XiaoMi-AI文件搜索系统
World File Search System决策支持系统
帮助人们的技术支持系统...
来自赫尔穆特·施密特大学/汉堡联邦国防军大学制造技术实验室 (LaFT) 的 smartASSIST 1 初级研究小组热烈欢迎您于 2016 年 12 月来到汉堡参加第二届跨学科会议“人们真正想要的技术支持系统” 。作为本次会议的一部分，来自超过 15 个学科的科学家和行业代表将通过专家讲座、海报和演示会议展示他们的研究工作。会议记录以及对话和讨论中总结的这些贡献旨在为未来以需求为导向的技术发展提供建议，这将以人与技术的合作为指导。技术支撑系统的社会接受度是本次会议的出发点
abimed：迈向一种用于药物审查和多药管理的创新临床决策支持系统
摘要。老年人中的多药是临床（不良药物事件的增加）和经济问题的公共卫生问题。一种解决方案是药物审查，这是药剂师对患者药物的优化治疗的结构化评估。但是，此任务乏味，认知复杂且容易出错，并且仅提出了少数临床决策支持系统来支持它。现有系统是实施准则的基于规则的系统，或者是呈现药物知识的文献系统。在本文中，我们介绍了Abimed的研究项目，通过文献评论和头脑风暴，我们确定了五项用于药物审查的决策支持系统的候选创新：从GP到药剂师的患者数据转移，使用语义技术，基于规则的方法和基于规则的方法和纪录片的方法，机器学习协会，使用机器学习以及使用药剂师和GP的两条讨论。
人工智能作为决策支持系统应用于黑色素瘤、龋齿和糖尿病视网膜病变的检测和分级的成本效益
AI 表示人工智能。在面板 A 中，每个点和方块代表单个人在接受标准护理诊断或 AI 辅助筛查后产生的终生费用（巴西雷亚尔，R$）。在面板 B 中，根据研究假设，AI 在支付意愿较低的情况下更有可能降低成本效益，尽管这种确定性对额外质量调整生命年 (QALY) 的支付意愿 (WTP) 很敏感。
环境控制和生命支持系统（ECLSS）
NASA-STD-3001 第 2 卷，修订版 C [V2 4015] 有氧能力 [V2 6001] 环境数据趋势分析 [V2 6002] 惰性稀释气体 [V2 6003] 机组人员暴露的 O2 分压范围 [V2 6004] 标称车辆/栖息地二氧化碳水平 [V2 6006] 无限期机组人员暴露的总压力耐受范围 [V2 6007] 压力变化率 [V2 6150] 气压伤预防 [V2 6008] 减压病 (DCS) 风险识别 [V2 6009] 减压病治疗能力 [V2 6011] 着陆后相对湿度 (RH) [V2 6012] 机组人员健康环境限值 [V2 6013] 机组人员表现环境区 [V2 6151] 温度可选性 [V2 6152] 温度可调性 [V2 7041] 环境控制 [V2 6017] 大气控制 [V2 6020] 大气数据记录 [V2 6021] 大气数据显示 [V2 6022] 大气监测和报警参数
针对中枢神经系统肿瘤患者的支持系统
在神经肿瘤学中，MR成像对于获取详细的脑图像至关重要，以鉴定肿瘤，计划治疗，指导手术干预并监测肿瘤的反应。AI在神经影像学方面的最新进展在神经肿瘤学方面具有有希望的应用，包括指导临床决策和改善患者管理。但是，缺乏对AI如何进行预测的明确性阻碍了其临床翻译。可解释的AI（XAI）方法旨在提高信任度和信息性，但其成功取决于考虑最终用户（临床医生）的特定背景和偏好。以用户为中心的设计（UCD）在迭代设计过程中优先考虑用户需求，并涉及用户，提供了设计针对临床神经肿瘤学量身定制的XAI系统的机会。本综述着重于神经肿瘤患者管理的MR成像解释的交集，可解释的用于临床决策支持的AI以及以用户为中心的设计。我们提供了一种组织必要概念的资源，包括设计和评估，临床翻译，用户体验和效率增强，以及改善神经肿瘤患者管理的临床结果的AI。我们讨论了多学科技能和以用户为中心的设计在创建成功的神经肿瘤学系统中的重要性。我们还讨论了以人为中心的决策过程中嵌入的可解释的AI工具，并且与完全自动化的解决方案不同，可能会增强临床医生的绩效。遵循UCD原则以建立信任，最大程度地减少错误和偏见，并创建适应性的软件有望满足医疗保健专业人员的需求和期望。
支持系统采购的测试和评估
第 II 部分 开发测试 (DT)，第 73 页 开发测试概述 • 6–15，第 73 页 开发测试规划 • 6–16，第 74 页 非战术 C4/IT 系统的开发测试 • 6–17，第 74 页 开发测试人员的任务 • 6–18，第 74 页 商业实体的测试 • 6–19，第 75 页 系统承包商参与开发测试 • 6–20，第 75 页 开发测试数据确认 • 6–21，第 75 页 开发测试和陆军后勤人员 • 6–22，第 76 页 开发测试类型 • 6–23，第 76 页 请求开发测试服务 • 6–24，第 80 页 开发测试准备情况审查 • 6–25，第 80 页 开发测试准备情况审查工作组 • 6–26，第 82 页 开发测试准备情况审查程序 • 6–27，第 82 页 开发测试事件设计计划 • 6–28，第 86 页 开发测试事件和相关报告 • 6–29，第 87 页
使用模拟中心评估人工智能驱动的抑郁症治疗临床决策支持系统对医患互动的影响
通讯作者：David Benrimoh，david.benrimoh@mail.mcgill.ca 致谢：我们要感谢斯坦伯格模拟和互动学习中心的工作人员在协助执行这项研究方面提供的帮助，以及参与研究的标准化病人 (SP) 的卓越表现和反馈质量。遵守道德标准和道德考虑：本研究已获得道格拉斯心理健康大学研究所研究伦理委员会的批准。所有参与者，包括标准化病人，均提供了书面知情同意书。本研究是根据三委员会关于研究伦理的声明进行的。披露：David Benrimoh、Myriam Tanguay-Sela、Kelly Perlman、Sonia Israel、Joseph Mehltretter、Caitrin Armstrong、Robert Fratila、Colleen Rollins 和 Marc Miresco 是 Aifred Health 的股东、员工或董事。Christina Popescu、Eryn Lundrigan、Emily Snook、Marina Wakid、Jérôme Williams、Ghassen Soufi、Tamara Perez 和 Katherine Rosenfeld 是 Aifred Health 支付薪水的研究助理。Sagar Parikh、Jordan Karp 和 Katherine Heller 是 Aifred Health 科学顾问委员会的成员，他们已经或可能在不久的将来获得该公司的股份。Howard Margolese 因参与演讲局、咨询、顾问委员会会议和临床研究而获得 Acadia、Amgen、HLS Therapeutics、Janssen-Ortho、Mylan、Otsuka-Lundbeck、Perdue、Pfizer、Shire 和 SyneuRx International 的酬金、赞助或资助。所有其他作者均未报告相关冲突。资金来源：模拟中心和 SP 的工作是麦吉尔大学和斯坦伯格模拟与互动学习中心举办的临床创新竞赛奖金的一部分，得到了 Hakim 家族的慷慨支持。研究助理、软件和参与者报酬由 Aifred Health 提供。加拿大联邦政府的青年就业计划也提供了一笔资助来支持这项工作。
个性化在线学习的智能支持系统
摘要：COVID-19大流行的当前状况要求大学在在线环境中转移教育过程。电子学习系统为教育机构和学生提供有效组织教育过程并共享知识的机会。他们为每个学生提供获取信息的自由和学习过程的灵活性。学生可以通过改变教育过程的需求来单独确定课程的持续时间和顺序。在大流行的背景下，学生和老师必须通过互联网优化他们的作品。这需要对学习过程的更广泛的个性化。智能技术使您可以为每个学生建立个性化的学习路径，不同的方法，形式和学习速度。本研究介绍了电子学习支持系统的架构，用于选择在线资源，并将其包括在学生的学习路径中。该系统是根据一组相互联系的本体论模型而开发的，它们是一组个人代理和服务。本体论提供了更充分的在线资源的代表性，以及用户请求格式的兼容性以及不同开发人员的培训资源的描述。系统建议基于当前请求和符合其配置文件的用户特征的培训模块。系统动态更新知识库用户特征，从而提高了建议的有效性。大脑。大脑。关键字：个性化的电子学习；大流行;学习路径；推荐系统。如何引用：Shpolianskaya，I。和Seredkina，T。（2020）。个性化在线学习的智能支持系统。人工智能和神经科学方面的广泛研究，11（3），29-35。 https://doi.org/10.18662/brain/11.3/107