XiaoMi-AI文件搜索系统
World File Search System前兆
新冠肺炎、流感和呼吸道合胞病毒感染增加
12 月，北领地的 COVID-19、流感和呼吸道合胞病毒通报均有所增加，对假期期间的医疗保健系统构成了挑战。 自 12 月 1 日以来，北领地已报告 162 例 COVID-19 病例，与前 3 周相比增加了 35%，目前整个中部澳大利亚的病例都在增加。 自 11 月中下旬以来，呼吸道合胞病毒病例稳步增加，主要发生在北领地，尤其是达尔文。社区中的呼吸道合胞病毒感染通常是流感爆发的前兆。 自 12 月初以来，北领地的流感病例有所增加，预计还会继续上升。值得注意的是，34% 的病例为乙型流感，这是一个令人担忧的问题，因为今年早些时候的流感爆发几乎都是甲型流感，而目前社区对乙型流感的免疫力可能较低。 澳大利亚各地的新冠肺炎和流感（尤其是乙型流感）病例也在增加。检测
GDF15：肥胖和心脏代谢疾病的新兴生物学和治疗应用
肥胖是一个全球性的健康问题，它推动了心脏代谢疾病的发展，包括 2 型糖尿病 (T2DM)、非酒精性脂肪性肝病 (NAFLD) 和心血管疾病 (CVD) 1、2。肥胖会导致 NAFLD 和胰岛素抵抗，这两者都是 2 型糖尿病发展的前兆 3。NAFLD 还会发展为非酒精性脂肪性肝炎 (NASH)，这是肝硬化和肝细胞癌的主要原因 4。总的来说，2 型糖尿病和 NAFLD 是 CVD 的重要危险因素，而 CVD 是全球最大的死亡原因 5。虽然饮食和生活方式干预可以有效减少肥胖，但长期成功率很低 6。因此，人们开发了药物疗法来治疗肥胖症，但迄今为止，这些药物通常会导致约 5-8% 的体重减轻，这可能不足以纠正某些人的肥胖相关合并症 7 。因此，迫切需要新的肥胖疗法来治疗心脏代谢疾病。生长分化因子 15 (GDF15) 是转化生长因子-β (TGFβ) 超家族的远亲，以 ~25 kDa 同型二聚体的形式循环，由两个 112 个氨基酸多肽链组成，
社论：血液学靶向治疗的二十年
靶向治疗在血液系统恶性肿瘤临床实践中的应用，首先应用于慢性粒细胞白血病 (CML)，其药物开发模式基于疾病的分子发病机制，是一项突破性的发展，标志着医学界的一场彻底革命。造血是一个复杂的稳态过程，当其失调时，会导致不同的病理。多年来，对此类过程的深入研究极大地影响了患者的福祉。尽管如此，一些疾病仍然缺乏适当的治疗选择来改善患者的预后。大多数血液系统恶性肿瘤的病因仍不甚明了，而且缺乏针对前体疾病的预防策略，例如意义不明的克隆性血细胞减少症 (CCUS) 和单克隆丙种球蛋白病。本研究主题旨在组织和讨论血液系统恶性肿瘤新治疗策略和可能的药物组合的临床前和临床研究。贡献的文章将这一初始目标扩展到涵盖疾病生物学和前兆状况的其他关键领域。
![arXiv:2208.08896v1 [q-bio.NC] 2022 年 8 月 9 日](/simg/1\179a87c6f83be0ee92585383a262d85d2db19fa0.webp)
arXiv:2208.08896v1 [q-bio.NC] 2022 年 8 月 9 日
摘要：轻度认知障碍（MCI）是阿尔茨海默病（AD）的前兆，MCI的检测具有重要的临床意义。分析患者的结构脑网络对于识别MCI至关重要。然而，目前对结构脑网络的研究完全依赖于特定的工具箱，耗时且主观，很少有工具可以从脑扩散张量图像中获取结构脑网络。在本文中，提出了一种基于对抗学习的结构脑网络生成模型（SBGM），直接从脑扩散张量图像中学习结构连接。通过分析不同受试者结构脑网络的差异，我们发现从老年正常对照（NC）到早期轻度认知障碍（EMCI）再到晚期轻度认知障碍（LMCI），受试者的结构脑网络呈现出一致的趋势：随着病情的恶化，结构连接朝着逐渐变弱的方向发展。此外，我们提出的模型对 EMCI、LMCI 和 NC 受试者进行了三分类，在阿尔茨海默病神经影像计划 (ADNI) 数据库上实现了 83.33% 的分类准确率。
推荐引用 推荐引用 Wang, Y., Clifford, W. & Markham, C. (2021). 使用眼球注视相关电位检查驾驶员对广告牌引起的被动分心的视觉和认知反应。传感器，第 21 卷，第 4 期。doi:10.3390/s21041471
摘要：车辆外部的干扰会导致视觉注意力分散，从而导致交通事故。作为一种低成本、高效的广告解决方案，广告牌被广泛安装在路边，尤其是高速公路上。然而，广告牌对驾驶员分心、目光注视和认知的影响尚未得到充分研究。本研究利用定制的驾驶模拟器和同步脑电图 (EEG) 和眼动追踪系统来研究与驾驶员视觉信息处理相关的认知过程。区分了与辅助驾驶刺激相关的目光注视和其他可能成为分心源的刺激。本研究比较了驾驶员对广告牌注视和车辆仪表板注视的认知反应。测量的眼球注视相关电位 (EFRP) 显示 P1 成分相似；然而，随后的 N1 和 P2 成分不同。此外，当驾驶员受到限速标志提示而调整行驶速度时，会观察到 EEG 运动反应。实验结果表明，所提出的测量系统是评估驾驶员认知的有效工具，并表明对广告牌的认知参与水平可能是驾驶员分心的前兆。将实验结果与文献中的人类信息处理模型进行了比较。
有限时间内跨越量子相变时的功分布量子性和不可逆性
有限时间动力学中非平衡量子系统的热力学行为包括能量涨落的描述，这决定了一系列系统的物理特性。此外，多体系统中的强相互作用显著影响非平衡动力学中的能量涨落统计。通过驱动瞬态电流来对抗各种动力学状态下的金属-莫特绝缘体转变的前兆，我们展示了增加多体相互作用如何显著影响能量涨落的统计，从而影响有限哈伯德链的可提取功分布。此类分布的统计特性，如其偏度及其在转变过程中的显著变化，可能与不可逆性和熵产生有关。即使对于缓慢的驱动速率，准量子相变也会阻碍平衡，增加过程的不可逆性，并在功分布中引起强烈的特征。在莫特绝缘相中，功涨落-耗散平衡被修改，不可逆熵产生主导功涨落。因此，在设计用于量子技术的小规模设备协议时，必须考虑相互作用驱动的量子相变对热力学量和不可逆性的影响。最终，这种多体效应也可以用于量子尺度的功提取和制冷协议。
使用先进的无损检测进行关键基础设施故障分析和预防的概念模型。
摘要 - 关键基础设施的故障分析和预防对于确保运行可靠性和安全性至关重要。该概念模型探索了先进的无损检测 (NDT) 方法在关键基础设施系统中检测、分析和缓解故障的集成。无损检测技术（例如超声波检测、射线照相术、热成像和声发射分析）可实时洞察结构完整性而不会造成损坏。这些技术能够及早发现裂纹、腐蚀和材料疲劳等缺陷，这些缺陷通常是灾难性故障的前兆。所提出的模型概述了一种将预测分析与无损检测相结合的系统方法，以增强基础设施监控和维护策略。关键组件包括数据采集、预处理、使用机器学习算法进行缺陷分类以及实时决策。结合先进的数据融合技术，整合多种无损检测方法的见解，从而提高缺陷检测的准确性和可靠性。此外，该模型利用数字孪生技术来模拟和预测故障场景，从而实现主动维护和优化资源分配。该模型还强调了结合支持物联网的传感器和基于云的平台进行远程监控和利益相关者之间的实时数据共享的重要性。解决数据安全、可扩展性和测试协议标准化等挑战，以确保在交通、能源和
使用眼球注视相关电位检查驾驶员对广告牌引起的被动分心的视觉和认知反应
摘要：车辆外部的干扰会导致视觉注意力分散，从而导致交通事故。作为一种低成本、高效的广告解决方案，广告牌被广泛安装在路边，尤其是高速公路上。然而，广告牌对驾驶员分心、目光注视和认知的影响尚未得到充分研究。本研究利用定制的驾驶模拟器和同步脑电图 (EEG) 和眼动追踪系统来研究与驾驶员视觉信息处理相关的认知过程。区分了与辅助驾驶刺激相关的目光注视和其他可能成为分心源的刺激。本研究比较了驾驶员对广告牌注视和车辆仪表板注视的认知反应。测量的眼球注视相关电位 (EFRP) 显示 P1 成分相似；然而，随后的 N1 和 P2 成分不同。此外，当驾驶员受到限速标志提示而调整行驶速度时，会观察到 EEG 运动反应。实验结果表明，所提出的测量系统是评估驾驶员认知的有效工具，并表明对广告牌的认知参与水平可能是驾驶员分心的前兆。将实验结果与文献中的人类信息处理模型进行了比较。
HiddenLayer 对 NIST 关于 AI 的 RFI 的回应
HiddenLayer 团队诞生于 2019 年的一次真实世界中的对抗性机器学习攻击，当时 Chris Sestito、Jim Ballard 和 Tanner Burns（HiddenLayer 创始人）负责应对一次严重的真实世界中的对抗性机器学习攻击。当时，Chris Sestito（HiddenLayer 首席执行官）领导着 Cylance 的威胁研究，Cylance 是一家 AI 公司，通过利用深度学习来防止恶意软件攻击，彻底改变了反病毒行业。2019 年，Windows 可执行 ML 模型通过现在称为推理攻击的攻击被利用，暴露了其弱点，并允许攻击者成功逃避 Cylance 运行的任何地方的检测。在响应工作中，未来的 HiddenLayer 创始人将其视为未来攻击的前兆，这些攻击是由 AI/ML 固有的弱点、更多的开源攻击工具以及对世界上有史以来发展最快、最重要的技术的不断增长的了解和使用而引起的。为了证明这些攻击是可以预防的，该团队开发了一种独特的、正在申请专利的、产品化的人工智能安全解决方案，以帮助所有组织减轻基于人工智能的解决方案固有的安全风险。
Microsoft Word - AIAA Sci Tech 2023 - IASMS for Upper E Class Airspace Final_Submitted.docx
E 空域涉及日益复杂的操作和日益多样化的车辆。为了确保未来系统的安全，美国国家科学院建议采用可扩展到上层 E 的及时航空安全管理系统 (IASMS)。当前的空中交通管理对于未来的上层 E 运营和多样化的车辆来说并不具有成本效益，因此联邦航空管理局制定了上层 E 交通管理概念，以安全地整合具有不同性能特征和飞行任务的各种运营和车辆，而不会中断当前运营，包括太空发射和再入、亚轨道飞行、超音速和高超音速飞行、慢速或静止无人气球以及慢速、静止或高速的长航时固定翼飞行器。IASMS 将最先进的预测模型与反应和主动分析相结合，以检测危险并减轻上层 E 运营商的风险前兆。IASMS 识别由于新的和日益复杂的运营而对 NAS 进行转型而暴露的紧急安全风险。安全情报还将扩大可用数据，并通过在 SMS 的政策、风险管理、安全保障和推广支柱之间实现更无缝的“及时”集成，为实施安全改进以降低风险的新方法提供见解。