XiaoMi-AI文件搜索系统
World File Search System用处
人工智能在核医学和分子成像中的应用：临床转化现状和未来前景的回顾
和护理人员对自动化产生了需求，也需要从获取的数据中提取更多信息。AI 的潜在优势已经在常规筛查中显现出来，筛查中会调查大量患者（及相关数据）是否存在疾病，其结果并不比人类表现差。例如，McKinney 等人能够证明他们的乳腺癌筛查算法与经验丰富的放射科医生相比不逊色 [6]。与此同时，由于缺乏透明度，因此可能缺乏可重复性，AI 结果受到批评 [7]。将 AI 引入放射科的运营已导致资源优化 [8]。这种操作型人工智能在核医学 (NM) 中应该更加重要，因为核医学涉及放射性同位素，其保质期有限。患者安排、放射性药物制备管理、报告生成以及恢复和组织以前的 NM 和成像研究都是人工智能有助于简化部门运作的任务示例。然而，我们必须承认，到目前为止，人工智能在 NM 中仍然没有多大用处。毫无疑问，这可能与这样一个事实有关：与放射科相比，每天通过 NM 部门的患者数量较少。然而，这低估了人工智能的潜力，因为一方面，每张病人的图像都代表着大量的数据（无论这些数据是否相关）[9]，另一方面，人工智能方法已被证明能够利用从较大数据集中获得的知识来适应较小的数据集。在本文中，我们简要回顾了该领域目前最前沿的技术，包括更物理和更临床导向的成像人工智能应用组件。有关每个特定主题的更详细评论，读者可以参阅其他更专业的文章[10-17]。最后，讨论了一些关于在 NM 中引入和使用人工智能的想法。
已发布版本的引文 (APA)：Visvikis, D., Lambin, P., Mauridsen, K. B., Hustinx, R., Lassmann, M., Rischpler, C., Shi, K., & Pruim, J. (2022)。人工智能在核医学和分子成像中的应用：临床转化现状和未来前景的回顾。欧洲核医学和分子成像杂志，49，4452–4463。https://doi.org/10.1007/s00259-022-05891-w
和护理人员对自动化产生了需求，也需要从获取的数据中提取更多信息。AI 的潜在优势已经在常规筛查中显现出来，筛查中会调查大量患者（及相关数据）是否存在疾病，其结果并不比人类表现差。例如，McKinney 等人能够证明他们的乳腺癌筛查算法与经验丰富的放射科医生相比不逊色 [6]。与此同时，由于缺乏透明度，因此可能缺乏可重复性，AI 结果受到批评 [7]。将 AI 引入放射科的运营已导致资源优化 [8]。这种操作型人工智能在核医学 (NM) 中应该更加重要，因为核医学涉及放射性同位素，其保质期有限。患者安排、放射性药物制备管理、报告生成以及恢复和组织以前的 NM 和成像研究都是人工智能有助于简化部门运作的任务示例。然而，我们必须承认，到目前为止，人工智能在 NM 中仍然没有多大用处。毫无疑问，这可能与这样一个事实有关：与放射科相比，每天通过 NM 部门的患者数量较少。然而，这低估了人工智能的潜力，因为一方面，每张病人的图像都代表着大量的数据（无论这些数据是否相关）[9]，另一方面，人工智能方法已被证明能够利用从较大数据集中获得的知识来适应较小的数据集。在本文中，我们简要回顾了该领域目前最前沿的技术，包括更物理和更临床导向的成像人工智能应用组件。有关每个特定主题的更详细评论，读者可以参阅其他更专业的文章[10-17]。最后，讨论了一些关于在 NM 中引入和使用人工智能的想法。
费城液化天然气出口工作组报告...
摘要 一个多世纪以来，天然气行业一直是宾夕法尼亚州经济的重要组成部分。从 19 世纪发现天然气，到成为美国第二大天然气生产国，能源生产一直是宾夕法尼亚州经济的主要驱动力。1 宾夕法尼亚州开始接触天然气，始于 1878 年，当时 Haymaker 兄弟在匹兹堡附近发现了一个天然气田，标志着该州能源行业新时代的开始。通过技术创新，该行业缓慢但稳步地发展并增加了天然气产量。但直到发现马塞勒斯和尤蒂卡页岩层，以及采用水力压裂 (水力压裂) 与水平钻井技术相结合，宾夕法尼亚州才成为美国天然气市场的主要参与者。天然气行业通过支持制造业、运输业和公用事业等多种行业，为该州的经济做出了重大贡献。通过征收州影响费，天然气生产产生了可观的州税收收入——仅 2022 年，这项费用就产生了 2.789 亿美元。2 虽然我们联邦的天然气资源足以满足国内和国际的能源需求，但这些资源的用处取决于我们利用它们的能力。我们必须继续研究如何安全有效地将我们的天然气推向市场，并支持国内可持续经济增长和国外可持续能源的需求，以支持宾夕法尼亚州的工人并减少碳排放。一种方法是考察宾夕法尼亚州东南部潜在的液化天然气 (LNG) 出口终端。众议院第 2458 号法案（2022 年第 133 号法案）由民主党州长汤姆·沃尔夫签署成为法律，由众议员马丁娜·怀特发起，成立了两党、两院的费城液化天然气出口工作组（工作组）。第 133 号法案委托工作组：
人工智能和大数据时代的代理歧视
摘要：大数据和人工智能（“AI”）正在彻底改变公司、政府和雇主对个人进行分类的方式。然而，令人惊讶的是，这场革命对反歧视制度造成的最重要威胁之一在现有文献中基本上未被探索或误解。这就是现代算法会导致“代理歧视”的风险。代理歧视是差别影响的一个特别有害的子集。与所有形式的差别影响一样，它涉及一种表面上中立的做法，但这种做法对受保护阶层的成员造成了不成比例的伤害。但产生差别影响的做法只有当表面上中立的做法对歧视者的用处至少部分来自于它产生差别影响这一事实时，才构成代理歧视。从历史上看，这种情况发生在一家公司故意试图通过依赖类别成员代理（例如邮政编码）来歧视受保护类别的成员时。但是，当受保护类别的成员身份可以预测歧视者表面上中立的目标时，代理歧视就不一定是故意的，从而使歧视变得“合理”。 在这些情况下，公司可能会在不知不觉中代理歧视，只知道表面上中立的做法会产生理想的结果。本文认为，人工智能和大数据是这种无意但“合理”的代理歧视风险的游戏规则改变者。拥有大数据的人工智能天生就具有代理歧视的结构，只要它们被剥夺了有关法律上可疑类别成员身份的信息，而该类别的预测能力无法通过人工智能可用的非可疑数据更直接地衡量。简单地拒绝 AI 访问这些预测性但可疑特征的最直观代理，对于阻止这一过程几乎没有作用；相反，它只会导致 AI 找到不太直观的代理。出于这些原因，
基于 AI 的创新网络研讨会报告
2022 年 8 月 10 日，在 Malla Reddy 工程技术学院主礼堂举办了一场关于基于人工智能的创新的网络研讨会。众所周知，人工智能正在通过制造被编程为像人类一样思考并模仿其行为的机器，极大地改变了世界的工作方式。人工智能技术对社会和人类的影响一直很强大。人工智能的应用数量正在增加，人工智能研究领域也在扩大。人工智能的应用范围包括语音识别、问题解决、学习和规划等。在这个方向上，计算智能系与机构创新委员会合作，为三年级 CSE（AI/ML）学生组织了一场关于基于人工智能的创新的网络研讨会。该计划旨在提高参与者的学习和研究技能，让他们了解人工智能的现代创新。它提供了一个了解相关领域当前技术发展知识的机会。网络研讨会于下午 02:00 开始。约 60 名学生积极参与并从会议中获得了有用的信息。K. Nirosha 女士在会议开始时简要介绍了演讲者，并感谢他接受了我们的请求。CI 的 HOD D. Sujatha 博士欢迎主宾和其他贵宾，并向与会者简要介绍了网络研讨会的目的。她简要列举了人工智能在我们日常生活中的应用以及使用该技术的优势。院长（研发部） P H V Sesha Talpa Sai 博士向与会者介绍了机构创新委员会的工作及其对学生的用处。他简要介绍了人工智能的一些应用。他还鼓励参与者最大限度地利用这个机会。他建议参与者，如果他们能想出一些人工智能应用程序或有任何想法，IIC 将帮助他们将其开发成原型。当天的演讲者是哥印拜陀 Amrita 工程学院副教授 T. Senthil kumar 博士。他讨论了不同的算法，例如
果蝇大脑的精细结构
基于文章的理解，问答 教师指示： 让学生阅读在线科学新闻文章“ 科学家们比以往任何时候都更详细地绘制了昆虫大脑图谱 ”，并让他们回答以下问题。 文章的一个版本“精致的果蝇大脑细节”出现在 2023 年 4 月 22 日的《科学新闻》上。 1. 什么是神经元，什么是突触？ 神经元是神经细胞，突触是神经元之间的连接。 2. 用你自己的话解释神经科学家 Marta Zlatic 和她的同事取得了什么成就。 神经科学家 Marta Zlatic 和她的同事绘制了果蝇幼虫大脑中每个神经元及其连接的位置。 3. 研究人员使用什么方法进行研究？ 这个研究项目花了多长时间？ 科学家们使用电子显微镜拍摄的图像来寻找神经元，然后将图像放在一起来追踪神经元。利用从图像中收集到的信息，科学家们能够创建神经元的 3D 版本。这项工作耗时 12 年。 4. 研究人员在果蝇幼虫中绘制了多少个神经元和突触？您认为突触比神经元多意味着什么？ 研究人员绘制了 3,000 个神经元和大约 550,000 个突触。我认为突触比神经元多表明单个神经元可以连接到许多神经细胞，而不仅仅是连接到另一个神经元。 5. 可视化生命系统很困难。科学家们如何展示他们的发现，使他们的发现更容易理解？ 科学家使用色彩鲜艳的球体来描绘神经细胞，并使用明亮的细长尾巴来显示发送和接收信号的神经细胞的分支。 6. 为什么科学家在他们的神经元研究中使用果蝇幼虫而不是成年果蝇？使用果蝇幼虫是因为它们的大脑比成年果蝇小，这加快了数据收集速度。 7. 许多科学家在研究中使用果蝇。你认为科学家为什么认为果蝇是研究的良好模型生物？果蝇在 Zlatic 的研究中有何用处？
吉普赛人、罗姆人和旅行者群体的 COVID-19 疫苗接种决策：一项超越疫苗犹豫的定性研究⠀
背景：许多人拒绝接种疫苗，了解原因很重要。在这里，我们探讨了英格兰吉普赛人、罗姆人和旅行者群体中个人的经历，以了解他们决定接种或避免接种 COVID-19 疫苗的原因和方式。方法：我们采用了参与式定性设计，包括广泛咨询、对来自吉普赛人、罗姆人和旅行者社区的 45 名个人（32 名女性、13 名男性）进行深入访谈、对话会议和观察，时间为 2021 年 10 月至 2022 年 2 月，地点在英格兰的五个地点。结果：总体而言，疫苗接种决定受到对卫生服务和政府的不信任的影响，这种不信任源于先前的歧视和医疗保健障碍，这些歧视和障碍在疫情期间持续存在或恶化。我们发现，标准的“疫苗犹豫”概念无法充分描述这种情况。大多数参与者至少接种过一剂 COVID-19 疫苗，通常是出于对自己和他人健康的担忧。然而，许多参与者感到被医疗专业人员、雇主和政府信息强迫接种疫苗。一些人担心疫苗的安全性，例如可能对生育能力产生影响。他们的担忧没有得到充分解决，甚至被医护人员驳回。解释：标准的“疫苗犹豫”模型对于了解这些人群的疫苗接种情况用处有限，因为过去这些人群的当局和卫生服务被认为是不值得信任的（在大流行期间几乎没有改善）。提供更多信息可能会在一定程度上提高疫苗接种率；然而，提高 GRT 社区卫生服务的可信度对于提高疫苗接种率至关重要。资金：本文报告了由国家卫生研究所 (NIHR) 政策研究计划委托和资助的独立研究。本出版物中表达的观点是作者的观点，不一定是 NHS、NIHR、卫生和社会保健部或其独立机构和其他政府部门的观点。2023 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可 (http://creativecommons.org/licenses/by/4.0/) 开放获取的文章。
地图与神话 - ASPRS
摘要 无论是发达国家还是发展中国家，许多地区都缺乏有效支持环境规划、资源管理和公共政策决策所需的空间精确数据。地图数据缺乏的原因是多种多样的。制图既不容易，也不便宜。这涉及到国家安全和国家主权问题。我们需要重振和扩大我们的制图计划，使其以国家为中心，但范围却全球。让一个民间机构在全球制图方面发挥主导作用也是必不可少的。我们需要努力打破阻碍地图信息公开流动的障碍，筹集所需资源填补空白，并支持增加对制图和空间分析研究的资助。如果我们要加深对这个迅速变化的世界的理解，就必须这样做。引言 需要空间精确的全球数据来解决的问题不胜枚举。生物多样性、人口统计、森林砍伐、沙漠化、淡水和贫困都很重要（Htun，1993）。生态系统健康、人类健康、空气质量以及美国全球变化研究计划（USGCRP，1993）所涉及的所有主要问题也很重要。目前阻碍这些问题研究和应用导向研究的一个主要因素是，世界上许多地区都没有足够的地图。根据规模、主题内容和时效性，发达国家和发展中国家的情况都一样。许多人觉得这很难相信。我们常常认为我们需要的地图是存在的，包含我们寻找的信息，是准确的，也是最新的。然而，我们必须提醒自己，信息在收集时就已经过时了，而根据这些信息绘制的地图对于某些类型的研究来说，其用处可能有限。有些地图信息比其他信息更容易过时，例如大陆轮廓与森林砍伐相反。数据的价值很多时候与其流通性有关。制图是一项重要、复杂、昂贵且耗时的任务，我们认为，我们目前没有以可接受的方式进行。本文中使用的“地图”一词指数字和纸质（模拟）产品。“地图”不仅指标准化的基础制图产品，例如美国地质调查局（uscs）、国家测绘部（NMD）、1:24,000 比例尺、7.5 分钟的地形图，这些地图已按照精确的规格编制，也适用于通常称为“地图”的东西，例如图表、草图和/或计划。术语“科学质量”用于
摄影/插图指南
• 主题。增强文章视觉效果的最佳方法是添加展示士兵执行任务或完成训练的动作镜头。静态的风景、建筑物或远处机器运转的照片用处不大。对着镜头微笑的人群照片或“紧握双唇”的照片对文章的帮助不大，不太可能被使用。 • 格式。最好以 JPEG（或 JPG）格式保存照片，并将其作为电子邮件附件发送。图形文件通常很大，而电子邮件系统通常会限制可以发送和接收的邮件大小。（例如，我们的系统无法接受大于 20MB 的邮件。）一种解决方案是将图形分多个单独的电子邮件发送，每个电子邮件只包含一个或两个附件。照片和其他图形不应嵌入 Microsoft® Word 文档或 PowerPoint 演示文稿中。 • 尺寸和分辨率。尺寸为 5 x 7 英寸、分辨率为 300 点/英寸 (dpi) 的照片或图形最适合出版，但较小的尺寸也可以接受。拍照时，应将相机设置为尽可能高的分辨率。可下载的“高分辨率”照片在屏幕上呈现效果最佳。照片不应压缩；保存的分辨率不得低于 200 dpi。JPEG 照片不应小于 150kb。保存为 TIF 的 5 x 7 英寸、300 dpi 照片大小应为 1MB 到 3MB。使用图形软件程序（如 Adobe® Photoshop）增加小照片的尺寸和/或分辨率不会提高照片质量。不应通过锐化、调整大小、修饰或裁剪图像来处理照片。（我们将进行所有后期制作工作；我们不会发布像素化或失焦的照片。）• 版权。非原创或非从陆军来源获得的图像必须附有版权声明。• 标题。应提供描述照片和识别拍摄对象的标题。标题可能会被编辑。• 外国人的照片。由于安全限制，外国人的照片不能发表，除非照片经过数字编辑以模糊面部，并附有书面发布许可（由照片主体签名）。• 图表和插图。最好提供图表和插图的原始数字文件。应提交原始 PowerPoint 幻灯片和/或分层的 Adobe Photoshop/Illustration 文件。文件不应以其他格式保存，并且不应压平图层。
生成式人工智能和学术写作任务
生成式 AI 和学术写作任务什么是 ChatGPT？ChatGPT 由 OpenAI 于 2022 年推出，是一种人工智能 (AI) 工具，可以响应请求并完成各种任务。与其他生成式 AI 模型一样，ChatGPT 也已经使用来自互联网的大量信息进行了训练。然而，ChatGPT 的独特之处在于，它同时接触了监督学习和通过人工反馈进行强化学习，使聊天机器人能够以更具对话的方式与用户互动 (Ortiz，2023 年)。根据 OpenAI (2022) 的说法，“对话格式使 ChatGPT 能够回答后续问题、承认错误、挑战错误的前提并拒绝不适当的要求。”学术环境中的担忧在过去的一年里，学生们发现了生成式 AI 在完成写作作业时的用处。然而，教育工作者对生成式 AI 对学生学习和执行学术诚信的影响提出了重大担忧。生成式人工智能能够让用户免费、即时地访问信息，列出潜在的论文主题，并（在正确的提示下）生成整篇学术论文，因此学生无需培养大学水平的作业所要培养和评估的技能，即可完成写作和研究任务。此外，虽然 AI 文本分类器、GPTZero 和 CopyLeaks AI 内容检测器等 AI 检测器可以帮助识别 AI 生成的作品，但它们仍然无法完全准确地做到这一点 (Ray, 2023) 。学生还应该意识到，生成式人工智能也有其局限性。生成式人工智能并不总是提供准确的信息，而且由于训练数据存在偏见，它因强化有害刻板印象而受到批评 (Ray 2023) 。Open AI (2023) 也表示，“该模型偏向西方观点”并且“一些防止有害内容的步骤仅在英语中进行了测试。”生成式人工智能的对话格式还可以通过默许“同意”强烈的观点来强化用户的偏见（OpenAI，2023 年）。有关麦当娜大学当前人工智能使用政策的更多信息，请查看我们在 MU OWL 上发布的《面向学生的生成式人工智能》讲义。本讲义的目的从撰写电子邮件到撰写研究论文，生成式人工智能在处理各种与写作相关的任务时非常有用。因此，本讲义的目的是提供使用生成式人工智能来支持研究、写作和批判性思维技能的策略，同时