XiaoMi-AI文件搜索系统
World File Search System新思路
P300 脑机接口拼写器的进展
脑机接口（BCI）是一种非肌肉通信技术，为大脑和外部设备提供信息交换通道。几十年来，BCI取得了显著进展并被应用于许多领域。最传统的BCI应用之一是BCI拼写器。本文主要讨论P300 BCI拼写器的研究进展，并回顾了四类P300拼写器：单模态P300拼写器、基于多种脑模式的P300拼写器、具有多感觉刺激的P300拼写器和具有多种智能技术的P300拼写器。对于每一类P300拼写器，我们进一步回顾了几种具有代表性的P300拼写器，包括它们的设计原理、范式、算法、实验性能和相应的优势。我们特别强调了范式设计思想，包括整体布局、单个符号形状和刺激形式。此外，还确定了P300拼写器的几个重要问题和研究指导。希望本综述能帮助研究人员了解这些新型P300拼写工具的新思路，提升其实际应用能力。
基于决策认知计算的帕金森病轻度认知障碍探索研究
帕金森病轻度认知障碍（PD-MCI）作为帕金森病痴呆的独立危险因素，对预测PD患者痴呆具有预后价值。研究发现，认知功能决策的计算可以更好地评估PD-MCI的认知功能。因此，本研究探讨了PD-MCI人群的决策认知功能缺陷，并通过自主设计的迷宫决策数字评估范式挖掘新的数字生物标志物以识别PD-MCI早期认知衰退。本研究包括30名健康对照者、37名认知正常的PD患者（PD-NC）和40名PD-MCI患者。通过差异比较和逐步回归分析，筛选出两个数字化决策生物标志物——总决策时间和操作平均加速度，其区分PD-MCI和PD-NC的能力的联合曲线下面积为0.909，区分PD-MCI和NC的能力的联合曲线下面积为0.942。此外，研究还发现迷宫数字化决策生物标志物对男性的预警效能大于女性。与传统方法不同，本研究利用数字化动态评估揭示PD-MCI人群中可能存在的决策认知缺陷，为有效筛查PD-MCI提供了新思路。
使用眼动追踪和机器学习在 iVR 学习环境中评估学习者表现
摘要 目前，由于眼动追踪技术的低侵入性及其与商用 iVR 头戴式显示器的集成，在沉浸式虚拟现实 (iVR) 学习环境中使用眼动追踪数据将成为最大化学习成果的有力工具。然而，在将数据处理技术推广到学习环境之前，应首先确定最合适的技术。在本研究中，提出了使用机器学习技术来达到此目的，评估它们对学习环境质量进行分类和预测用户学习表现的能力。为此，开发了一种模拟桥式起重机操作的 iVR 学习体验。通过这次体验，对 63 名学生在最佳学习条件和压力条件下的表现进行了评估。最终的数据集包括 25 个特征，主要是时间序列，数据集大小高达 50M 个数据点。结果表明，不同的分类器（KNN、SVM 和随机森林）在预测学习表现变化时提供了最高的准确率，而用户学习表现的准确率仍远未达到最佳水平，这为未来的研究开辟了一条新思路。本研究旨在为未来使用复杂的机器学习技术提高模型准确率奠定基础。
新兴药物正在进行的临床试验和预测
宫颈癌是癌症死亡的首要原因，发病率和死亡率均位居第四位。据报道，由于广泛的筛查和广泛的人乳头瘤病毒疫苗接种，过去几十年来宫颈癌的发病率和死亡率有所下降。然而，铂类化疗对晚期宫颈癌的生存率并没有显著改善。因此，迫切需要新的药物来提高治疗效果。随着分子生物学和基因组学的发展，靶向治疗研究取得了突破性进展，包括抗血管生成、免疫检查点抑制剂和其他对治疗宫颈癌有效的治疗方法。细胞凋亡是肿瘤进展的关键过程。诱导肿瘤细胞凋亡的药物被视为重要的治疗方式。此外，许多合成或来源于植物或微生物的新型化合物通过改变宫颈癌细胞的凋亡平衡表现出显著的抗癌活性。在这篇综述中，我们总结了用于治疗宫颈癌的新型靶向治疗药物正在进行的临床试验。进一步对临床前治疗效果提升的新型药物进行分类，并探讨旧药新用途及药物组合的应用前景，以期为研究者提供宫颈癌治疗的新思路。
更新的文献计量分析
近年来，眼科引起了科学界和临床界的广泛关注。全球老龄化人口中眼科疾病的数量正在增加。在许多情况下，通过早期发现和及时采取行动可以预防失明。自 2016 年发表了几篇关于使用深度学习筛查糖尿病视网膜病变 (DR) 的开创性著作以来，人工智能研究，尤其是深度学习，在眼科领域蓬勃发展 (6-8)。眼科诊断很大程度上依赖于影像检查。随着光学相干断层扫描 (OCT) 和眼底照相的广泛应用，基于人工智能的深度学习方法可以快速、无创地评估大量图像数据集并识别、定位和量化疾病特征 (9-11)。最初，大多数眼科人工智能研究集中在后段疾病上，例如 DR、老年性黄斑变性 (AMD)、青光眼和早产儿视网膜病变 (ROP) (7,12,13)。近年来，人工智能在眼前节疾病及影像学方面的研究不断涌现（14-16）。基于图像识别的医疗辅助诊断系统有利于开展大规模人群疾病筛查，提高临床工作效率，为缓解医疗资源短缺提供新思路。此外，人工智能与远程医疗的结合，也正在成为解决医疗资源短缺的另一种可行方案（17）。
宫颈癌的抗PD-1时代
宫颈癌是女性三大妇科恶性肿瘤之一，成为全球重大健康挑战。虽然约90%的早期患者可以通过手术治愈，但晚期患者仍然需要新的治疗方法来提高疗效，尤其是复发和转移性肿瘤。抗PD-1是目前应用最广泛的免疫检查点抑制剂，它彻底改变了不同类型癌症的癌症治疗。派姆单抗已被批准用于R/M CC的二线治疗，但总体反应率约为15%。因此，多种类型的抗PD-1相继进入临床试验，并评估与化疗、靶向治疗和免疫治疗联合使用的疗效。同时，PD-1/CTLA-4双特异性抗体也用于宫颈癌的临床试验，结果显示优于抗PD-1单药治疗。此外，抗PD-1还被证明可以增敏放射治疗。因此了解当前抗PD-1的研究进展将更好地指导临床应用。本文综述了正在进行的抗PD-1单药和联合治疗宫颈癌的临床试验和已发表的研究，并讨论了联合治疗的潜在分子生物学机制，旨在为支持抗PD-1治疗宫颈癌的基础证据和联合免疫治疗的新思路提供新的见解。
肠肺轴在肺纤维化中的作用机制
肺纤维化（PF）是肺部疾病的终末改变，以肺泡上皮细胞受损、成纤维细胞异常增生转化、细胞外基质（ECM）过度沉积并伴有炎症损害为特征。其特点是中位生存期短、死亡率高、治疗效果有限。需要对PF的机制进行更深入的研究以提供更好的治疗选择。肠肺轴的概念是人们对微生物组、代谢组和免疫系统进行全面研究的结果。该理论以微生物及其代谢产物的物质基础为基础，而肠肺循环系统和共同的粘膜免疫系统作为促进胃肠道和呼吸系统相互作用的连接器。肠肺轴新观点的出现与PF机制研究相辅相成，为其治疗提供了新思路。本文就PF的发病机制、肠肺轴理论以及二者的相关性进行综述，从微生物、微生物代谢产物、免疫系统等角度探讨PF的肠肺轴机制及相关治疗。肠肺轴与PF的研究尚处于起步阶段，本综述系统性地总结了与肠肺轴相关的PF机制，为后续相关机制的研究及治疗提供思路。
DetToolChain：释放 MLLM 检测能力的全新提示范式
摘要。我们提出了一种新颖的提示范式 DetToolChain，以释放多模态大型语言模型 (MLLM)（例如 GPT-4V 和 Gemini）的零样本物体检测能力。我们的方法包括一个受高精度检测先验启发的检测提示工具包和一个用于实现这些提示的新思路链。具体来说，工具包中的提示旨在引导 MLLM 关注区域信息（例如放大）、根据测量标准读取坐标（例如叠加尺子和圆规）以及从上下文信息中进行推断（例如叠加场景图）。基于这些工具，新的检测思路链可以自动将任务分解为简单的子任务，诊断预测并规划渐进式框细化。我们的框架的有效性在一系列检测任务中得到了证明，尤其是在困难情况下。与现有的最先进方法相比，使用我们的 DetToolChain 的 GPT-4V 可将最先进对象检测器的 AP 50 在 MS COCO Novel 类集（用于开放词汇检测）上提高 21.5%，在 RefCOCO val 集（用于零样本指称表达理解）上提高 24.23%，在 D-cube 描述对象检测 FULL 设置上提高 14.5% AP。代码将在接受后发布。
CRISPR/Cas 基因组编辑技术用于改良植物以抵抗生物和非生物胁迫：进展、局限性和未来前景
摘要：杂交育种、诱变育种和传统的转基因育种需要花费大量时间来改善所需的特性/性状。CRISPR/Cas 介导的基因组编辑 (GE) 是一种改变游戏规则的工具，它可以在更短的时间内产生所需特性（例如生物和非生物抗性）的变异，提高质量和产量，并且易于应用、效率高、成本低，可以快速改良作物。植物病原体和恶劣的环境在世界范围内造成了相当大的农作物损失。GE 方法的出现为培育多种抗性作物品种打开了新的大门。本文，我们总结了 CRISPR/Cas 介导的 GE 在作物分子育种计划中抗生物和非生物胁迫的最新进展，其中包括修改和改进对真菌、病毒和细菌病原体引起的生物胁迫的基因反应。我们还深入讨论了 CRISPR/Cas 在植物非生物胁迫（除草剂、干旱、高温和寒冷）中的应用。此外，我们讨论了育种者使用转基因工具进行作物改良所面临的局限性和未来挑战，并提出了转基因农业应用未来改进的方向，为培育具有广泛抗生物和非生物胁迫能力的超级品种提供了新思路。
情报科学与技术课程
智能科学与技术是一门跨学科的研究领域，我们研究复杂的人类信息处理，并在对人类智能的理解基础上开发新技术。我们所说的“智能”并不单指“人工智能”，而是一个涵盖人类、系统和信息技术的智能方面的更广泛范围。更具体地说，我们的研究和教育活动重点包括（i）人类的基本机制，如生命、大脑、认知和行为，（ii）与语言、语音/听觉和视觉信息相关的信息媒体，以及（iii）与智能和信息学相关的广泛主题，如人与智能系统、人工智能和机器学习以及软件和网络之间的相互作用。我们的一个显着特点是将这些主题整合到一个独特的学科“智能科学与技术”下，尽管这些主题也在神经科学、心理学、工程学和计算机科学等不同的研究领域中进行研究。来自不同学术背景的教职员工和学生致力于合作，以实现这一共同目标。我们希望，在这个独特的学术环境中，许多年轻学生将参与这一激动人心的研究领域，解决复杂人类智能的奥秘，并为解决智能媒体和计算方面的挑战性问题开发新思路。我们的课程欢迎来自计算机科学和工程领域以外的各个领域的优秀学生。我们提供跨学科课程和研究项目。加入我们，享受令人兴奋的智力体验！