XiaoMi-AI文件搜索系统
World File Search System受试者
用于跨受试者运动想象辨别的选择性多源域自适应网络
摘要 — 使用基于脑电图 (EEG) 的脑机接口 (BCI) 来区分运动想象是一项挑战，因为它涉及大量的数据采集阶段，需要用户付出大量的努力。为了解决这个问题，一种方法是使用无监督域自适应，其中使用来自多个受试者的数据构建分类模型，并且仅使用来自目标用户的未标记数据进行模型校准。然而，由于来自运动想象的大脑模式因人而异，因此在使用多个受试者构建分类模型时必须考虑每个受试者的可靠性。因此，在本文中，我们提出了 Selective-MDA，它对每个源受试者执行域自适应，并根据它们的域差异有选择地限制影响。为了评估我们的方法，我们使用两个公共数据集 BCI 竞赛 IV IIa 和自动校准和循环自适应数据集来评估我们的结果。我们通过比较基于差异度量选择不同数量的源域时的判别性能来进一步研究源选择的影响。我们的结果表明，Selective-MDA 不仅将多源域适应性融入跨受试者运动意象辨别，而且还突出了在使用来自多个受试者的数据进行模型训练时源域选择的影响。
学生参与受试者。 ...
▪如果布朗女士的学生希望自己的兔子拥有尽可能多的空间，笔的每一侧都会有多长时间？▪如果笔的每一侧只有16英尺的围栏？▪您将如何确定任何围栏的空间最多的笔？组织您的工作，以便其他阅读它的人都可以理解它。（Lithner，2017年）考虑了一个问题的两个版本，其中使用匹配项构建了一排正方形。为例，构造了4个正方形，如下所示
在受到创伤的受试者中检测认知疲劳...
由于其复杂的性质，从fMRI数据中理解认知状态尚未全面提高。在这项工作中，理解TBI患者认知疲劳的问题已被提出为多类分类问题。我们使用卷积和LSTMS作为提取空间特征并建模fMRI扫描的4D性质的构建块构建了时空编码器模型。为了学习数据和条件的更好表示，我们使用了一种称为“对比学习”的自我监督的学习技术，用公共数据集Bold5000预先介绍了我们的编码器，并进一步微调了我们的标签数据集来预测认知疲劳。此外，我们提供了一个fMRI数据集，该数据集包含创伤性脑损伤（TBI）患者和健康对照组（HCS）的扫描，同时执行一系列标准化的N-BACK认知任务。此方法建立了一种最新技术，可以分析fMRI数据中的认知疲劳，并击败以前的方法，以不同的方式解决这一问题。此外，我们的模型进行原始fMRI扫描的能力（直接从扫描仪输出的伪影的嘈杂图像）消除了实现根据所使用的扫描仪而变化的手动信号处理管道的需求。最后，我们研究了促成CF的不同大脑区域的影响。所提出的技术在此数据集上优于最先进的方法的13％以上。
葡萄糖脂质代谢改善葡萄糖耐量受损受试者的饮食饮食：一项随机平行临床试验
结果：2小时的餐后血糖，糖基化的血红蛋白，胰岛素抵抗指数，总胆固醇，低密度脂蛋白胆固醇，体重指数，腰围，腰围，收缩压和舒张压血压在干预后的介入显着降低。相比之下，高密度脂蛋白胆固醇高于干预前，并且在统计学上很重要（p <0.05）。随访1年后，对照组的糖基化血红蛋白和体重指数高于干预前，并且在统计学上是显着的（p <0.05）。2小时的餐后血糖，糖基化的血红蛋白，胰岛素抵抗指数，体重指数和藜麦组的平均舒张压在统计学上显着低于对照组，而高密度脂蛋白胆固醇较高（p <0.05）。藜麦组参与者的转化率（7.8％）在统计学上显着低于对照组（20.3％）（χ2= 12.760，p = 0.002）。逻辑回归分析表明，藜麦消耗是防止糖尿病进展的保护因素（p <0.05）。
i‐Share‐Bordeaux 研究中健康年轻受试者的视网膜神经层厚度与脑成像的关联
图 3 森林图显示视网膜层与平均扩散率之间的关联。框代表系数，水平线代表 95% 置信区间（未校正）。视乳头周围 RNFL（蓝色）。GC-IPL（红色）。GCC（绿色）。根据性别、年龄、眼轴长度、脉压、体重指数、吸烟状况和颅内总容量调整的多元线性回归模型。负 β 系数对应于平均扩散率的降低和 WM 微结构完整性的改善，视网膜亚层厚度每增加一个标准差。FDR，错误发现率。*对数转换结果：出于演示原因，系数和置信区间的比例有所变化。区域中的二分视网膜层：小脑中脚、小脑下脚的 ppRNFL；穹窿脊或终纹的 ppRNFL 和 GCC。
健康成人受试者的RGT-075的首次人类研究RGT-075是一项新型，口服生物利用的小分子GLP-1受体激动剂
胰高血糖素样肽-1受体激动剂（GLP-1 RAS）是一种良好且有效的降糖剂，用于治疗2型糖尿病患者（T2DM）。迄今为止，所有由市场授权的GLP-1 RA都是肽，只有一个口服。RGT-075是一种新型的，口服的生物利用，小分子GLP-1 RA，在T2DM动物模型中显示出治疗潜力。进行了调查健康成人志愿者的单一口服口服RGT-075（15-280 mg）的安全性，耐受性和药代动力学，进行了1期，随机，双盲，安慰剂对照研究的研究。七个同龄人的8个受试者被招募并随机分配给RGT-075或匹配的安慰剂（每个队列6个活性/2个安慰剂）。血浆和尿液样品，并分析RGT-075浓度。
患有和没有代谢综合征的受试者之间长期心率变异性的差异：系统评价和荟萃分析
1瓦伦西亚大学生理学系，西班牙瓦伦西亚46010； jourguz @ alumni.es（J.E.O.-G.）;转换。 ）; 2西班牙瓦伦西亚大学UBIC研究小组；科学，CEU Cardinal Herrera，西班牙瓦伦西亚46115； （O.J.A.-M。）; （A.B.） 瓦伦西亚大学医院卫生研究所（包括），瓦伦西亚大学医学系，西班牙瓦伦西亚46010； 5 Biom中心;电话。 ： +34-9639838531瓦伦西亚大学生理学系，西班牙瓦伦西亚46010； jourguz @ alumni.es（J.E.O.-G.）;转换。）; 2西班牙瓦伦西亚大学UBIC研究小组；科学，CEU Cardinal Herrera，西班牙瓦伦西亚46115； （O.J.A.-M。）; （A.B.）瓦伦西亚大学医院卫生研究所（包括），瓦伦西亚大学医学系，西班牙瓦伦西亚46010； 5 Biom中心;电话。： +34-963983853
使用对抗性条件变异自动编码器 /作者= kojima，keisuke的二维自由形式的逆设计； Toshiaki的Koike-Akino；王，你们； Jung Minwoo;品牌，Matthew /CreationDate = 2023年1月31日 /受试者=人工智能，电子和光子设备，机器学习< /div>
使用对抗性的条件变量自动编码器Keisuke Kojimaa，Toshiaki Koike-Akinob，Ye Wangb，Minwoo Jungb，C，C和Matthew BrandB BrandB Aboston Quantum Photonics Llc，588 Bost Post rd＃315， Bmitsubishi电力研究实验室，201号百老汇，马萨诸塞州剑桥市02139，美国cdepartment of Adryics，康奈尔大学，纽约州伊萨卡，纽约州14853，美国。abract用于元设计和元城的逆设计，已经广泛探索了生成的深度学习。大多数作品都是基于条件生成的对抗网络（CGAN）及其变体，但是，选择适当的超级参数以进行有效的训练很具有挑战性。另一种方法是一种对抗性的条件变化Au-Toencoder（A-CVAE），尚未探索Metagrats和MetaSurfaces的逆设计，尽管最近它对Planar Nananophotonic vaveguide wavelguide Power/波长偏开剂的平面设计表现出了很大的希望。在本文中，我们讨论了如何将A-CVAE应用于二维自由形式的Metagratings，包括培训数据集准备，网络的构建，培训技术以及反向设计的元群的性能。
饮食补充对患有糖尿病前期受试者的2型糖尿病进展的影响：单个中心随机双盲安慰剂对照试验
结果：研究总共包括47名参与者（PL，n = 16； CFD，n = 15; CF，n = 16）。在24周的随访中，干预组中血糖状况恶化的参与者分别为14.29％，13.33％和31.25％。然而，在排除研究中排除先前的糖尿病时，主要结果，血糖状态的进展是统计上不同的，p-值= 0.046（p <0.05）。以及24周随访时2型糖尿病的发生率在三组之间在统计学上不同，14.29％，13.33％和12.5％，p-值= 0.699（p <0.05）分别在CFD，CF，CF，PL组中。次要结果也未能证明饮食补充剂对血糖，脂质纤维纤维，体重，BMI和血液化学的影响。
接受网络治疗的受试者的长期糖尿病发病率
摘要：背景：需要行为计划来预防和治疗 NAFLD，而基于网络的干预 (WBI) 对肝病生物标志物的有效性与基于标准群体的干预 (GBI) 相似。目的：我们旨在测试这两个计划对糖尿病发病率的长期有效性，糖尿病发病率是 NAFLD 进展的常见结果。方法：对 546 名 NAFLD 患者（212 名 WBI，334 名 GBI）进行了长达 60 个月的随访，并定期进行 6 至 12 个月的医院就诊。这两个队列在社会人口统计学和临床数据方面存在差异。多年来，这两个队列的平均 BMI 均下降，在随访病例中，24.4% 的患者下降了 5% 或更多，16.5% 的患者下降了 10% 或更多。排除 183 例入选时患有糖尿病的病例后，随访期间新诊断出 48 例糖尿病（GBI 队列中有 31 例（入选时无糖尿病的病例中有 16.6%），而 WBI 中有 17 例（9.7%）；p = 0.073）。两组患糖尿病的时间相似（自入选以来平均为 31 ± 18 个月）。在多变量回归分析中，糖尿病发病率与糖尿病前期（比值比 (OR) 4.40；95% 置信区间 (CI) 1.97–9.81；p < 0.001）、体重变化百分比（OR 0.57；95% CI 0.41–0.79；p < 0.001）和高等教育（OR 0.49；95% CI 0.27–0.86；p = 0.014）显着相关，而其他基线社会人口统计、行为和临床数据以及干预类型则没有影响。对完成随访的个体进行的敏感性分析证实了体重变化对糖尿病发病率的重要性。结论：对于 NAFLD 患者，WBI 对糖尿病的长期风险与 GBI 一样有效，因为对体重变化的结果相似。