XiaoMi-AI文件搜索系统
World File Search System计算机辅助
基于学习的帕金森病计算机辅助处方模型：数据驱动的视角
摘要 — 在本文中，我们研究了一个新问题：“帕金森病患者的自动处方推荐”。为了实现这一目标，我们首先通过收集 1）帕金森病患者的症状和 2）神经科医生提供的处方药来构建一个数据集。然后，我们通过学习观察到的症状和处方药之间的关系，建立了一个新颖的计算机辅助处方模型。最后，对于新来的患者，我们可以通过我们的处方模型根据他们观察到的症状推荐（预测）合适的处方药。从方法论部分来看，我们提出的模型，即通过学习潜在症状的处方（PALAS），可以使用数据的多模态表示来推荐处方。在 PALAS 中，学习潜在症状空间以更好地模拟症状和处方药之间的关系，因为它们之间存在很大的语义差距。此外，我们提出了一种有效的 PALAS 交替优化方法。我们使用从南京脑科医院收集的 136 名帕金森病患者收集的数据来评估我们的方法，这可以被视为帕金森病研究界的大型数据集。与其他竞争方法相比，实验结果证明了我们的方法在该推荐任务中的有效性和临床潜力。
计算机辅助诊断的医学信息学，放射组学和图像分析
课程信息课程编号2412136持续时间10天外国教授Rangaraj Mandayam Rangayyan课程协调员首席协调员Raghavendra B.S.课程协调员A.V.博士 narasimhadhan当地的吉安当地人Bibhuti Bhuti Das课程网页https://sites.google.com/view/nitkecelector/nitkecelector/home课程概述系统和用于医疗信息学和图像分析的临床诊断（CAD）的医学信息学和图像分析（CAD）的技术疾病（CAD）的高效诊断（CAD），并有效地诊断有效地疾病肺癌，视网膜病和胃肠道疾病。 放射素学是一种新的新兴学科和研究领域，用于定量分析医学图像和其他信息，以进行先进和改进的医学诊断。 本课程就有助于CAD系统设计的技术和主题领域提供了有关CAD基础的详细信息。 显示，数字信号处理，数字图像处理，模式识别，机器学习和计算过程的应用如何增强生物医学图像，段和表征感兴趣的一部分，确定正常的模式和结构，以及检测CAD的异常特征和疾病。 解释了对CAD系统的需求，几种应用中CAD的目标，CAD的好处以及评估CAD系统有用性的方法。 显示了几张医学图像的示例，以证明改善医疗保健的工程系统的设计和开发。 详细信息介绍了诸如乳腺癌的细微和早期迹象以及早产视网膜病变的应用。课程协调员A.V.博士narasimhadhan当地的吉安当地人Bibhuti Bhuti Das课程网页https://sites.google.com/view/nitkecelector/nitkecelector/home课程概述系统和用于医疗信息学和图像分析的临床诊断（CAD）的医学信息学和图像分析（CAD）的技术疾病（CAD）的高效诊断（CAD），并有效地诊断有效地疾病肺癌，视网膜病和胃肠道疾病。放射素学是一种新的新兴学科和研究领域，用于定量分析医学图像和其他信息，以进行先进和改进的医学诊断。本课程就有助于CAD系统设计的技术和主题领域提供了有关CAD基础的详细信息。显示，数字信号处理，数字图像处理，模式识别，机器学习和计算过程的应用如何增强生物医学图像，段和表征感兴趣的一部分，确定正常的模式和结构，以及检测CAD的异常特征和疾病。解释了对CAD系统的需求，几种应用中CAD的目标，CAD的好处以及评估CAD系统有用性的方法。显示了几张医学图像的示例，以证明改善医疗保健的工程系统的设计和开发。详细信息介绍了诸如乳腺癌的细微和早期迹象以及早产视网膜病变的应用。
新型氨基硫脲衍生物的合成及计算机辅助药物设计研究
以 3,5-双（三氟甲基）苯并肼 (1) 和各种取代的异硫氰酸酯为原料，合成了一系列新型氨基硫脲衍生物 (2a-d)。通过分析和光谱 (IR、1 H-NMR 和元素分析) 方法确定了新型化合物的结构。进行了计算机模拟研究，以确定和评估化合物的潜在抗癌活性。靶向药物设计对于癌症治疗至关重要，因为它可以提高选择性，从而减少抗癌药物的副作用。计算机辅助药物设计技术使我们能够设计和开发靶向的、因此具有选择性的治疗药物。我们在药物设计过程中受益于该技术，并将我们的靶标选定为 ATP 依赖性酶拓扑异构酶 II (Topo II)、表皮生长因子受体 (EGFR) 酪氨酸激酶结构域、碳酸酐酶 IX 和微管蛋白-秋水仙碱：stathmin 样结构域复合物，这些复合物因其生化和生理活性在癌症发展过程中发挥重要作用。根据计算机研究的结果，标题化合物显示出显著的潜在活性，具有成为多靶点药物的资格，可以同时作用和打击癌症化疗的几个主要靶点。
利用计算机辅助调度增强可疑活动报告的最佳实践
开发此资源的目的是为执法和融合中心提供有前景的实践和建议，说明如何开发或增强查询计算机辅助调度 (CAD) 数据的过程，以获取或开发信息、提示和线索或可疑活动（包括符合全国可疑活动报告 [SAR] 倡议 [NSI] 中概述的要求的可疑活动报告）。这些建议解释了如何利用构建此功能所需的工具和资源，并提供了中心和机构如何合作交换此类信息的示例。这些建议来自研究、与执法和刑事情报专家的会议以及对多个机构和融合中心的实地考察。据了解，机构和融合中心的结构、规模和组织权限各不相同，并非本资源中的所有指导都可以直接应用。但是，本资源中讨论的框架可以进行调整、扩展并应用于各种组织模型。
计算机辅助自动检测疼痛相关行为：前景、进展、风险
疼痛通常被描述为一种主观现象；然而，所有的疼痛评估都将体验简化为可观察的事物，具有优点和局限性。大多数关于疼痛的证据都来自对疼痛相关行为的观察。在阐明疼痛行为指数的属性方面已经取得了相当大的进展；尤其是基于面部表情的行为指数，但并非仅限于此。大量文献表明，有限的面部动作子集（在几种非人类物种中都有同源物）编码了整个生命周期的疼痛强度。不幸的是，在许多情况下，获取此类指标仍然非常不切实际，因为它需要训练有素的人类观察员，而且很费力。情感计算领域的出现将计算机视觉和机器学习 (CVML) 技术应用于行为识别，这带来了一种前景，即先进技术可能会克服限制临床和研究环境中行为疼痛评估的一些限制。研究表明，通过 CVML，确实有可能开发跟踪疼痛面部表情的系统。从那时起，大量研究测试了自动疼痛评估的模型。最近，研究人员探索了多模态疼痛相关行为测量的可行性。一些商业产品声称能够自动、实时地测量疼痛表达。尽管取得了一些进展，但该领域仍处于起步阶段，存在过度承诺其所能实现的目标的风险。如果在制定有效测量方法和对可识别人群进行适当概括时没有充分遵循传统原则，则可能导致科学上可疑和临床上有风险的主张。特别需要开发包含可能发生或不发生疼痛的各种环境中的样本的数据库，这些样本应根据允许共享的标准进行细致注释，并遵守国际隐私标准。研究人员和用户需要对技术的局限性（例如，可能具体化与疼痛评估无关的偏见）及其潜在的社会影响保持敏感。
转移关系：圆形拱形结构计算机辅助工程的有用基础
抽象目的 - 转移关系代表圆形拱形线性理论的分析解，将任意横截面的每个运动学和静态变量与初始横截面的运动学和静态变量联系起来。本文的目的是通过三个从土木工程中示出的例子来证明转移关系的重要性。设计/方法论/方法 - 第一个示例是指拱形桥，第二个示例是地铁站的库，第三个示例是对节式隧道环的实尺度测试。发现 - 从这三个示例中得出的主要结论如下：增加所研究的拱形桥的衣架/柱的数量/柱，需要减少拱形的最大弯曲力矩，使其尽可能地接近所需的推力线行为；与常规的原位铸造方法相比，一种组合的预制和原位铸造方法导致研究地下站库中穹顶元素的最大弯曲力矩降低了46％；关节的局部行为决定了结构性收敛和测试的分段隧道环的轴承能力。
我们是太平洋的语言中心。
《 21 世纪国际汉语电脑教学研讨会和工作坊》（ The International Conference and Workshops on Technology and Chinese Language Teaching in the 21st Century, TCLT, http://www.tclt.us ）（简称 《国际汉语电脑教学研讨会》）原名《北美汉语电脑教学研讨会》， 2000 年由美国纽约州汉弥尔 顿大学（ Hamilton College ）发起，以专门讨论计算机辅助中文教学并提供多种讲习班介绍最新计 算机辅助教学技术与软件着称。首届会议于 2000 年 6 月 8 日至 6 月 11 日在汉弥尔顿大学召开并成立常 设委员会；第二届会议由汉弥尔顿大学与耶鲁大学（ Yale University ）共同主办于 2002 年 6 月 7 日至 6 月 9 日在耶鲁大学召开；第三届会议由汉弥尔顿大学与哥伦比亚大学（ Columbia University ）共同 主办于 2004 年 5 月 28 日至 5 月 30 日在哥伦比亚大学召开，由于国际参会者大量增多更名为《第三届 国际汉语电脑教学研讨会》；第四届会议由汉弥尔顿大学与南加州大学（ University of Southern California ）共同主办于 2006 年 5 月 5 日至 5 月 7 日在南加州大学召开；第五届会议由汉弥尔顿大学与 澳门大学（ University of Macau ）共同主办于 2008 年 6 月 6 日至 6 月 8 日在澳门大学召开；第六届会议 由汉弥尔顿大学与俄亥俄州立大学（ The Ohio State University ）共同主办于 2010 年 6 月 12 日至 6 月 14 日在俄亥俄州立大学召开。本届会议由汉弥尔顿大学与夏威夷大学（ University of Hawai ‘ i at M ā noa ）共同主办于 2012 年 5 月 25 日至 5 月 27 日在夏威夷大学召开。 《国际汉语电脑教学研讨会》自开 办以来累计历届参会院校达近 200 所，与会学者 600 余人，来自 10 多个国家和地区。
社论：基于人工智能的医学影像数据脑部疾病计算机辅助诊断应用
近来，研究多种脑部疾病（如自闭症、多发性硬化症 (MS)、痴呆症、阿尔茨海默病 (AD)、神经胶质瘤、精神分裂症和癫痫）病因和机制的研究项目呈指数级增长。近年来，人工智能 (AI) 的实用性已在各种研究领域得到探索，包括现代计算机辅助诊断 (CAD) 系统的开发。在基于 AI 的 CAD 中使用医学影像和医学专家提供的特征示例是一个不断发展的领域，其目标是更准确地提取可靠的诊断线索，最终帮助医生提供更合适和个性化的治疗。例如，对脑 T2 加权磁共振成像 (MRI) 上的白质进行纹理分析有助于诊断 MS。此外，基于 AI 的 CAD 将促进所有可用数据的解释和利用，减轻繁重的手动评估，并使其在日常临床实践中实用。传统的基于机器学习 (ML) 的 CAD 系统采用许多学习技术，这些技术通常是针对特定应用量身定制的，通常需要大量调整，如果在训练数据集之外测试甚至会失败。AI 技术的进步，特别是端到端深度学习，再加上神经成像技术的最新进展（例如，弥散加权 MRI 和其他用于对大脑和神经系统进行成像的模式），为增强传统 ML 方法和应用新的潜在方法来预测或更好地诊断脑部疾病创造了令人兴奋的新机会。本研究课题的重点是最近的基于 AI 的 CAD 系统，用于分析来自患有脑部疾病（如：精神分裂症、痴呆症、阿尔茨海默氏症等）的患者的医学成像数据。本研究课题的目标受众包括工程和医学院教授；工程和应用科学系的研究生和本科生；医学生；在医疗公司工作的工程师；工业、学术界和健康科学家的研究人员；放射科医生等医生；以及包括放射技师和医学物理学家在内的医疗保健专业人员。
