XiaoMi-AI文件搜索系统
World File Search System诊断系统
航空发动机循环计数方法 - ERIC
基于条件的燃气涡轮驱动飞机运行概念已在世界各地实现，其实施需要了解与在用飞机发动机部件相关的报废信息。本研究提出了一种估算等效循环运行小时数的算法。本文分析了现有的循环计数方法，并提出了一种新的原创方法。它意味着考虑与极值链“最大 - 最小 - 最大”相关的两个循环。第一个是主要的简单加载循环；另一个循环是从最小值到最低极值的附加循环。假设“全局”最小值是已知的。作者开发了旨在在复杂生命周期中分配单独简单加载循环的算法，使用 Visual Basic for Applications 和 Excel'97 实现。本文还提供了不良记录拒绝和主要发动机部件（驱动轴、盘片和叶片）应力-应变行为评估的方法，该方法基于对气流中温度和压力的定期测量。这些方法允许实时计算损坏的累积。所开发的算法为航空发动机的自动诊断系统奠定了基础。
计划名称 - 医学科学领域 - 塔尔图大学
1）能够在精神病学中提供高质量的医疗护理，符合最新证据的医学和高道德标准的观点； 2）对医生有必要的态度，足够的专业知识，技能和临床经验； 3）知道并遵循研究伦理，医学伦理和基于证据的医学的原则； 4）在爱沙尼亚卫生保健管理和相关立法方面定位； 5）知道精神病学的历史及其对现代精神病学的影响； 6）能够通过各种生物学，发育，心理，行为，社会学和系统模型来概念化心理健康和精神障碍； 7）了解心理病理学和国际诊断系统（RHK，DSM）； 8）知道并且能够在实践中遵守精神病学援助，除其他外，急性精神病学，一般精神病学和儿童以及青春期的周期至少进行了40个，这不会不足以精神病治疗； 9）具有精神科医生的工作所必需的一般能力，他或她通过精神病学的所有周期（急性精神病学，一般精神病学，儿童和青春期，以及青春期，门诊精神病学，成瘾障碍，饮食失调，睡眠障碍，睡眠障碍，睡眠障碍）来获得。 - 可以与患者及其亲人建立，保存和结束治疗关系； - 能够与患者的亲人，社会制度和其他人合作。带有支持网络；
与自然语言处理和机器学习算法的呼叫机器人的调查
摘要：心血管疾病（CVD）仍然是全球死亡率的主要原因，需要准确及时诊断以进行有效的管理和预防。人工智能（AI）技术的整合有望提高CVD诊断的精度和效率。此摘要概述了在一个综合项目中使用AI在CVD诊断中使用AI的框架和意义。拟议的项目旨在开发和实施AI驱动的系统以诊断心血管疾病。利用机器学习算法，尤其是深度学习模型，该系统将分析各种患者数据，包括病史，生命体征，成像结果和遗传标记。通过集成这些异质数据源，AI模型将学习复杂的模式和关系，指示CVD存在，进展和风险因素。此外，该项目将强调可解释性和透明度，从而为临床医生提供有关AI模型决策过程的见解。在临床环境中，AI驱动的CVD诊断系统的部署有可能彻底改变心血管医疗保健。索引术语 - 人工智能（AI）的集成，AI驱动的CVD诊断系统，
人工智能在临床实践中的作用
机器学习的方法被称为深度学习 (DL)，包括人工神经网络 (ANN) 和卷积神经网络 (CNN)。以下流程图（图 2 和图 3）解释了人工智能中每个组件的作用。机器学习 (ML) 方法可分为三种学习类型：监督学习、无监督学习和强化学习。第一种类型用于分类或预测任务，而第二种类型则有助于识别数据中隐藏的模式。强化学习基于先前的学习版本来最大化奖励。深度学习 (DL) 利用算法，利用 CNN 自动从输入数据中提取相关信息，从而无需手动识别和提取特征。DL 在医学疾病诊断和个性化治疗建议方面已显示出良好的前景。例如，在正畸领域，基于人工智能的多模块诊断系统已经出现，例如 Diagnocat Ltd.，它使用 CNN 进行精确的牙科诊断。深度学习模型可通过检测 CBCT 图像中的根尖病变来帮助检测龋齿和牙髓病，从而有助于临床工作流程。2
基于人工智能的2型糖尿病视网膜病变筛查效果
根据国际糖尿病联合会的数据，2019 年全球约有 4.63 亿糖尿病患者，预测到 2045 年这一数字将增至 7 亿[1]。糖尿病视网膜病变（DR）是糖尿病最常见、最严重的并发症之一，是导致劳动人口失明的主要眼病[2–4]。据报道，不同国家的糖尿病患者中 DR 的患病率为 10%～61% [5]。但研究表明，早期对 DR 进行合理的干预和治疗，可取得良好的预防病情发展的效果，并显著降低失明率[6–8]。不幸的是，居住在县城、乡镇、村庄和边缘地区的人们往往缺乏足够的健康知识。等到这些人被发现患有DR时，往往已发展到严重阶段，造成了不可逆的视力损害，不仅影响患者的生活质量，也增加社会和家庭的经济负担，往往导致家庭陷入贫困。因此，扩大DR筛查区域，开展有针对性的防盲治盲，可以大大减少可治愈盲。遗憾的是，我国眼科医生数量不足，尤其在基层医疗机构，根据2016年中华医学会第21次全国眼科学会的数据显示，我国20%的县级医院没有设立眼科，即使设立眼科的机构，眼底病专科医生也寥寥无几，这些地区眼科医生与患者之比为1：3000[9]，极不平衡。因此，加大糖尿病患者筛查力度，提高人们对 DR 的知晓率、治疗率和控制率已成为我国主要公共卫生挑战之一[10–12]。基于人工智能（AI）的辅助手段对 DR 诊断高效、廉价、操作简便[13]。EyeWisdom 是智源慧图公司（Vistel）于 2017 年开发的基于人工智能算法的眼底疾病辅助诊断系统，主要包括针对 DR 的辅助诊断系统 EyeWisdom DSS 软件和以眼科多疾病筛查为核心功能的系统 EyeWisdom MCS 软件[14]。EyeWisdom 可通过人工智能算法根据受试者的眼底照片和病史筛查 DR、青光眼、年龄相关性黄斑变性等近 20 种不同的眼部疾病。它不仅可以直观地对筛查结果提供建议，还可以显示微血管瘤、视网膜出血、硬性渗出、棉绒斑等9种典型DR病变，帮助临床医生确认检查结果。此外，这款眼底图像分析软件是一款云端产品，结合互联网和5G技术，可实现实时远程医疗，从读取图像到输出结果仅需10秒。EyeWisdom AI算法已在临床实践中进行了训练，并通过EyePACS数据库获得的视网膜图像进行了验证[15]。但目前尚无关于眼底病诊断和分级疗效的报道
使用多尺度多类型特征生成对抗性深度神经网络对结构磁共振图像进行额颞叶痴呆、阿尔茨海默病和正常衰老的鉴别诊断
作为第一大和第三大常见的痴呆症，阿尔茨海默病（AD） ( Association et al., 2011 ) 和额颞叶痴呆（FTD） ( Bang et al., 2015 ) 经常被误认为是彼此。这是由于它们在临床表现、认知领域障碍、脑萎缩以及语言能力、行为和人格的进行性改变方面具有相似性（ Neary et al., 2005; Alladi et al., 2007; Womack et al., 2011 ）。尽管在建立完善的临床鉴别诊断指南方面付出了巨大努力，但诊断的准确性仍然不令人满意。具体而言，当使用 NINCDS-ADRDA 标准（ Neary et al., 1998 ）进行诊断时，区分 AD 患者和 FTD 患者的灵敏度可高达 93%；然而，由于大多数 FTD 患者也符合 NINCDS-ADRDA 的 AD 标准（Varma 等人，1999 年），因此 FTD 识别的特异性仅为 23%。由于临床实践中需要对不同痴呆亚型应用不同的对症干预治疗（Pasquier，2005 年），因此开发计算机辅助诊断系统以提高这两种痴呆症鉴别诊断的准确性至关重要。在 T1 加权磁共振成像 (MRI) 中观察到的脑萎缩模式已成功用于捕捉人脑的结构变化（Du 等人，2007 年；Davatzikos 等人，2011 年），特别是用于开发可以识别大脑痴呆病理类型的计算系统。已针对 AD 和 FTD 建立了带有 MRI 的计算机辅助诊断系统（Suk 等人，2014 年；Jiskoot 等人，2018 年）。除了与正常衰老进行二元分类外，T1 加权 MRI 还用于 AD 和 FTD 的鉴别诊断，通过区分这两种痴呆症的萎缩模式（例如受影响的区域和变化率）来进行鉴别诊断（Raamana 等人，2014 年）。人们探索了各种结构生物标志物来区分 AD 和 FTD，例如灰质 (GM) 体积减少（Rabinovici 等人，2008 年）、皮质变薄（Du 等人，2007 年）、基于整个大脑 GM 和白质 (WM) 体积分布的高维特征（Davatzikos 等人，2008 年），以及单个结构的萎缩和形状畸形（Looi 等人，2010 年）。之前大多数关于痴呆分类的计算机辅助诊断系统的研究都侧重于二元分类任务，例如 NC vs. FTD、NC vs. AD 或 FTD vs. AD，文献中很少有直接的多类痴呆分类方法。Raamana 等人比较了多种结构特征，例如体积、拉普拉斯不变量和表面位移
推荐引用 推荐引用 Alam, L., & Mueller, S. (2021). 检查解释对 AI 诊断系统中满意度和信任的影响。BMC 医学信息学和决策，21(1)。http://doi.org/10.1186/ s12911-021-01542-6 取自：https://digitalcommons.mtu.edu/michigantech-p/14974
摘要背景：人工智能有可能彻底改变医疗保健，它越来越多地被用于支持和协助医疗诊断。人工智能的一个潜在应用是作为患者的第一个接触点，在将患者送往专家之前取代初步诊断，使医疗保健专业人员能够专注于治疗中更具挑战性和关键性的方面。但是，要使人工智能系统成功扮演这一角色，仅提供准确的诊断和预测是不够的。此外，它还需要提供（向医生和患者）关于诊断原因的解释。如果没有这一点，准确和正确的诊断和治疗可能会被忽略或拒绝。方法：评估这些解释的有效性并了解不同类型解释的相对有效性非常重要。在本文中，我们通过两个模拟实验来研究这个问题。对于第一个实验，我们测试了重新诊断场景，以了解局部和全局解释的效果。在第二个模拟实验中，我们在类似的诊断场景中实施了不同形式的解释。结果：结果表明，解释有助于提高关键重新诊断期间的满意度指标，但在重新诊断之前（进行初步治疗时）或之后（当替代诊断成功解决病例时）几乎没有影响。此外，关于该过程的初始“全局”解释对即时满意度没有影响，但改善了对人工智能理解的后期判断。第二个实验的结果表明，与没有解释或仅基于文本的原理相比，结合视觉和基于示例的解释与原理相结合对患者满意度和信任的影响明显更好。与实验 1 一样，这些解释主要影响重新诊断危机期间的即时满意度指标，在重新诊断之前或成功解决诊断后几乎没有优势。结论：这两项研究帮助我们得出关于面向患者的解释性诊断系统如何成功或失败的几个结论。基于这些研究和文献综述，我们将为医疗领域的 AI 系统提供的解释提供一些设计建议。
摘要
摘要阿尔茨海默氏病（AD）是一种退化性，无法治愈的神经系统疾病，逐渐损害了认知能力。广告影响着全球数百万的人。活检方法是识别AD的最可靠方法，但它有机会造成无法弥补的伤害。活检有许多非侵入性替代品，可用于诊断AD而没有过高的风险。这些替代方案之一包括计算机辅助的诊断系统，该系统能够鉴定出脑部障碍疾病/疾病。本文使用具有四个不同类别的大脑的磁共振成像扫描来创建一个模型来检测AD。作为研究数据的基础，开放源OASIS数据集被分为80％的培训集和20％的测试集。数据集由中等广告，轻度AD，非常轻度的AD和非AD扫描组成。使用五种不同的卷积神经网络方法进行分类。Densenet-121，Resnet-50，Resnet-18和Alexnet方法的检测精度分别为90.5％，95.1％，88.4％和70.5％。有效网络-7方法未能识别许多AD的情况。
基于 CRISPR 的生物传感技术在下一代即时诊断应用方面的进展
摘要：随着分子检测从诊断实验室转移到现场检测变得越来越普遍，对基于核酸的诊断工具的需求突然增加，这些工具具有选择性、灵敏度、对地形变化的灵活性，并且具有成本效益，可以协助即时诊断系统进行大规模筛查，并在疫情爆发和大流行时在偏远地区使用。基于 CRISPR 的生物传感器是一种很有前途的核酸检测新方法，该方法使用 Cas 效应蛋白（Cas9、Cas12 和 Cas13）作为极其专业的识别组件，可与各种读出方法（如荧光、比色法、电位法、横向流动测定等）结合使用，进行现场分析。在本综述中，我们介绍了将 CRISPR Cas 系统与传统生物传感读出方法和扩增技术（如聚合酶链式反应 (PCR)、环介导等温扩增 (LAMP) 和重组酶聚合酶扩增 (RPA)）相结合的一些技术方面，并继续阐述所开发的生物传感器在检测一些主要病毒和细菌疾病方面的前景。在本文的范围内，我们还讨论了最近的 COVID 大流行以及自其问世以来经过开发的众多 CRISPR 生物传感器。最后，我们讨论了 CRISPR Cas 系统在即时检测中的一些挑战和未来前景。
逻辑回归机器学习算法在 MRI 上...
Shaik Sofia Saba、D Sreelakshmi、P Sampath kumar、K Sai kumar、shaik Rushdiya saba 摘要：医学领域需要快速准确的诊断才能治疗，但目前的技术还不具备这种能力。因此需要实施有效的诊断应用程序才能有效治疗。在本研究中，基于 LR（逻辑回归）的机器学习（ML）方法进行分类，并使用全局阈值分割进行预处理。在第一阶段进行了图像采集和去噪，第二阶段利用 ML 技术实现了分类和回归。在此提出了一种用于脑部疾病和肿瘤的 MRI 脑部图像计算机辅助自动检测系统。这项工作的计算方法是阈值分割，然后是 LR-ML 分类器。该实验包括来自实时 MRI 脑部数据库的 120 张脑部图像，其中 15 张正常，105 张异常。已获得 99.46% 的训练和测试图像准确率等性能指标。该技术与最近发表的技术相比，得出结论：具有 Th 分割的 LR-ML 具有快速、真实和准确的大脑诊断系统索引词：MRI 大脑图像、LR-ML、Th 分割、MIT 数据集和准确性。