XiaoMi-AI文件搜索系统
World File Search System诊断系统
基于深度学习的人工智能诊断系统在自发脑内出血体积测量
抽象背景：准确测量出血体积对于预测和自发性脑内出血（ICH）后的预测和选择适当的临床治疗至关重要。这项研究旨在评估具有有或没有脑室内出血（IVH）延伸的自发性自发性分割脑出血（ICH）体积时，基于深度学习的分割算法的性能和准确性。我们将此自动管道与两种手动分割技术进行了比较。方法：我们回顾性地审查了105例急性自发ICH患者。根据IVH延伸的存在，将患者分为两组：ICH没有（n = 56）和IVH（n = 49）。ICH进行分割并测量，并使用ABC/2评分来测量ICH中ICH中没有IVH组的出血量。相关性和协议分析用于分析三种分割方法之间的处理时间和处理时间长度的差异。结果：在没有IVH组的ICH中，使用AI和ABC/2分数测量的ICH量与CTP分割相当。在三种分割方法中观察到了强相关性（r = 0.994，0.976，0.974; p <0.001;一致性相关系数[CCC] = 0.993，0.968，0.967）。但是，通过ABC/2分数测量的ICH体积的绝对误差大于算法的绝对误差（p <0.05）。在ICH中，IVH组中，算法和CTP之间没有发现显着差异（p = 0.614）。CTP和AI之间的相关性和一致性很强（r = 0.996，p <0.001； CCC = 0.996）。AI分割比CTP的时间明显短（p <0.001），但略长于ABC/2分数技术（P = 0.002）。结论：与CTP测量相比，基于深度学习的AI诊断系统具有高忠诚度和更高效率的急性自发ICH，并且比ABC/2分数更准确。我们认为这是一种有前途的工具，可以帮助医生在实践中实现精确的ICH量化。关键字：脑内出血，自发性脑内出血，体积，人工智能，深度学习
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。
可信赖的解释性接受：一种衡量可解释的AI医学诊断系统可信度的新指标
摘要我们提出，可信赖的解释性接受度量指标，以使用专家在循环中评估AI系统。我们的指标通过量化AI系统产生的解释与专家根据其专业知识和经验提供的推理之间的解释之间的距离来计算接受。我们的指标还评估了专家的信任，使用我们的信任机制包括不同的专家组。我们的指标很容易适应任何可解释的AI系统，并用于可信赖的AI系统的标准化过程。我们使用高识别医学AI的应用说明了拟议的度量，该指标是预测导管癌的原位（DCIS）复发。我们的指标成功地捕获了专家在DCIS复发中AI系统的解释性。
开发车载诊断系统以提高车辆可靠性
通过实施现代技术条件方法和诊断工具以及信息处理和分析的计算机方法，维护系统和汽车服务正在得到更新。在运行阶段，记录机器零件、单元和汽车系统的故障数据。这些信息被传送给开发人员，以消除故障原因并澄清用于评估可靠性的初始数据 [1,2,3]。此外，最重要的问题是汽车技术状况的控制和诊断。各种计算机设备已成功用于几乎所有技术复杂的产品，以简化与用户的交互、复杂操作程序的实施等。这意味着汽车、铁路、海运等运输行业领域的技术产品也不例外。现代车辆配备了不同的电子设备，包括组合成一个单一复合体的电子设备，即所谓的车载诊断系统。（车载诊断 (OBD) 系统）[4]。
52 ·基于人工智能的公用事业规模太阳能发电厂诊断系统
在日本，自 2009 年起逐步引入上网电价制度后，各种运营商开始建设公用事业规模的太阳能发电厂。截至 2019 年底，太阳能发电量占日本总电源结构的比例已增加到 7%。（1）另一方面，运营商对发电厂的维护有不同的关注程度。特别是对于直流电压部分，持有执照的电气工程师负责制定维护菜单，规定应检查什么内容到何种程度。目前主流的直流电压部分的目视检查存在着重大问题，需要解决这些问题才能确保发电厂的长期稳定运行。鉴于上述背景，我们已将可以彻底监视直流电压部分的发电量的串监视系统 (SSMAP) 商业化。（2）此新系统配备了电力线通信 (PLC)，可收集每个串中测量的功率数据。 PLC 收集的数据与日射强度计、温度计、光伏逆变器等设备的监测数据一起汇总到专业制造商的核心监控系统（主机系统）中并进行可视化。但是，一些负责实际发电厂维护的运行维护人员由于缺乏此类事件的专业知识，无法有效利用可视化的数值和图表来检测发电厂发生的异常事件。虽然一些主机系统具有异常数据检测/报告功能，但问题是它们使用阈值来检测异常。由于每个发电厂的运行环境不同，如果将单个阈值共同用于异常检测，则经常会发生误报和随后的警报。为了突破上述情况，我们参加了由国家电网公司发起和管理的 2017 年新能源维护规程精细化项目——电气设施维护技术精细化的评估和验证
基于增强现实和新型虚拟样本生成算法的自闭症诊断系统
...................................................................................................................................... 61
基于人工智能的癌症诊断系统在法国最大的病理学研究所网络中的表现
Ibex Medical Analytics 专注于基于人工智能的癌症诊断，开发了一种算法，可以识别前列腺芯针活检 (PCNB) 全切片图像中的各种细胞类型和组织结构，例如癌性腺体（格里森模式 3、4 和 5）、高级别 PIN、炎症和萎缩腺体