XiaoMi-AI文件搜索系统
World File Search System复制图像
34 次探险摄影
35 毫米格式胶片摄影能够以合理的成本产生满足所有正常使用需求的图像质量；大多数探险队成员都熟悉这种技术，并且不需要新技能；传统相机相对坚固耐用，并且不依赖电池。但是，胶片相机拍摄的照片只有在处理后才能查看，图像不能直接用于传输，胶片在运输过程中容易损坏，并且运行成本很高，特别是与实际要求的图像质量相比。数码摄影可以大大节省文献成本，因为不需要胶片处理，而且图像易于在现场查看。图像很容易立即标注入藏代码、描述和发现地点；它们很容易通过卫星电话传输到网站；标本、疾病、事故等图像可以通过电子邮件发送给驻地顾问，以供鉴定或提供建议。但是，设备耐用性较差，而且都依赖电池供电；数码相机最好与计算机配合使用（尽管不是必需的）；初始成本（包括培训）可能很高；图像质量可能受限于出版用途（见下文“数码相机”）。总之，当条件极其苛刻或需要高质量复制图像且不需要传输图像时，基于胶片的摄影是最佳选择。当需要大量图像进行记录保存时，当条件
挖掘“挖掘人工智能”：画廊里的大象
Crawford 和 Paglen 的两场展览 TH 和 MF 以及论文 EAI 可被视为对图像分类学的批判，尤其是对给人类照片贴标签的政治含义的警告。最引人注目的是，他们的项目在 ImageNet 数据库中的一些人物类别上推广了怪异和贬低性的标签。然而，C&P 对计算机视觉训练集的分析基础本身就因分类错误而受损。根本问题是 C&P 试图将非常异质的数据集选择归入机器学习“训练集”的单一未分化类别。C&P 展出的数据集在来源、预期用途、版权和知情同意状态、使用条款、资金来源等方面各不相同。下面我将说明区分各种图像数据集的重要性。 C&P 展示的人脸图像数据集有两种不同的来源：由研究小组在受控实验室条件下精心设计和拍摄的数据集，以及从互联网上大量抓取的图像数据集。我分别将它们称为构建数据集和抓取数据集。考虑它们的不同来源如何影响图像的公开展示。当然，这两种图像数据集未经授权公开展示都存在道德问题，但有一个重要区别：构建数据集的版权和知情同意状态是众所周知的，而抓取数据集的版权和知情同意状态则不确定或未知。与抓取的训练集相比，构建图像集（如 JAFFE、FERET、3 和 CK 4）也有明确定义的使用条款。这三个数据集允许用于非商业科学研究，并允许在报告研究结果的学术文章中有限地复制图像。通过在艺术展上公开展示这些图像，C&P 违反了 JAFFE、CK 和 FERET 构建集的使用条款。艺术家和普拉达基金会声称，他们的使用确实构成了“非商业科学
利用人工智能（AI）治疗胃癌的未来
2020。2. Sano T，Coit DG，Kim HH 等。针对 TNM 分类的胃癌新分期分组的提议：国际胃癌协会分期项目。胃癌 2017；20：217-25。3. Katai H，Ishikawa T，Akazawa K 等。日本手术切除胃癌病例的五年生存率分析：对日本胃癌协会全国登记处（2001- 2007 年）超过 100,000 名患者的回顾性分析。胃癌 2017；21：144-54。4. Suzuki H，Takizawa K，Hirasawa T 等。日本胃内镜切除术多中心前瞻性队列研究的短期结果：'真实世界证据'。 Dig Endosc 2019；31：30-9。5. Menon S，Trudgill N. 内镜检查漏诊上消化道癌的可能性有多大？一项荟萃分析。Endosc Int Open 2014；2：E46-50。6. Hosokawa O，Hattori M，Douden K 等。胃镜检查与结肠镜检查在检测癌症方面的准确度差异。Hepatogastroenterology 2007；54：442-4。7. Hosokawa O，Tsuda S，Kidani E 等。上消化道内镜检查阴性后三年内可诊断出胃癌。Endoscopy 1998；30：669-74。8. Yalamarthi S，Witherspoon P，McCole D 等。上消化道癌症患者的漏诊。 Endoscopy 2004；36：874-9。9. Yoshimizu S，Hirasawa T，Horiuchi Y 等。基于检查时间和食管胃十二指肠镜训练的上消化道肿瘤检出率差异。Endosc Int Open 2018；6：E1190-7。10. Itahashi K，Kondo S，Kubo T 等。评估 Watson for Genomics 的临床基因组序列分析。Front Med（洛桑） 2018；5：305。11. Stokes JM，Yang K，Swanson K 等。一种深度学习方法用于抗生素发现。Cell 2020；180：688-702。e13。12. Murphy K，Smits H，Knoops AJG 等。胸部 X 光片上的 COVID-19：人工智能系统的多读者评估。放射学 2020.doi：10.1148/radiol.2020201874。 ［印刷前的Epub］ 13. 平泽俊明，池之山洋平，石冈充彬ほか．AI 内视镜の基 基础知识と恐诊断への応用実际．消化器内视镜 2019； 31：1102-5. 14. Yao K、Uedo N、Kamada T 等。 （JGES指南）早期胃癌内镜诊断指南。 Dig Endosc 2020 年 4 月 10 日。doi：10.1111/den。 13684. ［Epub ahead of print］ 15. Takiyama H, Ozawa T, Ishihara S 等. 利用深度卷积神经网络对食管胃十二指肠复制图像进行自动解剖分类. Sci Rep 2018；8：7497. 16. 吴玲, 张建, 周伟等. 食管胃镜检查盲点实时质量改进系统WISENSE的随机对照试验