XiaoMi-AI文件搜索系统
World File Search System测量标准
辐射物理部质量手册
简介本质量手册定义了国家标准技术研究所（NIST）的物理测量实验室（PML）的辐射物理部（RPD）的质量管理系统。1本手册描述了RPD在维持和传播美国国家测量标准标准光子，电子，中子和α-粒子辐射方面达到和保持高标准的过程。包括对部门结构和组织，其政策和程序的描述，以及用于确保以准确方式使用和维护的各种过程概述，该过程与国际标准和实践一致。此质量手册（RPD-QM-II）符合适用的NIST质量手册（NIST- QM-I）和机构政策和程序，并在适当的情况下指其他质量保证文档。所有活动影响测量服务质量的RPD工作人员均应熟悉NIST QMS并将其实施到所有RPD测量服务中。此质量手册记录遵守NIST质量管理系统（QMS）所需的政策和实践。RPD承诺，其质量管理系统在法规和监管允许的范围内，符合国际标准ISO/IEC 17025，对测试和校准实验室的能力的一般要求，以及ISO 17034的相关要求，对参考材料生产商的一般要求，以及它们适用于参考材料的能力，它们适用于标准参考材料®（SRMS）®（SRMS）®（SRMS）。ISO/IEC 17043：2010合格评估 - RPD提供的熟练度测试提供的相关服务的一般要求。Alan K. Thompson部长辐射物理部物理测量实验室国家标准与技术研究所
政府中的人工智能：概念、标准和
摘要。人工智能 (AI) 和机器学习 (ML) 的最新进展有望改善政府。鉴于人工智能应用的先进功能，至关重要的是，这些应用必须使用标准的操作程序、明确的认知标准嵌入其中，并按照社会的规范期望行事。随后，多个领域的学者开始概念化人工智能系统可能采取的不同形式，强调其潜在的好处和缺陷。然而，文献仍然支离破碎，公共管理和政治学等社会科学学科的研究人员以及人工智能、机器学习和机器人技术等快速发展的领域的研究人员都在相对孤立地开发概念。尽管有人呼吁将新兴的政府人工智能研究正式化，但缺乏一个平衡的描述，以涵盖理解将人工智能嵌入公共部门环境的后果所需的全部理论观点。在这里，我们使用概念图来识别人工智能多学科研究中使用的 107 个不同术语，从而统一社会和技术学科的努力。我们归纳地将它们分为三个不同的语义组，分别标记为 (a) 操作、(b) 认知和 (c) 规范领域。然后，我们在此映射练习的结果基础上，提出三个新的多方面概念，以综合、前瞻性的方式研究基于人工智能的政府系统 (AI-GOV)，我们称之为 (1) 操作适应性、(2) 认知完备性和 (3) 规范显著性。最后，我们将这些概念用作 AI-GOV 概念类型学的维度，并将每个概念与新兴的人工智能技术测量标准相连接，以鼓励操作化，促进跨学科对话，并激发那些旨在用人工智能重塑公共管理的人之间的辩论。
智能手机应用程序的有效性和可靠性...
摘要背景：随着人口老龄化，慢性伤口也随之增加，给卫生系统带来了负担。准确记录和持续测量伤口变得至关重要。研究目的：确定智能手机应用程序在测量下肢慢性伤口表面积方面的有效性和可靠性 (VAR)。患者和方法：2022 年 3 月至 2022 年 8 月，从开罗大学医院选出 61 名（46 名男性和 15 名女性）患有下肢慢性伤口的患者，年龄在 40 至 70 岁之间。通过手动平面测量法和智能手机应用程序（瑞士 Imito AG）对患者进行评估。首席研究员和共同研究员使用 Imito-measure 应用程序进行了两次伤口评估，以测试评分者间信度 (Inter-RR)、评分者内信度 (Intra-RR) 和效度。通过确定智能手机应用程序和度量图表之间的相关性（Pearson 积差相关系数）来调查并发效度。类内 RR 和类间 RR 以类内相关系数 (ICC) 表示。结果：Imito-measure 应用程序的效度、类内 RR 和类间 RR 均极佳，具有很强的正显著相关性 (r = 0.998, p = 0.001)，ICC 为 0.999，95% CI 为 0.998-0.999，测量标准 (SEM) 为 1.83；测量伤口表面积的 ICC 为 0.999，95% CI 为 0.998-0.999，SEM 为 1.85。结论：Imito-measure 应用程序在伤口测量方面表现出色，可以作为临床实践中的评估工具。关键词：慢性伤口，伤口评估，智能手机应用程序，有效性，可靠性。介绍
CCQM策略文档2021-2030
该文件列出了该策略，咨询委员会的实质数量；在2021 - 2030年期间，化学与生物学计量学（CCQM）旨在提高化学和生物测量标准和能力的全球可比性，从而使成员国和员工能够自信地进行测量。这样做，测量科学也将得到进步，并加强了利益相关者的互动。在制定其战略时，CCQM专家小组已经确定了九个关键部门，这些部门有望影响和推动国家计量学院（NMI）和指定的机构（DI）服务的发展，并在2021 - 2030年期间（DI）服务，并影响CCQM的CCQM活动，以实现化学和生物学测量的全球可比性。在以下部门中描述了可以通过CCQM层面来解决的科学，经济和社会挑战：环境和气候；医疗保健和生命科学；食品安全，贸易和真实性；活力;法律计量学； SI的基本计量学和支持；法医科学和反兴奋剂；高级制造；生物技术和药物发现。策略预见了在委员会涵盖的所有九个技术科学领域，包括有机，无机，气体，同位素比，表面，表面，电化学，蛋白质，核酸和细胞分析领域的策略。CCQM设定了七个战略目标，要在2021 - 2030年期间进步，尤其是：为解决全球挑战的解决做出贡献；促进摄取量学上可追溯的化学和生物学测量；发展化学和生物测量科学的艺术状态；为了提高全球比较体系的效率和功效，用于化学和生物测量标准；继续校准和测量能力（CMC）的发展以满足利益相关者的需求；支持NMIS的能力发展，并通过新兴的活动发展；为了保持组织活力，定期审查并在需要时更新CCQM结构，以便能够执行其任务。已经确定了预期进展的三十三个活动，包括对新温室气体，同位素比和微塑料标准的支持，到生物标志物的参考测量系统的开发，表面化学组成，RNA量化，RNA定量，食物认证，食物认证以及细胞计数为示例。在新战略中预见了一种更具结构化的利益相关者参与方法，并将其视为促进CCQM以及整个化学和生物学社区的活动和影响的关键工具。将制定利益相关者参与的中期和长期计划，包括可能扩展CCQM联络成员资格，以更好地代表委员会的技术报道的扩展，扩展了与CIPM建立的其他咨询委员会和部门特定的Fora的合作，并进一步使用任务和焦点小组来实现CCQM任务。将继续进行核心能力/比较策略，目的是不增加与化学/生物学领域中维持6300多个CMC的71个机构进行比较所需的总体资源。广泛主张的模型CMC将继续开发，从而促进了这些模型的更广泛的吸收，同时满足了利益相关者的需求，并有可能减少审查和维护CMC数据库条目所需的资源。将在CCQM和RMO之间保持较强的相互作用，并继续协调链接，卫星和补充比较，并增加对能力构建和知识转移的关注，包括启动NMIS协调比较的指导计划。该战略的实施得到了BIPM化学部门的支持，该部门提供了CCQM执行秘书角色，在CCQM优先级的技术领域的比较协调，基于实验室的基于实验室的知识转移计划与新兴计量学系统的国家计量学院的基于实验室的知识转移计划，JCTLM数据库，JCTLM数据库和支持与利益相关者的互动。
NPL 报告 MS 34 - 机器学习的不确定性评估
准确、标准化和质量保证的测量为社会带来了诸多好处。这一目标是通过计量基础设施实现的，这些基础设施定义了主要的测量标准，并确保所有测量都可以通过不间断的校准链追溯到这些标准，每个校准链都会增加测量不确定度（BIPM 等）。机器学习 (ML) 和人工智能 (AI) 有可能将计量的范围扩展到信号处理应用，例如先进制造、自动运输、网络通信和医学成像，其中底层物理模型要么不太了解，要么计算效率低下。然而，人们认为 ML 的输出不可信，阻碍了 ML 及其所有优点的采用（Floridi，2019 年）。更具体地说，ML 预测的可追溯性必须伴随着对不确定性的可靠定量评估。虽然机器学习的最新进展在很大程度上集中在分类任务上，但机器学习在计量学中的典型用途是回归任务，其中需要估计连续量。虽然目标是使用有关连续（单变量）量的信息来做出决策或评估系统是否满足特定要求，但根本挑战是测量该量以提供该信息，因此我们将在本报告中重点关注回归问题。计量学中如何出现回归问题？它们的出现是因为通常不可能或不希望直接测量一个量，而是需要或希望从一些更容易测量或有信息的贡献中推断出有关量的信息。这些贡献可能与某些仪器或系统进行的测量、应用的校正或从制造商的规格或校准证书等来源获得的信息有关。然后需要一个模型来从这些贡献中推断出有关感兴趣数量的信息。通过测量模型评估不确定性的框架在有影响力的“测量不确定度表达指南”（GUM）（BIPM 等，2008a）中为计量界标准化。在许多情况下，不可能基于物理理解构建或执行分析模型的计算，而是必须采用数据驱动的方法。举三个示例测量问题，其中 ML 要么正在使用，要么具有潜力。
NPL 报告 MS 34 - 机器学习的不确定性评估
准确、标准化和质量保证的测量为社会带来了诸多好处。这一目标是通过计量基础设施实现的，这些基础设施定义了主要的测量标准，并确保所有测量都可以通过不间断的校准链追溯到这些标准，每个校准链都会增加测量不确定度（BIPM 等）。机器学习 (ML) 和人工智能 (AI) 有可能将计量的范围扩展到信号处理应用，例如先进制造、自动运输、网络通信和医学成像，其中底层物理模型要么不太了解，要么计算效率低下。然而，人们认为 ML 的输出不可信，阻碍了 ML 及其所有优点的采用（Floridi，2019 年）。更具体地说，ML 预测的可追溯性必须伴随着对不确定性的可靠定量评估。虽然机器学习的最新进展在很大程度上集中在分类任务上，但机器学习在计量学中的典型用途是回归任务，其中需要估计连续量。虽然目标是使用有关连续（单变量）量的信息来做出决策或评估系统是否满足特定要求，但根本挑战是测量该量以提供该信息，因此我们将在本报告中重点关注回归问题。计量学中如何出现回归问题？它们的出现是因为通常不可能或不希望直接测量一个量，而是需要或希望从一些更容易测量或有信息的贡献中推断出关于一个量的信息。这些贡献可能与某些仪器或系统进行的测量、应用的校正或从制造商的规格或校准证书等来源获得的信息有关。然后需要一个模型来从这些贡献中推断出有关感兴趣数量的信息。通过测量模型评估不确定性的框架在有影响力的“测量不确定度表达指南”（GUM）（BIPM 等，2008a）中为计量界标准化。在许多情况下，不可能基于物理理解构建或执行分析模型的计算，而是必须采用数据驱动的方法。举三个示例测量问题，其中 ML 要么正在使用，要么具有潜力。
深部脑刺激治疗难治性强迫症......
在本期期刊中，Denys 等人 (1) 描述了 70 名患有严重难治性强迫症 (OCD) 的患者接受双侧内囊腹侧前肢 (vALIC) 深部脑刺激 (DBS) 治疗的反应。这是迄今为止报道的规模最大的关于 DBS 治疗强迫症的队列研究，其包括详细的临床结果和安全性数据，使作者得出结论，vALIC 对于患有严重慢性强迫症且对多种药物以及暴露和反应预防疗法均无反应的患者通常是有效且安全的。在 12 个月的随访中，52% 的患者被归类为“有反应者”，17% 被归类为“部分有反应者”，这是根据耶鲁-布朗强迫症量表 (Y-BOCS) (2) 评分分别下降 35% 和 25% 2 34% 确定的。 35% 是 DBS 的更严格标准，其侵入性需要更高的标准，但 25% 的减少也被认为是临床试验中可接受的反应测量标准 (3)。结合这两类患者，69% 的患者表现出有意义的临床改善。另一方面，31% 的患者强迫症症状没有缓解。这项研究进一步证明了 DBS 对难治性强迫症患者通常是安全且耐受性良好的证据 (4, 5)。不良事件被归类为与手术、硬件或编程相关。在 11 起严重不良事件中，两名患者发生了涉及设备组件的术后感染，需要在几个月后取出并重新植入。六名患者需要进行修复手术以纠正电极错位。重要的是，没有报告脑内出血或癫痫发作。有三次自杀未遂，没有后遗症，只有一次被归类为与刺激变化有关，据报道，一名患者对 DBS 的反应感到失望。39% 的患者出现短暂性轻躁，同时伴有激动 (30%) 和冲动 (19%)。目前尚不清楚作者使用的轻躁一词是否与欢笑反应同义，轻躁是指持续数天的具有临床意义的情绪障碍，即在 DBS 编程期间立即引发微笑/笑声和欣快感。
响应国家需求
1901 年 3 月 3 日，国会颁布了一项法律，成立了国家标准局 (NBS)，1988 年更名为国家标准与技术研究所 (NIST)。尽管定义 NBS 的法案只有两页长，但这些文字却非常重要，因为美国迫切需要一个标准和测量机构。引用 10 个月前提交给众议院的一份委员会报告：“因此，委员会一致认为，除了建立本法案中提议的机构外，制造业、商业、科学仪器制造商、政府、学校、学院和大学的科学工作不可能得到比这更重要的援助。”今天，这些文字装饰着位于马里兰州盖瑟斯堡的 NIST 总部的入口，并继续激励着员工。多年来，NBS 和 NIST 通过发布经过严格评估的参考数据和经过仔细认证的参考材料，以及制定可重复的测量标准（包括时间、频率、长度、电压和电阻的标准，这些标准现在基于持久且可重复的量化量），为这些目标和我们国家的福祉做出了巨大贡献。NIST 科学家还通过多种方式为基础科学做出了贡献，例如测量基本物理常数和显示假定的基本粒子宇称对称性的无效性。NIST 通过制定标准、质量保证和计算机控制制造等新技术，继续为工业、计算机科学、卫生、医学、安全、消防和其他领域做出贡献。2001 年，NIST 将庆祝其成立一百周年，以表彰和认可其在过去 100 年中对科学技术世界、美国工业和经济的贡献。此次庆典的主题是“NIST 100 周年：进步的基础”。美国商务部于 1966 年出版的《进步措施》涵盖了该研究所前 50 年的历史。它记录了 NBS 专业知识在科学技术革命性进步时期促进我国技术变革的成就，这些进步部分是由量子力学的发展和两次世界大战推动的。《进步措施》之后出版了《独特的机构》，这是该研究所在 1950-1969 年的历史，这些年预示着信息时代的到来。这本新书《响应国家需求》涵盖了 1969 年至 1993 年，描述了进一步的科学技术进步以及 NIST 演变为一个机构的过程，该机构还影响并帮助了美国私营企业和利益
辐射剂量测定的质量保证
辐射剂量测定的质量保证：成就与趋势 A. 简介 剂量测定是测量辐射剂量的科学。辐射的吸收剂量以“戈瑞”（Gy）为单位进行测量。如果要充分利用核技术在医疗保健领域的应用优势，那么辐射剂量测量和确保其尽可能准确至关重要。放射性过程和辐射用于许多与健康相关的技术，剂量测定的质量保证 (QA) 和准确性要求取决于特定应用的具体需求。在将辐射作为治疗方案的一部分输送给患者的情况下，准确性至关重要。放射治疗程序的目标是输送根除肿瘤所需的剂量，同时尽量减少对健康组织的辐射暴露。输送过多的辐射会导致严重的并发症，从而损害患者的生活质量。另一方面，向恶性组织输送太少的辐射最终会导致患者因疾病而死亡。剂量测定也是诊断医学的重要组成部分。在这种情况下，准确性的主要驱动因素是需要在图像质量和辐射暴露量之间取得平衡。通过避免不必要的重复成像程序，患者的累积剂量被最小化，同时仍然提供诊断和监测疾病所需的信息。医院、工业、实验室和核电站使用辐射也需要考虑工人在履行职责过程中可能受到的辐射暴露。职业剂量测量所需的准确度低于患者剂量测量所需的准确度；然而，在规定的不确定度水平上对测量进行可追溯性仍然很重要。剂量测定是所有辐射安全和防护计划的重要组成部分，旨在监测和实现辐射的安全使用。核技术的工业应用需要以高剂量输送辐射。一些辐照产品可以直接供消费者使用，例如辐照食品或灭菌医疗产品。优化辐射输送非常重要，因为如果输送到产品的剂量不足以达到应有的效果，个人的健康和安全就会受到威胁。或者，如果剂量过高，资源将被浪费，从而产生经济后果。因此，工业加工剂量测定应用所需的精度水平取决于辐射过程的经济性以及加工商确保其产品符合健康和安全标准的需求。安全和最佳使用辐射的要求因所需的剂量测定精度而异。制定和实施适当的质量保证计划将确保满足这些要求。此类质量保证计划的主要组成部分包括通过精确校准仪器、培训员工、剂量测定审计以及建立质量控制和辐射安全程序来实现辐射测量的可追溯性。以下各节介绍了与剂量测定和测量标准质量保证、放射治疗、诊断放射学、内部剂量测定和辐射防护相关的最新成就和趋势。