XiaoMi-AI文件搜索系统
World File Search System标的
自闭症患者感觉习惯减弱及其与行为指标的相关性
摘要 自闭症与感觉处理困难密切相关。我们研究感觉习惯化，因为它与理解诸如超敏感性和低敏感性等重要表型特征相关。我们在呈现视觉和听觉序列的重复刺激期间收集了 22 名神经典型 (NT) 儿童和 13 名自闭症 (ASD) 儿童的脑电图数据。我们的数据显示，与 NT 儿童相比，ASD 儿童对听觉和视觉刺激的习惯化程度显著降低。这些结果表明，习惯化受损是 ASD 中的一种普遍现象。此外，习惯化率与与不同表型维度的能力相关的几个临床评分相关。这些数据表明，自闭症中的感觉困难可能与习惯化程度降低有关，并且与临床症状有关。
情感脑机接口：选择绩效衡量指标的教程
摘要 —情感脑机接口是情感计算中一个相对较新的研究领域。情感状态的估计可以改善人机交互，并改善对严重残疾人士的护理。为了评估脑电图记录在识别情感状态方面的有效性，我们使用了实验室收集的数据以及公开的 DEAP 数据库。我们还审查了使用 DEAP 数据库的文章，发现大量文章没有考虑到 DEAP 中存在类别不平衡。不考虑类别不平衡会产生误导性结果。此外，忽略类别不平衡使得研究之间的结果比较变得不可能，因为不同的数据集会有不同的类别不平衡。类别不平衡也会改变机会水平，因此在确定结果是否高于机会时考虑类别偏差至关重要。为了正确考虑类别不平衡的影响，我们建议使用平衡准确度作为性能指标，并使用其后验分布来计算可信区间。对于分类，我们使用了文献中提到的特征以及 theta beta-1 比率。 DEAP 的结果和我们的数据表明，beta 波段功率、theta 波段功率和 theta beta-1 比率分别是对效价、唤醒和优势进行分类的更好的特征集。
基于对象的分类方法中物理海岸线指标的检测
对海岸线（水体与陆地之间的接触区）的分析意味着要解决这种边界在时间和空间上的动态性质。位置（自然变化）、测量技术和解释的高度不确定性影响海岸线测绘的准确性。海岸线指标（代表海岸线位置的自然沿海特征）的定义应尽可能满足客观性标准，以便实现海岸线特征遥感的可重复性并改进海岸线测绘技术。本研究的目的是测试基于对象的分类技术在检测和绘制荷兰斯希蒙尼克岛北部沙滩的海岸线指标方面的适用性。高光谱 AHS 图像与实地观察和实验室分析相结合，研究了区分物理海滩隔间的可能性。本研究确定了海滩陆地-水界面的光谱特征。反射率和水含量之间的强量化关系为海岸线指标的定义提供了见解。关于这一点，根据沙子湿度进行了端元选择。在这次选择中，光谱亮度是主要方面。反照率差异被视为 4 种表面沙层光谱特征：干沙、湿沙、湿沙和饱和沙。利用这种光谱特性，使用基于像素的分类器进行类可分性测试，结果证明沙的含水量可用于定义这 4 种水线特征：先前高水线、高水线、瞬时水线和低水线。为了绘制这些边界，应用了一种基于对象的边缘检测算法，称为“旋转变量模板匹配”。RTM 方法在预计要检测的 4 个边界中的 1 个中失败了。从 3 个检测到的边界的结果来看，有理由认为较高的含水量导致了指标的边缘定义。因此，检测海岸线指标的能力将向海方向下降。一个重要的含义是，定时图像采集几乎不会决定定位物理水线的可能性。本研究提出了海岸线指标的图像定义。基于对象的方法的目的是优化准确性和稳健性，这意味着对错误位置的良好定位和区分。通过使用可靠的特征进行检测，海岸线测绘方法得到了优化，其性能优于常见的测绘方法。本研究的结论是，通过仔细定义海岸线指标，可以绘制海岸线边界，并且我们开发的方法能够降低海岸线测绘中的不确定性水平。关键词：海岸线指标，边界、光谱特征、基于对象、土壤湿度、沙滩。
基于对象的分类方法中物理海岸线指标的检测
对海岸线（水体与陆地之间的接触区）的分析意味着要解决这种边界在时间和空间上的动态性质。位置（自然变化）、测量技术和解释的高度不确定性影响海岸线测绘的准确性。海岸线指标（代表海岸线位置的自然沿海特征）的定义应尽可能满足客观性标准，以便实现海岸线特征遥感的可重复性并改进海岸线测绘技术。本研究的目的是测试基于对象的分类技术在检测和绘制荷兰斯希蒙尼克岛北部沙滩的海岸线指标方面的适用性。高光谱 AHS 图像与实地观察和实验室分析相结合，研究了区分物理海滩隔间的可能性。本研究确定了海滩陆地-水界面的光谱特征。反射率和水含量之间的强量化关系为海岸线指标的定义提供了见解。关于这一点，根据沙子湿度进行了端元选择。在这次选择中，光谱亮度是主要方面。反照率差异被视为 4 种表面沙层光谱特征：干沙、湿沙、湿沙和饱和沙。利用这种光谱特性，使用基于像素的分类器进行类可分性测试，结果证明沙的含水量可用于定义这 4 种水线特征：先前高水线、高水线、瞬时水线和低水线。为了绘制这些边界，应用了一种基于对象的边缘检测算法，称为“旋转变量模板匹配”。RTM 方法在预计要检测的 4 个边界中的 1 个中失败了。从 3 个检测到的边界的结果来看，有理由认为较高的含水量导致了指标的边缘定义。因此，检测海岸线指标的能力将向海方向下降。一个重要的含义是，定时图像采集几乎不会决定定位物理水线的可能性。本研究提出了海岸线指标的图像定义。基于对象的方法的目的是优化准确性和稳健性，这意味着对错误位置的良好定位和区分。通过使用可靠的特征进行检测，海岸线测绘方法得到了优化，其性能优于常见的测绘方法。本研究的结论是，通过仔细定义海岸线指标，可以绘制海岸线边界，并且我们开发的方法能够降低海岸线测绘中的不确定性水平。关键词：海岸线指标，边界、光谱特征、基于对象、土壤湿度、沙滩。
基于对象的分类方法中物理海岸线指标的检测
对海岸线（水体与陆地之间的接触区）的分析意味着要解决这种边界在时间和空间上的动态性质。位置（自然变化）、测量技术和解释的高度不确定性影响海岸线测绘的准确性。海岸线指标（代表海岸线位置的自然沿海特征）的定义应尽可能满足客观性标准，以便实现海岸线特征遥感的可重复性并改进海岸线测绘技术。本研究的目的是测试基于对象的分类技术在检测和绘制荷兰斯希蒙尼克岛北部沙滩的海岸线指标方面的适用性。高光谱 AHS 图像与实地观察和实验室分析相结合，研究了区分物理海滩隔间的可能性。本研究确定了海滩陆地-水界面的光谱特征。反射率和水含量之间的强量化关系为海岸线指标的定义提供了见解。关于这一点，根据沙子湿度进行了端元选择。在这次选择中，光谱亮度是主要方面。反照率差异被视为 4 种表面沙层光谱特征：干沙、湿沙、湿沙和饱和沙。利用这种光谱特性，使用基于像素的分类器进行类可分性测试，结果证明沙的含水量可用于定义这 4 种水线特征：先前高水线、高水线、瞬时水线和低水线。为了绘制这些边界，应用了一种基于对象的边缘检测算法，称为“旋转变量模板匹配”。RTM 方法在预计要检测的 4 个边界中的 1 个中失败了。从 3 个检测到的边界的结果来看，有理由认为较高的含水量导致了指标的边缘定义。因此，检测海岸线指标的能力将向海方向下降。一个重要的含义是，定时图像采集几乎不会决定定位物理水线的可能性。本研究提出了海岸线指标的图像定义。基于对象的方法的目的是优化准确性和稳健性，这意味着对错误位置的良好定位和区分。通过使用可靠的特征进行检测，海岸线测绘方法得到了优化，其性能优于常见的测绘方法。本研究的结论是，通过仔细定义海岸线指标，可以绘制海岸线边界，并且我们开发的方法能够降低海岸线测绘中的不确定性水平。关键词：海岸线指标，边界、光谱特征、基于对象、土壤湿度、沙滩。
从强直性脊柱炎的遗传学到新的生物学和药物靶标的发现
有人建议，在道德上，基因编辑人类胚胎以防止遗传疾病在某种意义上比出于相同目的使用遗传选择的方面更可取：基因编辑将有益于特定的未来人，而遗传选择只会替代它们。我们首先构建了对这一建议的最合理的辩护，即受益的论点，并捍卫了它免受可能的异议。然后，我们提出了另一个反对意见：只有仅限于基因编辑的儿童即使没有使用基因编辑的案件，则受益论点才能成功。我们的论点依赖于比较收益的标准说明，该标准是最近批评的，理由是它屈服于所谓的“先发制人问题”。我们结束时考虑了我们的论点将如何影响标准帐户修订以避免此问题。我们考虑了三个修订的帐户，并认为在这三个中，我们对受益论点的批评均为。
评论文章理解白介素11作为疾病基因和治疗靶标的
白介素11（IL11）是IL6细胞因子家族的难以捉摸的成员。最初被认为是造血和细胞保护因素，但最新的数据表明，IL11对于造血和有毒而言是多余的。在这篇综述中，导致IL11生物学的原始误解的原因（现在是可以理解的），特别关注了在小鼠和人类中使用重组人IL11的使用。在组织损伤之后，作为进化古代稳态反应的一部分，IL11从受损的哺乳动物细胞中通过JAK/STAT3，ERK/P90RSK，LKB1/MTOR和GSK3β/SNAI1在自分泌和旁分泌中分泌。这激活了上皮，基质和内皮细胞的间充质转变程序，以引起炎症，纤维化和停滞的内源性组织修复，从而导致器官衰竭。描述了IL11信号传导在细胞和器官特异性病理学中的作用，讨论了有关IL11生物学的大型未知数，并审查了将IL11信号作为一种方法的靶向靶向。
对遗传学和基因组学机器学习的模型评估指标的综述
机器学习（ML）在遗传学和基因组学方面表现出了巨大的希望，在遗传学和基因组学中，大而复杂的数据集有可能洞悉疾病风险的许多方面，遗传疾病的发病机理以及对健康和健康的预测。但是，由于这种可能性，有责任谨慎行事，以防偏见和可能产生有害意外影响的结果的侵蚀。因此，研究人员必须了解用于评估ML模型的指标，这些指标可能影响结果的关键解释。在这篇评论中，我们提供了用于聚类，分类和回归的ML指标概述，并突出了每个指标的优点和缺点。我们还详细介绍了模型评估期间发生的常见陷阱。最后，我们提供了研究人员如何从基因组学角度进行评估和利用ML模型结果的示例。
增加恩诺沙星剂量对生化指标的影响...
本研究旨在确定鸭子单剂量口服 10、50 和 100 mg/kg 恩诺沙星对生化参数的影响。研究对象为 18 只鸭子。将鸭子分成 3 组，分别接受 10、50 和 100 mg/kg 的剂量。分别在 0、6、12、24 和 48 小时采集血样。给鸭子服用恩诺沙星后未观察到临床副作用。比较剂量组时，发现天冬氨酸氨基转移酶 (AST)、丙氨酸氨基转移酶 (ALT)、γ-谷氨酰转移酶 (GGT)、白蛋白 (ALB)、胆固醇 (CHOL)、总蛋白 (TP) 和肌酐 (CRE) 值存在显著差异 (p<0.05)。然而，这些差异在 48 小时后恢复正常。各剂量组间 ALT、GGT、CHOL、甘油三酯和尿素值无差异（p>0.05）。但 10 mg/kg 剂量下 AST、ALP、ALB 和 CRE 值、50 mg/kg 剂量下 AST 值和 100 mg/kg 剂量下 TP 值存在显著差异（p<0.05）。综上所述，鸭子口服恩诺沙星 10、50 和 100 mg/kg 剂量会引起生化参数的暂时变化。本研究仅给予恩诺沙星一次。但考虑到在细菌感染的情况下重复使用恩诺沙星，应注意鸭子可能出现的不良反应。
用于估计 CNN 加速器硬件指标的高级建模框架
摘要 — 由于 GPU 具有针对 CNN 运算符量身定制的架构，因此它成为卷积神经网络 (CNN) 训练和推理阶段的参考平台。然而，GPU 是耗电极高的架构。在能耗受限的设备中部署 CNN 的一种方法是在推理阶段采用硬件加速器。由于其复杂性，使用标准方法（如 RTL）对 CNN 的设计空间探索受到限制。因此，设计人员需要能够进行设计空间探索的框架，该框架可提供准确的硬件估算指标来部署 CNN。这项工作提出了一个探索 CNN 设计空间的框架，提供功耗、性能和面积 (PPA) 估算。该框架的核心是一个系统模拟器。系统模拟器前端是 TensorFlow，后端是从硬件加速器的物理合成（而不仅仅是从乘法器和加法器等组件）获得的性能估算。第一组结果评估了使用整数量化的 CNN 精度、物理综合后的加速器 PPA 以及使用系统模拟器的好处。这些结果允许进行丰富的设计空间探索，从而能够选择最佳的 CNN 参数集以满足设计约束。