XiaoMi-AI文件搜索系统
World File Search System两只
超声心动图值和心脏异常的临床健康的成年borzoi狗
结果，大多数硼砂在结构上是正常的（119/146，81.5％），并且针对每个性别的繁殖特异性超声心动图值产生，因为女性的重量明显小于男性（30.4±3.8 kg 3.8 kg，38.3 kg vs 38.3±4.1 kg 4.1 kg，expec -tiversively timely;在64/119（53.8％）正常犬中鉴定出生理心脏杂音。36（30.2％）结构正常的狗具有痕量或轻度的二尖瓣反流，而43（36.1％）具有痕量或轻度的三尖端反流。在21只狗（14.4％）中鉴定出结构性心脏病，其中包括9只狗（6.2％），患有扩张的心肌病（DCM），9只狗（6.2％），患有B1骨 - TOUS-二尖瓣疾病（MMVD）和3（2.1％）的狗和3（2.1％）狗患有先天性异常。七只狗（4.8％）有模棱两可的异常。在随访期间，新狗被诊断出具有隐匿性DCM（n = 3），模棱两可的DCM（1）和B1 MMVD（2）。两只狗最初被诊断为DCM（1个神秘和1个模棱两可），在饮食变化后归一化。
双边手术植入物患者的双耳处理审查
抽象的双边人工耳蜗植入物（BICIS）带来了几种好处，包括改善噪声和声源定位中语音理解。但是，受益者之间的有益双侧植入物在不同的个人之间有很大差异。在这里，我们考虑了这种变异性的原因之一：两只耳朵之间的听力功能差异，即室内不对称。到目前为止，在各个研究领域中对室内不对称性的研究已经高度专业。本综述的目的是将这些研究纳入一个地方，激发未来在室内不对称领域的研究。我们首先考虑自下而上的处理，其中双耳提示是使用左耳和右耳信号的激发抑制信号来表示的，随着声音在太空中的位置而变化，并由听觉脑干中的横向上橄榄表示。然后，我们考虑通过预测编码进行自上而下的处理，该编码假设感知源于基于上下文和先前的感官体验的期望，以级联的皮质回路表示。根据传入的感觉输入，维护和更新了内部感知模型。一起，我们希望这种对生理，行为和建模研究的融合将有助于弥合双耳听力领域的差距，并更清楚地理解对室内不对称的对未来对最佳患者干预措施的研究的影响。
对糖尿病患者视网膜病变的叙述性评论
糖尿病患者可能有眼部疾病的风险，例如由于糖尿病和眼睛的水肿引起的视网膜病变。因糖尿病而引起的视网膜病变患者对视网膜和眼后的持续损伤，这是光敏的。这是糖尿病患者面临的显着并发症，威胁着患者的视力。糖尿病可以抑制人体摄入和维持血糖水平的潜力，从而导致一些健康问题。血液中的葡萄糖过多会影响人体的眼睛和其他器官。糖尿病在长时间内对视网膜的血液供应系统产生影响。与糖尿病相关的视网膜病可以导致失明，因为流体可以流入黄斑，这对于保持清晰的视野至关重要。大黄斑虽然尺寸很小，但它是使我们能够很好地理解颜色和良好特点的区域。流体会膨胀黄斑，导致视野受损。在新血管形成期间形成的弱的，不规则的血管可能会导致眼睛后端出血，从而阻塞视野。眼睛的血管渗漏血液和其他液体，导致视网膜组织增大和视力阴影。通常，疾病会影响两只眼睛。糖尿病性病变更有可能发展。如果未经治疗，由于糖尿病引起的视网膜病可能会导致失明。
人类视觉运动整合过程中的神经特征......
视觉运动整合塑造了我们的日常体验，并支撑了我们对行为的控制感。过去十年，机器人和虚拟介导的交互激增，身体动作最终导致人为运动。但是，尽管应用数量不断增加，但在动态条件下人机交互过程中视觉运动处理的神经生理相关性仍然很少。在这里，我们通过采用能够跟踪自愿手部运动的双手机器人界面来解决这个问题，并将其实时呈现为两只虚拟手的运动。我们通过空间和时间冲突实验性地操纵虚拟现实中的视觉反馈，并研究了它们对 (1) 视觉运动整合和 (2) 成为自己行为作者的主观体验（即代理感）的影响。使用脑电图测量的体感诱发反应，我们研究了当运动命令和视觉反馈之间的整合中断时发生的神经差异。我们的结果表明，右后顶叶皮层编码了一致和空间不一致交互之间的差异。实验操作还导致机器人介导动作的主动感下降。这些发现提供了坚实的神经生理学基础，可用于未来监测运动过程中的整合机制，并最终增强人机交互过程中的主观体验。
跨学科深度神经活动映射
摘要 — 目的。在本文中，我们考虑跨受试者解码问题，其中从给定受试者（目的地）的前额叶皮层收集的神经活动数据用于从不同受试者（源）的神经活动解码运动意图。方法。我们将神经活动映射问题置于概率框架中，其中我们采用深度生成模型。我们提出的算法使用深度条件变分自动编码器将源受试者的神经活动的表示推断到进行神经解码的目标受试者的适当特征空间中。结果。我们在实验数据集上验证了我们的方法，其中两只猕猴对八个目标位置之一进行记忆引导的视觉扫视。结果显示，与特定受试者的解码相比，跨受试者解码的峰值提高了 8%。结论。我们证明，使用一个受试者的神经活动信号训练的神经解码器可用于以高可靠性稳健地解码不同受试者的运动意图。尽管神经活动信号具有非平稳性，且记录条件因人而异，但我们仍能实现这一目标。意义。本文报告的研究结果是朝着开发跨学科脑机系统迈出的重要一步，该系统可以很好地推广到整个人群。
基于强化学习的皮层内脑机接口快速自校准解码器
摘要：背景：由于皮层内脑机接口中神经记录的非平稳性，需要每天以监督的方式进行再训练以保持解码器的性能。使用基于强化学习（RL）的自校准解码器可以改善此问题。然而，在保持良好性能的同时快速探索新知识仍然是基于RL的解码器的挑战。方法：为了解决这个问题，我们提出了一种基于注意力门控RL的算法，该算法结合了迁移学习、小批量和权重更新方案来加速权重更新并避免过度拟合。所提出的算法在两只猴子的皮层内神经数据上进行了测试，以解码它们的伸手位置和抓握姿势。结果：解码结果表明，与未再训练的分类器相比，我们提出的算法的分类准确率提高了约20％，甚至比每日再训练的分类器取得了更好的分类准确率。此外，与传统的RL方法相比，我们的算法将准确率提高了约10%，在线权重更新速度提高了约70倍。结论：本文提出了一种自校准解码器，该解码器具有良好且稳健的解码性能，权重更新速度快，可能有助于其在可穿戴设备和临床实践中的应用。
通过腺嘌呤碱基编辑高效生成具有明确 FecBB 突变的绵羊
摘要 碱基编辑有可能改善农业中的重要经济性状，并且可以精确地将 DNA 或 RNA 序列中的单个核苷酸转换为最小的双链 DNA 断裂 (DSB)。腺嘌呤碱基编辑器 (ABE) 是最近出现的用于将目标 A:T 转换为 G:C 的碱基编辑工具，但尚未在绵羊身上使用。ABEmax 是 ABE 的最新版本之一，它由催化受损的核酸酶和实验室进化的 DNA 腺苷脱氨酶组成。骨形态发生蛋白受体 1B (BMPR1B) 基因中的 Booroola 繁殖力 (FecB B) 突变 (g.A746G, p.Q249R) 会影响许多绵羊品种的繁殖力。在本研究中，通过使用 ABEmax，我们成功获得了具有确定点突变的羔羊，这些突变导致氨基酸替换 (p.Gln249Arg)。在新生羔羊中，定义的点突变效率为 75%，因为六只羔羊在 FecB B 突变位点 (g.A746G, p.Q249R) 处为杂合子，两只羔羊为野生型。我们在八只经过编辑的羔羊中未检测到脱靶突变。在此，我们报告了由 ABE 生成的首只基因编辑绵羊的验证，并强调了其改善牲畜经济重要性状的潜力。
对糖尿病患者视网膜病变的叙述性评论
糖尿病患者可能有眼部疾病的风险，例如由于糖尿病和眼睛的水肿引起的视网膜病变。因糖尿病而引起的视网膜病变患者对视网膜和眼后的持续损伤，这是光敏的。这是糖尿病患者面临的显着并发症，威胁着患者的视力。糖尿病可以抑制人体摄入和维持血糖水平的潜力，从而导致一些健康问题。血液中的葡萄糖过多会影响人体的眼睛和其他器官。糖尿病在长时间内对视网膜的血液供应系统产生影响。与糖尿病相关的视网膜病可以导致失明，因为流体可以流入黄斑，这对于保持清晰的视野至关重要。大黄斑虽然尺寸很小，但它是使我们能够很好地理解颜色和良好特点的区域。流体会膨胀黄斑，导致视野受损。在新血管形成期间形成的弱的，不规则的血管可能会导致眼睛后端出血，从而阻塞视野。眼睛的血管渗漏血液和其他液体，导致视网膜组织增大和视力阴影。通常，疾病会影响两只眼睛。糖尿病性病变更有可能发展。如果未经治疗，由于糖尿病引起的视网膜病可能会导致失明。
用于电神经刺激的高度微型化、长期植入式 ASIC
我们提出了一种用于电刺激周围神经的无线、完全可植入设备，该设备由供电线圈、调谐网络、齐纳二极管、可选刺激参数和刺激器 IC 组成，全部封装在生物相容性硅胶中。13.56 MHz 的无线射频信号通过片上整流器为植入物供电。ASIC 采用台积电的 180 nm MS RF G 工艺设计，占地面积不到 1.2 平方毫米。该 IC 通过片上只读存储器实现外部可选的电流控制刺激，具有 32 个刺激参数（90 – 750 μA 幅度、100 μs 或 1 ms 脉冲宽度、15 或 50 Hz 频率）。IC 使用 8 位二进制加权 DAC 和 H 桥生成恒定电流波形。在最耗电的刺激参数下，刺激脉冲期间的平均功耗为 2.6 mW，电能传输效率约为 5.2%。除了台式和急性测试外，我们还在两只大鼠的坐骨神经上长期植入了两种版本的设备（一种是带导线的设计和一种是无导线的设计），以验证 IC 和整个系统的长期疗效。无导线设备的尺寸如下：高 0.45 厘米，长轴 1.85 厘米，短轴 1.34 厘米，带导线的设备尺寸类似
使用循环脉冲神经网络从皮质脉冲序列解码手指速度
摘要 — 侵入式皮质脑机接口 (BMI) 可以显著改善运动障碍患者的生活质量。尽管如此，外部安装的基座存在感染风险，因此需要完全植入的系统。然而，这样的系统必须满足严格的延迟和能量限制，同时提供可靠的解码性能。虽然循环脉冲神经网络 (RSNN) 非常适合在神经形态硬件上进行超低功耗、低延迟处理，但它们是否满足上述要求尚不清楚。为了解决这个问题，我们训练了 RSNN 来解码两只猕猴的皮质脉冲序列 (CST) 中的手指速度。首先，我们发现大型 RSNN 模型在解码精度方面优于现有的前馈脉冲神经网络 (SNN) 和人工神经网络 (ANN)。接下来，我们开发了一个微型 RSNN，它具有较小的内存占用、较低的发放率和稀疏连接。尽管计算要求降低了，但生成的模型的性能明显优于现有的 SNN 和 ANN 解码器。因此，我们的结果表明，RSNN 在资源受限的情况下提供了具有竞争力的 CST 解码性能，并且是完全植入式超低功耗 BMI 的有希望的候选者，具有彻底改变患者护理的潜力。索引术语 — 脉冲神经网络、脑机接口、皮质脉冲序列解码、神经形态硬件