XiaoMi-AI文件搜索系统
World File Search System光片
证据概述：早期价值评估——用于分析胸部 X 光片图像的人工智能软件
放射科专家使用辅助 AI 软件进行胸部 X 光检查的说明性路径与此处介绍的仅由放射科专家进行的胸部 X 光检查的结构相同。如果使用软件进行分类，则可以在胸部 X 光检查之前添加一个额外步骤。
用于分析胸部 X 光片图像以识别疑似肺癌的人工智能软件 最终范围 2022 年 11 月 1/18
胸部 X 光检查中提示肺癌的一些异常特征可能包括肺结节、胸腔积液（肺部周围多余的液体）、肺或肺节段塌陷、肋骨等骨结构破坏或侵蚀，以及纵隔内的肿块或淋巴结。其他异常可能包括钙化（覆盖肺部的薄而透明的双层膜变厚和变硬）、肺实变（肺气囊和小气道充满致密物质）、纤维化（肺部出现疤痕，呼吸变得越来越困难）、纵隔增宽（肺部之间心脏所在区域增宽）和气腹（腹部有空气）。检测其中一些异常可能具有挑战性。根据医疗安全调查处 (HSIB) 的数据，大约 20% 的肺癌会在 X 光检查中被遗漏，从而导致诊断延迟并可能影响患者的预后。例如，肺结节可能难以检测，因为它们体积小、形状各异，而且与肺部其他结构的距离很近。大多数肺结节都是良性的，体积小，但有些可能会长大并发展成肺癌。
研究论文 人工智能在胸部 X 光片上诊断 COVID-19 疾病症状中的应用：系统评价
本系统评价的重点是利用人工智能 (AI) 在 X 射线图像的帮助下检测 COVID-19 感染。方法：2022 年 1 月，作者使用特定的医学主题词和过滤器搜索了 PubMed、Embase 和 Scopus。所有文章均由两位审稿人独立审阅。所有因误解而产生的冲突均由第三位独立研究人员解决。在评估摘要和文章的实用性、消除重复并应用纳入和排除标准后，发现六项研究符合本研究的条件。结果：由于作者的方法不同，各个研究的结果也不同。敏感性为 72.59%–100%，特异性为 79%–99.9%，精确度为 74.74%–98.7%，准确度为 76.18%–99.81%，曲线下面积为 95.24%–97.7%。结论：用于评估 COVID-19 诊断过程中胸部 X 光检查的 AI 计算模型应达到足够高的敏感性和特异性。它们的结果和性能应该是可重复的，以使它们对临床医生来说是可靠的。此外，这些额外的诊断工具应该比目前可用的程序更实惠、更快捷。基于 AI 的系统的性能和计算应考虑临床数据。
通过胸部 X 光片测量骨密度
通过胸部 X 光片进行预测：一项多中心研究 主要研究员：佐藤洋一 名古屋大学医学院 共同研究员：山本则夫 宫本整形外科医院 稻垣直哉 慈惠大学柏医院 家崎雄介 国立医院组织 名古屋医疗中心 高原俊介 兵库县立加古川医疗中心 尽管全世界患有骨质疏松症的患者数量正在增加，但目前的诊断和治疗还不够充分。在这项研究中，我们开发了一个深度学习模型来通过胸部 X 光片预测骨矿物质密度 (BMD) 和 T 值，胸部 X 光片是最常见、最容易获得且成本最低的医学影像检查方法之一。本研究中使用的数据集包含 17,899 张图像，这些图像对应于 2010 年至 2021 年期间在六家医院接受双能 X 射线吸收仪 (DXA) 和胸部 X 光检查的 10,102 名患者。对于学习标签，我们使用 (1) 髋部和腰椎的 BMD (g/cm2) 和 (2) 基于髋部或腰椎 T 分数的诊断（正常、骨质减少和骨质疏松症）。然后，我们通过胸部 X 光片、年龄和性别的集成学习来训练深度学习模型，以使用回归和 T 分数进行多类分类来预测 BMD。我们评估了以下两个指标来评估深度学习模型的性能：(1) 预测和真实 BMD 之间的相关性和 (2) 预测类别和真实类别之间 T 分数的一致性。BMD 预测的相关系数为髋部 = 0.75，腰椎 = 0.63。正常、骨质减少和骨质疏松诊断的 T 分数预测曲线下面积分别为 0.89、0.70 和 0.84。这些结果表明，所提出的深度学习模型可能适用于通过预测胸部 X 光片的 BMD 和 T 分数来筛查骨质疏松症患者。
在临床环境中部署和验证用于检测异常胸部X光片的人工智能系统
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
与高分辨率多层胸部X光片相比，人工智能对胸部X光片病理检测的价值
2. Bluemke DA、Moy L、Bredella MA、Ertl- Wagner BB、Fowler KJ、Goh VJ 等人。《评估人工智能放射学研究：作者、审稿人和读者的简要指南——来自放射学编辑委员会》。北美放射学会；2020 年。
人工智能软件对犬胸部X光片中确诊胸腔积液的检测准确性
图 1 人工智能模型正确分类为胸腔积液的 X 光片示例。A、右侧位（kVp 80，mAs 6.5）和 B、腹背位（kVp 90，mAs 6.5）X 光片投影，显示一只单侧有轻微胸腔积液征兆的狗。侧位投影（箭头）上肺部前腹侧有囊泡图案。游离液体在心脏腹侧积聚，增加了纵隔脂肪的 X 光不透明度（箭头）。这只狗在手术中被确认有左前肺叶扭转和胸腔积液
人工智能在全景X光片评估中的应用
1 华沙医科大学口腔医学院牙科预防学系，02-006 华沙，波兰 2 华沙医科大学口腔医学院牙科和颌面放射学系，02-091 华沙，波兰；piotr.regulski@wum.edu.pl 3 华沙医科大学口腔医学院综合牙科护理系，02-091 华沙，波兰；kbrus@wum.edu.pl 4 西里西亚医科大学喉科学系，40-027 卡托维兹，波兰 5 塞格德大学牙科学院牙周病学系，6720 塞格德，匈牙利；parkanyilaci@gmail.com 6 罗格斯新泽西州立大学修复牙科系，新泽西州纽瓦克 07103，美国； drganz@drganz.com 7 独立研究员，美国新泽西州李堡 07024 8 特拉维夫索拉斯基医学中心，耳鼻咽喉科、头颈及颌面外科系，萨克勒医学院，特拉维夫 6139001，以色列；mijiritsky@bezeqint.net 9 特拉维夫大学莫里斯和加布里埃拉·戈德施莱格牙科学院，特拉维夫 6997801，以色列 * 通讯地址：lzadrozny@wum.edu.pl (Ł.Z.)；mrtczajkowska@gmail.com (MC)
红外滤光片的设计、制造和特性
在法律规定的某些条件下，图书馆和档案馆有权提供复印件或其他复制品。这些规定条件之一是，复印件或复制品不得“用于除私人学习、学术或研究以外的任何目的”。如果用户请求复印件或复制品，或随后将其用于超出“合理使用”范围的目的，则该用户可能要承担侵犯版权的责任，
用于光片荧光脑成像的可植入光子神经探针
Joyce KS Poon、c、d 和 Michael L. Roukes a、b、∗ a 加州理工学院，物理、数学和天文学分部，美国加利福尼亚州帕萨迪纳市 b 加州理工学院 Kavli 纳米科学研究所，美国加利福尼亚州帕萨迪纳市 c 多伦多大学，电气与计算机工程系，加拿大安大略省多伦多市 d 马克斯普朗克微结构物理研究所，德国哈雷市 e 大学健康网络，Krembil 研究所，临床和计算神经科学分部，加拿大安大略省多伦多市 f 先进微铸造有限公司，新加坡 g 新加坡科技研究局（A*STAR），微电子研究所，新加坡 h 多伦多大学，多伦多西部医院，神经外科分部，外科部，加拿大安大略省多伦多市 i 多伦多大学，生物材料与生物医学工程研究所，加拿大安大略省多伦多市