《布丁扫描》简介：是一款实用的扫描软件，可实现文档扫描、图片文字识别等功能。能将纸质文件快速转化为电子文档，识别准确率较高，支持

《布丁扫描》 简介：是一款实用的扫描软件，可实现文档扫描、图片文字识别等功能。能将纸质文件快速转化为电子文档，识别准确率较高，支持多种文件格式输出，如PDF、Word等。方便用户整理资料、提取文字信息，无论是学习资料、合同文件还是书籍内容，都能轻松扫描识别，提高办公和学习效率 标签： #布丁扫描 #扫描软件 #文字识别 #文档管理 文件大小 NG 链接：

MIT发明新型防伪ID标签 撕下即损毁 识别准确率超过99%

MIT发明新型防伪ID标签 撕下即损毁 识别准确率超过99%  新型 ID 标签的艺术效果图，该标签利用太赫兹波通过读取胶水中金属颗粒的指纹来验证物品的真伪。这种标签的原理与常用于跟踪库存和验证真伪的射频识别标签（RFID）相同。每个标签都有一个唯一的识别码，可以用扫描仪读取，以证明该物品是真品。但实际上，从技术上讲，它所做的只是验证标签的真伪，而不是标签上粘贴的任何东西。如果有人想绕过这个系统，他们所要做的其实就是剥下标签，然后贴在假货上。因此，在新的研究中，麻省理工学院的团队开发了一种新的标签，一旦标签被撕下，它的条形码就会被销毁。其中的诀窍在于，不是将 ID 嵌入标签本身，而是将其嵌入粘在物品上的胶水中。胶水中混入了微小的金属颗粒，粘在物体表面后，用高频太赫兹波扫描。金属微粒将这些波反弹回读取器，为这些金属微粒的排列方式拍摄快照。这种随机模式就像指纹一样，用于识别标签并存储在云端。如果有人试图将标签剥离并重新粘在其他东西上，就会破坏胶水中金属微粒的特定排列，从而在以后扫描时返回错误的 ID。这项研究的作者 Ruonan Han 说："这些金属颗粒本质上就像是太赫兹波的镜子。如果我把一堆镜片铺在一个表面上，然后用光照射，根据这些镜片的方向、大小和位置，就会得到不同的反射图案。但如果你把芯片剥离并重新贴上，就会破坏这种图案。"太赫兹 ID 系统工作原理示意图。请注意真假物品胶水中颗粒的不同形态几乎不可能再现完全相同的形态 麻省理工学院 Jose-Luis Olivares研究小组称，这种 ID 标签体积小，只有 4 平方毫米（ 0.006英寸），可以贴在各种物品上，而且价格便宜，可以大规模生产。经过训练的机器学习模型检测模式的准确率超过 99%。研究人员说，在目前的形式下，该系统可以在传感器距离标签最多 4 厘米（1.6 英寸）和 10 度角的范围内工作。这对于扫描仓库中的物品等用途是没有问题的，但对于识别通过收费站的汽车就不太合适了，研究人员计划今后努力解决这些缺陷。这项研究将在四月份举行的电气和电子工程师学会固态电路会议上发表。 ... PC版： 手机版：

癌症治疗新突破：创新性间皮瘤疗法使患者存活率提高四倍

癌症治疗新突破：创新性间皮瘤疗法使患者存活率提高四倍 恶性间皮瘤是一种罕见且迅速致命的癌症，有效治疗方法有限，伦敦大学玛丽皇后学院领导的一项临床试验结果表明，一种创新疗法大大提高了恶性间皮瘤患者的生存率。这项三期临床试验由玛丽女王大学的 Peter Szlosarek 教授领导，由北极星制药公司赞助，揭示了恶性胸膜间皮瘤（MPM）治疗的突破性进展。ATOMIC-meso 试验是一项对 249 名 MPM 患者进行的随机安慰剂对照研究，结果发现，与安慰剂化疗相比，一种将新药 ADI-PEG20 与传统化疗相结合的治疗方法可使参与者的中位生存期延长 1.6 个月，36 个月的生存期延长了四倍。这一发现意义重大，因为在所有实体瘤中，MPM 的 5 年生存率最低，仅为 5-10% 左右。这种创新方法标志着 20 年来首次成功将化疗与针对癌症代谢的药物结合起来治疗这种疾病。MPM 是一种罕见的侵袭性癌症，会影响肺内膜，与接触石棉有关。通常采用强效化疗药物进行治疗，但这些药物很少能阻止病情的发展。治疗背后的科学这种新型药物治疗方法的前提非常简单，那就是切断肿瘤的食物供应，使其处于饥饿状态。所有细胞的生长和繁殖都需要营养，包括精氨酸等氨基酸。ADI-PEG20 通过消耗血液中的精氨酸水平来发挥作用。对于因缺失酶而无法制造精氨酸的肿瘤细胞来说，这意味着它们的生长将受阻。Szlosarek 教授发现恶性间皮瘤细胞缺乏一种名为 ASS1 的蛋白质，而这种蛋白质能让细胞自己制造精氨酸。此后，他和他的团队一直致力于利用这一知识为间皮瘤患者创造有效的治疗方法。他说："看到对癌细胞进行精氨酸饥饿的研究取得成果真是太好了。这一发现是我从实验室的最初阶段就开始推动的，新疗法 ADI-PEG20 现在已经改善了间皮瘤患者的生活。我感谢所有患者和家属、研究人员和他们的团队以及北极星制药公司，感谢他们致力于定义一种新的癌症疗法"。英国癌症研究中心科学参与经理Tayyaba Jiwani博士说："这项研究显示了发现研究的力量，它使我们能够深入研究间皮瘤的生物学特性，发现我们现在可以用ADI-PEG20靶向治疗的薄弱环节。英国癌症研究中心很高兴能够资助这项研究的早期阶段，包括一项初步临床试验，该试验确定了这种药物的安全性和有效性"。目前正在对肉瘤或多形性胶质母细胞瘤（一种脑瘤）患者以及其他依赖精氨酸的癌症患者进行 ADI-PEG20 的评估研究。这种新型化疗在骨髓瘤中的成功也表明，这种药物可能对治疗其他多种类型的癌症有益。米克的间皮瘤之旅20 世纪 70 年代，米克曾在一家工厂的锅炉房工作，接触过石棉。2018 年，他开始感到不适，体重下降了42磅，于是去看医生。他开始贫血，最终被诊断出患有间皮瘤。米克解释说："这让我有点震惊：我的生命只剩下四个月了。他的医生把他介绍给了斯洛萨雷克（Szlosarek）教授，后者让他参加了 ATOMIC-meso 试验。我一直相信彼得。我说：'我一定要赢你别想摆脱我。'五年后，我来到了这里。"两年来，米克每周都会在妻子杰姬或儿孙的陪同下前往圣巴塞洛缪医院就诊。"我会接受两次新疗法注射每只手臂一次。我没有任何严重的副作用，"米克解释说。"我认识了许多参加试验的其他人。随着时间的推移，他们中的一些人消失了。但我还是坚持了下来。"米克因暴露于石棉而最终导致间皮瘤的前雇主获得了赔偿。大约 80% 的间皮瘤病例是由工作场所接触石棉引起的。米克参加 ATOMIC-meso 试验两年半后，间皮瘤复发，他接受了第二个疗程的治疗，这次是免疫疗法。他在这种疗法中经历了更多的副作用，包括脑炎。但他的癌症仍然得到了控制，最近他还庆祝了自己的 80 岁生日。Szlosarek教授和他的团队计划研究为什么像米克这样的特定患者能从ADI-PEG20中获益匪浅，希望能发现如何让更多人受益。米克说："这项试验改变了间皮瘤患者的生活，让我们活得更长。我现在有五个孙子和两个曾孙，我不想错过这一切。"编译来源：ScitechDaily ... PC版： 手机版：

丹麦的临床对比研究证明人工智能提高了乳腺癌筛查的准确性

丹麦的临床对比研究证明人工智能提高了乳腺癌筛查的准确性 在丹麦，人工智能的进步大大提高了乳腺癌的检测率，同时减少了误诊率丹麦的乳腺放射医师利用人工智能（AI）提高了乳腺癌筛查的效果，降低了误诊结果的发生率。研究结果发表在今天（6月4日）出版的北美放射学会（RSNA）期刊《放射学》上。虽然乳房 X 射线照相术成功地降低了乳腺癌死亡率，但也有可能出现误诊结果。近年来，研究人员对人工智能系统在筛查中的应用进行了研究。哥本哈根大学博士后、丹麦 Gentofte 医院研究员 Andreas D. Lauritzen 博士说："我们相信人工智能有可能提高筛查性能。"当用于分流可能正常的筛查结果或协助决策支持时，人工智能还能大大减少放射科医生的工作量。Lauritzen 博士说："基于人群的乳腺 X 射线照相筛查降低了乳腺癌死亡率，但却给放射科医生带来了巨大的工作量，他们必须阅读大量的乳腺 X 射线照相，而其中大部分并不值得召回患者。当筛查项目采用双读以提高癌症检测率并减少误诊召回时，读片工作量就会进一步加重。"一位女性的图像，她的乳腺成像报告和数据系统密度为 2，接受人工智能（AI）系统筛查时 57 岁。(A）右侧内外侧斜位全视野数字乳腺造影显示人工智能提供的标记（方形）。根据这一病变，筛查获得了 10 分的人工智能检查高分（满分 89 分）。(B）与 A 中的图像相同，但有放射科医生的检查结果。由于人工智能检查得分较高，该筛查由两名放射科医生进行了双读，他们标记的病灶（椭圆形，A1）与人工智能系统标记的病灶相同，这导致了召回。(C）裁剪后的 US 图像显示了诊断过程中观察到的一个小的（4 × 7 毫米）浸润性癌（线）。资料来源：北美放射学会（RSNA）Lauritzen 博士及其同事开始比较人工智能实施前后两批接受筛查的妇女的工作量和筛查效果。这项回顾性研究对丹麦首都地区两组年龄在 50 岁至 69 岁之间、每两年接受一次乳腺 X 射线照相筛查的妇女进行了比较。在第一组中，两名放射科医生阅读了 2020 年 10 月至 2021 年 11 月期间进行筛查的妇女的乳房 X 光照片，当时尚未实施人工智能。第二组妇女在 2021 年 11 月至 2022 年 10 月期间进行的筛查乳房 X 光照片由人工智能进行初步分析。人工智能认为可能正常的乳房 X 光照片随后由 19 名专业全职乳腺放射科医生中的一位进行读片（称为单次读片）。其余的乳房 X 光照片由两名放射科医生在人工智能辅助决策支持下进行阅读（称为双读）。用于筛查的市售人工智能系统由深度学习模型训练而成，可突出显示乳房 X 光照片中的可疑病变和钙化，并对其进行评级。所有接受乳房X光筛查的女性都接受了至少180天的随访。通过筛查发现的浸润性癌症和导管原位癌（DCIS）将通过针刺活检或手术标本进行确认。共有 60751 名妇女在未使用人工智能的情况下接受了筛查，58 246 名妇女在使用人工智能系统的情况下接受了筛查。在人工智能实施组中，66.9%（38 977 人）的筛查为单读筛查，33.1%（19269 人）的筛查为人工智能辅助双读筛查。与未使用人工智能系统的筛查相比，使用人工智能系统的筛查发现的乳腺癌数量明显增多（0.82% 对 0.70%），误诊率也更低（1.63% 对 2.39%）。Lauritzen博士说："在人工智能筛查组中，率降低了20.5%，放射科医生的阅读工作量减少了33.4%。放射科医生通常可以查看妇女以前的乳房 X 光筛查照片，但人工智能系统却无法查看。这是我们未来想做的事情。"人工智能筛查的阳性预测值也高于无人工智能筛查（33.5% 对 22.5%）。在人工干预组中，检测出的浸润性癌症中，大小在 1 厘米或以下的比例更高（44.93% 对 36.60%）。除了结节阴性率没有变化的迹象外，所有筛查绩效指标都有所改善。未来需要进行更多的研究来评估长期结果，确保过度诊断不会增加。还需要注意的是，并非所有国家都采用相同的乳腺癌筛查方案和间隔时间。美国的乳腺癌筛查方案与丹麦的方案不同。参考文献"2024 年 6 月 4 日，《放射学》。编译来源：ScitechDaily ... PC版： 手机版：

Google的Med-Gemini医疗人工智能模型被证明表现不输人类医生

Google的Med-Gemini医疗人工智能模型被证明表现不输人类医生 医生每天要治疗众多病人，他们的需求从简单到非常复杂。为了提供有效的医疗服务，他们必须熟悉每位患者的健康记录，了解最新的治疗程序和治疗方法。此外，建立在同理心、信任和沟通基础上的医患关系也至关重要。要想让人工智能接近真实世界中的医生，它必须能够做到所有这些。Google的Gemini模型是新一代多模态人工智能模型，这意味着它们可以处理来自不同模态的信息，包括文本、图像、视频和音频。这些模型擅长语言和对话，理解它们所训练的各种信息，以及所谓的"长语境推理"，即从大量数据（如数小时的视频或数十小时的音频）中进行推理。Gemini医学模型具有Gemini基础模型的所有优点，但对其进行了微调。研究人员测试了这些以药物为重点的调整，并将结果写入了论文中。这篇论文长达 58 页，内容丰富，我们选取了其中最令人印象深刻的部分。自我培训和网络搜索功能要做出诊断并制定治疗方案，医生需要将自己的医学知识与大量其他相关信息结合起来：病人的症状、病史、手术史和社会史、化验结果和其他检查结果，以及病人对先前治疗的反应。治疗方法是"流动的盛宴"，现有的治疗方法会不断更新，新的治疗方法也会不断推出。所有这些都会影响医生的临床推理。因此，Google在 Med-Gemini 中加入了网络搜索功能，以实现更高级的临床推理。与许多以医学为重点的大型语言模型（LLM）一样，Med-Gemini 也是在 MedQA 上进行训练的，MedQA 是美国医学执照考试（USMLE）的多选题，旨在测试不同场景下的医学知识和推理能力。Med-Gemini 如何使用自我培训和网络搜索工具不过，Google也为他们的模型开发了两个新的数据集。第一个是 MedQA-R（推理），它通过合成生成的推理解释（称为"思维链"，CoTs）对 MedQA 进行了扩展。第二种是 MedQA-RS（推理和搜索），它为模型提供使用网络搜索结果作为额外上下文的指令，以提高答案的准确性。如果一个医学问题的答案不确定，就会提示模型进行网络搜索，以获取更多信息来解决不确定问题。Med-Gemini 在 14 个医学基准上进行了测试，并在 10 个基准上建立了新的最先进（SoTA）性能，在可以进行比较的每个基准上都超过了 GPT-4 模型系列。在 MedQA（USMLE）基准测试中，Med-Gemini 利用其不确定性指导搜索策略达到了 91.1% 的准确率，比Google之前的医学 LLMMed-PaLM 2 高出 4.5%。在包括《新英格兰医学杂志》（NEJM）图像挑战（具有挑战性的临床病例图像，从 10 个病例中做出诊断）在内的 7 项多模态基准测试中，Med-Gemini 的表现优于 GPT-4，平均相对优势为 44.5%。研究人员说："虽然结果......很有希望，但还需要进一步开展大量研究。例如，我们还没有考虑将搜索结果限制在更具权威性的医学来源上，也没有考虑使用多模态搜索检索或对搜索结果的准确性和相关性以及引文的质量进行分析。此外，是否还能教会较小规模的法律硕士使用网络搜索还有待观察。我们将这些探索留待今后的工作中进行。"从冗长的电子病历中检索特定信息电子病历（EHR）可能很长，但医生需要了解其中包含的内容。更复杂的是，它们通常包含相似的文本（"糖尿病"与"糖尿病肾病"）、拼写错误、缩略词（"Rx"与"prescription"）和同义词（"脑血管意外"与"中风"），这些都会给人工智能带来挑战。为了测试Med-Gemini理解和推理长语境医疗信息的能力，研究人员使用一个大型公开数据库重症监护医疗信息市场（MIMIC-III）执行了一项所谓的"大海捞针任务"，该数据库包含重症监护患者的去标识化健康数据。该模型的目标是在电子病历（"大海"）中的大量临床记录中检索到与罕见而微妙的医疗状况、症状或程序（"针"）相关的内容。共收集了 200 个案例，每个案例都由 44 名病史较长的重症监护室患者的去标识化电子病历记录组成。他们必须具备以下条件：100 多份医学笔记，每个例子的长度从 20 万字到 70 万字不等在每个例子中，条件只被提及一次每个样本都有一个感兴趣的条件这项大海捞针的任务分为两个步骤。首先，Med-Gemini 必须从大量记录中检索所有与指定医疗问题相关的内容。其次，该模型必须评估所有提及内容的相关性，对其进行分类，并得出结论：患者是否有该问题的病史，同时为其决定提供清晰的推理。Med-Gemini 的长语境能力示例与 SoTA 方法相比，Med-Gemini 在"大海捞针"任务中表现出色。它的精确度为 0.77，而 SoTA 方法为 0.85，召回率也超过了 SoTA 方法：0.76 对 0.73。研究人员说："也许 Med-Gemini 最引人注目的方面是长语境处理能力，因为它们为医疗人工智能系统开辟了新的性能前沿和新颖的、以前不可行的应用可能性。这项'大海捞针'式的检索任务反映了临床医生在现实世界中面临的挑战，Med-Gemini-M 1.5 的性能表明，它有潜力通过从海量患者数据中高效提取和分析信息，显著降低认知负荷，增强临床医生的能力。"有关这些关键研究点的浅显易懂的讨论，以及Google和微软之间争论的最新情况，请观看《AI Explained》从 13:38 开始的视频。新的 OpenAI 模型即将诞生，人工智能的赌注又提高了（还有 Med Gemini、GPT 2 聊天机器人和 Scale AI）与 Med-Gemini 对话在一次实际应用测试中，Med-Gemini 收到了一位患者用户关于皮肤肿块瘙痒的询问。在要求提供图像后，模型提出了适当的后续问题，并正确诊断出了这种罕见的病变，同时建议用户下一步该怎么做。Med-Gemini 诊断对话在皮肤科的应用实例Med-Gemini 还被要求在医生等待放射科医生的正式报告期间，为其解读胸部 X 光片，并编写一份通俗易懂的英文版报告提供给病人。Med-Gemini 的放射诊断对话辅助系统研究人员说："Med-Gemini-M 1.5 的多模态对话功能很有前景，因为它们无需进行任何特定的医疗对话微调即可实现。这些功能可以实现人、临床医生和人工智能系统之间无缝、自然的互动。"不过，研究人员认为还需要进一步的工作。他们说："这种能力在帮助临床医生和患者等现实世界应用方面具有巨大潜力，但当然也会带来非常大的风险。在强调这一领域未来研究潜力的同时，我们并没有在这项工作中对临床对话的能力进行严格的基准测试，正如其他人之前在对话诊断人工智能的专门研究中所探索的那样。"未来愿景研究人员承认，要做的工作还有很多，但 Med-Gemini 模型的初步能力无疑是很有希望的。重要的是，他们计划在整个模型开发过程中纳入负责任的人工智能原则，包括隐私和公平。隐私方面的考虑尤其需要植根于现有的医疗保健政策和法规，以管理和保护患者信息。公平性是另一个可能需要关注的领域，因为医疗保健领域的人工智能系统有可能无意中反映或放大历史偏见和不公平，从而可能导致边缘化群体的不同模型性能和有害结果。但归根结底，Med-Gemini 被视为一种造福人类的工具。大型多模态语言模型为健康和医学带来了一个全新的时代。Gemini"和"医学Gemini"所展示的能力表明，在加速生物医学发现、协助医疗保健服务和体验的深度和广度方面，都有了重大飞跃。然而，在提高模型能力的同时，必须对这些系统的可靠性和安全性给予细致的关注。通过优先考虑这两个方面，我们可以负责任地展望未来，让人工智能系统的能力成为科学进步和医疗保健有意义且安全的加速器。该研究可通过预印本网站arXiv 获取。 ... PC版： 手机版：