XiaoMi-AI文件搜索系统
World File Search System取值
免疫治疗后影像学检查评估肿瘤反应
近年来，已开发出各种系统性免疫疗法用于癌症治疗，例如针对免疫检查点的单克隆抗体 (mAB)（免疫检查点抑制剂，ICI）、溶瘤病毒、细胞因子、癌症疫苗和过继细胞转移。尽管估计有 38.5% 的转移性实体瘤或血液肿瘤患者可以使用 ICI，但 ICI 尤其能在许多肿瘤疾病（例如黑色素瘤、肺癌、膀胱癌、肾癌、头颈癌）中表现出持久的疾病控制效果，并且具有总体生存优势。由于免疫疗法基于 T 细胞活化的独特作用机制，其反应具有不同的模式，例如治疗反应之前的进展（假进展）、过度进展和治疗后的分离反应。由于这些特征在肿瘤学疗效评估标准《实体肿瘤疗效评价标准》1.1版（RECIST 1.1）中没有出现，因此为免疫疗法制定了新的标准。这些新的形态学标准中最重要的变化是，首先，在出现进展的情况下需要进行确认性影像学检查，其次，出现新病变不一定被视为进展性疾病。到目前为止，已经开发了五种形态学标准（免疫相关疗效标准（irRC）、免疫相关 RECIST（irRECIST）、免疫 RECIST（iRECIST）、免疫修改 RECIST（imRECIST）和肿瘤内 RECIST（itRECIST））标准，以准确评估靶病变大小的变化，同时考虑到免疫治疗后的具体反应模式。除了形态学反应标准外，2-脱氧-2-[ 18 F] 氟-D-葡萄糖正电子发射断层扫描/计算机断层扫描 ( 18 F-FDG-PET/CT) 也是评估代谢反应的一个有前途的选择，并且使用了四个代谢标准（免疫检查点抑制剂治疗反应的早期预测 PET/CT 标准 (PECRIT)、免疫治疗的 PET 反应评估标准 (PERCIMT)、实体肿瘤的免疫治疗修改的 PET 反应标准 (imPERCIST5) 和免疫 PERCIST (iPERCIST))。此外，有证据表明，18 F-FDG-PET/CT 上的参数，例如标准化摄取值 (SUV)max 和几种放射性示踪剂（例如针对 PD-L1 的放射性示踪剂），可能是反应的潜在成像生物标志物。此外，人类肿瘤内免疫治疗（HIT-IT）的出现，其特点是将免疫刺激剂直接注射到肿瘤病变中，这赋予了
量子通道的Lyapunov指数：熵公式和通用属性
m k l（v）ρl（v）†dµ（v），l：m k→m k是可测量的函数，µ是m k的度量。在最近的一项工作[8]中，当L恒定并且等于身份矩阵时，作者考虑了此类通道φL的Lyapunov指数。在这篇论文中还考虑了φ-erg属性和纯化条件（请参见第6节的定义）。在上一篇论文（请参见[11]）中，我们表明，对于固定度量µ，它对函数lφ-erg属性是一般性（实际上，我们表明了不可约性条件是通用的）。这里的新颖性是，我们将证明纯化条件在L上也是固定度量µ的通用（请参见第9节）。此变量L的引入使我们能够在这种类型的问题中考虑通用性质的问题。我们在复杂矩阵集中使用C 0拓扑。对于附录第10节中读者的好处，我们介绍了[11]中的结果和Lyapunov指数与预先作品的关系的概述。在[8]之后，一个人可以考虑与l和µ相关联，两个相关的程序：一个用x n，n∈N表示，在射影空间p（c k）上取值；另一个用ρn，n∈N表示为d k（其中d k是一组密度运算符）。自然过渡概率在[8]中定义。分析这两个过程的ergodic属性时，φ-erg属性和纯化特性起着重要作用（请参见第6节）。在这里，我们考虑了第8节中通道的量子熵的概念，该概念最初在[3]中介绍。这表明引入的概念是自然的。对于固定的µ和一般L，在[11]中提出了熵的自然概念（请参阅未来第3节），以便在这种情况下开发吉布斯形式的版本。在[11]中的示例8.5中也介绍了某个通道（与固定马尔可夫链有关），其中使用该定义获得的值与熵的经典值相吻合。熵的这种定义是对论文[3]，[5]和[4]的概念的概括。这种特殊形式的定义熵在某种程度上是受[28]的结果启发的，该结果考虑了迭代功能系统。我们称[11]中示例8.5中描述的示例在量子信息中的Markov模型中称为示例。这是我们第8节中考虑的主要例子。
![研究论文 [ 18 F]FDG 摄取的早期变化可作为 HER-2 阳性癌症异种移植中 PI3K/Akt/mTOR 靶向药物的读数](/simg/6\68e7ce878701cb93111dd957e4492949599c9d26.webp)
研究论文 [ 18 F]FDG 摄取的早期变化可作为 HER-2 阳性癌症异种移植中 PI3K/Akt/mTOR 靶向药物的读数
我们研究了 [ 18 F]FDG PET 作为 PI3K 通路靶向治疗反应生物标志物在两种 HER-2 过表达癌症模型中的潜在用途。方法 . CD-1 裸鼠接种 HER-2 过表达的 JIMT1（曲妥珠单抗耐药）或 SKOV3（曲妥珠单抗敏感）人类癌细胞。动物接受曲妥珠单抗、依维莫司（mTOR 抑制剂）、PIK90（PI3K 抑制剂）、生理盐水或联合疗法治疗。在治疗开始后、治疗开始后两天和七天进行 [ 18 F]FDG 扫描。在 CT 图像上勾画肿瘤，并计算相对肿瘤体积 (RTV) 和最大标准化摄取值 (SUV max )。用 ELISA 测定蛋白质肿瘤裂解物上的 pS6 和 pAkt 水平。结果。在 SKOV3 异种移植瘤中，所有治疗方案均导致 RTV 和 delta SUV max（ΔSUV max）逐渐下降。对于所有治疗方案，2 天后的 ΔSUV max 可预测 7 天后的 RTV（r = 0:69，p = 0:030）。在 JIMT1 肿瘤中，依维莫司或 PIK90 单药治疗在治疗 7 天后导致 RTV（分别为 -30%±10% 和 -20%±20%）和 ΔSUV max（分别为 -39%±36% 和 -42%±8%）下降，但不会提前下降，而曲妥珠单抗与对照组相比导致不显着的增加。联合疗法在第 2 天就已导致 RTV 和 Δ SUV max 下降，但曲妥珠单抗 + 依维莫司除外，在该疗法中观察到早期反应。对于所有联合治疗，2 天后的 Δ SUV max 可预测 7 天后的 RTV (r = 0.48，p = 0.028)，但当排除与依维莫司 (r = 0.59，p = 0.023) 或曲妥珠单抗 (r = 0.69，p = 0.015) 联合使用时，相关性可以得到改善。结论。2 天后 [18 F]FDG 的降低与治疗 7 天后的肿瘤体积变化相关，并证实了使用 [18 F]FDG PET 作为早期反应生物标志物的效果。然而，由于负反馈回路和不同通路之间的串扰导致[ 18 F]FDG 摄取暂时增加，含有曲妥珠单抗或依维莫司的方案中的治疗反应可能被低估。
正电子发射断层扫描中的人工智能
智能手机、智能家居、智能导航等都是人工智能（AI）在日常生活中的重要应用。人工智能最早出现于20世纪50年代，随着对它的认识和重新定义，人工智能逐渐被提出。目前，人工智能被定义为研究和开发用于模拟、扩展和增强人类智能的理论、方法、技术和应用系统的一门新技术科学（1）。我们目睹了人工智能的快速发展，其在医疗保健，特别是医学图像处理和分析方面的研究和应用方兴未艾。与更易于获取且采集过程更容易标准化的计算机断层扫描（CT）和磁共振成像（MRI）相比，正电子发射断层扫描（PET）更昂贵、获取范围更广，其更复杂的技术操作过程给标准化图像采集带来了困难。虽然AI在PET领域的研究和应用进展相对较慢，但由于PET作为分子影像的重要领域，AI在PET成像领域的应用正受到广泛的关注，成为研究热点。在技术层面，针对不同厂家、不同仪器型号、不同成像技术的PET扫描仪在成像过程中参数和质量的差异性，开展了图像后处理研究，包括图像标准化、归一化、小波变换、高斯变换、特征预处理等。AI赋能的分割技术进一步提高了AI特征的稳定性和AI研究的可重复性（2、3）。为了满足临床应用的需求，通过深入挖掘图像特征，结合人群和临床证据，构建机器学习模型，PET 中的 AI 已被开发用于病变检测和边界描绘、诊断和鉴别诊断、风险预测和预后评估，甚至预测临床基因或分子分型（ 1 , 4 – 7 ）。本研究主题包括 11 篇出版物，强调了 AI 如何支持 PET 图像处理和分析。最近，许多研究小组一直致力于将 AI 用于 PET 图像解释，例如病变检测。Kawakami 等人应用对象深度学习 (DL) 检测模型 You Only Look Once Version 2 (YOLOv2) 来检测 18 F-FDG PET 中的生理和异常摄取。）。）。结果表明，MIP 图像上的生理摄取被快速准确地识别（Kawakami 等人。YOLOv2 检测到的异常摄取与手动识别的覆盖率较高（Kawakami 等人。精确的检测和快速的反应将成为疾病诊断的有用工具。最大标准化摄取值 (SUVmax) 是解释图像和评估的最常用参数
VLSI设计中的机器学习：全面评论
监督的学习算法从标记的数据集中学习，重点是调整模型的参数并创建一个推断功能，该功能将输入映射到具有最小化预测错误的输出。监督模型从一对输入向量和相应的目标值中学习。存在两种主要类型的监督学习，分类和回归。分类算法将输入向量分配给预定义的类别或类。分类是二进制分类（两个目标类别）或多类分类（多个类别）。重新研究算法的重点是预测连续数值。存在各种回归算法，每个回归算法都满足了不同的需求。线性回归（LR）推测特征与目标之间的线性关联。多项式恢复（PR）通过多个数字函数捕获非线性关系。决策树（DT）基于最重要的属性将数据集递归将数据集分为子集中，从而创建了导致平均预测的树结构。随机森林（RF）是一种合奏方法，它可以组合多个决策树以提高预测准确性。超树或极为随机的树是另一种合奏方法，它构建了具有随机特征分裂的决策树。支持向量回归器（SVR）旨在找到一个超平面，该超平面使预测误差最小化，同时允许公差范围。k-nearest邻居（KNN）是一种非参数算法，通过平均其k-nearealt邻居的值来预测tar-获取值。幼稚的贝叶斯回归剂（NBR）依赖于概率原则。梯度提升（GB）通过组合多个弱决策树模型并通过将每个树拟合到先前树的残余误差来构建模型来构建模型。列表仍然很广泛，存在尚未包括在内的其他方法和神经网络算法。[7] [8] [9] [3] [10] [6]一个模型在为看不见的数据提供准确的预测时表现出良好的概括能力。如果Inferred模型过于简单，并且预测训练集的价值不准确，则可能会涉及培训数据的拟合。另一方面，当培训数据不足时，我们有可能在模型对训练集产生良好的预先指示的情况下，但在面对新数据时会失败，然后该模型具有较低的概括能力。作为一种态度，至关重要的是要达到模型复杂性的平衡，并在图3中所示的拟合和过度合适之间找到一个平衡的位置。
量子 - NPL 出版物
执行摘要 与基于数字位（取值 0 或 1）的传统计算截然不同，量子计算机的量子位 (qubits) 可以同时处理位值 0 和 1。利用这种能力，多个相互作用的量子位可以表示大量信息；与传统计算机相比，量子处理器中可以同时共存的二进制数呈指数级增长。即使面对摩尔定律（传统计算机的性能每隔一两年翻一番），仅几百个量子位的大规模纠缠量子态的复杂性就很容易超越传统信息处理的能力。大规模量子计算机的运行速度有可能比当今最先进的超级计算机快数百万倍 [1]。利用量子计算能力的国家将能够彻底改变医疗保健、通信、金融服务和交通运输等众多行业。了解量子计算对于维护国家安全以及商业和私人网络安全也至关重要，因为量子计算机可以破解基于大数分解的传统加密方法。这是全世界公认的事实。美国众议院科学、空间和技术委员会在 2018 年 9 月 13 日的一份声明中写道：“在量子计算领域取得全球领导地位将带来军事和情报优势，以及竞争优势，许多人预计未来几十年这个行业将成为一个庞大的产业。”当天，众议院一致通过了《国家量子计划法案》，将投资 12 亿美元用于一项计划，其中三分之一由美国国家标准与技术研究所 (NIST) 实施。目前，两种技术平台是实现大规模量子计算机的主要候选者：离子阱和超导量子比特，它们各有优缺点。虽然英国国家量子技术计划迄今为止优先考虑离子阱平台，但其他国家（美国、大多数欧洲国家、中国、俄罗斯、加拿大、日本）也分散了对两个平台的投资。大多数商业公司（例如 IBM、谷歌、英特尔、Rigetti、D-Wave、阿里巴巴）专门开发超导处理器。SQC 不再仅仅属于基础研究领域，而是成为了一场工程竞赛。有人将其比作过去的太空竞赛。近年来，基于超导芯片的量子计算机的成熟速度甚至超过了最大胆的专家预测。如今，规模相对较小但不太实用的超导量子计算机可以在网上供所有人使用。更大、功能更强大的超导处理器正在实验室中进行测试。由于量子计算对军事和安全的影响，一旦这些大规模量子计算机在不久的将来面世，就期望获得不受限制的访问权限，这种期望未免过于自满。多快呢？量子霸权，即超导量子计算机能够比最先进的传统超级计算机更快地解决特定问题，很可能在 2020 年之前实现，有些人甚至预测今年就能实现！英国科学家在超导领域做出了关键贡献。最近，我们还成功吸引了许多来自国外的 SQC 顶尖研究人员。多年来，我们的工程师已经创建了足以推动 SQC 发展的低温、纳米制造、软件和电子技术基础。NPL 的 SQC 测试和评估能力处于世界领先地位。本文的主要结论是，我们相信在国际舞台上，超导技术已经成熟到英国将其国家专业知识和设施整合在一起进行协调活动的水平。如果决定资助一个以生产工程系统为基础的重点管理项目，我们相信这将能够为英国提供最高水平的超导量子计算能力。
量子 - NPL 出版物
执行摘要 与基于数字位取值为 0 或 1 的传统计算截然不同，量子计算机的量子位 (qubits) 可以同时处理位值 0 和 1。利用此功能，多个相互作用的量子位可以表示大量信息；与传统计算机相比，量子处理器中可以同时共存的二进制数呈指数级增长。即使面对摩尔定律（传统计算机能力每隔一两年翻一番），仅几百个量子位的大规模纠缠量子态的复杂性也很容易超越传统信息处理的能力。大规模量子计算机的运行速度有可能比当今最先进的超级计算机快数百万倍 [1]。利用量子计算能力的国家将能够彻底改变广泛的行业，包括医疗保健、通信、金融服务和交通运输。了解量子计算对于维护国家安全以及商业和私人网络安全也至关重要，因为量子计算机可以破解基于大数分解的传统加密方法。这是全世界都认可的。“量子计算的全球领导地位带来了军事和情报优势，以及许多人预计未来几十年将成为一个庞大产业的竞争优势，”美国众议院科学、空间和技术委员会在 2018 年 9 月 13 日的一份声明中写道，当天众议院一致通过了《国家量子计划法案》，投资 12 亿美元用于一项计划，其中三分之一由美国国家标准与技术研究所 (NIST) 实施。目前，两种技术平台是实现大规模量子计算机的主要候选者：捕获离子和超导量子比特，每种技术都有其优点和缺点。虽然英国国家量子技术计划迄今为止优先考虑离子阱平台，但其他国家（美国、大多数欧洲国家、中国、俄罗斯、加拿大、日本）也分散了对两个平台的投资。大多数商业公司（例如IBM、Google、Intel、Rigetti、D-Wave、阿里巴巴）专门开发超导处理器。SQC 不再仅仅属于基础研究领域，而已成为一场工程竞赛。有些人将其比作过去的太空竞赛。多快？近年来，基于超导芯片的量子计算机日趋成熟，其速度甚至超过了最大胆的专家预测。如今，相对较小但不太实用的超导量子计算机已在网上向所有人开放。更大、性能呈指数级增强的超导处理器正在实验室中进行测试。由于量子计算的军事和安全影响，一旦这些大规模量子计算机在不久的将来面世，就不能指望获得不受限制的访问权限。量子霸权很可能在 2020 年之前实现，即超导量子计算机能够比最先进的传统超级计算机更快地解决特定问题，有些人甚至预测今年就能实现！英国科学家为超导领域做出了关键贡献。最近，我们还成功吸引了许多来自国外的 SQC 顶尖研究人员。多年来，我们的工程师已经创建了足以推动 SQC 发展的低温、纳米制造、软件和电子技术基础。NPL 的 SQC 测试和评估能力处于世界领先地位。本文的主要结论是，我们认为，在国际舞台上，超导技术已经成熟到英国将其国家专业知识和设施整合在一起进行协调活动的水平。如果决定资助一个基于生产工程系统的重点管理项目，我们相信这将能够以最高的期望水平为英国提供超导量子计算能力。
利用组合规范对称性构建非阿贝尔量子自旋液体
非阿贝尔拓扑态是量子物质最显著的形式之一。这些系统中准粒子激发的交换以简并多体态空间中的非交换幺正变换为特征，即这些准粒子具有非阿贝尔编织统计 [ 1 , 2 ]。理论上预测非阿贝尔态可以描述某些分数量子霍尔 (FQH) 态 [ 3 – 6 ]。Kitaev 的蜂窝自旋液体模型 [ 7 ] 是另一个例子；它在磁场中表现出非阿贝尔相，激发具有 Ising-anyon 统计。实现物质非阿贝尔拓扑态的更一般系统类是 Kitaev 的精确可解量子双模型 [ 8 ]，其中特定状态由选择链接（或规范）自由度取值的非阿贝尔群决定。在实验系统中实现量子双模型的一个障碍是，它们以群元素表示的自由度之间的多体相互作用来写，而不是物理自由度，如自旋或电荷。要通过实验实现量子双模型，需要设计具有一体和两体相互作用的母哈密顿量。参考文献 [ 9 , 10 ] 和 [ 11 ] 在这方面做出了显著的努力。参考文献 [ 9 , 10 ] 的量子双实现中的局域规范对称性是涌现的，仅在理论的低能部分活跃（因此是微扰的）。另一方面，在参考文献 [ 11 ] 中，局域规范对称性是精确的，但不清楚哈密顿量是否像在参考文献 [ 9 ] 中那样在物理上可实现，其中提出了使用约瑟夫森结阵列的物理实现。本文的目标是开发一个框架来填补这两种方法的空白：我们设计一个具有精确局部非阿贝尔规范对称性的物理哈密顿量，仅使用可以在物理系统（如超导量子电路）中实现的 1 体和 2 体相互作用。该计划的关键在于将组合规范对称性 [ 12 ]（请参阅参考文献 [ 13 ]，其中深入介绍了阿贝尔理论的对称性原理，并附带了示例的分步构建）扩展为非阿贝尔理论。规范对称性内置于微观哈密顿量中，因此是精确的，而不是仅在低能量极限下出现。规范对称性在现实哈密顿量中是精确的，这扩展了拓扑相可能稳定的参数范围，从而提供了一种摆脱可达到能隙大小限制的方法。此外，该模型具有铁磁和反铁磁 ZZ 相互作用，以及纵向和横向场。因此，自旋模型是自旋哈密顿量的明确实现，不存在符号问题，实现了非阿贝尔拓扑相。我们重点研究蜂巢格子上链接变量取四元数群 Q 8 内的值的量子双元组。我们用自旋-1/2 自由度表示 8 个四元数变量（ ± 1、± i、± j 和 ± k）。我们将在蜂巢格子的每个链接中使用 4 个“规范”自旋，从而定义一个 16 维希尔伯特空间，我们将其分成偶数和奇数宇称态两组，并使用 8 个偶数宇称态来表示 8 个四元数。该构造使用链接上的“物质”自旋来分裂偶数和奇数宇称态，并在位置上强制三个四元数变量相乘为恒等式（“零通量”条件）。最后，我们给出具有相同非阿贝尔组合规范对称性的超导量子电路。在超导导线很小的极限情况下，电压偏置经过调整，使得每根导线中都倾向于两个近乎简并的电荷态，系统将成为文献 [ 14 ] 中引入的 WXY 模型的非阿贝尔推广。在这种情况下，问题中剩余的能量尺度是约瑟夫森耦合，如果系统（具有组合规范对称性）有间隙，则非微扰间隙必然是这个尺度的数量级。