XiaoMi-AI文件搜索系统
World File Search System图像分析
PulseSatellite：一种利用人机反馈回路进行人道主义背景下的卫星图像分析的工具
简介 在处理冲突和人道主义危机时，准确及时的卫星图像分析是支持实地关键行动的关键。使用案例包括监测人口流离失所、绘制定居点地图、评估损害、与侵犯人权相关的火灾探测、交通网络损坏、评估洪水或确定地震、火山、气旋和山体滑坡的直接影响（Lang 等人，2015 年）。在这些情况下，提供决策重要信息的自动化流程必须经过仔细验证和调整以实现最佳性能，因为误报可能会危及人类生命。虽然存在几种通用卫星图像分析工具，但很少有工具是针对人道主义用例设计和优化的。PulseSatellite 是一种借助神经网络分析卫星图像的工具，它试图在模型推理过程的不同阶段加入人机交互，以在人道主义背景下实现最佳结果和专家验证。用于实施和部署 PulseSatellite 的概念框架此前已在 (Quinn et al. 2018) 中提出。
研究数据增强技术对脑肿瘤的影响
脑肿瘤检测是医学图像分析中的一项重要任务。卷积神经网络 (CNN) 在各种计算机视觉任务中表现出色，包括脑肿瘤检测。然而，CNN 的性能在很大程度上取决于大量多样化训练数据的可用性。在医学成像中，由于道德和实际问题，获取大量数据集通常具有挑战性。数据增强是一种广泛使用的技术，它通过从现有数据集生成额外的训练样本来克服这一限制。在本研究论文中，我们使用深度学习方法研究了数据增强对脑肿瘤检测的影响。我们使用 BraTS 2019 数据集比较了基于 CNN 的模型在增强和非增强数据上训练的性能。实验结果表明，数据增强显著提高了模型的性能，在肿瘤检测中实现了更高的准确度、灵敏度、特异性和骰子系数。我们的研究结果表明，数据增强是一种有效的技术，可以提高基于 CNN 的模型在医学图像分析任务中的性能，特别是在没有大量多样化数据集的情况下。
数字测绘相机系统 - APEI.fr
美国德克萨斯州红鱼湾 这张照片拍摄于德克萨斯州红鱼湾，拍摄地点在离地面 8,200 英尺的高空，使用的是 DMC 系统。此次飞行的目的是通过图像分析确定红鱼湾受国家保护的天然海草是否被船用螺旋桨划伤。图片由 Photo Science 提供。
《人工智能法案》下法医图像分析的合规挑战
摘要 — 在法医图像分析的许多应用中，如今最先进的结果都是通过机器学习方法实现的。然而，对其可靠性和不透明性的担忧引发了人们对此类方法是否可以用于刑事调查的疑问。到目前为止，这个法律合规性问题几乎没有被讨论过，这也是因为对机器学习方法的法律规定没有明确定义。为此，欧盟委员会最近提出了人工智能 (AI) 法案，这是一个值得信赖的人工智能使用的监管框架。根据人工智能法案草案，允许在执法中使用高风险人工智能系统，但必须遵守强制性要求。在本文中，我们回顾了为什么将机器学习在法医图像分析中的使用归类为高风险。然后，我们总结了高风险人工智能系统的强制性要求，并根据两个法医应用（车牌识别和深度伪造检测）讨论了这些要求。本文的目的是提高人们对即将到来的法律要求的认识，并指出未来研究的途径。索引术语——法医图像分析、人工智能法案
心脏瓣膜中的人工智能和自动化......
摘要 人工智能（AI）正在逐渐改变社会生活的方方面面，医疗保健也不例外。以前只能由人类专家处理的临床程序现在可以由机器以更准确和高效的方式进行。大数据时代的到来和超级计算机的出现为AI技术的发展提供了巨大的机遇，以增强诊断和临床决策。本综述介绍了AI，并重点介绍了其在诊断和治疗心脏瓣膜病（VHD）的临床流程中的应用。更具体地说，本综述首先介绍了AI中的一些关键概念和子领域。其次，讨论了AI在心音听诊和医学图像分析中的应用，以辅助诊断VHD。第三，介绍了使用AI算法识别风险因素并预测心脏手术死亡率。本综述还介绍了最先进的自主手术机器人及其在心脏手术和介入中的作用。(Cardiol J 2020; 27, 4: 404–420) 关键词：人工智能、机器学习、心脏瓣膜疾病、医学图像分析、经导管主动脉瓣植入术
可持续性和量子战略
• 量子增强数据处理：传统计算系统难以处理海量的 EO 数据。量子计算能够以指数级速度处理大量数据集，从而显著缩短处理时间，实现对关键环境指标的实时分析。 • 增强图像分析：量子计算可以促进高级图像分析技术的发展，包括快速物体识别、异常检测和趋势预测。这使 ESG 利益相关者能够迅速做出明智的决策。 • 量子卷积：量子卷积层可以对量子编码数据执行卷积运算，从而比传统算法更有效地提取空间特征。 • 量子算法：量子傅里叶变换和量子相位估计等量子算法可以集成到量子卷积神经网络 (QCNN) 中，以进一步提高其在数据压缩、特征提取和模式识别等任务中的性能，这些任务对于 ESG 监控至关重要。 • 数据安全的量子加密：保护 EO 数据完整性和隐私至关重要。量子密码学可以集成到卫星通信系统中，以确保最高程度的安全性，保护敏感信息免受潜在威胁。
教育背景：Saurabh Shah 博士，教授（计算机科学……
他在国际著名会议上发表过许多论文，还担任过国际期刊/会议的审稿人。他在国际著名同行评审期刊和会议上发表了 20 多篇研究论文。他在研讨会/讲习班上发表过多次演讲，包括 GUJCOST 赞助的讲习班、国家和国际会议。他的主要研究领域是医学图像分析、数据分析、机器学习、模式识别和计算机视觉。
诊断放射学中的人工智能
摘要：人工智能 (AI) 是近十年来医疗保健行业最具革命性的发展，其中诊断成像占比最大。机器学习和深度学习 (DL) 是人工智能的子类，在图像分析方面表现出突破性的性能。它们已成为图像分类和识别领域的最新技术。机器学习涉及从图像中提取重要的特征，而 DL 使用神经网络来解决此类问题并获得更好的性能。在这篇综述中，我们讨论了机器学习和 DL 在诊断放射学领域的当前应用。深度学习应用可分为医学影像分析和分析以外的应用。在医学影像分析领域，深度卷积神经网络用于图像分类、病变检测和分割。循环神经网络也用于从电子病历中提取信息，并增强卷积神经网络在图像分类领域的应用。生成对抗网络已明确用于生成高分辨率计算机断层扫描和磁共振图像，以及从相应的磁共振成像中映射计算机断层扫描图像。除了图像分析之外，DL 还可用于质量控制、工作流程组织和报告。
通过生成对抗网络通过合成数据生成增强组织病理学图像分类
摘要：乳腺癌是全球第二常见的癌症，主要影响女性，而组织病理学图像分析是用于确定肿瘤恶性肿瘤的可能方法之一。关于图像分析，近年来，深度学习的应用变得越来越普遍。但是，一个重要的问题是可用数据集的不平衡性质，有些类的图像比其他类别的图像更多，这可能会由于较差的概括性而影响模型的性能。避免此问题的可能策略是用最多的图像来缩小课程来创建平衡数据集。尽管如此，小型数据集不建议使用这种方法，因为它可能导致模型性能差。取而代之的是，传统上使用了诸如数据预言之类的技术来解决此问题。这些技术应用了简单的转换，例如翻译或旋转到图像，以增加数据集中的可变性。另一种可能性是使用生成对抗网络（GAN），该网络可以从相对较小的训练集中生成图像。这项工作旨在通过使用GAN而不是传统技术应用数据扩展来提高模型性能在组织病理学图像中进行分类。