XiaoMi-AI文件搜索系统
World File Search System光片
石墨烯等离子体消色差片上聚焦用于宽带数字光信号的空间反转
摘要：渐变折射率透镜中的等离子体片上聚焦对于深亚波长纳米级的成像、光刻、信号处理和光互连具有重要意义。然而，由于等离子体材料固有的强波长色散，等离子体片上聚焦存在严重的色差。利用成熟的平面介质光栅，提出了一种渐变折射率波导阵列透镜（GIWAL），以支持声学石墨烯等离子体极化激元（AGPP）的激发和传播，并实现 AGPP 在 10 至 20 THz 频带内焦点小至约工作波长的 2% 的消色差片上聚焦，得益于 GIWAL 与波长无关的折射率分布。提出了一种理论分析方法，以理解 AGPP 的片上聚焦以及其他光束演化行为，例如高斯光束的自聚焦、自准直和钟摆效应以及数字光信号的空间反转。此外，还展示了 GIWAL 反转空间宽带数字光信号的可能性，表明了 GIWAL 在宽带数字通信和信号处理中的潜在价值。
基于网络的 COVID-19 诊断工具，利用机器学习对胸部 X 光片 (CXR) 进行诊断
保留所有权利。未经许可不得重复使用。 （未经同行评审认证）是作者/资助者，他已授予 medRxiv 永久展示预印本的许可。
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。
椎体心脏评分机的诊断验证机器学习算法的犬横向X光片
VHS是排除或消除狗心脏病的有用工具（Guglielmini等人。2009）。 当可将二极管造影不可行时，VHS也可以用作识别B2期退行性瓣膜疾病患者的替代品，这是启动心脏疗法的阈值（ITO 2022）。 补充，随着时间的推移，VHS的绝对VHS和变化已被证明可以预测多项研究的心力衰竭开始（Boswood等人。 2016，2020）。 VHS确实具有一定的可变性来源。 两项荧光镜研究的平均变化在心脏周期的收缩期和舒张期之间的平均变化约为0.3至0.4。 在呼吸周期的灵感和外向阶段之间也可以平均变化0.2椎骨（Olive etal。 2015）。 最后，人类的可变性研究表明，不同读取器的平均差异约为0.4至1.0椎骨（Hansson等人。 2005）。 最近，用于支持兽医心脏病学临床诊断的计算机辅助算法的开发已经增加（Burti等人 2020，Li等。 2020）。 计算机辅助的临床决策支持提高了依从性临床指南（Taheri Moghadam等人。 2021）。 此外，由于人类疲劳，注意力不集中和分心，常规诊断期间的人为错误通常是不可避免的（Alexander 2010，Waite等，Waite等人。 2017）。 2021，Baisan＆Vulpe 2022，Wiegel等。2009）。当可将二极管造影不可行时，VHS也可以用作识别B2期退行性瓣膜疾病患者的替代品，这是启动心脏疗法的阈值（ITO 2022）。补充，随着时间的推移，VHS的绝对VHS和变化已被证明可以预测多项研究的心力衰竭开始（Boswood等人。2016，2020）。VHS确实具有一定的可变性来源。两项荧光镜研究的平均变化在心脏周期的收缩期和舒张期之间的平均变化约为0.3至0.4。在呼吸周期的灵感和外向阶段之间也可以平均变化0.2椎骨（Olive etal。2015）。最后，人类的可变性研究表明，不同读取器的平均差异约为0.4至1.0椎骨（Hansson等人。2005）。 最近，用于支持兽医心脏病学临床诊断的计算机辅助算法的开发已经增加（Burti等人 2020，Li等。 2020）。 计算机辅助的临床决策支持提高了依从性临床指南（Taheri Moghadam等人。 2021）。 此外，由于人类疲劳，注意力不集中和分心，常规诊断期间的人为错误通常是不可避免的（Alexander 2010，Waite等，Waite等人。 2017）。 2021，Baisan＆Vulpe 2022，Wiegel等。2005）。最近，用于支持兽医心脏病学临床诊断的计算机辅助算法的开发已经增加（Burti等人2020，Li等。 2020）。 计算机辅助的临床决策支持提高了依从性临床指南（Taheri Moghadam等人。 2021）。 此外，由于人类疲劳，注意力不集中和分心，常规诊断期间的人为错误通常是不可避免的（Alexander 2010，Waite等，Waite等人。 2017）。 2021，Baisan＆Vulpe 2022，Wiegel等。2020，Li等。2020）。计算机辅助的临床决策支持提高了依从性临床指南（Taheri Moghadam等人。2021）。此外，由于人类疲劳，注意力不集中和分心，常规诊断期间的人为错误通常是不可避免的（Alexander 2010，Waite等，Waite等人。2017）。2021，Baisan＆Vulpe 2022，Wiegel等。此外，可以根据狗品种，身体状况和心脏状况进行VHS测量的其他差异来源（Puccinelli等人。2022）。本研究的目的是评估使用简化的Sanchez方法的使用VHS算法的性能与使用Buchanan方法在三位董事会认证的兽医心脏病学家之间分配的1200个X光片相比，使用了1200个X射线照片。
AI 视觉，更早行动
内部测试结果 Nam JG, Park SG, et al.基于深度学习的胸部X光片恶性肺结节自动检测算法的开发与验证，放射学 2018 Hwang EJ, Park SG, et al.基于深度学习的胸部X光片主要胸部疾病自动检测算法的开发与验证，JAMA Network Open 2019 Hwang EJ, Park SG, et al.胸部X光片活动性肺结核的DLAD算法的开发与验证，临床传染病 2019 Lee JH, Park SG, et al.基于深度学习的胸部X光片上活动性肺结核自动检测算法：在无症状个体系统筛查中的诊断性能，欧洲放射学 2020 Hwang EJ 等。肺活检后气胸监测的深度学习算法：一项多中心诊断队列研究，欧洲放射学 2020 Jang SW 等。基于深度学习的减少胸部X光片上被忽视的肺癌的自动检测算法，放射学 2020 Hwang EJ 等。深度学习在急诊科胸部X光片诊断中的应用，放射学 2019 Kim JH 等。临床验证深度学习算法在急诊科急性发热性呼吸道疾病患者胸部 X 光片中检测肺炎的应用，《临床医学杂志》2020 Hwang EJ 等人。实施基于深度学习的计算机辅助检测系统，用于解读疑似 COVID-19 患者的胸部 X 光片，《韩国放射学杂志》2020
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.
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。
使用 iDISCO+ 和光片荧光显微镜自动绘制和量化神经元活动的优化小鼠大脑图谱
摘要 近年来，全脑免疫标记、光片荧光显微镜 (LSFM) 以及随后的数据与通用参考图谱的配准相结合，已经能够对成年小鼠大脑中的荧光标记或示踪剂进行 3D 可视化和量化。如今，由艾伦脑科学研究所 (AIBS CCFv3) 开发的通用坐标框架版本 3 被广泛用作配准 LSFM 数据的标准大脑图谱。然而，AIBS CCFv3 基于与用于 LSFM 成像的不同组织学处理和成像模式，因此，数据在组织对比度和形态上都不同。为了提高 LSFM 成像全脑数据的配准和量化的准确性和速度，我们基于免疫标记和溶剂透明化的大脑创建了一个优化的数字小鼠大脑图谱。与 AIBS CCFv3 图谱相比，我们的图谱可以更快、更准确地绘制神经元活动图谱，这些神经元活动以 c-Fos 表达为衡量标准，尤其是在后脑中。我们通过比较在瘦小鼠和饮食诱导的肥胖小鼠中急性给予索马鲁肽后 c-Fos 表达的全脑定量变化，进一步证明了 LSFM 图谱的实用性。结合改进的 c-Fos 检测算法，LSFM 图谱能够无偏且计算高效地表征药物对全脑神经元活动模式的影响。总之，我们建立了一个优化的参考图谱，以便更精确地绘制用于 LSFM 处理的小鼠大脑中的荧光标记物（包括 c-Fos）。