XiaoMi-AI文件搜索系统
World File Search System策划
Aurigene.AI 是一种端到端的小分子药物发现解决方案，将 AI 和 ML 功能与 Aurigene 在合成和体内外测试分子方面的核心专业知识相结合。 该平台由一个精心策划的数据库组成，可用作训练数据。 模块化平台允许用户从一组生成、预测和计算算法中灵活地选择合适的 AI 模型。 它利用迭代 ML 过程进行合理有效的化学设计，并根据合成的可处理性和 ADME（吸收、分布、代谢、排泄）和效力等特性进行优先排序。
Aurigene Pharmaceutical Services 是一家全球合同研究、开发和制造组织 (CRDMO)。我们以加速创新的传统为基础，并在小分子和大分子药物发现、开发和制造方面拥有丰富的经验，我们的使命是坚持不懈地为客户的成功而努力，并通过整体方法建立长期关系，以加速分子从实验室到市场的进程。我们为发现化学、生物治疗药物发现、发现生物学、临床 I-III 期计划、监管提交批次和商业制造的开发和制造服务提供集成和独立服务。Aurigene 的独特之处在于其集成的 API 和配方服务，涵盖从关键起始材料、高级中间体和 API 到成品（如口服固体、无菌产品、鼻腔溶液等）。英国、墨西哥、美国和印度的 GMP 商业制造设施补充了我们在印度的开发和制药 API 制造服务。
策划的数据集和用于使用机器学习网络钓鱼电子邮件检测的功能分析
摘要 - 尽管进行了持续研究，但网络钓鱼电子邮件攻击正在上升，并且缺乏用于培训和测试电子邮件过滤技术的丰富策划数据集。为了解决这个问题，我们生产并发布了七个策划的数据集，其中包含203,176个电子邮件实例，可与机器学习一起使用（ML），以区分网络钓鱼电子邮件和合法的电子邮件。我们通过精心策划网络钓鱼和来自不同存储库的合法电子邮件来创建这些数据集。然后证明我们的策划数据集适合该目的，我们进行了定量分析，以评估五种ML算法的性能。我们还分析了这些策划数据集中不同特征对这些ML算法的重要性和影响。这些策划的数据集以及定量分析的发现将推动针对网络钓鱼攻击的强大防御。
策划基因组疾病基因与基因2芬太尼的关系通过癫痫发作状态和治疗干预
。cc-by-nc 4.0国际许可证是根据作者/资助者提供的，他已授予Medrxiv的许可证，以永久显示预印本。（未通过同行评审认证）
基因特异性ACMG/AMP分类APC变体的标准：Clingen Insight Hereditart Colorytratal Cancer/Polyposis变体策划专家小组的建议
Isabel Spier 1 , 2 , 3 , Xiaoyu Yin 1 , 4 , 5 , * , Marcy Richardson 6 , Marta Pineda 3 , 7 , 8 , Andreas Laner 9 , Deborah Ritter 10 , 11 , Julie Boyle 12 , Pilar Mur 7 , 8 , Thomas v O. Hansen 13 , 14 , Xuemei Shi 15 , Khalid Mahmood 16 , 17 , John-Paul Plazzer 4 , ELISABET OGNEDAL 18，玛格丽塔·诺德林（Margareta Nordling）19，20，苏珊·费灵顿（Susan M. ，7，8，Sean V. Tavtigian 12，29，Andrew Latchford 30，31，Ian M. Frayling 30，32，Sharon E. Plon 10，11，Marc Greenblatt 33，Finlay A. Macrae 4，5，Stefan Aretz 1，2，2，2;代表洞察力 - 克林根遗传性结肠癌/多兴趣变体专家小组
开发和评估自然语言处理系统，用于策划胸膜超声心动图（TTE）数据库
摘要：背景：尽管电子健康记录（EHR）提供了对疾病模式和患者治疗优化的有用见解，但它们对非结构化数据的依赖表现出了很难的文化。超声心动图报告为心血管患者提供广泛的病理信息，由于其叙事结构，提取和分析特别具有挑战性。尽管自然语言处理（NLP）已成功地用于各种医学领域，但它并未在超声心动图分析中使用。目的：开发一种基于NLP的方法，通过准确转换（例如LVOT VTI，AV VTI和TR VMAX）和离散（例如，反应性严重性）在半结构的叙事形式中逐渐结构或允许未来的研究，从而将基于超声心动图报告中提取和分类数据进行分类。方法：135,062跨性超声心动图（TTE）报告源自146967基线超声心动图报告，分为三个同类：培训和验证（n = 1075），测试数据集（n = 98）和应用程序集（n = 133,889）。NLP系统是开发的，并使用医学专家知识迭代地进行了修订。该系统用于从133,889个报告的提取中策划一个中等实力数据库。由两名临床医生盲目注释并提取了98个报告的固定验证集，以与NLP提取进行比较。一致性，歧视，准确性和校准结果度量提取。该系统表现出与临床医生提取的高度一致性和一致性。结果：包括LVOT VTI，AV VTI和TR VMAX在内的连续结果使用级别的相关得分（ICC = 1.00，p <0.05）表现出完美的评估者可靠性，并表明了NLP系统和临床医生之间的理想对齐。在诸如LVOT直径，横向MAPSE，峰值E速度，横向E速度，PV VMAX，Valsalva的Sinuses，valsalva的sinuse，valsalva和升高主动脉直径等结果中观察到了良好水平（ICC = 0.75–0.9，p <0.05）的评价者间可靠性。此外，在混淆矩阵分析中，离散结果度量的准确率为91.38％，表明有效性能。结论：基于NLP的技术在从超声心动图报告中提取和分类数据时产生了良好的结果。本研究通过提供有用的工具将半结构化文本转换为可用于数据管理的结构化回声报告，从而有助于使用半结构化数据。医疗保健设置中的其他验证和实施可以提高数据可用性，并支持研究和临床决策。
医疗保健选择策划者 - 康涅狄格州退休人员
放弃保险，如果您有其他医疗保险，并且想在最初符合条件时放弃康涅狄格州的保险，并且后来您会丢失其他承保范围，则可以在失去其他承保范围或在任何开放式注册期间后30天内注册。不希望承保范围的退休人员必须填写退休人员健康注册/变更表（CO-744-OE），检查“放弃医疗保险”，然后将其退还给退休人员健康保险单位。很重要！如果您放弃了不合格的资格或符合医疗保险资格的退休人员的保险，则不能在康涅狄格州退休人员健康计划下覆盖任何家属。您必须被注册才能覆盖您的合格家属。
网络拓扑，极化和算法策划
PLOS Biology于2003年首次出版。那一年，神经科学领域的重要变化正在发生。神经记录与计算理论的婚姻刚刚开始呈现出严重的果实，促使2004年计算和系统神经科学（Cosyne）会议的就职典礼。双方，三个研究流引起了特别的兴趣。首先，研究灵长类动物动力学系统的研究人员刚刚表明，伴随着使眼睛的决定的神经活动具有许多古老的决策潜伏期模型的标志，包括近似贝叶斯推理的嘈杂的积累动力学[1]和在神经网络中反复抑制[2]。Second, both single-neuron electrophysiology and functional MRI were being deployed to study the motiva- tional signals in basal ganglia and medial prefrontal cortex that accompany reward-guided deci- sions, building on theoretical constructs from the fields of Reinforcement Learning (RL) [ 3 ] and behavioral economics [ 4 ] (the Society for Neuroeconomics also held its first annual meeting in 2003).第三，冷春港的一组研究人员展示了啮齿动物模型研究决策的可行性[5]，补充了对大鼠的研究记忆和导航的新兴研究；仅在两年后才能发现网格细胞[6]。从那以后的20年中，这些（以及许多其他）研究链植入的种子增长了强大。更普遍的是，在过去的20年中，链接模型和数据的研究已成为常态，将领域指向了真正累积科学的黄金时代。建模框架基于心理物理学，贝叶斯方法，连接主义网络，RL和计量经济学模型已广泛用于测试机械理论并解释神经数据。并行，更明显的神经扎根模型已经迅速增加，例如那些说明啮齿动物中导航和记忆的细胞类型的聚宝盆，该发现在2014年获得了诺贝尔奖。今天，我们继承了核心脑功能的复杂理论，包括（但不限于）感觉运动选择，奖励指导的学习，视觉注意力，记忆和导航。
活动策划无障碍检查表
此清单由机构无障碍和 ADA 合规办公室 (OIA) 创建，适用于计划 USC 活动的任何人。使用它来评估活动的基本无障碍性。它包括有关现场、虚拟和混合活动的信息。如果活动的全部或部分将以现场形式进行，请携带一份副本以在您访问现场时完成。