XiaoMi-AI文件搜索系统
World File Search System真实的
真实的障碍：身份威胁，培养的看法和人格对roumophobia的影响
考虑到可能与机器的真实相互作用的障碍，本研究探讨了技术特征和个体性状的潜在双重影响的robophobia的贡献者。通过2×2×3在线实验，机器人的身体类似，性别和地位被操纵，并测量了机器人信念和人格特质的个体差异。机器人特征对恐惧症的影响不显着。总体而言，关于机器人的主观信念，媒体描绘的培养，无论是威胁人类的身份，都是道德的，并且拥有代理是robophobia的最强预测指标。那些具有较高内部控制和神经质的源头以及较低感知的技术能力的人表现出更多的Robophobia。对机器人在工作和社会中融合的社会技术方面的影响。
使用丹麦真实的克罗恩病中的药物再利用 -
AIM：使用电子保健记录（EHRS）的药物重新利用，通过重新利用现有药物来实现新的治疗适应症，尤其是对于缺乏有效疗法的患者，提供了一种有希望的替代方法。肠纤维化是克罗恩病（CD）的严重并发症（CD），提出了重大挑战，没有可用的药理学治疗而提高发病率和死亡率。本文着重于通过种群广泛的现实世界数据和人工智能（AI）方法来识别与CD患者纤维化风险升高或降低纤维化风险相关的药物。方法：从1996年至2019年诊断为65岁或65岁的患者在丹麦EHR中诊断为24岁。主要结果是需要特定的外科手术，即进行回肠造口术和回肠切除术作为肠纤维化的代理。这项研究探索了与通过机器学习驱动的生存分析增加或降低研究结果风险相关的药物。结果：在9179例CD患者中，1029（11.2％）接受了手术，主要是男性（58.5％），平均年龄为76岁，有10种药物与肠道造口术和卵巢切除术治疗手术术的较高风险有关。相比之下，有10种药物与这些疾病进行手术的风险降低有关。结论：本研究的重点是使用丹麦EHR和先进的统计方法来重新利用现有药物，以防止CD患者的肠纤维化手术。这些发现为这种情况的潜在治疗方法提供了宝贵的见解，从而满足了至关重要的未满足医疗需求。有必要进行进一步的研究和临床试验，以验证这些再利用药物在防止CD患者中与肠纤维化相关的手术方面的有效性。关键词：克罗恩病，药物重新利用，炎症性肠病，肠纤维化，机器学习，现实世界数据
在真实的人类左心模型中对 MitraClip 进行计算机模拟分析
摘要：二尖瓣反流是一种常见的心脏瓣膜疾病，与高发病率和死亡率相关。使用 MitraClip 装置进行经导管二尖瓣修复已成为不适合常规手术的患者的一种安全有效的替代方法。然而，MitraClip 植入左心室的结构和血流动力学影响尚未得到广泛探索。本研究旨在使用高精度人体心脏模型评估 MitraClip 装置的结构和血流动力学性能，特别关注健康的二尖瓣几何形状。使用有限元法进行结构分析和使用格子波尔兹曼法进行计算流分析，模拟了 MitraClip 装置的植入。MitraClip 植入会引起二尖瓣的几何变化，导致受该装置约束的瓣叶区域主应力的局部最大值。血流动力学评估显示左心室壁附近有缓慢移动的嵌套螺旋流，心尖区域有高流速。涡流分析表明，在植入 MitraClip 后，二尖瓣的双孔面积配置会引起异常血流动力学状况。通过以患者特定的方式预测可能的不良事件和并发症，计算建模支持循证决策，并提高经导管二尖瓣修复的整体有效性和安全性。
SIM到真实的移动机器人导航策略，从虚拟眼睛的视觉中学习
摘要 - 恰好在具有最小碰撞的无构建环境中引导软机器人仍然是软机器人的开放挑战。当环境未知时，可能无法用于模拟和操作的导航的事先运动计划。本文提出了一种新颖的SIM到真实方法，可在模拟开放框架体系结构（SOFA）下的静态环境中指导电缆驱动的软机器人。SCE-NARIO的目的是在简化的横向气管插管过程中类似于其中一个步骤，在该过程中，机器人气管管由灵活的视频辅助内窥镜/stylet引导到上层气管larynx位置。在沙发中，我们采用二次编程逆求器来获得基于机器人模型的内窥镜/Stylet操纵的无碰撞运动策略，并编码与眼睛的视觉。然后，我们使用闭环非线性自动回收前模型（NARX）网络将虚拟视觉和关节空间运动识别的解剖学特征与关节空间相关联。之后，我们将学习的知识转移到机器人原型中，期望它仅根据其眼睛的视觉自动自动地在新的幻影环境中导航到所需的位置。实验结果表明，我们的软机器人可以根据从虚拟环境中学到的知识，在最小的碰撞运动中有效地通过非结构化的幻影训练到所需的位置。结果表明，闭环NARX预测和由SOFA引用的机器人电缆和棱镜关节空间运动之间的平均R平均系数为0.963和0.997。眼神的视线还表现出机器人尖端和震颤之间的良好对齐方式。
egosim：运动和活动期间的egecentric多视图模拟器和真实的型摄像机的真实数据集
对计算机视觉中以自我为中心任务的研究主要集中在标题相机上，例如鱼眼摄像机或沉浸式耳机内的嵌入式相机。我们认为，越来越多的光学传感器的微型化将导致相机在各个位置的多产摄像机中的多产。这将为计算机视觉中的确定任务带来新的观点，并使关键领域（例如人类运动跟踪，身体姿势估计或行动识别）尤其是针对下半身，通常会被遮挡。在本文中，我们介绍了Egosim，这是一种新颖的人体镜头相机的模拟器，该相机从佩戴者的身体上从多个角度产生了逼真的自我中心效果图。Egosim的关键特征是它使用真实的运动捕获数据来渲染运动伪像，这在手臂或腿部的摄像机中尤其明显。此外，我们还介绍了多款镜头的数据集，该数据集来自六个身体上的相机和地面真实真实的全身3D姿势：119小时的数据是从四个高效率的虚拟环境中的积极运动序列得出的，我们使用13个Gopro的5小时的运动范围和3 g的运动来增强，这些数据来自5小时，并从13个小时内增强。 套装。我们通过训练仅端到端视频3D姿势估计网络来证明Egosim的有效性。分析其域间隙，我们表明我们的数据集和模拟器大大帮助推断现实世界数据。EgoSim代码和MultieGoview数据集：https：//siplab.org/projects/egosim
人们对标记为AI生成的头条持怀疑态度，即使是真实的或人为的，因为他们假定完全AI自动化
生成AI工具的兴起引发了有关AI生成内容的标签的辩论。然而，此类标签的影响仍然不确定。在我们和英国参与者之间进行了两个预先核实的在线实验（n = 4,976），我们表明，尽管参与者并未将“ AI生成”等同于“ false”，但标记为AI生成的标签降低了他们所感知的准确性，并降低了他们的准确性，并且参与者愿意分享他们，无论是在headline是否是由True of True of True of True of True of True of True of True of Flunans或An an Humans或Anii创建的。标签标题为AI生成的影响的影响是将其标记为假的三倍。这种AI的厌恶是由于预期被标记为AI生成的头条的期望完全由AI撰写，没有人为监督。这些发现表明，应谨慎对待AI生成的内容的标签，以避免对无害甚至有益的AI生成的内容的意外负面影响，并且有效的标签部署需要透明度就其含义。
S100B蛋白在非转移性皮肤黑色素瘤患者的随访中有用吗？真实的队列研究
2015年1月至2020年12月。数据是从前瞻性收集的黑色素瘤数据库和电子健康记录中得出的，包括基线人口统计学，疾病特征和血清S100B水平和随访时的血清S100B水平。所有副手都给了他们的
使用机器学习技术和Smote
图7描述了逻辑回归（LOGR）的混淆矩阵。混乱矩阵揭示了2086个真实的负面实例，2172个真实的积极实例，255个假阳性实例和152个假阴性实例。图8显示了SVM的混淆矩阵。混乱矩阵揭示了2105个真实的负面实例，2149个真实的积极实例，236个假阳性实例和175个假阴性实例。图9描述了幼稚贝叶斯（NB）的混淆矩阵。混乱矩阵揭示了2124个真实的负面实例，2019年真实的积极实例，217个假阳性实例和305个假阴性实例。图10给出了KNN的混淆矩阵。混乱矩阵揭示了345个真实的负面实例，2321个真实的积极实例，1996年的假积极实例和3个假阴性实例。
用于识别核医学领域有影响力的基于人工智能的发现的 TRUE 清单：它是真实的吗？它是可重复的吗？它是有用的吗？它是可以解释的吗？
值得注意的是 - 人工智能 (AI) 算法目前被提出用于核医学的许多不同目的。（第 2 页）- 这些算法的报告带来了特殊的挑战，需要适当的透明度和高度的科学严谨性（第 2-3 页）。- 任何涉及基于 AI 的方法的报告都应仔细解决和讨论研究结果的科学有效性、可重复性、有用性和可解释性（第 3 至 7 页）。
使用...
图S1。 用于案例（a）3（无噪声，t = 0。的斑点检测方法的结果）的结果 05）和（b）10（泊松噪声，t = 0。 2）。 红色圆圈是检测到的斑点的中心。 绿色正方形围绕着真实的斑点，而无需斑点，即 最接近检测到的点位置正是真正的斑点位置。 黄色正方形围绕着斑点移动，即 最接近检测到的点位置并不完全是真实的位置。 在（b）红色箭头指向检测到的位置，这些位置不完全在真实的位置，仅归因于噪声。S1。用于案例（a）3（无噪声，t = 0。05）和（b）10（泊松噪声，t = 0。2）。红色圆圈是检测到的斑点的中心。绿色正方形围绕着真实的斑点，而无需斑点，即最接近检测到的点位置正是真正的斑点位置。黄色正方形围绕着斑点移动，即最接近检测到的点位置并不完全是真实的位置。在（b）红色箭头指向检测到的位置，这些位置不完全在真实的位置，仅归因于噪声。