XiaoMi-AI文件搜索系统
World File Search Systemxiv
![人工智能治理中的结构化透明度 [arxiv 版本]](/simg/d/d500f55d902ad5cd4a2b7001a1a8702b1812d6bf.png)
人工智能治理中的结构化透明度 [arxiv 版本]
隐私增强技术的发展在减少数据交换和分析中隐私与性能之间的权衡方面取得了巨大进展。类似的结构化透明度工具可以通过提供外部审查、审计和源验证等功能对人工智能治理有用。将这些不同的人工智能治理目标视为一个信息流系统很有用，以避免部分解决方案和治理中的重大差距，因为本文中提到的人工智能治理用例所需的软件堆栈可能存在大量重叠。当将系统视为一个整体时，这些不同的人工智能治理解决方案之间的互操作性的重要性就变得清晰起来。因此，在这些标准、审计程序、软件和规范落实到位之前，将人工智能治理中的这些问题视为一个系统至关重要。123
用于更新 arxiv 的 DRAGON-AI 论文副本
目前，大多数本体编辑工作流程都涉及为本体中的每个术语或类别手动输入多条信息（也称为公理）。这些信息包括唯一标识符、人性化标签、文本定义，以及将术语与其他术语（无论是在同一个本体中还是在不同的本体中）连接起来的关系 (7)。例如，ID 为 CL:1001502 的细胞本体 (CL) (8) 术语具有标签“僧帽细胞”，与术语“中间神经元”(CL:0000099) 具有 subClassOf (is-a) 关系，与 Uberon 术语“嗅球僧帽细胞层”(UBERON:0004186) 具有“具有体细胞位置”关系 (9)，以及文本定义：大型谷氨酸能神经细胞，其树突与嗅球肾小球层中的嗅觉受体神经元的轴突突触，其轴突在嗅束中集中传递到嗅觉皮层。大部分信息都是手动输入的，使用专用的本体开发环境（如 Protégé (10)）或使用电子表格，随后使用 ROBOT (11) 等工具将其转换为本体。在某些情况下，可以使用 OWL 推理 (12) 自动分配“is-a”关系，但这依赖于本体开发人员预先为术语子集指定逻辑定义（一种特定类型的公理）。该策略广泛应用于多种不同的生物本体（生物本体），尤其是那些涉及许多组合术语的本体，导致大约一半的术语具有以这种方式自动分配的子类关系（13-16）。
arxiv_censoring-awaretree基于基于估算多阶段动态治疗方案的增强措施
动态治疗方案（DTRS）提供了一种系统的方法来制定适合个人患者特征的顺序治疗决策，尤其是在感兴趣的生存结果的临床环境中。审查感知树的增强学习（CA-TRL）是一个新的框架，可在估计最佳DTR时解决与审查数据相关的复杂性。我们探索从观察数据中学习有效DTR的方法。通过增强基于树木的增强学习方法，具有增强的反可能性加权（AIPW）和审查感知的修改，CA-TRL提供了强大而可解释的治疗策略。我们使用SANAD癫痫数据集通过广泛的模拟和现实世界应用来展示其有效性，在该数据集中，它的表现优于最近提出的关键指标中提出的ASCL方法，例如受限的平均生存时间（RMST）和决策精度。这项工作代表着跨不同医疗机构的个性化和数据驱动的治疗策略迈出的一步。
科学数据论文arxiv
公共成像数据集对于癌症成像中自动化工具的开发和评估至关重要。不幸的是，许多不包括注释或图像衍生的特征，使其下游分析变得复杂。基于人工智能的注释工具已被证明可以实现可接受的性能，因此可用于自动注释大型数据集。作为丰富NCI成像数据共享（IDC）中可用的公共数据的努力的一部分，在这里，我们在这里介绍了AI生成的注释，用于两种计算机断层扫描图像的胸部，NSCLC-radiomics和国家肺肺部筛查试验的两部计算机图像。使用公开可用的AI算法，我们得出了有风险的胸腔器官的体积注释，它们相应的放射线特征以及解剖学地标和地区的切片级注释。由IDC在IDC中公开可用的注释，其中DICOM格式用于协调数据并实现公平的原则。注释伴随着启用云的笔记本，以证明其使用。这项研究强大了对大型，可公开访问的策划数据集的需求，并证明了如何使用AI来帮助癌症成像。
S1P血压2025-1-15_Biorxiv
标题：血源性鞘氨酸1-磷酸盐维持血管抗性和心脏功能。作者：Ilaria del Gaudio 1，Philippe Bonnin 2,3， *，Emilie Roy-wesiers 4，Estelle Robidel 1，Manuella Garcia 4，Coralyne Proux 4，Alexandre Boutigny 2，3 Anja Nitzsche 1, Stéphanie Baron 1, Olivia Lenoir 1, Pierre-Louis Tharaux 1, Maria-Christina Zennaro 1, Long N. N. NGUYEN 5, Daniel Henrion 4 and Eric Camerer 1, * Affiliations: 1 University Paris Cité, Paris Cardiovascular Research Center, Inserm U970, Paris, France; 2公共援助 - 巴黎公共援助 - 巴黎（AP-HP），临床生理学，拉里博西耶尔医院，巴黎法国巴黎，巴黎3级大学，巴黎大学，INSERM U1144，UFR DE PHARMACIE，PARNACIE，PARENCE，FRANCE，FRANCE； 4 Angers University，Mitovasc系，2（Carme），Angers University Hospital（Chu of Angers），CNRS，INSERM U1083，Angers，France，6 Yong Loo Lin医学院，新加坡新加坡大学，新加坡117596，新加坡，新加坡 * Lariboisière，《临床生理学服务》，第2卷，AmbroiseParé，75010 Paris，法国：Philippe.bonnin@aphp.fr Eric Camerer，ParisCité大学，Parcc，Parcc，Inserm U970，56 Rue Leblanc，F-75015 Paris，France，France，France;电话：+33（0）1 53 98 80 48;电子邮件：eric.camerer@inserm.fr
反思性作为可持续性科学的变革能力：引入关键系统方法
非技术摘要。跨学科的可持续性科学家与许多不同的参与者合作，以追求变革。这样做就选择了为什么以及如何在研究中与不同观点互动。反思性 - 积极的个人和集体批判性反映 - 被认为是研究人员应对所产生的道德和实际挑战的重要能力。我们通过关键的系统方法开发了一种反思性，作为可疑科学的变革能力的框架，这有助于做出任何影响哪些观点的决策，这些观点被明确地包括或排除在研究中。我们建议，跨学科的可持续性研究可以通过培养反思性而变得更具变革性。技术摘要。跨学科可持续性科学越来越多地用于研究变革性变革。然而，跨学科的研究涉及各种各样的参与者，这些参与者有时会有矛盾的观点和世界观。反思性被认为是导致最终挑战的关键能力，但反思性的概念通常集中在个人研究人员的反思上，这些反思缺乏与集体跨学科研究过程和该领域的主要询问方式的明确联系。此差距表明了反射性仍然存在于可持续性科学的外围，并变得“无反射性”，因为关键的维度未被确定。我们的目标是通过关键的系统方法建立反思性作为可持续性科学中的变革能力的框架。我们通过对跨学科，转型和反思性的文献进行快速范围的审查以及对红河盆地（加拿大美国加拿大美国）的场景研究的反思进行了快速范围的审查。框架将反思性描述为培养自我批判和相互学习的动态，嵌入和集体的过程中的能力，以提供变革性变化，通过交互边界过程 - 边界描述，相互作用和变换。案例研究的反思表明，将此框架嵌入研究中如何揭示边界过程，从而阻止转化和培养更反思性和变革性研究。社交媒体摘要。跨学科的可持续性研究可能会通过将反思性作为一种动态，嵌入式和集体学习过程而变得更加转变。
儿童的神经塑性和原始反思性整合
Karen Pryor博士，PT，DPT，ND，CH，CPRC S专门研究神经可塑性。坚定的信念，当您改变主意时，身体就会跟随。她是一名物理治疗师，拥有45年的经验和自然疗法的医生。多种教育途径的整合帮助她设计了高级计划，以重新整理所有年龄段的人的大脑。Karen是十个手指的十个脚趾的作者，每个人都需要了解亚马逊和Bookbaby的二十件事。她因在为儿童提供治疗方面的工作而获得了奥巴马总统的“杰出志愿服务奖”。，她于2014 - 2024年从州长比尔·哈斯拉姆（Bill Haslam）和李比尔·李（Bill Lee）的州长比尔·李（Bill Lee）任命为田纳西州三岁儿童出生的领导层间协调理事会。Karen是日本毛利基金会的顾问。
Capvaxive – 21 价肺炎球菌结合疫苗
1. 两种新型肺炎球菌疫苗——Prevnar 20 和 Vaxneuvance。Med Lett Drugs Ther 2021；63:188。2. HL Platt 等人。成人肺炎球菌结合疫苗 V116 (STRIDE-3) 的安全性、耐受性和免疫原性：一项随机、双盲、活性对照药对照的国际 3 期试验。Lancet Infect Dis 2024 年 7 月 1 日（电子版）。3. P Scott 等人。一项 3 期临床研究，旨在评估 V116 在 50 岁或以上接种过肺炎球菌疫苗的成人中的安全性、耐受性和免疫原性（Stride-6）。Clin Infect Dis 2024 年 7 月 31 日（电子版）。4. 美国妇产科医师学会。孕产妇免疫。实践咨询。 2022 年 10 月。网址：https://bit.ly/3ys9uyu。访问于 2024 年 9 月 26 日。5. M Kobayashi 等人。美国成年人使用 21 价肺炎球菌结合疫苗：美国免疫实践咨询委员会的建议，2024 年。MMWR Morb Mortal Wkly Rep 2024；73:793。
Quercus alba的单倍型分辨的参考基因组阐明了橡木的进化史| Biorxiv
（a）Q. Alba基因组组装的HAPA和HAPB之间的结构同步。两个反转超过1 Mb：3染色体上的1.1 Mb反转和染色体上的1.9 Mb反转。35S阵列的位置用红色正方形表示，5S阵列用红色圆圈表示。（b）中期染色体用两对35（绿色）和一对5s（红色）rDNA信号扩散。小型35S信号由白色箭头指示。
推荐引用 推荐引用 Koutsouvelis, V., Shiaeles, S., Ghita, B., & Bendiab, G. (2021) '使用人工智能和可视化检测内部威胁'，网址：https://doi.org/10.48550/arxiv.2109.02417 本文由 PEARL 科学与工程学院免费提供给您，供您开放访问。它已被 PEARL 授权管理员接受纳入工程、计算和数学学院。有关更多信息，请联系 openresearch@plymouth.ac.uk 。
摘要 — 内部威胁是公司或组织 IT 系统和基础设施最具破坏性的风险因素之一；识别内部威胁引起了全球学术研究界的关注，并提出了多种解决方案来减轻其潜在影响。为了实施本研究中描述的实验阶段，使用卷积神经网络 (CNN) 算法并通过 Google TensorFlow 程序实施，该程序经过训练可以从可用数据集生成的图像中识别潜在威胁。通过检查生成的图像并借助机器学习，可以回答每个用户的活动是否被信息系统归类为“恶意”的问题。