


Kajian: Kecerdasan buatan memendekkan masa rawatan strok dan mengurangkan kematian sebanyak 60%
Berita pada 22 September: Bagi pesakit strok, pembedahan trombektomi vaskular dalaman yang tepat pada masanya adalah penting untuk memperbaiki prognosis pesakit. Masa yang diambil untuk pesakit tiba di hospital dan menjalani pembedahan trombektomi endovaskular telah menjadi petunjuk penting bagi hospital untuk mendapatkan pensijilan pusat strok
secara meluas meneroka aplikasi kecerdasan buatan dalam mendiagnosis pelbagai keadaan perubatan menggunakan imej CT. Oleh itu, kaedah automatik berdasarkan kecerdasan buatan boleh digunakan untuk menyaring angiogram CT pada pesakit dengan kemungkinan AIS, dengan itu memendekkan masa antara penilaian dan trombektomi saluran dalaman
Dalam kajian ini, penyelidik menggunakan ujian klinikal seperti tangga tugasan rawak untuk menentukan keberkesanan sistem berasaskan kecerdasan buatan automatik dalam mengesan LVO pada pesakit dengan kemungkinan AIS dan meningkatkan ketibaan hospital dan trombektomi endovaskular Kecekapan masa antara penilaian dan aliran kerja bermula. Melaksanakan analisis tugasan rawak pada peringkat pesakit individu boleh menyebabkan masalah sambil mengekalkan keteguhan penilaian rawak.
Nota sumber gambar: Gambar dijana oleh AI, dan penyedia perkhidmatan kebenaran gambar Midjourney
Percubaan dijalankan di empat pusat strok komprehensif di kawasan Houston dari Januari 2021 hingga akhir Februari 2022. Pelancaran berperingkat di peringkat hospital datang selepas menerima kebenaran daripada Pentadbiran Makanan dan Ubat A.S. (FDA) untuk penggunaan platform AI dalam penjagaan klinikal dan menerima sokongan kewangan yang signifikan untuk melaksanakan perisian
Peserta dalam percubaan termasuk pesakit yang dihantar ke jabatan kecemasan empat pusat strok komprehensif ini dengan gejala AIS dan LVO dan menjalani angiografi CT. Semua pesakit yang termasuk dalam kajian adalah mereka yang mempunyai AIS yang dikaitkan dengan LVO arteri serebrum tengah, arteri karotid dalaman, arteri serebrum anterior, arteri serebrum posterior, arteri basilar atau arteri vertebra intrakranial
Memandangkan pesakit ini telah pun memutuskan untuk menjalani trombektomi endovaskular di hospital, masa antara imbasan CT awal dan trombektomi endovaskular dalam kes pesakit dalam adalah berbeza dengan ketara dan oleh itu dikecualikan daripada analisis. Bagi pesakit yang dirujuk dari pusat perubatan lain, keputusan untuk trombektomi endovaskular telah dibuat dan mereka akan meneruskan terus ke prosedur tanpa pengimejan lanjut, yang akan mengubah masa aliran kerja
Intervensi termasuk pengaktifan pengesanan LVO berasaskan kecerdasan buatan daripada CT angiography, yang disepadukan dengan sistem pemesejan yang selamat. Sistem ini telah diaktifkan secara rawak di empat pusat strok yang komprehensif. Sistem yang diaktifkan memberitahu ahli radiologi dan doktor melalui telefon bimbit dalam beberapa minit selepas penyiapan pengimejan CT kemungkinan LVO.
Hasil penyelidikan
Penemuan penyelidikan utama termasuk kesan sistem pengesanan LVO berasaskan kecerdasan buatan automatik pada masa dari pintu ke perut, yang ditentukan menggunakan model regresi linear. Hasil sekunder termasuk masa antara ketibaan di hospital dan suntikan pengaktif kinase tisu intravena, masa antara memulakan imbasan CT dan memulakan trombektomi endovaskular, dan tempoh tinggal di hospital.
Dengan melaksanakan sistem pengesanan LVO berasaskan kecerdasan buatan automatik, digabungkan dengan aplikasi keselamatan yang menggunakan telefon mudah alih untuk komunikasi, masa aliran kerja AIS pesakit dalam telah dipertingkatkan dengan ketara. Semasa perbicaraan, seramai kira-kira 250 pesakit menghadiri jabatan kecemasan empat hospital, dan masa dari pintu ke perut dikurangkan sebanyak 11 minit melalui penggunaan sistem automatik berasaskan AI. Selain itu, kematian dikurangkan sebanyak 60%, manakala masa antara imbasan CT awal dan permulaan trombektomi endovaskular juga dikurangkan
KESIMPULAN
Dengan menggunakan sistem berasaskan kecerdasan buatan automatik untuk mengesan LVO dalam kemungkinan pesakit AIS, digabungkan dengan aplikasi komunikasi yang selamat, kami berjaya mengurangkan aliran kerja dalam hospital dan mengurangkan dengan ketara bilangan trombosis intravaskular yang dilakukan secara klinikal Masa rawatan reseksi
[Sumber: Laman Utama Juruweb]
Atas ialah kandungan terperinci Kajian: Kecerdasan buatan memendekkan masa rawatan strok dan mengurangkan kematian sebanyak 60%. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G
