XiaoMi-AI文件搜索系统
World File Search System紧急程度
通过最优稀疏决策树预测医学实验室测试的紧急程度：超声心动图案例研究
背景：在当代医疗保健领域，实验室测试是推动精准医疗进步的基石。这些测试提供了对各种医疗状况的深入见解，从而促进了诊断、预后和治疗。然而，某些测试的可及性受到诸如高成本、专业人员短缺或地理差异等因素的阻碍，这对实现公平的医疗保健构成了障碍。例如，超声心动图是一种极其重要且不易获得的实验室测试。对超声心动图的需求不断增加，凸显了更高效的调度协议的必要性。尽管有这种迫切的需求，但在这一领域的研究却有限。目标：本研究旨在开发一种可解释的机器学习模型，以确定需要超声心动图检查的患者的紧急程度，从而帮助确定调度程序的优先级。此外，本研究旨在利用机器学习模型的高可解释性，深入了解影响超声心动图预约优先级的关键属性。方法：基于来自电子健康记录的大量现实世界超声心动图预约数据集（即 34,293 个预约），进行了实证和预测分析以评估患者的紧急程度，该数据集包含管理信息、转诊诊断和潜在患者状况。我们使用了一种最先进的可解释机器学习算法，即最佳稀疏决策树 (OSDT)，该算法以高准确性和可解释性而闻名，来研究与超声心动图预约相关的属性。结果：与表现最佳的基线模型相比，该方法表现出令人满意的性能（F 1 -score=36.18%，提高了 1.7% 和 F 2 -score=28.18%，比表现最佳的基线模型提高了 0.79%）。此外，由于其高度可解释性，结果为通过从 OSDT 模型中提取决策规则来识别紧急患者进行测试提供了宝贵的医学见解。结论：该方法表现出了最先进的预测性能，证实了其有效性。此外，我们通过将 OSDT 模型得出的决策规则与既定的医学知识进行比较来验证这些决策规则。这些可解释的结果（例如 OSDT 模型中的属性重要性和决策规则）强调了我们的方法在优先考虑患者紧急程度的超声心动图预约方面的潜力，并且可以扩展到使用电子健康记录数据优先考虑其他实验室测试预约。
考虑源-荷不确定性的协调调频策略
方法：首先，根据风电机组运行特性和减负荷率划分风速区间，在此基础上提出基于转子转速控制和桨距角控制的减负荷运行策略，使风电机组具备双向调频能力，并根据风速预测误差和减负荷运行策略确定风电机组可调容量；其次，基于考虑离网时间不确定性的电动汽车可控域模型，根据电动汽车充电紧急程度，通过对荷电状态（SOC）进行状态分组确定电动汽车群可调容量。通过定义电动汽车调频能力参数和充电紧急程度参数，确定电动汽车调频优先级列表并提出功率分配策略；然后，基于电动汽车充电紧急程度和风电机组减负荷运行经济性，提出协同调频任务分配策略。
探索界面以协助操作员了解情况... - DiVA
无人驾驶飞行器（UAV），通常称为无人机，最近已应用于多个领域。随着无人机自主性的发展，下一代无人机应用正朝着基于团队的多无人机操作发展。这也促进了操作员角色向多架无人机的监督控制转变。态势感知（SA）是评估人类在复杂系统中表现的重要概念。本论文提出了一种人机界面，用于由单个操作员同时监控多架自主无人机，并研究如何减少不同无人机之间任务切换对操作员态势感知的影响。机队任务控制背景下的任务被定义为具有不同的紧急程度。已经总结出几种设计策略来解决研究问题。综上所述，在不同任务之间使用相似的界面布局通常可以有效降低任务切换的影响。设计合理的警报系统是减轻任务切换到更高紧急程度的任务/界面的影响的一个特定因素。此外，界面区域的合理划分和根据重要性正确呈现信息也很重要，尤其是对于任务切换到较低紧急程度的任务/界面时。
高度自动化驾驶中的接管请求
高度自动化驾驶领域的一个重要研究问题是如何帮助驾驶员在手动和自动控制之间转换。在高度自动化汽车问世之前，有关这个主题的知识必须通过模拟器和自我报告问卷来获取。我们利用众包方式对 1692 人进行了调查，内容涉及高度自动化驾驶中的听觉、视觉和振动触觉接管请求 (TOR)。调查呈现了不同紧急程度的交通场景中的听觉消息记录以及视觉和振动消息的图示。在高紧急程度场景中，多模式 TOR 是最受欢迎的选项。在低紧急程度场景中，听觉 TOR 是最受欢迎的选项，并且作为系统已准备好从手动模式切换到自动模式的确认消息。对于低紧急程度场景，仅视觉 TOR 比仅振动 TOR 更受欢迎。脉冲间隔较短的哔哔声被认为更紧急，史蒂文斯幂律与数据准确吻合。口头信息比抽象声音更容易被接受，女性声音比男性声音更受欢迎。中等收入国家和高收入国家的偏好和感知紧迫性评级相似。总之，这项国际调查表明，人们对高度自动化驾驶中 TOR 类型的偏好取决于情况的紧迫性。� 2018 Elsevier Ltd. 保留所有权利。
使用人工智能对胸部 X 光检查工作列表进行优先级排序：临床工作流程模拟
摘要 目的 旨在评估人工智能 (AI) 的智能工作列表优先级排序是否能够优化放射学工作流程并减少胸部 X 光片 (CXR) 中关键发现的报告周转时间 (RTAT)。此外，我们研究了一种方法以抵消 AI 的假阴性预测的影响——由于 CXR 被排在工作列表的末尾，这会导致 RTAT 非常长且危险。 方法 我们开发了一个模拟框架，通过结合医院特定的 CXR 生成率和报告率以及病理分布来模拟大学医院的当前工作流程。利用这个框架，我们模拟了标准工作列表处理“先进先出”(FIFO)，并将其与基于紧急程度的工作列表优先级排序进行了比较。检查优先级排序由 AI 执行，将八种不同的病理发现按紧急程度降序排列：气胸、胸腔积液、浸润、充血、肺不张、心脏扩大、肿块和异物。此外，我们引入了最长等待时间的上限，超过此上限后，将为检查分配最高紧急程度。结果与 FIFO 模拟相比，所有优先级模拟中所有关键发现的平均 RTAT 均显着减少（例如，气胸：35.6 分钟 vs. 80.1 分钟；p < 0.0001），而大多数发现的最大 RTAT 同时增加（例如，气胸：1293 分钟 vs. 890 分钟；p < 0.0001）。我们的“上限”大大降低了所有类别的最大 RTAT（例如，气胸：979 分钟 vs. 1293 分钟/1178 分钟；p < 0.0001）。结论我们的模拟表明，AI 的智能工作列表优先级排序可以降低 CXR 中关键发现的平均 RTAT，同时保持较小的 FIFO 最大 RTAT。要点 • 基于医院经验数据开发逼真的临床工作流程模拟器，可使用人工智能精确评估智能工作列表优先级。 • 使用没有最大等待时间阈值的智能工作列表优先级可能会产生人工智能的假阴性预测风险，从而大大增加报告周转时间。 • 使用最先进的卷积神经网络可以将平均报告周转时间缩短到几乎完美分类算法的上限（例如，气胸：35.6 分钟 vs. 30.4 分钟）。
参议院健康
2023 - 2024 年常规法案编号：SB 1142 听证日期：2024 年 4 月 22 日 作者：Menjivar 版本：2024 年 3 月 18 日 修订紧急程度：否 财政：是 顾问：Nidia Bautista 主题：电力和天然气公司：服务的建立和终止 摘要：该法案规定了与限制电力或天然气公司何时可以切断客户服务相关的政策。具体而言，该法案要求摊销付款计划不少于 24 个月，禁止在客户根据摊销协议付款时切断服务，禁止公用事业公司要求客户支付超过 20% 的未偿余额以避免服务中断，禁止公用事业公司收取重新连接服务的重新连接费或要求在建立服务账户之前支付押金。分析：现行法律：1）建立并赋予加州公用事业委员会 (CPUC)
全面技术支持 v1.X SLA 标准
服务水平规范目标 i-Tech Support 应根据定义的优先级别衡量对事件响应和事件跟踪的遵守情况，并在每个优先级别指定的时间范围内确认收到事件。定义提供商事件响应流程应在提供商管理的所有客户环境中保持一致。优先级别由提供商根据影响度和紧急程度分配。客户保留在升级过程中修改优先级别的权利。优先级别和时间范围要求如下表所示。在此服务水平下构成事件的事件定义为客户报告或提供商监控发现的任何服务中断。计算方法：每个报告期内根据客户分配的优先级别收到并在这些优先级别确定的时间范围内确认的事件总数的百分比/每个报告期内报告的事件总数。