XiaoMi-AI文件搜索系统
World File Search System态下
意识改变状态下大脑中枢的重组
跨大脑区域分布的功能相互作用模式被认为为有意识的信息处理提供了支架，在意识丧失时观察到明显的拓扑变化。然而，要在宏观尺度的大脑网络组织和有意识的认知之间建立牢固的联系，需要直接研究意识系统性减弱过程中神经心理学相关的结构修改。在这里，我们评估了一组健康参与者在基线静息状态 fMRI 以及两种不同水平的丙泊酚诱导镇静下的脑图整体和区域干扰。我们发现了一种持久的模块化架构，但构成更广泛的富人俱乐部集体一部分的大脑中枢发生了显著的重组。此外，富人俱乐部连接强度的降低与参与者在语义判断任务中的表现显着相关，表明这种高阶拓扑特征对有意识认知的重要性。这些结果强调了大脑功能相互作用的整体和区域特性在支持有意识认知方面的显著相互作用，这与我们对意识临床障碍的理解有关。
prosaposin在与深度静止有关的状态下保持成年神经干细胞
在大多数脊椎动物中，成年神经干细胞（NSC）连续产生离散大脑区域的神经元。在成人大脑中长时间长时间进行NSC池的关键过程是NSC静止，这是一种可逆且严格调节的细胞周期停滞状态。最近，鉴定出溶酶体以调节NSC静止增殖平衡。然而，无论是溶酶体活性促进NSC增殖还是静止，并且在NSC静止持续时间或深度上仍然无法探索溶酶体活性的影响。使用RNA测序和药理操作，我们表明溶酶体对于NSC静止率是必需的。此外，我们揭示了编码溶酶体调节剂prosaposin的PSAP的表达富含静态的NSC（QNSC）（QNSC），这些NSC（QNSC）位于NSC谱系上游，并在成人Zebrafilefla-file filla-file sh-telen-Cephalon中显示出深/长的静态阶段。我们表明，shRNA介导的PSAP敲低增加了活化的NSC（ANSC）的比例以及驻留在较浅的静止状态（由ASCL1A和Deltaa表达）中的NSC。总的来说，我们的结果将溶酶体蛋白PSAP确定为（直接或间接）静止调节剂，并展现溶酶体功能与NSC静态异质性之间的相互作用。
持续诱导自噬可提高蝾螈细胞在长期饥饿状态下的存活率
蝾螈表现出极强的抗饥饿能力，这让它们能够在自然栖息地中忍受长时间的无食物状态。虽然自噬（一种涉及进化上保守的蛋白质的过程）有助于在食物匮乏的情况下生存，但它如何导致蝾螈细胞极端的抗饥饿能力仍未被探索。我们的研究使用了蝾螈物种 Pleurodeles waltl，结果表明蝾螈初级成纤维细胞在长期细胞饥饿期间保持恒定的自噬激活。与正常哺乳动物成纤维细胞不同（在急性饥饿期间自噬体形成会增加，但在长时间后会回到基线水平），蝾螈细胞在自噬开始 4 天后仍保持较高的自噬体数量，超过在营养丰富条件下观察到的水平。与营养丰富和饥饿状态下的哺乳动物细胞相比，独特的 P. waltl mTOR 直系同源物均表现出降低的溶酶体定位。然而，蝾螈细胞在饥饿条件下表现出 mTOR 底物的去磷酸化，类似于哺乳动物细胞。这些观察结果表明，蝾螈可能已经进化出一种独特的系统来平衡看似相互冲突的因素：高再生能力和饥饿期间自噬介导的生存。
HRS 状态下零变异性电阻式 RAM 的设计考虑
摘要 — 电阻式 RAM (RAM) 固有的可变性被广泛认为是广泛采用该技术的主要障碍。此外，我们越深入高阻状态 (HRS)，可变性就越高。在此背景下，本文提出了电路级设计策略来减轻 HRS 的可变性。在 RESET 操作期间，编程电流受到严格控制，同时调节 RRAM 单元两端的电压。从设计的角度来看，写入终止电路用于不断感测编程电流并在达到首选 RESET 电流时停止 RESET 脉冲。写入终止与电压调节器相结合，可严格控制 RESET 电压。本文首先回顾了 RRAM 可变性现象。然后，开发了一种优化的编程方案来控制 HRS 状态以接近零可变性。与经典的固定脉冲编程方案相比，可变性降低了 99%。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
迷幻药 5-MeO-DMT 诱导小鼠在清醒状态下进入类似睡眠状态
。CC-BY-NC-ND 4.0 国际许可证永久有效。它是在预印本（未经同行评审认证）下提供的，作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权持有者于 2024 年 11 月 27 日发布了此版本。；https://doi.org/10.1101/2022.12.11.519886 doi：bioRxiv 预印本
在任意极化状态下受控全息图
可重编程的元图在物理和信息域之间建立了一个引人入胜的桥梁，可以实时控制电磁（EM）波，因此吸引了世界各地的研究人员的注意力。要控制具有任意极化状态的EM波，希望独立控制一组基集状态，因为具有任意极化状态的入射EM波可以分解为这些基础状态的线性总和。在这项工作中，我们介绍了反射性仪式的完整基础可抵制编码元表（CBR-CM）的概念，该概念可以实现对反射阶段的独立动态控制，同时维持左手圆形极化（LCP）的幅度相同的振幅，并保持相同的振幅。由于LCP和RCP波共同构成了平面EM波的完整基集，因此可以在任意极化波发生率下生成动态控制的全息图。实现了动态可重构的元粒子，以证明CBR-CM在LCP和RCP波下独立控制全息图的纵向和横向作用的强大能力。预计拟议的CBR-CM可以通过多个独立的信息渠道来实现更复杂和高级设备的方法，这可能会为数字EM环境复制提供技术帮助。
超冷冻或解冻状态下辉瑞 Comirnaty® COVID-19 疫苗的运输角色执行活动：
o 需要配备干冰个人防护设备和经过培训的干冰处理人员。 o 通过飞机运输过量干冰时，需要提供危险品运输认证（HAZMAT 9 级-UN1845）。可能需要咨询加拿大交通部以帮助确定干冰负载是否过量。 o 只要货物中不包含其他危险品，通过地面运输干冰时无需提供危险品运输认证。 • 确保接收地点拥有适当的辅助用品和员工教育/信息材料，以支持疫苗的储存和管理。注意：以下网站提供教育材料和资源： 辉瑞：https://www.cvdvaccine.ca/ SHA：面向医疗服务提供者的 COVID-19 疫苗信息 • 确保每个接收地点都有患者疫苗讲义，包括疫苗说明书和疫苗筛查问题。 • 与每个接收地点清楚地沟通疫苗交付的确切时间，以确保他们做好准备。 3. 超低温状态下运输辉瑞 Comirnaty® 的指南（-90 ˚C 至 -60 ˚C） • 只允许在超低温状态下运输一整托盘/整箱疫苗（即，不要重新包装疫苗并运输单独的小瓶）。
使用双峰胸部电子纹身和多级处理来测量运动状态下的心脏时间间隔
摘要 — 目标：我们提出了一种轻薄、柔软、可贴合胸部的双模传感器，即胸部电子纹身，它结合了先进的信号处理框架，可准确识别各种心脏事件，从而即使在身体运动期间也能提取心动时间间隔。方法：我们制作了一个无线电子纹身，具有同步心电图 (ECG) 和心震图 (SCG) 功能。SCG 可测量因心跳引起的胸部振动，提供与 ECG 互补的心血管健康信息。然而，运动引起的伪影会影响 SCG 的功效。电子纹身采用轻薄且有弹性的设计，可将其策略性地放置在剑突附近，便于对 ECG 和 SCG 进行高质量监测，从而提高信号质量。九名参与者在步行和骑自行车时接受了测量。我们提出了一个多级信号处理框架，集成了自适应归一化最小均方 (NLMS) 滤波器、集合平均和经验模态分解 (EMD)，统称为 FAD 框架，以准确提取心脏时间间隔 (CTI)。结果：关键 CTI，尤其是左心室射血时间 (LVET)，被我们的硬件软件系统成功提取，并且即使在大量运动期间也与 FDA 批准的患者监测仪报告的结果高度一致。电子纹身测量的射血前期 (PEP) 也与先前的研究结果一致。结论：双峰胸部电子纹身与 FAD 框架相结合，可在长时间内实现可靠的 CTI 测量