XiaoMi-AI文件搜索系统
World File Search System法可
新型基因操纵方法可以解锁Car-NK细胞疗法现有的瓶颈
当前，CAR-T细胞疗法被称为复发/难治性血液学恶性肿瘤患者的有效治疗。尽管如此，这种方法仍面临多个瓶颈，包括实体瘤的低效率，致命的不良反应，自体产物的高成本以及同种异体环境中GVHD的风险。作为潜在的替代方法，CAR-NK细胞疗法可以克服CAR-T细胞疗法的大部分局限性，并提供现成的，更安全，更负担得起的产品。尽管有希望通过CAR-NK细胞的临床前和临床研究发表的结果是有希望的，但必须解锁几个瓶颈，以最大程度地提高CAR-NK细胞疗法的有效性。这些瓶颈包括较低的体内持久性，较低的肿瘤部位的流动性，实体瘤中适度的效率以及对免疫抑制性肿瘤微环境的敏感性。近年来，基因操纵工具和策略的进步为克服了Car-NK细胞疗法的当前瓶颈奠定了基础。本评论将介绍现有的基因操纵工具，并讨论其优势和缺点。我们还将探讨这些工具如何增强CAR-NK Cell Therapy的安全性和效率。
通过拓扑化学还原法可靠合成超导无限层镍酸盐薄膜
无限层 (IL) 镍酸盐为解决非常规超导领域的突出问题提供了一条超越氧化铜的新途径。然而，它们的合成面临着巨大的挑战，在很大程度上阻碍了这类新型氧化物超导体的实验研究。该合成过程分为两步：首先生成热力学最稳定的钙钛矿相，然后通过拓扑还原生成 IL 相，其中起始相的质量起着至关重要的作用。本文报道了一种可靠的超导 IL 镍酸盐薄膜合成方法，该方法是在对母体钙钛矿相进行连续拓扑化学还原后，以接近最优的化学计量比合成超导 IL 镍酸盐薄膜。仔细分析未完全还原薄膜的输运特性，发现在随后的拓扑化学还原过程中，其正常态电阻率的奇异金属行为有所改善，从而为还原过程提供了新的见解。
机器学习方法可以防止治疗后抗性细菌复发
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
新的 PCR 方法可确保水产饲料中昆虫成分的真实性
随着人们对食品安全、海鲜欺诈和非法、未报告和无管制 (IUU) 捕捞的担忧日益增加，提高海鲜的可追溯性和透明度已成为海鲜行业的首要任务。这引发了验证昆虫原料真实性的努力。CIIMAR 的新方法通过确认原料来自合法来源，确保了透明度和质量，并促进了可持续性。
智能写入算法可提高 RRAM 宏的性能和可靠性
摘要 — 本文全面评估了各种设计辅助技术对硅基原生 RRAM 固有性能和可靠性的影响。设计和技术的协同优化在取代传统闪存成为主要解决方案方面起着至关重要的作用。我们展示了采用先读后写、电流限制和写入终止技术分别可将编程操作期间的功耗降低 47%、56% 和 13%。通过与写入验证和纠错码机制相结合，这些增强功能共同实现了 83% 的能耗降低和 55% 的访问时间显著减少。这些进步是通过引入一种新颖的智能写入算法 (SWA) 实现的。利用在 130nm CMOS 技术中实现的代表性 128kb RRAM 宏，本研究为 RRAM 在嵌入式应用中的可行集成做出了重大贡献。硅片上的实验评估验证了可靠性的提高，在经过 100 万次循环后，读取裕度达到 28.1µA，没有遇到任何读取错误，保持比特错误率 (BER) 在 10 -7 以下。索引术语 — 非易失性存储器、ECC、智能算法、自适应和可重构系统、变体容忍
新的 AI 方法可打击互联网上的非法野生动物贸易
“这是首次应用机器视觉模型来推断图像背景，以识别活体动物的销售。当卖家宣传出售动物时，广告中通常会附上动物被圈养的图像。这不同于非圈养图像，例如游客在国家公园拍摄的动物照片。使用一种称为特征可视化的技术，我们证明了我们的模型可以同时考虑图像中动物的存在以及图像中动物的周围环境。因此，可以标记可能非法出售动物的帖子，”这项研究的主要作者 Ritwik Kulkarni 博士说。
陶瓷制造的超快方法可能为 AI 驱动的材料发现打开大门
传统的烧结技术需要很长的加工时间——炉子需要几个小时才能加热，然后再花几个小时来“烘烤”陶瓷材料——这在固态电池电解质的开发中尤其成问题。替代烧结技术（如微波辅助烧结、放电等离子烧结和闪光烧结）因各种原因而受到限制，通常是因为它们是特定于材料的和/或昂贵的。
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
文章 免疫检查点阻断联合 AbnobaViscum ® 疗法可提高晚期或转移性非小细胞肺癌患者的生存率
摘要：背景：癌症治疗的最新进展表明，免疫检查点阻断 (ICB) 加 Viscum album L. 疗法可提高晚期或转移性非小细胞肺癌 (NSCLC) 患者的生存率。本研究的目的是调查与接受 ICB 和 abnobaViscum ® 联合治疗的 NSCLC 患者生存率改善相关的因素。方法：这项真实世界数据研究纳入了来自认可的网络肿瘤学登记处的晚期或转移性 NSCLC 患者，该研究遵守 ESMO-GROW 标准并获得伦理批准。使用 Kaplan-Meier 和多变量 Cox 比例风险分析比较了单独接受 ICB 治疗的患者和接受 ICB 加 abnobaViscum ® 联合治疗的患者之间的生存结果。结果：在 300 名患者中（中位年龄 68 岁；男女比例为 1.19），222 名患者仅接受 ICB 治疗（CTRL 组），78 名患者接受联合治疗（COMB 组）。COMB 组的总生存期显著延长 7 个月，而 CTRL 组则为 13.8 个月 vs. 6.8 个月，p = 0.005），COMB 组的生存率为 16.5%，而 CTRL 组为 8.0%。在接受一线 ICB 治疗的程序性死亡配体 1 阳性（≥1%）患者中，添加 abnobaViscum ® 可将调整后的死亡风险降低 75%（aHR：0.25；95%CI：0.11–0.60，p = 0.02）。结论：在 ICB 中添加 abnobaViscum ® 与晚期或转移性 NSCLC 患者的生存率显著相关，无论年龄、分期、东部肿瘤协作组状态、手术或放疗如何。潜在机制包括免疫调节、降低原发性 ICB 耐药性和肿瘤微环境改变。研究结果值得
生物多样性足迹的替代生命影响评估方法可以激发不同的战略优先级：荷兰乳制品跨国公司的案例研究
摘要私营部门越来越多地制定旨在实现净阳性结果的生物多样性策略。生命周期影响评估（LCIA）方法论是量化“生物多样性足迹”的领先方法，为生物多样性缓解策略提供了基础线。但是，在这种情况下，现有LCIA方法之间的差异仍在研究。使用大型农业组织案例研究，我们比较了两种LCIA方法论的生物多样性足迹：LC-Impact和配方2016。结果差异很大，LC影响归因于进口牲畜饲料的国际土地使用变化和食谱2016的最大影响，强调了与其他途径相关的进口饲料（例如用水量（例如用水）的影响，例如，诸如养殖场外的饲料，以及属性的GHG排放。这些差异表明，使用不同的方法可能会导致企业生物多样性策略和优先级的显着不同。为了设计有效的生物视业策略，公司必须解决生物多样性足迹方法的不确定性，并且需要进一步的研究以确保这些方法采取有效的行动来打击全球生物多样性损失。