主题选择，因为它将使参与者能够了解有助于制定新型害虫管理策略的尖端技术。
对话角色对语音人工智能和人类对话者语音对齐的影响 标题：角色和对话者影响对齐 Georgia Zellou、Michelle Cohn 和 Tyler Kline 语音实验室，加州大学戴维斯分校语言学系 469 Kerr Hall，One Shields Ave.，戴维斯，CA 95616，美国 通讯作者电子邮件：gzellou@ucdavis.edu 摘要 两项研究调查了对话角色对人类和语音人工智能对话者语音模仿的影响。在单词列表任务中，给予者指示接收者将单词放在两个列表中的哪一个上；这个对话任务类似于用户与语音人工智能系统进行的简单口头交互。在地图任务中，参与者与对话者一起完成填空工作表，这是一项更复杂的交互任务。参与者与两个对话者一起完成了两次任务，一次作为信息提供者，一次作为信息接收者。语音对齐通过相似性评级进行评估，使用混合效应逻辑回归进行分析。在单词列表任务中，参与者在更大程度上仅向人类对话者靠拢。在地图任务中，仅作为给予者的参与者更多地向人类对话者靠拢。结果表明，语音对齐由对话者的类型介导，并且对话角色的影响因任务和对话者而异。关键词：语音对齐、语音-AI、人机交互、对话
对话角色对语音 AI 和人类对话者语音对齐的影响 标题：角色和对话者影响对齐 Georgia Zellou、Michelle Cohn 和 Tyler Kline 语音实验室，加利福尼亚大学戴维斯分校语言学系 469 Kerr Hall，One Shields Ave.，戴维斯，CA 95616，美国 通讯作者电子邮件：gzellou@ucdavis.edu 摘要 两项研究调查了对话角色对人类和语音 AI 对话者语音模仿的影响。在单词列表任务中，给予者指示接收者将单词放在两个列表中的哪一个上；这个对话任务类似于用户与语音 AI 系统进行的简单口头交互。在地图任务中，参与者与对话者一起完成填空工作表，这是一项更复杂的交互任务。参与者与两个对话者完成了两次任务，一次作为信息提供者，一次作为信息接收者。通过相似性评级评估语音对齐，并使用混合效应逻辑回归进行分析。在单词列表任务中，参与者在更大程度上仅与人类对话者保持一致。在地图任务中，仅作为给予者的参与者更多地与人类对话者保持一致。结果表明，语音对齐由对话者的类型介导，并且对话角色的影响因任务和对话者而异。关键词：语音对齐、语音-AI、人机交互、对话角色
建议现有参与者的NDIS计划旅程
在本次会议上，您还可以提出以前未确定的任何额外的高成本支持需求 - 诸如高成本辅助技术或家庭修改之类的东西。代表将提供有关最终确定这些支持项目资金所需的支持信息的指导。
回家的路上：亚急性 SCI 患者及其护理人员自我管理的 BCI-FES 手部治疗：可用性研究
摘要背景：恢复手部功能是四肢瘫痪患者的首要任务，然而诊所以外获得专门治疗的机会有限。在这里，我们介绍了一种基于脑机接口 (BCI) 的手部治疗系统，该系统使用消费级脑电图 (EEG) 设备结合功能性电刺激 (FES)，并评估其在职业治疗师 (OT) 和脊髓损伤 (SCI) 患者及其家人中的可用性。方法：用户：8 名亚急性 SCI 患者（6 名男性，2 名女性，年龄 55.4 ± 15.6 岁）及其护理人员（3 名男性，5 名女性，年龄 45.3 ± 14.3 岁）；4 名 OT（4 名女性，年龄 42.3 ± 9.8 岁）。用户活动：研究人员培训 OT；OT 随后教护理人员为 SCI 患者设置系统以进行手部治疗。手部治疗包括尝试移动（AM）一只手以降低 8-12 Hz 频段 EEG 感觉运动节律的功率，从而激活 FES，引起腕部屈曲和伸展。技术：消费级可穿戴 EEG、多通道 FES、定制 BCI 应用。地点：医院内的研究空间。评估：佩戴时间、BCI 准确度、BCI 和 FES 参数可重复性、问卷、焦点小组和访谈。结果：有效性：BCI 准确度为 70-90%。效率：平均佩戴时间从初始课程的 40.5 分钟减少到最后一次训练课程（N = 7）的 27 分钟，在最后一次自我管理课程（N = 3）中下降到 14 分钟。BCI 和 FES 参数在各个课程中保持稳定。满意度：根据 QUEST 问卷的测量，SCI 用户和护理人员对该系统的平均满意度为 3.68 ± 0.81（最高 5 分）。实施 BCI-FES 技术的主要推动因素是“看到手在动”、“为所爱的人做一些有用的事情”、良好的计算机知识水平（脊髓损伤患者和护理人员）、“积极参与治疗”（OT），而主要障碍是设置的技术复杂性（所有组）和“缺乏临床证据”（OT）。结论：BCI-FES 有潜力被 SCI 或中风患者用作家庭手部治疗，只要它易于使用并提供支持。操作 BCI 的知识可以从研究人员转移到治疗师、用户和护理人员。试验注册于 2017 年 12 月 6 日在 NHS GG&C 注册；clinictrials.gov 参考编号 NCT03257982，网址：https://clinicaltrials.gov/ct2/show/NCT03257982。
通用的神经解码器，用于跨参与者进行转移学习和记录方式
摘要。目的：神经解码的进步使脑部计算机界面能够执行越来越复杂且与临床相关的任务。但是，这些解码器通常是针对特定参与者，天数和记录网站量身定制的，从而限制了其实际的长期使用。因此，一个基本的挑战是开发可以对汇总，多参与者数据进行稳固训练并推广到新参与者的神经解码器。方法：我们介绍了一个新的解码器HTNET，该解码器使用具有两个创新的卷积神经网络：（1）Hilbert Transform在数据驱动的频率下计算光谱功率，以及（2）将电极水平数据投射到预先确定的脑区域上的层。投影层与颅内皮质摄影（ECOG）进行了严格的应用，其中电极位置未标准化，并且在参与者之间差异很大。我们培训了HTNET，使用来自12名参与者中的11名的合并ECOG数据来解码ARM运动，并在看不见的ECOG或脑电图（EEG）参与者上测试了性能；随后对每个测试参与者进行了这些预告片的模型。主要结果：在对看不见的参与者进行测试时，HTNET的表现优于最先进的解码器，即使使用了不同的记录方式。通过对这些广泛的HTNET解码器进行研究，我们实现了最佳量身定制的解码器的性能，其中只有50个ECOG或20个EEG事件。我们还能够解释HTNET训练有素的重量，并证明其提取与生理相关的特征的能力。引人注目：通过将新参与者概括和记录方式，鲁棒处理电极放置的变化以及允许参与者使用最小数据的参与者进行调整，HTNET适用于与当前的现有状态解码的更广泛的新型新型解码应用程序相比。