- Αρχική
- Τεχνητή νοημοσύνη
Τεχνητή νοημοσύνη
Επιστημονικές Δημοσιεύσεις Ανοικτής Πρόσβασης
A. R. Sanaullah, Anupam Das, Anik Das, Muhammad Ashad Kabir & Kai Shu
Soc. Netw. Anal. Min. 12, 94 (2022). https://doi.org/10.1007/s13278-022-00921-9
Published 29 July 2022
Ο στόχος αυτής της μελέτης είναι η συστηματική ανασκόπηση, αξιολόγηση και σύνθεση άρθρων έρευνας τελευταίας τεχνολογίας, που έχουν χρησιμοποιήσει διαφορετικές τεχνικές μηχανικής μάθησης και βαθιάς μάθησης για τον εντοπισμό παραπληροφόρησης σχετικά με την COVID-19.
Medeiros, E.P., Machado, M.R., de Freitas, E.D.G., da Silva, D.S., de Souza, R.W.R.
Expert Systems with Applications, Volume 238, Part B, 15 March 2024, 122029, https://doi.org/10.1016/j.eswa.2023.122029
Available online 6 October 2023
Λόγω της ταχείας εξάπλωσης της νέας παραλλαγής του κορονοϊού, είναι δύσκολο να διακριθούν τα συμπτώματα του κοινού κρυολογήματος από εκείνα άλλων αναπνευστικών ασθενειών και λοιμώξεων από κορονοϊό. Οι ακτινογραφίες θώρακος και η αλυσιδωτή αντίδραση πολυμεράσης με αντίστροφη μεταγραφή (RT-PCR) είναι κοινές και αποτελεσματικές μέθοδοι για την πρόληψη της εξάπλωσης μολυσματικών ασθενειών. Τα τελευταία χρόνια, οι αλγόριθμοι Μηχανικής Μάθησης έχουν χρησιμοποιηθεί ευρέως στη διάγνωση μέσω ιατρικών εικόνων, δίνοντας απλούστερα, ακριβέστερα και ταχύτερα αποτελέσματα. Αυτή η μελέτη έχει σκοπό να εφαρμόσει περιγραφείς υφής σε ακτινογραφίες των πνευμόνων ασθενών με COVID-19 και να χρησιμοποιήσει τα εξαγόμενα χαρακτηριστικά σε πλαίσια σχεδιασμένα για την ακριβή αξιολόγηση των ασθενών με COVID-19.
Ahmed, I., Jeon, G. & Chehri, A.
Computing (2022). https://doi.org/10.1007/s00607-021-00992-0
Published10 January 2022
Published10 January 2022
Η παρούσα εργασία παρουσίασε ένα έξυπνο σύστημα υγειονομικής περίθαλψης με δυνατότητα IoT για τον αυτόματο έλεγχο σε εικόνες ακτινογραφίας θώρακα και την ταξινόμηση μεταδοτικών ασθενειών (πχ.πνευμονία, COVID-19)
I. d. M. B. Filho, G. Aquino, R. S. Malaquias, G. Girão and S. R. M. Melo
IEEE Access, vol. 9, pp. 27262-27277, 2021, doi: 10.1109/ACCESS.2021.3058448
Aναφέρεται η υλοποίηση πλατφόρμας υγειονομικής περίθαλψης σε μονάδα εντατικής θεραπείας για ασθενείς με COVID-19 στη Βραζιλία, βασισμένης στο IoT, για την παροχή απομακρυσμένης παρακολούθησης ασθενών σε κρίσιμη κατάσταση.
Venkata Devesh Reddy Seethi, Zane LaCasse, Prajkta Chivte, Joshua Bland, Shrihari S. Kadkol, Elizabeth R. Gaillard, Pratool Bharti, Hamed Alhoori
Expert Systems with Applications, Volume 236, February 2024, 121226, https://doi.org/10.1016/j.eswa.2023.121226
Available online 19 August 2023
Οι τρέχουσες εφαρμογές τεχνητής νοημοσύνης για τη διάγνωση της νόσου του κορονοϊού (COVID) συχνά στερούνται βιολογικής βάσης στη διαδικασία λήψης αποφάσεων. Σε αυτή τη μελέτη χρησιμοποιήθηκε τεχνητή νοημοσύνη για τη διάγνωση της COVID-19 με χρήση δεδομένων φασματομετρίας μάζας και αξιοποιήθηκε εξηγήσιμη τεχνητή νοημοσύνη για να διευκρινιστεί η διαδικασία λήψης αποφάσεων σε τοπική (ανά δείγμα) και παγκόσμια (όλα τα δείγματα) βάση.
E. Waltz
IEEE Spectrum, vol. 57, no. 10, pp. 24-67, Oct. 2020, doi: 10.1109/MSPEC.2020.9205545.
29 Sep 2020
Υπάρχουν λίγα πολύτιμα μόρια που θα μπορούσαν να τερματίσουν την πανδημία COVID τα οποία κρύβονται μεταξύ εκατομμυρίων που δεν μπορούν. Μπορεί η Τεχνητή Νοημοσύνη να τα εντοπίσει εγκαίρως;
AI could help scientists fact-check covid claims amid a deluge of research
Karen Hao
MIT Technology Review, Artificial intelligence
Posted May 29, 2020
Το πειραματικό εργαλείο SciFact (https://scifact.apps.allenai.org), που αναπτύχθηκε από το μη κερδοσκοπικό ερευνητικό ινστιτούτο Allen Institute for Artificial Intelligence (AI2) στο Σιάτλ, σχεδιάστηκε για να βοηθήσει τους επιστήμονες που ερευνούν την βιβλιογραφία σχετική με την πανδημία του νέου κορονοϊού COVID-19, να αξιολογούν τα δημοσιεύματα ως προς το εάν είναι αξιόπιστη πληροφόρηση ή μυθοπλασία.
Karen Hao
MIT Technology Review, Artificial intelligence
Posted May 29, 2020
Το πειραματικό εργαλείο SciFact (https://scifact.apps.allenai.org), που αναπτύχθηκε από το μη κερδοσκοπικό ερευνητικό ινστιτούτο Allen Institute for Artificial Intelligence (AI2) στο Σιάτλ, σχεδιάστηκε για να βοηθήσει τους επιστήμονες που ερευνούν την βιβλιογραφία σχετική με την πανδημία του νέου κορονοϊού COVID-19, να αξιολογούν τα δημοσιεύματα ως προς το εάν είναι αξιόπιστη πληροφόρηση ή μυθοπλασία.
Gauri Deshpande, Anton Batliner, Björn W. Schuller
Pattern Recognition, Volume 122, 2022, 108289, https://doi.org/10.1016/j.patcog.2021.108289.
Διερευνάται μια αυτοματοποιημένη προσέγγιση για τον εντοπισμό και την παρακολούθηση της ύπαρξης της C19 ή των συμπτωμάτων της, μέσω της χρήσης των ανθρώπινων ηχητικών σημάτων και την αναγνώριση προτύπων, τεχνική που βασίζεται στην ΤΝ.
Pattern Recognition, Volume 122, 2022, 108289, https://doi.org/10.1016/j.patcog.2021.108289.
Διερευνάται μια αυτοματοποιημένη προσέγγιση για τον εντοπισμό και την παρακολούθηση της ύπαρξης της C19 ή των συμπτωμάτων της, μέσω της χρήσης των ανθρώπινων ηχητικών σημάτων και την αναγνώριση προτύπων, τεχνική που βασίζεται στην ΤΝ.
Adoption of Mobile Payment Systems during COVID-19 in India
Suryakant, Kumar, V.
Journal of Pharmaceutical Negative Results ; 13:70-77, 2022, https://doi.org/10.47750/pnr.2022.13.S01.09
Suryakant, Kumar, V.
Journal of Pharmaceutical Negative Results ; 13:70-77, 2022, https://doi.org/10.47750/pnr.2022.13.S01.09
Published 2022-09-15
Τα συστήματα πληρωμών μέσω κινητού τηλεφώνου υπάρχουν εδώ και χρόνια, αλλά η χρήση συστημάτων πληρωμών μέσω κινητού έχει αυξηθεί στην τρέχουσα κατάσταση της πανδημίας COVID-19, γεγονός που αποτελεί τη βάση αυτής της ερευνητικής εργασίας. Ωστόσο, η αποδοχή από τον χρήστη των συστημάτων πληρωμών μέσω κινητού εξακολουθεί να είναι χαμηλή, λόγω ορισμένων πλεονεκτημάτων και μειονεκτημάτων της τεχνολογίας αυτής, που εξετάζονται σε αυτό το άρθρο με την εφαρμογή ενός υβριδικού μοντέλου μηχανικής εκμάθησης.
Δημοσιεύσεις Ελλήνων Ερευνητών
AI Transforming Healthcare Management during COVID-19 Pandemic
Iris - Panagiota Efthymiou - Egleton, Symeon Sidiropoulos, Dimitrios Kritas, Athanassios Vozikis, Paraskevi Rapti and Kyriakos Souliotis
Iris - Panagiota Efthymiou - Egleton, Symeon Sidiropoulos, Dimitrios Kritas, Athanassios Vozikis, Paraskevi Rapti and Kyriakos Souliotis
HAPSc Policy Briefs Series, 1(1): 130-138 (2020)
Posted: 05 Nov 2020
Posted: 05 Nov 2020
Αυτή η εργασία συζητά το ρόλο και την αξία της τεχνητής νοημοσύνης στην πρόοδο της υγειονομικής περίθαλψης και στον μετασχηματισμό διαφόρων συναφών τομέων.