XiaoMi-AI文件搜索系统
World File Search Systemworkflow
将人工智能与放射学报告工作流程（RIS 和 PACS）相结合
用于检测特定疾病的放射图像的计算机分析正在迅速兴起，例如检测乳腺病变、脑出血、中风、骨折、主动脉夹层、肺结节等。人工解释会考虑其他信息，例如患者的症状和体征、先前的图像、血液检查和组织病理学报告。放射科医生了解计算机算法的局限性，并经常质疑计算机的解释。考虑到这一点，即使在实施人工智能算法后，放射科医生仍将继续发布针对患者的个性化可操作报告。可操作报告提供初步诊断、潜在的鉴别诊断和下一步治疗建议（通常由当地情况和服务可用性决定）。1
GeoAI 与 ArcGIS 结合，将 AI 集成到 NMCA 的端到端工作流中
• 使用 NLS 建筑物足迹 • 使用 LAS 数据 • 训练 maskRCNN 模型 • 使用 AI 为建筑物添加属性 • 根据属性应用程序规则来创建 3D • 可以进行手动处理
使用人工智能对胸部 X 光检查工作列表进行优先级排序：临床工作流程模拟
摘要 目的 旨在评估人工智能 (AI) 的智能工作列表优先级排序是否能够优化放射学工作流程并减少胸部 X 光片 (CXR) 中关键发现的报告周转时间 (RTAT)。此外，我们研究了一种方法以抵消 AI 的假阴性预测的影响——由于 CXR 被排在工作列表的末尾，这会导致 RTAT 非常长且危险。 方法 我们开发了一个模拟框架，通过结合医院特定的 CXR 生成率和报告率以及病理分布来模拟大学医院的当前工作流程。利用这个框架，我们模拟了标准工作列表处理“先进先出”(FIFO)，并将其与基于紧急程度的工作列表优先级排序进行了比较。检查优先级排序由 AI 执行，将八种不同的病理发现按紧急程度降序排列：气胸、胸腔积液、浸润、充血、肺不张、心脏扩大、肿块和异物。此外，我们引入了最长等待时间的上限，超过此上限后，将为检查分配最高紧急程度。结果与 FIFO 模拟相比，所有优先级模拟中所有关键发现的平均 RTAT 均显着减少（例如，气胸：35.6 分钟 vs. 80.1 分钟；p < 0.0001），而大多数发现的最大 RTAT 同时增加（例如，气胸：1293 分钟 vs. 890 分钟；p < 0.0001）。我们的“上限”大大降低了所有类别的最大 RTAT（例如，气胸：979 分钟 vs. 1293 分钟/1178 分钟；p < 0.0001）。结论我们的模拟表明，AI 的智能工作列表优先级排序可以降低 CXR 中关键发现的平均 RTAT，同时保持较小的 FIFO 最大 RTAT。要点 • 基于医院经验数据开发逼真的临床工作流程模拟器，可使用人工智能精确评估智能工作列表优先级。 • 使用没有最大等待时间阈值的智能工作列表优先级可能会产生人工智能的假阴性预测风险，从而大大增加报告周转时间。 • 使用最先进的卷积神经网络可以将平均报告周转时间缩短到几乎完美分类算法的上限（例如，气胸：35.6 分钟 vs. 30.4 分钟）。
使用矢量符号架构高效编排 Node-RED IoT 工作流
许多工作流系统跨越多个科学领域和环境，对于物联网 (IoT)，Node-RED 提供了一个有吸引力的基于 Web 的用户界面来执行基于 IoT 服务的工作流。但是，与大多数工作流系统一样，它集中协调工作流，无法在节点移动的更短暂的环境中运行。为了解决这一差距，我们展示了如何将 Node-RED 工作流迁移到分散的执行环境中以在移动自组织网络上运行，并且我们通过将基于 Node-RED 的交通拥堵检测工作流转换为在分散环境中运行来演示这一点。该方法使用向量符号架构 (VSA) 将 Node-Red 应用程序动态转换为紧凑的语义向量表示，该表示对服务接口及其嵌入的工作流进行编码。通过扩展现有的服务接口，使用可以解释和交换向量的简单认知层，我们展示了如何以完全分散的方式动态发现所需的服务并将其互连到所需的工作流中。由此产生的系统提供了一个方便的环境，其中可以使用 Node-RED 前端图形组合工具来协调分散的工作流。在本文中，我们进一步扩展了这项工作，引入了一种新的动态 VSA 向量压缩方案，该方案可压缩用于在线通信的向量，从而减少通信带宽，同时保持语义信息内容。该算法利用符号向量的全息特性进行压缩，同时考虑组合向量的数量以及确定与同一上下文中使用的其他编码向量冲突的相似性界限。由此产生的节省使这种方法对于基于服务的分散式工作流中的发现极为有效。© 2020 由 Elsevier BV 出版
BSAseq：一种基于网络的交互式集成工作流程，用于识别大量 F2 群体中的因果突变
摘要摘要：随着新一代测序 (NGS) 技术的进步和这些技术成本的降低，批量分离分析 (BSA) 不仅成为绘制数量性状基因座 (QTL) 的有力工具，而且成为识别感兴趣表型的因果基因突变的有效方法。然而，由于存在背景突变和测序、基因分型和参考组装中的错误，通常很难区分真正的因果突变和背景突变。在本研究中，我们开发了 BSAseq 工作流程，其中包括一个自动化生物信息学分析流程，带有用于估计分离区域的概率模型和用于可视化结果的交互式 Shiny Web 应用程序。我们对雄性不育亲本系 (ms8) 进行了深度测序，以捕获批量 F2 数据中的大多数背景突变。我们将该工作流程应用于 11 个批量 F2 种群，并确定了每个种群中的真正因果突变。该工作流程直观而直接，方便没有生物信息学分析技能的用户采用。我们预计 BSAseq 将广泛应用于识别许多感兴趣的表型的因果突变。可用性：BSAseq 可在 https://www.sciapps.org/page/bsa 免费获取联系人：liya.wang@cshl.edu、ware@cshl.edu、zhanguo.xin@ars.usda.gov
Engin Dikici、Matthew Bigelow、Luciano M. Prevedello、Richard D. White、Barbaros S. Erdal，“将 AI 集成到放射学工作流程中：研究、生产和反馈成熟度水平，”J. Med. Imag. 7 (1), 016502 (2020), doi: 10.1117/1.JMI.7.1.016502
摘要。我们提出了将基于人工智能 (AI) 的图像分析算法集成到现有放射学工作流程中的路线图，以便 (1) 放射科医生可以从 AI 带来的各种成像任务自动化增强中受益匪浅，并且 (2) 放射科医生的反馈可用于进一步改进 AI 应用程序。这是通过建立三个成熟度级别来实现的，其中 (1) 研究使放射科医生能够可视化基于 AI 的结果/注释，而无需生成新的患者记录； (2) 生产允许基于 AI 的系统生成存储在机构图片存档和通信系统中的结果； (3) 反馈为放射科医生提供了编辑 AI 推理结果的工具，以便定期重新训练已部署的 AI 系统，从而允许持续有机改进基于 AI 的放射学工作流程解决方案。一个案例研究（即使用 T1 加权对比增强三维 MRI 检测脑转移瘤）根据上述成熟度级别说明了特定基于 AI 的应用程序的部署细节。结果显示，给定的 AI 应用程序随着放射科医生的反馈而显着改善；由于放射科医生的裁决，错误检测的脑转移瘤（假阳性）数量从每位患者 14.2 个减少到 9.12 个，随后注释的数据集数量从 93 个增加到 217 个。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。全部或部分分发或复制本作品需要完全署名原始出版物，包括其 DOI。[DOI: 10.1117/1.JMI.7.1.016502 ]
认证人工智能 (AI) 从业者（考试 AIP-110） 课程编号：CNX0008 课程长度：5 天 课程描述概述：人工智能 (AI) 和机器学习 (ML) 已成为许多组织工具集的重要组成部分。如果使用得当，这些工具可以提供可操作的见解，从而推动关键决策并使组织能够创造令人兴奋、新颖和创新的产品和服务。本课程向您展示如何应用各种方法和算法通过 AI 和 ML 解决业务问题，遵循有条不紊的工作流程来开发合理的解决方案，使用开源、现成的工具来开发、测试和部署这些解决方案，并确保它们保护用户的隐私。 课程目标：在本课程中，您将实施 AI 技术来解决业务问题。您将：
认证人工智能 (AI) 从业者（考试 AIP-110） 课程编号：CNX0008 课程长度：5 天 课程描述概述：人工智能 (AI) 和机器学习 (ML) 已成为许多组织工具集的重要组成部分。如果使用得当，这些工具可以提供可操作的见解，从而推动关键决策并使组织能够创造令人兴奋、新颖和创新的产品和服务。本课程向您展示如何应用各种方法和算法通过 AI 和 ML 解决业务问题，遵循有条不紊的工作流程来开发合理的解决方案，使用开源、现成的工具来开发、测试和部署这些解决方案，并确保它们保护用户的隐私。 课程目标：在本课程中，您将实施 AI 技术来解决业务问题。您将：
CRISPR 工作流程中的内毒素及其对转染效率的影响
图 3. 内毒素水平比较。根据制造商说明 (Lonza)，使用 Limulus Amebocyte Lysate (LAL) 测试测量使用 QIAGEN 的 EndoFree Plasmid Kit 和 QIAGEN Plasmid Plus Kit 以及 Zymo 的 ZymoPureII Endo-Zero Plasmid Kit 制备的质粒 DNA 样本中的内毒素水平。对于每个试剂盒，对 2 个样本进行 1:100 稀释，重复三次测试。测试的标准曲线范围在 0.005 EU/ml 和 50 EU/ml 之间。EndoFree Plasmid Plus 试剂盒产生的质粒 DNA 不含任何可检测的内毒素，而 Plasmid Plus 试剂盒提供的质粒 DNA 中内毒素含量显著降低。相比之下，ZymoPureII 产生的质粒 DNA 含有大量内毒素。通过琼脂糖凝胶电泳评估的两个试剂盒的质粒 DNA 的产量和质量相当（未显示数据）。
Biowep Workflow颁布门户ID中生物信息学处理器的半自动和有效注释-181 Romano Paolo 1，Marra Domenico
1个生物信息学和结构蛋白质组学，国家癌症研究所。Genova动机工作流程系统是协调对标准化Web服务数据并检索数据的有效选择。已经开发了用于生物信息学的各种工作流管理系统（WMS）。然而，创建工作流程可能很困难，因为它暗示了可用的Web服务和数据格式的知识，而不是提及编程技能。工作流颁布门户。Biowep是生物信息学的工作流颁布门户，已在线向所有研究人员提供[1,2]。它允许进行预定义的工作流以及工作流执行和相关结果的存储和检索。它通过生物信息学任务的本体来支持工作流程的注释。搜索和选择工作流程可以根据其注释进行。BiOwep使用开源：WMS Taverna [3]和MySQL。在这里，我们提出了BiOWEPS WorkFlow存储库管理器（WFRM），这是一个Web应用程序，用于管理工作流存储库中的工作流程。wfrm支持用XSCUFL描述的半自动，有效的插入，更新和注释，这是Mygrid倡议中开发的工作流语言[4,5]。方法WFRM已被实施为BioWep管理的前端。它是通过使用Javaserver页面（JSP）技术编写的，该技术提供了一种快速，简化，与服务器和平台无关的方式来创建动态Web内容。现在，系统维护是简单而直观的。WFRM提供了一个以用户为中心的接口，用于上传用XSCUFL语言编写的工作流程。它包括一个基于MySQL数据库的Java类后端组件，该组件将接口与工作流存储库连接起来。上传的工作流程首先存储在工作目录中，然后通过使用一组基于SAX的类进行句法验证并最终解析。这些返回工作流对客户端应用程序的值，因此在数据库中促进了以应用程序驱动的基本数据的插入，例如工作流量名称，描述和作者。其他信息，例如Workflows应用程序域，必须由用户添加。在我们的DB模式中，我们称之为版本的工作流程及其实现之间有区别。工作流程仅在其目标的基础上在概念上描述，并且没有指任何实际文件。而是将每个版本严格链接到一个文件，可以制定并给出结果。版本可能会有所不同，例如，对于访问的Web服务，提供替代方案，但同等，服务和本地详细处理程序，可以通过保持相同的功能来修改它们。因此，WFRM在上传新工作流程之间有一个区别，在这种情况下，关联的文件将分配给工作流的第一个版本，或者是现有工作流的新版本。提交的文件包括处理器的描述，其链接以及工作流的整体输入和输出。通过生物信息学数据和任务的分类，WFRM在半自动上有效地注释了此信息。我们选择注释总体工作流程和最重要的处理器（将其选择留给用户）。然后将注释插入数据库中，而工作流程本身不会更改。java applet为研究人员提供了探索性工具，用于识别和选择注释应用程序域，详细说明任务以及输入和输出数据类型的最佳定义。可以随时更新（插入，修改或删除）注释。我们对生物信息学任务和数据的分类来自原始的Mygrid本体[6]，这些本体已通过使用不同的层次结构进行了重组，并通过添加生物资源和图像数据类型来扩展。在搜索存储库中的工作流程时也使用此注释。结果，我们介绍了WFRM，这是一种用户友好的接口，该界面是用于在BiOWEP WorkFlow存储库中高效且半自动管理信息的工具。之前，在存储库中插入工作流程是一个复杂且耗时的过程，需要手动更新数据库内容。工作流程基本数据已收集，处理器由适当的本体学注释，并且数据库以连贯和有效的方式更新。