XiaoMi-AI文件搜索系统
World File Search System支持系统
大型石化企业的先进供应链规划流程和决策支持系统 /
第二章：高级供应链计划流程与运筹学应用......................................................................................................26
更安全的驾驶体验的全自动视觉注意估计支持系统
抽象驾驶员的注意是安全驾驶和避免可能发生事故的关键要素。在本文中，我们提出了一种新的方法，可以解决驱动程序中视觉注意力估计的任务。我们引入的模型由两个分支组成，一个分支执行凝视点检测以确定驾驶员的确切焦点，另一个执行对象检测以识别道路上的所有相关元素（例如车辆，行人和交通标志）。两个分支的两个输出的组合使我们能够确定驾驶员是否专注，并最终确定他们集中的道路元素。测试了两个模型的目光检测任务：GAZECNN模型和由CNN+变压器组成的模型。对两种模型的性能进行了评估，并将其与其他最先进的模型进行比较，以选择最佳的任务方法。最后，报告并分析了DGAZE数据集上3761对图像（驱动程序视图和相应的道路视图）进行的视觉注意估计结果。
利用人工智能 (AI) 进行革兰氏染色的细菌辨别支持系统 ...
------------------------------------------------------------------- 以上
使用虚拟原型对压实操作员支持系统进行可用性评估
热拌沥青 (HMA) 压实操作员支持系统 (OSS) 的成功采用在很大程度上取决于系统的可用性，该系统使用传感信息帮助操作员提高操作的安全性和生产率。然而，在压实 OSS 的设计和开发中存在一个重大难题。一方面，以描述性的方式向操作员提供原始传感数据（即温度和压实计数）可能会使操作员认知超负荷，即信息肥胖问题。另一方面，过度处理的数据可以作为规范的压实指导（例如压实轨迹）呈现给操作员，这可能会让操作员感到失去对操作的控制并使其行业专业化。因此，关于压实 OSS 设计和开发的最佳策略一直存在争议。要将可用性方面置于压实 OSS 设计和开发策略的核心，首先，必须从可用性的角度系统地评估各种 OSS 替代方案。然而，传统的可用性测试方法依赖于使用物理原型，这种方法非常耗时，并且在后勤上难以执行。为了解决这个问题，本研究提出并实施了一种虚拟原型 (VP) 方法来分析不同压缩 OSS 的可用性。在这种方法中，开发并利用了一个虚拟现实 (VR) 压缩模拟器来呈现 3 种不同的压缩 OSS 替代方案，它们在提供的支持级别上有所不同，并从最终用户那里获得了反馈。结果表明，从用户的角度来看，与描述性和规范性系统相比，具有压缩优先级的半指导压缩 OSS 更受青睐。用户倾向于将这种级别的支持视为一种中间解决方案，它为他们提供了一种实时策略（重新）开发的方法，而不会损害他们对流程的控制。事实证明，VR 模拟器有可能成为一个强大的技术评估平台，让最终用户与研究人员和机器设计师就系统进行开放和实质性的对话。
临床决策支持系统在糖尿病护理中的应用：范围评论
背景：面对糖尿病管理的日益复杂性以及缺乏专门的内分泌学家来支持糖尿病护理，提供全面和个性化的糖尿病护理仍然是一个重大挑战。临床决策支持系统（CDSS）逐渐被用来改善糖尿病护理，而许多医疗保健提供者缺乏对糖尿病护理中CDSS的认识和知识。仍然缺乏对CDSS在糖尿病护理中的应用的全面分析。目的：本综述旨在总结研究格局，临床应用以及对糖尿病护理中CDSS的患者和医生的影响。方法：我们在Arksey和O'Malley框架之后进行了范围审查。在7个电子数据库中进行了搜索，以识别截至2022年6月30日的糖尿病中CDSS的临床应用。对2021 - 2022年期间的会议摘要进行了其他搜索。两名研究人员独立执行了筛选和数据图表过程。结果：在11,569项检索研究中，包括85个（0.7％）进行分析。在这一领域的研究兴趣正在增长，过去5年中的85项研究中有45个（53％）。在披露基本决策机制的85项研究中，有58个（68％）中，大多数CDSS（44/58，76％）是基于知识的，而近年来，基于非知识的系统的数量一直在增加。在85项披露应用方案的研究中的81个（95％）中，大多数CDSS用于治疗建议（63/81，78％）。在85项研究中，有39名（46％）在披露医师的用户类型中，初级保健医师（20/39，51％）是最常见的，其次是内分泌学家（15/39，39％）和非内分泌专家（8/39，21％）。CDSS在71％（45/63），67％（12/18）和38％（8/21）的研究中显着改善了患者的血糖，血压和脂质谱，分别没有增加降低降低性糖类的风险。结论：CDSS在改善糖尿病护理方面既有效又安全，这意味着它们可能是糖尿病护理中潜在可靠的助手，尤其是对于经验有限的医生和获得医疗资源有限的患者而言。国际注册报告标识符（IRRID）：RR2-10.37766/inPlasy2022.9.0061
基于本体的糖尿病营养疗法的决策支持系统：系统文献评论
糖尿病是一种非传染性疾病，已达到流行病，全球影响5.37亿人。人工智能可以在糖尿病营养疗法中为患者或临床医生提供支持 - 在大多数1型和2型糖尿病的情况下，第一种药物疗法。尤其是基于本体的推荐人和决策支持系统可以提供专家知识的可计算代表，从而提供患者监管的营养建议或支持临床人员确定最合适的饮食。这项工作提出了对描述此类系统中糖尿病的领域的系统文献回顾，识别其潜在的概念化，系统针对的用户，所解决的糖尿病类型以及提供的营养建议。本综述还深入研究了领域本体论的结构，突出了几个方面可能会阻碍（或促进）其在推荐人中的采用和决策支持系统中用于糖尿病营养疗法。这一审查过程的结果允许强调如何制定推荐，以及临床专家在发展领域本体论中的作用，概述了表征该研究领域的研究趋势。结果还允许确定可以促进临床专家和临床指南的重要作用的研究方向，以使本体更加可互操作，从而使他们能够在有关糖尿病营养治疗的决策过程中发挥重要作用。
超越武器系统：军事决策支持系统中AI的道德挑战
在这篇文章中，具有AI伦理，风险分析和国际安全研究背景的Matthias Klaus探讨了与军事AI应用相关的伦理挑战，通常被对自主武器系统（AWS）的主要主导所在的担忧所掩盖。他强调了与DSS专门相关的许多道德挑战，这些挑战通常被描绘成为军事决策带来更多的客观性，有效性和效率。但是，他们可能会促进偏见，侵犯人类的自主权和尊严，并通过导致同伴压力和咨询行动，从而有效地破坏军事道德责任。
为AI二十分支持系统配备情感能力吗？道德观点
重要的是要伴随有关情感人工智能的研究以及道德的监督。以前关于情感人工智能伦理的出版物强调了对每种（可能的）情感人工智能进行各种类型的重要性的重要性。这就是为什么，在这项贡献中，我将重点关注AI系统的特定子集：AI驱动的决策支持系统（AI-DSS），并询问从道德角度来看是否建议将这些AI系统配备具有情感能力。我将一方面表明AI-DSS具有情感能力为防止情感上有偏见的决策提供了极大的机会，但这也扩大了情感上无法情绪激发的AI-DSS所带来的道德挑战。，如果他们的介绍伴随着广泛的社会话语，并通过适当的措施来应对这些挑战，那么我认为，没有任何东西可以从根本上阻碍AI-DSS具有情感能力。
医疗保健中的AI：通过预测分析和决策支持系统转化患者护理
人工智能（AI）已成为医疗保健中的革命力量，提供了变革性解决方案，以增强患者护理，简化流程并改善整体医疗保健结果。[7]本文深入研究了AI在医疗保健中的关键作用，特别关注预测性分析和决策支持系统如何重塑患者护理。[6]文献综述：医疗保健中的AI正在通过预测分析和决策支持系统来改变患者护理。AI技术，例如机器学习和深度学习，正在用于分析结构化和非结构化的医疗保健数据，包括电子病历和医疗图像[2]。这些技术可以识别患者数据的模式和趋势，这些模式和趋势对人类而言可能并不明显，从而实现了早期的诊断，治疗和预后评估[3]。AI驱动的聊天机器人和虚拟助手也用于自动执行例行任务并提供个性化的健康建议，改善可访问性和
影响临床医生使用基于人工智能的临床决策支持系统意愿的因素
背景：鉴于基于人工智能 (AI) 的决策支持系统在医疗保健领域创造的机遇，至关重要的问题是临床医生是否愿意将这项技术作为临床工作流程的一个组成部分。目的：本研究利用经过验证的问题制定在线调查，从而探索影响临床医生使用基于人工智能的血液利用率计算器 (BUC) 意愿的认知人为因素，BUC 是嵌入在电子健康记录中的人工智能系统，可提供数据驱动的个性化建议，以确定为特定患者输血的浓缩红细胞数量。方法：使用有目的的抽样策略，专门包括威斯康星州一所大学医院的临床医生 BUC 用户。我们招募了 119 名完成整个调查的 BUC 用户。我们利用结构方程模型来捕捉“人工智能感知”和“期望”对临床医生使用该技术意愿的直接和间接影响，当受“感知风险”介导时。结果：研究结果表明，人工智能感知对 BUC 风险的直接影响呈显著负相关 (ß = − 0.23, p < 0.001)。同样，期望对风险有显著的负面影响 (ß = − 0.49, p < 0.001)。我们还注意到风险对使用 BUC 的意图有显著的负面影响 (ß = − 0.34, p < 0.001)。关于期望对使用 BUC 意图的间接影响，研究结果显示风险介导的显著正影响 (ß = 0.17, p = 0.004)。研究指出，当由风险介导时，人工智能感知对使用 BUC 的意图有显著的正间接影响 (ß = 0.08, p = 0.027)。总体而言，本研究展示了期望、感知风险和对 AI 的认知对临床医生使用 BUC（一种 AI 系统）意愿的影响。AI 开发人员需要强调 AI 技术的优势，确保易用性（努力预期），阐明系统的潜力（性能预期），并通过改进整体设计将风险认知降至最低。结论：确定决定临床医生使用基于 AI 的决策支持系统意愿的因素有助于改善医疗领域的技术采用和使用。增强和安全地采用 AI 可以提升整体护理流程，并有助于标准化临床决策和程序。医疗保健领域改进的 AI 采用将帮助临床医生分担日常临床工作量并做出关键决策。