XiaoMi-AI文件搜索系统
World File Search System爱荷华
1 利用人工智能决策减少肾脏丢弃......
跨学科系统方法的必要性 Richard Threlkeld，MS 1*、Lirim Ashiku，MS 1*、Casey Canfield，PhD 1、Daniel B. Shank，PhD 2、Mark A. Schnitzler，PhD 3、Krista L. Lentine，MD，PhD 3、David A. Axelrod，MD，MBA 4、Anil Choudary Reddy Battineni，BS 3、Henry Randall MD，MBA 3†、Cihan Dagli，PhD 1† * 共同第一作者； † 共同资深作者 1 密苏里科技大学，工程管理与系统工程，美国密苏里州罗拉 2 密苏里科技大学，心理科学，美国密苏里州罗拉 3 圣路易斯大学移植中心，美国密苏里州圣路易斯 4 爱荷华大学移植中心，美国爱荷华州爱荷华城 通讯作者：Casey Canfield 电子邮件：canfieldci@mst.edu 街道地址：223 Engineering Management, 600 W 14 th St, Rolla, MO 65409 遵守道德标准 利益冲突 Casey Canfield、Daniel Shank、Mark Schnitzler、Krista Lentine、Henry Randall 和 Cihan Dagli 报告获得美国国家科学基金会的资助。Richard Threlkeld、Lirim Ashiku 和 Anil Choudary Reddy Battineni 声明没有利益冲突。 Krista Lentine 和 David Axelrod 是本期刊的部门编辑，但未参与本文的审阅。 人权和动物权利 作者进行的所有以人类或动物为对象的研究/实验均已发表，并符合所有适用的道德标准（包括赫尔辛基宣言及其修正案、机构/国家研究委员会标准以及国际/国家/机构指南）。
英国对 COVID-19 疫苗的态度
BeSD COVID-19 工作组成员包括：Neetu Abad（美国疾病控制中心）；Helena Ballester Bon（联合国儿童基金会 [UNICEF]）；Cornelia Betsch（德国埃尔福特大学）；Noel Brewer（美国北卡罗来纳大学）；Melissa Gilkey（美国北卡罗来纳大学）；Julie Leask（澳大利亚悉尼大学）；Abdul Momin Kazi（巴基斯坦阿迦汗大学）；Ana Lisa Ong-Lim（菲律宾大学马尼拉分校）；Aaron Scherer（美国爱荷华大学）；Holly Seale（澳大利亚新南威尔士大学）；Gilla Shapiro（加拿大多伦多大学）；Smita Singh（全球疫苗免疫联盟）；Gillian SteelFisher（美国哈佛大学）；Kerrie Wiley（澳大利亚悉尼大学）； Charles Wiysonge（南非科克伦）。世界卫生组织的 Lisa Menning 和 Francine Ganter Restrepo 担任该小组的秘书处。
机器智能 - 哥伦比亚心理学系
办公时间：在线，通过约会讲师，讲师是自然机器智能的高级编辑，这是一本关于人工智能，机器学习和机器人技术的科学杂志。他拥有爱荷华大学的心理学学士学位，明尼苏达大学的神经科学博士学位以及纽约大学认知神经科学的博士后培训。 他曾在纽约大学哥伦比亚大学和明尼苏达大学担任教职员工。 课程公告描述该研讨会将从心理学，神经科学和计算机科学等领域以及网络论，人工智能，机器人技术，连接性，神经网络，机器学习和深度学习等方法调查机器智能中的历史和现代发展。 重点是对主题的概念理解。 该课程不包括计算机编程和统计信息的背景。 一个总体目标是让学生成为知情的人工智能应用程序。 详细描述了研讨会的目标是对机器智能有更深入的了解。他拥有爱荷华大学的心理学学士学位，明尼苏达大学的神经科学博士学位以及纽约大学认知神经科学的博士后培训。他曾在纽约大学哥伦比亚大学和明尼苏达大学担任教职员工。 课程公告描述该研讨会将从心理学，神经科学和计算机科学等领域以及网络论，人工智能，机器人技术，连接性，神经网络，机器学习和深度学习等方法调查机器智能中的历史和现代发展。 重点是对主题的概念理解。 该课程不包括计算机编程和统计信息的背景。 一个总体目标是让学生成为知情的人工智能应用程序。 详细描述了研讨会的目标是对机器智能有更深入的了解。他曾在纽约大学哥伦比亚大学和明尼苏达大学担任教职员工。课程公告描述该研讨会将从心理学，神经科学和计算机科学等领域以及网络论，人工智能，机器人技术，连接性，神经网络，机器学习和深度学习等方法调查机器智能中的历史和现代发展。重点是对主题的概念理解。该课程不包括计算机编程和统计信息的背景。一个总体目标是让学生成为知情的人工智能应用程序。详细描述了研讨会的目标是对机器智能有更深入的了解。
o r i g i n a l r e s a r c h不一致的定量和视觉CT评估在诊断肺气肿
目的：肺的计算机断层扫描（CT）的视觉评估通常用于诊断肺气肿。定量CT（QCT）可以补充视觉CT，但必须得到充分验证。QCT肺气肿定义为低衰减区域≤-950 Hounsfield单位（LAA-950）占据的肺体积≥5％。不一致的视觉和QCT评估并不少见。我们检查了大量受试者中的视觉和定量胸部CT评估之间的关联，以识别可能解释不一致的视觉和QCT发现的变量。材料和方法：对在爱荷华大学进行的COPDGENE研究1阶段入学的1221名受试者进行的1221名受试者的体积CT扫描进行了审查。参与者包括从不吸烟者，具有正常肺活量测量的吸烟者，肺活量测量值障碍和全球阻塞性肺病（金）阶段I – IV的倡议。ct扫描是由科德吉尼成像中心和爱荷华大学放射科医生定量评分和视觉解释的。个人级视觉评估与QCT测量值进行了比较。使用KAPPA统计量计算两组放射科医生之间的一致性。我们使用回归方法评估了与不一致结果相关的变量。结果：我们中心放射科医生和QCT之间存在肺气肿（61％的一致性，kappa，0.22 [0.17-0.28]）是公平的一致性。当前的吸烟和女性性别与QCT阴性但视觉上可检测到的肺气肿显着相关。临床试验注册：临床Trials.gov标识符NCT000608764。类似的比较ISON显示了COPDGENE成像中心与QCT之间的略有一致性（56％的一致性，Kappa 0.16 [0.11-0.21]），两组视觉评估之间的中等一致（80％一致性，Kappa 0.60 [0.60 [0.54-0.65]）。结论：肺气肿的视觉和定量CT评估之间的一面一致的一致性强调，需要利用这两种方式进行全面的放射学评估。不一致的结果可能归因于一个或多个在较大研究中需要进一步探索的因素。关键词：胸部成像，慢性阻塞性肺部疾病，观察者一致，Akaike信息标准