XiaoMi-AI文件搜索系统
World File Search System神经
重度抑郁症中负面认知偏差的神经机制理论
由 Aaron Beck 提出的抑郁症认知理论得到广泛认可，该理论关注的是信息处理的偏见，强调情感和概念信息的消极方面。当前，人们试图发现这种认知和情感偏见的神经机制，并成功地确定了与情绪、注意力、沉思和抑制控制等几种偏见功能相关的各个大脑区域。然而，抑郁症患者如何发展出这种选择性消极处理的神经生物学机制仍存在疑问。本文介绍了一个以额叶边缘回路为中心的神经学框架，具体分析和综合了杏仁核、海马和内侧前额叶皮质内的活动和功能连接。首先，建立了正反馈回路如何在自动水平上导致抑郁症患者杏仁核持续过度活跃的可能解释。在此基础上，提出了两个假设：假设 1 围绕双向杏仁核海马投射，促进负面情绪和记忆的放大，同时阻碍海马吸引子网络中对立信息的检索。假设 2 强调腹内侧前额叶皮层通过与杏仁核和海马一起概括概念和情感信息，参与建立负面认知框架。本研究的主要目的是改进和补充现有的抑郁症病理模型，推动情感障碍神经科学当前理解的前沿，并最终有助于成功康复令人衰弱的情感障碍。
Jason M. Eisner-约翰·霍普金斯计算机科学可鲁棒分析的神经纹理可变形网格 -
人类的视野比在分布外情景下表现出的鲁棒性更高。它已经通过逐个合成的分析来猜想这种鲁棒性益处。我们的论文通过通过渲染和能力算法在神经特征上进行近似分析，以一致的方式制定三重视觉任务。在这项工作中，我们引入了神经丝线可变形的网格（NTDM），该网格涉及具有变形几何形状的OBJECT模型，该模型允许对摄像机参数和对象几何形状进行优化。可变形的网格被参数化为神经场，并被全表面神经纹理图所覆盖，该图被训练以具有空间歧视性。在推断过程中，我们使用可区分渲染来最大程度地重建目标特征映射，从而提取测试图像的特征图，然后对模型的3D姿势和形状参数进行优化。我们表明，在现实世界图像，甚至在挑战分布外情景（例如闭塞和主要转变）上进行评估时，我们的分析比传统的神经网络更强大。在经常性能测试测试时，我们的算法与标准算法具有竞争力。
神经内分泌肿瘤的靶向 α 粒子治疗
摘要 神经内分泌肿瘤 (NEN) 是一类非常多样化的肿瘤，全球发病率呈上升趋势。全身治疗仍然是无法切除和/或转移性 NEN 的主要治疗方法。177 Lu-DOTATATE 是一种发射β粒子的放射性药物，已成为转移性胃肠胰神经内分泌肿瘤 (GEP-NEN) 的一种有前途的治疗方法。然而，治疗选择有限，特别是在 177 Lu-DOTATATE 治疗失败后。本综述旨在确定和总结靶向α粒子治疗 (TAT) 在治疗转移性 NEN（特别是 GEP-NEN）中的现有证据和潜在不良事件。我们搜索了 MEDLINE、EMBASE、SCOPUS 和 Cochrane Library 数据库。我们确定了两篇符合纳入标准的文章，并将其纳入本综述。可用于治疗转移性 NEN 的假定放射性药物包括 225 锕 ( 225 Ac)-DOTATATE 和 213 铋 ( 213 Bi)-DOTATOC。有证据表明，使用这两种放射性药物均有部分反应，且无显著的血液学、肾脏或肝毒性。未来的研究应考虑进行长期随机对照试验，以研究 TAT（尤其是 225 Ac-DOTATATE）在治疗转移性 NEN 中的作用。
![文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控](/simg/8/8dd469c55249d1165cc0c55c494f5b27bda7b11b.png)
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
脑血管病患儿的神经康复
摘要 简介。儿童中风 (PS) 是一种罕见疾病，全球发病率为 1.2 – 13/100,000，但尽管如此，它仍然是儿童残疾的重要原因。它之所以成为一个具有挑战性的研究课题，是因为其患病率高达 35%，令人震惊。在这方面，最常见的运动障碍是 50% 至 80% 的 PS 儿童出现偏瘫。文献综述。本研究使用了以下数据库：PubMed、Medline、Scopus、Google Scholar。无症状的临床表现和极少使用的超急性再通疗法使康复成为 PS 儿童的主要治疗方法。目前的研究表明，儿童大脑神经可塑性更强的能力可能与康复有关，但也表明发育中的大脑受到损伤会产生一些特定的后果。机器人神经康复 (RNR) 可激活大脑神经可塑性，即刺激新的运动学习，这有助于脑损伤后的运动功能恢复。 RNR 与虚拟现实相结合，能够扩大传统康复的效果，孩子们觉得它很有趣，并激励他们积极参与耗时、特定、高强度的锻炼。通过学习和重复任务，运动恢复得到强化，机器人在执行动作时提供额外的力量，并持续测量客观参数。结论。对患有 PS 的儿童使用 RNR 的建议基于专家共识和薄弱的证据，因为缺乏随机对照研究。关键词：脑血管损伤、儿童、神经可塑性、机器人神经康复通讯作者：Hristina Čolović 电子邮件：hristina.colovic@medfak.ni.ac.rs
LiDAR4D：用于新型时空视图 LiDAR 合成的动态神经场
尽管神经辐射场 (NeRF) 在图像新视图合成 (NVS) 方面取得了成功，但 LiDAR NVS 仍然基本上未被探索。以前的 LiDAR NVS 方法采用了与图像 NVS 方法的简单转变，同时忽略了 LiDAR 点云的动态特性和大规模重建问题。鉴于此，我们提出了 LiDAR4D，这是一个可微分的 LiDAR 专用框架，用于新颖的时空 LiDAR 视图合成。考虑到稀疏性和大规模特性，我们设计了一种结合多平面和网格特征的 4D 混合表示，以由粗到细的方式实现有效重建。此外，我们引入了从点云衍生的几何约束来提高时间一致性。对于 LiDAR 点云的真实合成，我们结合了光线丢弃概率的全局优化来保留跨区域模式。在 KITTI-360 和 NuScenes 数据集上进行的大量实验证明了我们的方法在实现几何感知和时间一致的动态重建方面具有优越性。代码可在 https://github.com/ispc-lab/LiDAR4D 获得。
引用 Larue F、Rouan L、Pot D、Rami J-F、Luquet D 和 Beurier G (2024) 使用神经网络将遗传标记和作物模型参数链接到 e
需要开发适应不断变化的生产情景的植物品种，特别是在气候变化的情况下，这要求作物满足日益复杂和多样化的需求，这对育种者来说是一个巨大的挑战。在此背景下，追求赋予所需作物特性和适应性的性状组合比以往任何时候都更加重要，因此有必要加强多标准或多性状育种（Moeinizade 等人，2020 年）。利用分布在基因组中的完整核苷酸多样性来预测数量性状的育种值（基因组预测，GP，Meuwissen 等人，2001 年）已证明其在育种计划中的有效性。事实证明，这种方法有助于提高遗传增益率并降低成本（Hickey 等人，2017 年）。然而，为了应对气候变化和更明确的环境目标种群（Chapman 等人，2000 年），对多环境（ME）育种的需求日益增长，这需要采用基因组预测方法来解释基因型和环境（GxE）之间相互作用的出现（Rincent 等人，2017 年）。先前的研究试图在基因组选择（GS）中解决 GxE。例如，Burgueño 等人(2012) 开发了多环境统计模型。然而，这些模型仅考虑线性和非因果环境效应，从而降低了预测准确性的可能增益，尤其是对于复杂的综合性状或与校准集有显着差异的环境（Rogers and Holland，2022）。Heslot 等人。另一方面，（2014 年）使用作物生长模型 (CGM) 来推导环境协变量。与标准 GS 模型相比，在 GS 框架内加入环境协变量可提高预测准确性并降低未观察环境中的预测变异性。整合作物模型以解决 GxE，如 Heslot 等人的研究所示。(2014) ，强调了这种方法在所述育种环境中的实用性。尽管如此，考虑大量协变量会显著增加问题的复杂性，使得建模变得极具挑战性（Larkin 等人，2019 年）。
2022 年神经形态计算和工程路线图
Dennis诉Christensen 1，Regina Dittmann 2，Bernabe Linares-Barranco 3，Abu Sebastian 4，Manuel Le Gallo 4，Andrea Redaelli 5，Stefan Slesazeck 6，Thomas Mikolajick 6，7 Iang 12，Feng Miao 12，Mario Lanza 13，Tyler J Quill 14，Scott T Keene 15，Alberto Salleo 14，Julie Grollier 16，Danijela Markovi´ c 16，Alice Mizrahi 16，Peng Yao 17，Peng Yao 17 Datta 20，Elisa Vianello 21，Alexandre Valentian 22，Johannes Feldmann 1，Xuan Li 23，Wolfram HP Pernice 24，25，Harish Bhaskaran 23，Steve Furber 26，Emre Neftci 27 Geun Kim 31，Gouhei Tanaka 32，Simon Thorpe 33，Chiara Bartolozzi 34，Thomas A Cleland 35，Christoph Posch 36，Shihchii Liu 18，Gabriella Panuccio 37，Mufti Mahmud 38，Arnabim Mazumder 39，Mufti Mahmud 38 , Tinoosh Mohsenin 39 , Elisa Donati 18 , Silvia Tolu 14 , Roberto Galeazzi 40 , Martin Ejsing Christensen 41 , Sune Holm 42 , Daniele Ielmini 43 和 N Pryds 1
社论：青春期：神经和生理发展
青春期的特征是童年的终点和青春期的开始。所有生理和神经系统变化代表了人类发展的关键阶段，从童年到成年。在此阶段，随着它们成熟的各种人类系统，它们之间存在着重要而重要的生物学相互作用。通过激素，物理和神经过程对不同生物系统的和谐功能对于人类发展的这一阶段至关重要。这些生物系统的功能取决于个人的遗传遗产和他们作为青少年的社会生活（例如，家庭支持，社会经济地位和健康的行为）（1-4）。在女孩中，青春期的发作开始于11岁左右，而在男孩中，它发生在12岁左右。在这段时间里，发生了第一次解剖转化，例如女孩的乳腺发育和男孩的睾丸体积增加（4）。下丘脑 - 垂体 - 基达轴在青春期期间经历了显着的激活和成熟，导致性激素分泌，包括睾丸激素和雌激素。这些激素变化影响了继发性特征，生殖器官以及整体身体生长和成熟的发展（5）。在青春期，下丘脑是大脑的一个区域，开始释放促性腺激素释放激素（GNRH），该激素（GNRH）刺激了垂体以释放两种重要的激素：叶酸激素（LH）和刺激性激素（fsh）（fsh）（6）。早期的青春期这些激素作用于雌性或雄性睾丸的卵巢作用，从而触发性激素的产生 - 雌性的雌激素和男性的睾丸激素（6）。青春期时期取决于遗传学和社会因素，例如营养，社会经济地位和心理特征（4，5）。这一时期是由激素浮动和遗传因素驱动的，有助于在青春期观察到的认知和行为转化，通常发生在性腺后2 - 4年后（4，7）。大脑中的结构和功能重组会影响负责情绪调节，社会认知和决策的领域。
Muse 2头带规格（神经元跟踪）
●Cruz-Garza，J。G.，Darfler，M.，Rounds，J.D.，Gao，E。，＆Kalantari，S。（2022）。基于脑电图对房间大小和窗户放置对认知性能的影响的研究。建筑工程杂志，53，104540。https://doi.org/https://doi.org/10.1016/j.jobe.2022.104540●Segawa，J.A.（2019）。使用低成本脑电图（EEG）设备的实践本科体验。本科神经科学教育杂志。17（2），A119 – A124。https://www.ncbi.nlm.nih.gov/pmc/articles/pmc6650260/●Tian，K。（2018）。 缪斯头带：锁定人员的潜在沟通工具。 机械工程研究，8，16。 E. A.和V.-C。 M. D.和De F. S.和L. F.和G.-G. A. R.（2009）。 评估Neurosky在评估练习中检测注意力水平的可用性。 在J. 中 A. Jacko（ed。 ），人类计算机https://www.ncbi.nlm.nih.gov/pmc/articles/pmc6650260/●Tian，K。（2018）。缪斯头带：锁定人员的潜在沟通工具。机械工程研究，8，16。 E. A.和V.-C。 M. D.和De F. S.和L. F.和G.-G. A. R.（2009）。评估Neurosky在评估练习中检测注意力水平的可用性。在J.A. Jacko（ed。），人类计算机