XiaoMi-AI文件搜索系统
World File Search System检测
用随机尿液 ACR 检测 2 型糖尿病患者糖尿病肾病的发生率及其相关危险因素
摘要 目的：利用随机尿液 ACR 比值确定 2 型糖尿病患者的糖尿病肾病发病率并确定其相关危险因素。 研究设计：描述性横断面研究。 研究地点和持续时间：本研究于 2023 年 2 月 1 日至 2023 年 7 月 31 日在巴基斯坦白沙瓦穆罕默德教学医院 (MTH) 医学部进行。 方法：共调查了 150 名 2 型糖尿病患者。样本量是使用 WHO 样本量计算器计算的，使用一项参考研究，2 型糖尿病患者糖尿病肾病的患病率为 10.8%；置信区间 = 95%，误差幅度为 5%。 结果：标准差 ± 5.146，平均年龄为 49 岁。有 87 名（58%）女性和 63 名（42%）男性。对 150 名受试者的随机尿液 ACR 进行了分析。其中，47 名（31%）患有微量白蛋白尿（少于 300 mg/m），28 名患者（19%）患有大量白蛋白尿（超过 300 mg/m），而 6 名（4%）患有终末期肾病，GFR < 30 ml/m -1.73 m2。对 150 名受试者进行了一项研究以确定糖尿病肾病的状况。其中，81 名（54%）患有糖尿病肾病，69 名（46%）没有。结论：使用随机尿液 ACR 比率，我们的研究表明 46% 的 2 型糖尿病患者患有糖尿病肾病。糖尿病病程 5-10 年的患者的发病率为 24%，糖尿病病程 11-15 年的患者发病率为 26%。糖尿病病程16至20年的患者发病率为50%。总之，糖尿病病程越长，患糖尿病肾病的风险就越大。
CopyLeaks AI 检测
在启用 CopyLeaks 集成的 SpeedGrader 中对学生提交内容进行评分时，评分者可以直接在 SpeedGrader 中查看学生的相似度分数。分数以彩色百分比形式显示在学生提交文件旁边。
人工智能：欧洲和罗马尼亚初创企业格局概览及其决定其成功的因素 Adina SĂNIUȚĂ 国立政治研究和公共管理大学 6-8 Povernei St., Sector 1, 012104 布加勒斯特，罗马尼亚 adina.saniuta@facultateademanagement.ro Sorana-Oana FILIP 罗马尼亚 sorana.filip@gmail.com 摘要 人工智能 (AI) 已融入我们生活的许多方面；在科技驱动的时代，企业使用 AI 来提高生产力、更好地了解消费者行为或通过机器人提供服务。该研究基于 Filip (2021) 为论文进行的在线桌面和试点研究，概述了欧洲和罗马尼亚初创企业的格局以及决定其成功的因素，如产品开发核心团队专业知识、核心团队承诺和商业战略。该研究旨在为进一步研究罗马尼亚人工智能初创企业环境的论文创建一个框架，因为经济期刊预测，鉴于罗马尼亚在这一领域的潜力以及 IT、技术和机器人领域的人才库，市场将在不久的将来增长。关键词人工智能；初创企业；成功因素。介绍人工智能的一般性讨论人工智能 (AI) 有多种形式，从人脸检测和识别系统、搜索和推荐算法到数字助理、聊天机器人，
人工智能：欧洲和罗马尼亚初创企业格局概述及其决定其成功的因素 Adina SĂNIUȚĂ 国立政治研究和公共管理大学 6-8 Povernei St., Sector 1, 012104 布加勒斯特，罗马尼亚 adina.saniuta@facultateademanagement.ro Sorana-Oana FILIP 罗马尼亚 sorana.filip@gmail.com 摘要 人工智能 (AI) 已融入我们生活的许多方面；在技术驱动的时代，企业使用人工智能来提高生产力，更好地了解消费者行为或通过机器人提供服务。基于 Filip (2021) 为论文进行的在线桌面和试点研究，该研究概述了欧洲和罗马尼亚初创企业的格局以及决定其成功的因素，如产品开发核心团队专业知识、核心团队承诺和业务战略。该研究旨在为进一步的论文创建一个框架，该论文将深入研究罗马尼亚的人工智能初创环境，因为经济期刊预测，鉴于罗马尼亚在这一领域的潜力以及 IT、技术和机器人领域的人才库，该市场将在不久的将来增长。关键词人工智能；初创企业；成功因素。介绍人工智能的一般性讨论人工智能 (AI) 有多种形式，从人脸检测和识别系统、搜索和推荐算法到数字助理、聊天机器人或社交媒体。它的复杂性和动态性很难用一个定义来概括 (Zbuchea、Vidu 和 Pinzaru，2019)。据统计，到 2024 年，全球人工智能市场规模预计将达到 5000 亿美元（Statista，2021a），预计人工智能软件市场收入将达到 3275 亿美元（Statista，2021b）。尽管人工智能在过去几年似乎发展迅速，普及度不断提高，但人工智能的历史可以追溯到 20 世纪 50 年代，当时这一概念诞生于科学家、数学家和哲学家的头脑中。艾伦·图灵是第一个对这一主题进行广泛研究的人，他在他的论文“计算机器和智能”中描述了人工智能一词，以及它的构建和测试（Anyoha，2017，第 1 页）。随着图灵测试的引入，他
自动威胁检测，反应和道德挑战
1。Introduction................................................................................................. 1
基于人工智能的 COVID-19 检测药物发现技术 ■ 120
药物发现是寻找治疗新疾病的药物的过程。它涉及靶标识别、靶标验证、先导化合物识别和先导化合物优化。识别对疾病有特定功能的蛋白质称为靶标识别。根据发明人的思维过程验证靶标称为靶标验证。针对靶标蛋白识别最佳化合物的过程称为先导化合物识别。先导化合物优化是确保化合物具有与药物相关的特性的过程。发明人必须确保所识别化合物的生物利用度、特异性和毒性。用动物测试化合物以检查化合物反应的过程称为临床前测试。图 1 解释了药物发现和开发时间表。
使用粒子群优化人工神经网络检测黑色素瘤
黑色素瘤是一种最可怕的皮肤癌，死亡率很高，最初是通过临床筛查、皮肤镜分析、活检和组织病理学检查进行目视诊断的。如果诊断和早期治疗延误，就会变得很危险。图像处理技术的最新发展有助于有效地检测黑色素瘤，因为由于病变的细粒度变化，检测黑色素瘤是一项艰巨的工作。本文研究了一种使用粒子群优化人工神经网络分析病变不规则性的新分类程序。在本研究论文中，提取病变的颜色特征并使用 PSO-ANN 分类器进行分类。通过标记假阳性率和真阳性率获得的接收者操作特性在分析计算机辅助诊断系统的诊断潜力方面起着至关重要的作用。应用于 ISIC 数据库的分类技术表明曲线下面积为 0.96853，特异性为 90.0%，灵敏度为 94.07%，准确率为 93.04%。
用于龋齿检测的人工智能：数据的价值......
人工智能 (AI) 和深度学习子领域的应用已迅速进入医疗领域。特别是使用卷积神经网络 (CNN) 进行图像分析已被证明具有提高从业人员的可靠性和准确性的潜力。CNN 通过反复消化图像和图像标签对（例如，“此图像包含某种病理”）来学习图像中固有的统计模式，这些标签通常由医学专家提供，并最终能够评估未见过的数据 (LeCun 等人，2015)。对于检测龋齿病变，我们在诊断准确性研究 (Cantu 等人，2020) 中发现 CNN 的诊断准确度优于单个牙医，并在随机对照试验 (Mertens 等人，2021) 中证实了这一点。检测龋齿病变等病理本身不会给患者或医疗保健系统带来任何有形价值。相反，健康益处（和进一步的成本）来自后续（正确或错误分配的）治疗。对于射线照片上的龋齿检测，在建模研究中发现 CNN 具有成本效益，其中使用马尔可夫模型跟踪患者一生中检测到的（或未检测到的）和治疗的（或未治疗的）病变（Schwendicke
一种检测潜在模式混淆的自动化方法
通过观察、问卷调查和其他技术，心理学家已经能够引出个体操作员（通常是飞行员）的心理模型。然而，将设计与特定个体的心理模型进行比较只能提供非常具体的信息；我们感兴趣的是设计是否容易产生模式混淆，为此，将设计与通用心理模型进行比较比将设计与个体心理模型进行比较更有用。这种通用模型可以从培训材料中提取（培训手册的目的之一，通常是隐含的，就是诱导足够的心理模型），也可以指定为明确的要求（例如，“这个按钮应该像一个切换按钮一样运行”）。认知研究对这些模型的性质提供了两个重要见解：首先，它们可以用称为“状态机”的数学结构紧凑地表示；第二，它们往往相当简单（这可以通过应用两个规范的简化来解释[3]）。
通过熵和引导多模式融合在不利天气条件下增强对象检测
摘要。通过互补感应方式整合各种表示形式对于自主驾驶中的强大场景解释至关重要。近年来，融合视觉和范围数据的深度学习体系结构具有先进的2D和3D对象检测。但是，这些方式在不利的天气或照明条件下通常会降解，从而导致性能下降。虽然已经开发了域适应性甲基元素来弥合源域和目标域之间的缝隙，但由于源和目标域之间的固有差异，它们通常会缺乏。此差异可以在数据的不同分布和不同特征空间的不同分布中表现出来。本文介绍了一个全面的域自适应对象检测框架。通过深度转移学习开发，该框架旨在从标记的透明天气数据中稳健地概括到无标记的不良天气条件，从而增强了基于深度学习的对象检测模型的性能。创新的斑块熵融合模块（PEFM）是我们方法的核心，该方法动态整合了sens-sor数据，强调关键信息并最大程度地减少了背景干扰。这进一步补充了一种新型的加权决策模块（WDM），该模块（WDM）根据其在特定环境条件下的功效来调整不同传感器的贡献，从而优化了检测准确性。此外，我们在转移学习过程中集成了域对齐损失，以确保有效的域适应性通过将特征图差异定于清晰和不利天气数据集之间的差异。我们评估了不同数据集的模型，包括Exdark（单峰），CityScapes（单峰）和密集（Mul-timodal），在我们评估的时间点，它在所有数据集中排在所有数据集中。
在计算中检测编程窃的检测...
332013，Choi和Al。 2013，Kim和Al。 2013，Tian和Al。 2013，2013，Ajmal and Al。 2014，宝贝和al。 2014年，Cycuss和Al。 2014年，Lazarus和Banias 2014，Liu and Al。 2014，Pohuba和Al。 2014年，张和Al。 2014，2015，2015，JHI和AL。 2015，2015，Sharma和Al。 2015，SOH和AL。 2015，Tian和Al。 2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2013，Choi和Al。2013，Kim和Al。 2013，Tian和Al。 2013，2013，Ajmal and Al。 2014，宝贝和al。 2014年，Cycuss和Al。 2014年，Lazarus和Banias 2014，Liu and Al。 2014，Pohuba和Al。 2014年，张和Al。 2014，2015，2015，JHI和AL。 2015，2015，Sharma和Al。 2015，SOH和AL。 2015，Tian和Al。 2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2013，Kim和Al。2013，Tian和Al。 2013，2013，Ajmal and Al。 2014，宝贝和al。 2014年，Cycuss和Al。 2014年，Lazarus和Banias 2014，Liu and Al。 2014，Pohuba和Al。 2014年，张和Al。 2014，2015，2015，JHI和AL。 2015，2015，Sharma和Al。 2015，SOH和AL。 2015，Tian和Al。 2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2013，Tian和Al。2013，2013，Ajmal and Al。2014，宝贝和al。2014年，Cycuss和Al。 2014年，Lazarus和Banias 2014，Liu and Al。 2014，Pohuba和Al。 2014年，张和Al。 2014，2015，2015，JHI和AL。 2015，2015，Sharma和Al。 2015，SOH和AL。 2015，Tian和Al。 2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2014年，Cycuss和Al。2014年，Lazarus和Banias 2014，Liu and Al。 2014，Pohuba和Al。 2014年，张和Al。 2014，2015，2015，JHI和AL。 2015，2015，Sharma和Al。 2015，SOH和AL。 2015，Tian和Al。 2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2014年，Lazarus和Banias 2014，Liu and Al。2014，Pohuba和Al。 2014年，张和Al。 2014，2015，2015，JHI和AL。 2015，2015，Sharma和Al。 2015，SOH和AL。 2015，Tian和Al。 2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2014，Pohuba和Al。2014年，张和Al。 2014，2015，2015，JHI和AL。 2015，2015，Sharma和Al。 2015，SOH和AL。 2015，Tian和Al。 2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2014年，张和Al。2014，2015，2015，JHI和AL。2015，2015，Sharma和Al。 2015，SOH和AL。 2015，Tian和Al。 2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2015，2015，Sharma和Al。2015，SOH和AL。 2015，Tian和Al。 2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2015，SOH和AL。2015，Tian和Al。 2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2015，Tian和Al。2015，Wang和Al。 2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2015，Wang和Al。2015，明和AL。 2016，Strilețchi和其他。 2016，Agrawal和Sharma 2017，Jain and Al。 2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2015，明和AL。2016，Strilețchi和其他。2016，Agrawal和Sharma 2017，Jain and Al。2017，2017，Carnalim 2017，Luo和Al。 2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2017，2017，Carnalim 2017，Luo和Al。2017，Mirza和Al。 2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2017，Mirza和Al。2017，Mišić和Al。 2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2017，Mišić和Al。2017，Schneider和Al。 2017 2017，2017，Carnalim 2018，Roopam and Singh 2018]。2017，Schneider和Al。2017，2017，Carnalim 2018，Roopam and Singh 2018]。