XiaoMi-AI文件搜索系统
World File Search System别子
机器学习以识别子宫内膜生物标志物可预测奶牛的人工授精后妊娠成功
1 Department of Animal Sciences, Donald Henry Barron Reproductive and Perinatal Biology Research Program, and the Genetics Institute, University of Florida, Gainesville, FL, USA 2 Department of Population Health Science, Faculty of Veterinary Medicine, Utrecht University, Utrecht, The Netherlands 3 Genus plc PLC/ABS, Mogi Mirim, São Paulo, Brazil 4 University of Florida Interdisciplinary美国佛罗里达州盖恩斯维尔的生物技术研究中心5 Urus Group LP，美国威斯康星州麦迪逊市6北卡罗来纳州立大学动物科学系，美国北卡罗来纳州罗利市，美国北卡罗来纳州，美国北卡罗来纳州 *通信：Donald Henry Barron生殖和周期生物学研究计划，以及佛罗里达州2250 Swiver，boge bogine of Sheysly of Sheysy driver，bogiander of the Gaine of Sheysy driver，boge bogins of for of flores of for。美国32611-0910，美国。电子邮件：pjhansen@u fl。edu
高级别子宫内膜间叶肉瘤
子宫内膜间质肉瘤 (ESS) 是一种罕见的妇科恶性肿瘤，起源于子宫内膜间质组织。ESS 仅占子宫恶性肿瘤的十分之一，根据核分裂分为低级别 (LGESS) 和高级别 (HGESS)。有趣的是，预后研究发现 ESS 预后与核分裂活动之间没有很强的相关性。未分化子宫肉瘤 (UUS) 代表一系列具有多种形态学、临床和预后特征的肿瘤，缺乏标准化的命名惯例。2014 年，世界卫生组织根据临床和病理属性将 ESS 分为 LGESS、HGESS 和 UUS。尽管 HGESS 罕见，但其预后不良和生存率低而闻名。由于其无症状表现和发病机制不明确，其早期检测很复杂，导致治疗方法存在争议。本文深入探讨了有关 HGESS 的最新研究进展。
用于脑电图情绪识别的图形自适应半监督判别子空间学习
由于脑电信号不易伪装且蕴含着丰富的神经生理信息，在客观情绪识别方面表现出显著的优势，基于脑电信号的情绪识别成为脑机接口领域的热门研究领域。然而，脑电信号一般具有非平稳性且信噪比较低，难以分析。受探索判别子空间表示通常有助于捕捉脑电数据语义信息的启发，本文提出了一种图自适应半监督判别子空间学习（GASDSL）模型用于基于脑电信号的情绪识别。GASDSL旨在探索一个判别子空间，其中类内散度减小而类间可分性增加。采用自适应最大熵图构建和半监督子空间情绪状态预测来调解判别子空间学习。对 SEED-IV 和 SEED-V 数据集进行的大量比较研究表明：1）与其他半监督学习模型相比，GASDSL 实现了令人满意的情绪识别准确率；2）随着模型的迭代，学习到的最大熵图和子空间的判别能力都得到了提高；3）根据空间频率模式分析结果，从 Gamma 波段、左/右颞叶、前额叶和（中央）顶叶提取的特征对情绪识别贡献更大。2023 作者。由 Elsevier BV 代表沙特国王大学出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
S 3 LRR：联合判别子空间识别和半监督脑电情绪识别的统一模型
摘要：基于脑电数据的情绪识别一直是学术界和工业界的研究热点，为实现和谐的人机交互奠定了坚实的基础。但现有研究大多直接对脑电特征进行分类，或者采用“特征变换+分类”的两阶段范式进行情绪识别。前者通常无法获得理想的效果，而后者则不可避免地打破了特征变换与识别之间的联系。在本文中，我们提出了一个简单而有效的模型——半监督稀疏低秩回归（S3LRR），将判别子空间识别和半监督情绪识别统一在一起。具体而言，S3LRR 通过将最小二乘回归（LSR）中的投影矩阵分解为两个因子矩阵来表示，从而完成判别子空间识别并将子空间脑电数据表征与情绪状态联系起来。在基准SEED_V数据集上的实验研究表明，S3LRR联合学习机制使得情绪识别性能得到较大提升。