XiaoMi-AI文件搜索系统
World File Search System极其重要
具有超长肿瘤的 c-Met 靶向 F MRI 纳米粒子...
目的：准确检测结直肠癌肝转移 (CLM) 极其重要，CLM 是结直肠癌相关死亡的主要原因。具有高软组织分辨率的 1 H MRI 在诊断肝脏病变中起着关键作用；然而，由于灵敏度有限，通过 1 H MRI 精确检测 CLM 是一项巨大的挑战。尽管造影剂可以提高灵敏度，但由于其半衰期短，需要重复注射才能监测 CLM 的变化。在此，我们合成了 c-Met 靶向肽功能化的全氟-15-冠-5-醚纳米粒子 (AH111972-PFCE NPs)，用于高灵敏度和小 CLM 的早期诊断。方法：对 AH111972-PFCE NPs 的尺寸、形态和最佳性能进行了表征。通过体外实验和小鼠皮下肿瘤模型中的体内19F MRI研究验证了AH111972-PFCE NPs的c-Met特异性。在小鼠肝转移模型中评估了AH111972-PFCE NPs的分子影像实用性和肿瘤内长期滞留性。通过毒性研究评估了AH111972-PFCE NPs的生物相容性。结果：AH111972-PFCE NPs粒径为89.3±17.8 nm，形貌规则。AH111972-PFCE NPs表现出较高的特异性、较强的c-Met靶向能力以及在1H MRI中对CLMs，尤其是小的或边界不清的融合转移瘤的精确检测能力。此外，AH111972-PFCE NPs可在转移性肝肿瘤中超长滞留至少7天，有利于实施持续疗效监测。NPs副作用小，生物相容性好，主要通过脾脏和肝脏清除。结论：AH111972-PFCE NPs的c-Met靶向性和超长肿瘤滞留性将有助于增加转移部位治疗药物的蓄积，为CLM的诊断和进一步的c-Met靶向治疗整合奠定基础。这项工作为未来在CLM患者的临床应用提供了一个有前景的纳米平台。关键词：c-Met靶向，全氟碳，19F MRI，结直肠肝转移，精准检测
通过无线技术瞄准1 - Index Copernicus
美国军方正计划将夜视设备连接到武器瞄准具，预计该技术最早将于 2018 年投入使用。它将使得夜视设备能够连接到武器上的热瞄准器，这将有助于士兵在战斗中更快地识别和摧毁敌方目标。这些设备的初步生产（称为快速目标采集）预计将在未来几个月内开始。快速目标捕获系统结合了两种技术，称为增强型夜视镜 III（Enhanced Night Vision Goggle III）的新型现代化夜视镜，简称 ENVG III，以及称为武器家族的下一代热瞄准装置景点），缩写FWS-1。士兵很快将能够在快速战斗中跟踪和交战敌人，而无需将武器举到视线高度。无线链路会将热瞄准器的标线直接指向夜视镜的视野，其精确度使得士兵无需将武器举至肩部水平即可对齐视线。先进的瞄准技术在近战中极其重要，因为目标会在瞬间出现和消失。当目标出现在眼镜视野中时，士兵不必举起步枪，只需将武器转向眼镜中的十字线即可攻击目标。实际上，他可以从侧面射击，而无需经典地举起步枪并瞄准肩部高度。FWS-1瞄准装置是位于M-4突击步枪上部的热瞄准装置。该装置还可以安装在口径 50（即 12.7 毫米）的重机枪上。热瞄准器发出的图像通过无线方式发送至 ENVG III 夜视镜并显示在夜视镜的视野中。它由十字线和热瞄准装置的高分辨率图像的一部分组成。夜视镜有两个通道。一个通道包括标准图像增强，而另一个通道显示来自热瞄准器的图像。两个图像均以无线方式发送并在同一视野中合并显示，因此您无法分辨两个不同来源之间的差异。ENVG III夜视镜的改进型号提供了更大的视野、更好的分辨率、检测红外激光和
通过最优稀疏决策树预测医学实验室测试的紧急程度：超声心动图案例研究
背景：在当代医疗保健领域，实验室测试是推动精准医疗进步的基石。这些测试提供了对各种医疗状况的深入见解，从而促进了诊断、预后和治疗。然而，某些测试的可及性受到诸如高成本、专业人员短缺或地理差异等因素的阻碍，这对实现公平的医疗保健构成了障碍。例如，超声心动图是一种极其重要且不易获得的实验室测试。对超声心动图的需求不断增加，凸显了更高效的调度协议的必要性。尽管有这种迫切的需求，但在这一领域的研究却有限。目标：本研究旨在开发一种可解释的机器学习模型，以确定需要超声心动图检查的患者的紧急程度，从而帮助确定调度程序的优先级。此外，本研究旨在利用机器学习模型的高可解释性，深入了解影响超声心动图预约优先级的关键属性。方法：基于来自电子健康记录的大量现实世界超声心动图预约数据集（即 34,293 个预约），进行了实证和预测分析以评估患者的紧急程度，该数据集包含管理信息、转诊诊断和潜在患者状况。我们使用了一种最先进的可解释机器学习算法，即最佳稀疏决策树 (OSDT)，该算法以高准确性和可解释性而闻名，来研究与超声心动图预约相关的属性。结果：与表现最佳的基线模型相比，该方法表现出令人满意的性能（F 1 -score=36.18%，提高了 1.7% 和 F 2 -score=28.18%，比表现最佳的基线模型提高了 0.79%）。此外，由于其高度可解释性，结果为通过从 OSDT 模型中提取决策规则来识别紧急患者进行测试提供了宝贵的医学见解。结论：该方法表现出了最先进的预测性能，证实了其有效性。此外，我们通过将 OSDT 模型得出的决策规则与既定的医学知识进行比较来验证这些决策规则。这些可解释的结果（例如 OSDT 模型中的属性重要性和决策规则）强调了我们的方法在优先考虑患者紧急程度的超声心动图预约方面的潜力，并且可以扩展到使用电子健康记录数据优先考虑其他实验室测试预约。
智能纺织品的应用
摘要：如今，人们与纺织品的关系比任何其他事物都更为密切。纳米工程、信息技术、电子设备和无线通信小型化在过去几十年中都取得了长足的进步。防护纺织品是一种服装或织物，旨在保护穿着者免受有害环境影响。在许多情况下，防护和安全纺织品是具有高科技特征的技术纺织品。为了获得充分的保护，需要特殊的服装。个人防护设备 (PPE) 旨在保护员工免受因接触化学品、放射性危害、物理危害、电气危险、机械危害或其他工作场所危害而导致的严重工作场所伤害或疾病。PPE 包括各种防护纺织品和防护服，例如服装、工作服、手套、安全背心和救生衣，以及面罩、安全眼镜、安全帽、耳塞、呼吸器、安全鞋等。在这种情况下，相关测试方法、安全要求、质量保证措施、认证程序等的混合化极其重要。正在进行广泛的研究，以开发用于各种职业的防护纺织品。关键词：防护纺织品、安全纺织品、个人防护设备等。1. 简介纺织品必须平衡功能因素、结构和美学考虑以及舒适度这一重要的主观因素。智能纺织品是下一代纤维、织物和由它们制成的产品。它们是可以自我思考的纺织材料，例如，通过结合电子设备或智能材料。许多智能纺织品已经用于高级服装，主要用于保护和安全，以及增加时尚或便利性。专业员工穿着纺织品或设备来保护自己免受健康和安全危害。消防员服装的防热和防辐射、焊工的熔融金属、防弹夹克等都是通过使用高性能纤维技术纺织品实现的。防护纺织品是指用于制造各种防护服的所有纺织材料和产品。全球防护纺织品行业也受益于高性能纺织品的增加使用。 2. 防护服系统 个人防护装备的使用旨在保护人体的许多部位，包括眼睛、头部、面部、手、脚和耳朵。响应设计请求时，必须确定防护服的第一个因素。纺织品系统的范围可以从单件服装或单层到从皮肤向外扩展的多层。防护服根据需要独立运行。第一层、第二层和第三层。 第一层：第一层或底层 - 皮肤表面与身体直接接触。因此，裤子、背心、T 恤、袜子、运动服或泳衣等服装中使用的纤维必须柔软光滑。底层服装也可以具有抗菌性能。例如，阿迪达斯 Jet 概念 - V -
电力电子设备的未来趋势
DOI: 10.5281/zenodo.3591592 CZU 62-83:621.38 电力电子设备的未来趋势 Titu-Marius I. Băjenescu，ORCID ID：0000-0002-9371-6766 瑞士技术协会，瑞士电子集团 tmbajenesco@gmail.com 收稿日期：2019 年 10 月 16 日 接受日期：2019 年 2 月 12 日 摘要。半导体技术的最新进步以及电力电子器件在电能不同领域（特别是航空、运输和配电网络应用）日益增长的需求，对高频、高电压、高温和高电流密度等新规范提出了要求。所有这些都促进了电力设备的强劲发展。为此，应开发低电阻率薄膜的分离技术以及厚膜生长技术，包括绝缘晶片上的热丝 CVD。本文概述了半导体制造的发展、当前应用和前景。关键词：GaN、SiC、Si vs SiC、IGBT、MOSFET、HEMT、HFET、FET、金刚石功率器件。简介半导体的历史悠久而复杂。表 1 显示了功率半导体器件发展的时间表。在 1950 年代，晶闸管或可控硅整流器 (SCR) 是数百伏固态电力电子的唯一选择。随着技术的进一步发展，JFET、功率 MOSFET 和 IGBT 等新器件问世，它们的性能得到了极大提高，额定电压和电流也更高。现在，在 21 世纪，宽带隙 (WBG) 半导体是高性能电力电子趋势中的最新产品。电力电子技术是一项复杂的跨学科技术，从事该领域的研究需要具备电气工程及其他领域的综合背景。器件研究极其重要，因为该领域的发展从根本上引发了现代电力电子革命。目前硅和宽带隙 (WBG) 功率半导体（图 1、2、3、4）的研发趋势将持续下去，直到功率器件特性和额定值得到显著改善，接近理想的转换。自宽带隙电力电子技术问世以来，器件评论迎来了第二波流行，涵盖了 SiC、GaN 等材料，也许还包括钻石（但程度较小）。很明显，在不久的将来，SiC（而不是 GaN）将成为所选市场的主要 WBG 功率器件材料。宽带隙半导体是半导体材料的一个子类，其带隙大于 Si，通常在 2 到 4 电子伏 (eV) 之间。
利用人工智能的水下图像超分辨率技术研发
近年来，随着新兴国家工业化进程加快、经济发展迅速，矿产资源需求不断增加，矿产资源可持续供给危机感不断增强，资源民族主义思潮回潮。引发资源供给结构变化，正处于重大变革时期。随着陆地资源日益枯竭，深海资源的勘探和采集研究正在快速进展。在日本的专属经济区和大陆架，已发现许多深海矿产资源潜力区，如含有金属和稀有元素的黑子型海底热液矿床、富钴结壳等。据估计，日本拥有世界最大的黑子型海底热液矿床潜在资源量，拥有仅次于美国的世界第二大富钴结壳潜在资源量。然而，如何将潜在有前景的海域缩小到具有资源吸引力的海域，这一方法尚未完全确立。此外，由于深海海底采矿技术刚刚起步，矿藏的勘探和开采活动仍处于起步阶段。因此，需要开发新的勘探技术并开发有效的采矿技术。此外，作为世界第三大经济体，日本强劲的工业活动和丰富的生活方式得益于其丰富的能源和资源储备，包括石油、天然气、铜和镍。换句话说，日本是世界上最大的能源和资源消费国之一。然而，日本自身的能源和资源并不多，目前大部分依赖从其他国家进口。此外，近年来，在亚洲经济高速增长的背景下，全球对这些资源和能源的需求急剧增加，日本确保稳定供应的难度加大。尤其是日本的石油、天然气、铜、镍等矿产资源几乎100%依赖海外，因此，海外资源竞争加剧、产地冲突、甚至经济形势的变化，供需环境的变化引起需求波动，使得资源价格长期呈上涨趋势，为资源价格波动创造了条件。随着人口向城市集中、老龄化导致的生活方式改变等原因，电气化不断推进，能源需求不断扩大，确保能源和资源对于改善人们的生活至关重要。因此，开发自己的海洋资源对日本来说极其重要。但对深海采矿车辆的实时监控研究较少，导致高效深海采矿变得困难。常规深海探测方法包括大地测量卫星遥感技术、船载声纳技术、自主水下机器人（AUV）巡航成像技术等，但这些方法难以实现实时探测，且存在易被篡改等问题。受环境影响较大，准确率较低。可见光成像系统的引入对于准确定位广阔海底的资源并有效收集至关重要。为此，我们开展了研究，利用先进的人工智能技术来克服这些问题。
科技和人工智能会让初级保健医生过时吗？记住卢德分子
尽管社会重视初级保健，但增加初级保健医生队伍已不再是政策制定者和医疗系统的关注重点。特别是，新的虚拟技术和人工智能，加上人们对增加更广泛的专业群体（包括执业护士、药剂师、医师助理、行为健康专家和牙科专业人员）以提供初级保健的兴趣，可能会使初级保健医生过时（1）。新技术将在这些团队提供初级保健方面发挥重要作用。此外，许多从事人工智能工作的科学家认为，医疗专业人员的核心职能（如患者监测、诊断和预后）将通过技术和护理算法进行改变（2、3）。有人认为，新技术、虚拟访问和人工智能将改变医疗保健，并可以帮助初级保健医生更好地提供服务（4-6）。不幸的是，新技术和人工智能与更广泛的初级保健队伍相结合的一个意想不到的后果可能是初级保健医生的数量减少，而不仅仅是帮助初级保健医生做得更好的辅助手段。新技术或许会增加医疗服务的机会，但它是否真的会导致技术和其他医疗专业人员取代初级保健医生？利益相关者对于初级保健医生是否会因人工智能和新技术而变得过时存在一些分歧（7、8）。这些调查和德尔菲小组的结果可能在概念化新技术对初级保健医生的影响方面不完整，因为在讨论这个问题时，他们没有考虑保险公司和公司在提供医疗保健和决定所需劳动力方面的作用。反对技术和人工智能对初级保健医生队伍构成威胁的论点可能会让人觉得是卢德分子的说法。这虽然正确，但不是基于卢德分子的普遍定义。卢德分子通常被认为是反对新技术的人。然而，卢德分子的历史有点不同，而且很微妙，与本次讨论非常相关。卢德分子担心新技术以及更重要的是工厂主使用新技术的方式极其重要。他们担心工厂主为了增加利润，会实施利用新技术取代工人在其行业中的角色的策略（9）。激怒卢德分子并促使他们采取行动的不是新机器的发明。而是工厂主开始使用这些新机器取代工人并剥夺工人的权力（10）。卢德分子反对制造商以他们所谓的“欺诈和欺骗的方式”使用机器来规避标准劳动惯例 ( 11 )。卢德分子希望生产高质量的产品，但他们希望这些机器由经过学徒期并获得体面工资的工人操作。
稳定性实验
指示与上层量子算法所期望的相比，可观测量当前是否为负。在跟踪等效可观测量的各种选择之间的一个关键区别是，不同的选择可以有不同的副产品算子。从一种逻辑可观测量的选择转移到另一种逻辑可观测量是一种簿记操作，其中副产品算子之间的关系由分离可观测量的稳定器的测量结果决定。因此，最终，在空间中移动逻辑可观测量归结为将许多稳定器测量的贡献正确地乘以其副产品算子。例如，考虑一个具有逻辑可观测量 XL = + X 1 X 2 X 3 和测量的稳定器可观测量 XS = + X 1 X 2 X 4 X 5 的系统。假设稳定器测量结果在误差修正后为 − 1 ，这意味着您确信 − XS = +1 。根据此信息，你可以得出 XL = XL · +1 = XL · − XS = − X 3 X 4 X 5 。换句话说，XS 告诉你如何用量子位 3、4 和 5 而不是量子位 1、2 和 3 来表达逻辑可观测量 XL。它允许你将逻辑可观测量从由量子位 1、2 和 3（使用副积运算符 +1）支持移动到由量子位 3、4 和 5（使用副积运算符 − 1）支持。在现实场景中，由于代码距离大或路由距离长，移动逻辑可观测量将涉及将数百甚至数百万个稳定器乘以可观测量的副积运算符。如果这些稳定器的任何一个（或三个、五个等）测量值错误，则移动的逻辑可观测量的符号将是错误的。这是一个逻辑错误；这将导致灾难性的情况，即量子计算机执行的上层算法将默默地产生糟糕的结果。计算稳定剂的大型乘积与容错量子计算的相关性在量子纠错领域是众所周知的 [ RHG07 ；Hor+12 ；Cha+22 ；CC22b ；CC22a ]。移动逻辑可观测量需要将许多稳定剂相乘，如果将所有东西永远放在同一个地方，就不可能进行任何计算。因此，能够可靠地计算巨大的稳定剂乘积极其重要。鉴于这些事实，奇怪的是没有完善的实验来直接验证计算大型稳定剂乘积的能力（类似于记忆实验是直接验证随时间保存量子比特的能力的完善基准 [ GQ21 ；Rya+21 ；Zha+22 ；Kri+22 ；And+20 ]）。本文提出的实验类型“稳定性实验”的目标就是填补这一空白。从高层次来看，稳定性实验实际上与记忆实验非常相似（见图 2）。记忆实验之所以有效，是因为它们设置了一个跨时间的全局不变量的情况，然后检查该不变量。不变量是指在时间结束时测量的状态应该与在时间开始时准备的状态相匹配。这使得记忆实验有些退化。测量结果是提前知道的，因此在算法上不需要在运行时执行所有那些昂贵的量子操作。在大型量子计算中，你会希望优化掉任何看起来像记忆实验的东西。稳定性实验也通过创建和验证全局不变量来工作。主要区别在于，稳定性实验不是使用跨时间的全局不变量，而是设置一个跨空间的全局不变量的情况。具体来说，在稳定性实验期间，稳定器区域的乘积的正确值是提前知道的。这使得稳定性实验有些退化，就像记忆实验一样，在实践中，在大型量子计算中，你会希望优化掉任何看起来像稳定性实验的东西。不过，通过避免删除退化的冲动，你可以将运行时计算的乘积与已知的正确值进行比较。这样您就可以确定您的纠错系统在快速确定稳定器区域的这些乘积方面有多好。有几个原因值得对稳定性实验的结果感兴趣。例如，稳定性实验可用于确定需要多少轮才能达到逻辑量子位正确移动的期望确定性水平。更一般地说，稳定性实验可用于量化“类时码距离”（稳定器测量重复的次数）是否需要小于或大于“类空码距离”（表面代码斑块的直径）。通常假设这些数字是相同的，但没有严格的理由要求它们必须相同。图 2 给出了对稳定性实验感兴趣的更抽象的理由：稳定性实验隐藏在常见量子计算的拓扑时空图中。对稳定性实验感兴趣的最后一个原因是，由于其代码距离在稳定性实验中，稳定器区域的乘积的正确值是预先已知的。这使得稳定性实验有些退化，就像记忆实验一样，在实践中，在大型量子计算中，你会想要优化掉任何看起来像稳定性实验的东西。不过，通过避免删除退化的冲动，你可以将运行时计算的乘积与已知的正确值进行比较。这可以让你确定你的纠错系统在快速确定稳定器区域的这些乘积方面有多好。有几个原因值得对稳定性实验的结果感兴趣。例如，稳定性实验可用于确定需要多少轮才能达到所需的确定性水平，即逻辑量子位被正确移动。更一般地说，稳定性实验可用于量化“类时码距离”（稳定器测量重复的次数）是否需要小于或大于“类空码距离”（表面码斑的直径）。通常假设这些数字是相同的，但没有严格的理由要求它们必须相同。图 2 给出了对稳定性实验感兴趣的更抽象的理由：稳定性实验隐藏在常见量子计算的拓扑时空图中。对稳定性实验感兴趣的最后一个原因是，由于其代码距离在稳定性实验中，稳定器区域的乘积的正确值是预先已知的。这使得稳定性实验有些退化，就像记忆实验一样，在实践中，在大型量子计算中，你会想要优化掉任何看起来像稳定性实验的东西。不过，通过避免删除退化的冲动，你可以将运行时计算的乘积与已知的正确值进行比较。这可以让你确定你的纠错系统在快速确定稳定器区域的这些乘积方面有多好。有几个原因值得对稳定性实验的结果感兴趣。例如，稳定性实验可用于确定需要多少轮才能达到所需的确定性水平，即逻辑量子位被正确移动。更一般地说，稳定性实验可用于量化“类时码距离”（稳定器测量重复的次数）是否需要小于或大于“类空码距离”（表面码斑的直径）。通常假设这些数字是相同的，但没有严格的理由要求它们必须相同。图 2 给出了对稳定性实验感兴趣的更抽象的理由：稳定性实验隐藏在常见量子计算的拓扑时空图中。对稳定性实验感兴趣的最后一个原因是，由于其代码距离因为它的代码距离因为它的代码距离