XiaoMi-AI文件搜索系统
World File Search System绝对偏差
多点贝叶斯主动学习可靠性分析
本手稿提出了一种新型的贝叶斯主动学习可靠性方法，该方法同时整合了贝叶斯故障概率估计和贝叶斯决策理论多点富集过程。首先，提出了一种称为综合边缘概率（IMP）的认知不确定性度量，以作为Kriging估计的失败概率的平均绝对偏差的上限。然后，遵守贝叶斯决策理论，定义了一种称为多点逐步减少（MSMR）的外观学习函数，以量化通过在预期中添加一批新样本来量化IMP的可能减少。基于MSMR的多点富集过程的成本效率实现由三个关键的解决方法进行：（a）由于内部积分的分析性障碍性，MSMR将其减少到单个积分。（b）MSMR中的其余单个积分是通过数值截断的数值计算的。（c）最大化MSMR的启发式治疗方法是根据迭代迅速选择最佳下一个点的一批最佳点，其中使用规定或自适应方案来指定批量大小。在两个基准示例和两个动态可靠性问题上测试了所提出的方法。结果表明，MSMR中的自适应方案在计算资源消耗和整体计算时间之间取得了良好的平衡。然后，根据故障概率估计的准确性，迭代次数以及性能函数评估的数量，尤其是在复杂的动态可靠性问题中，MSMR的表现相当优于现有的倾斜功能和并行化策略。
肌电信号的电触觉反馈的空间和频率编码相结合
摘要 电触觉刺激已广泛用于人机界面，为用户提供反馈，从而闭合控制回路并提高性能。编码方法是电触觉界面的重要组成部分，它定义了反馈信息到刺激曲线的映射。理想情况下，编码将提供反馈变量的高保真表示，同时易于被受试者感知和解释。在本研究中，我们进行了一个闭环实验，其中离散和连续编码方案相结合，以利用这两种技术的优势。受试者执行肌肉激活匹配任务，仅依靠代表产生的肌电信号 (EMG) 的电触觉反馈。具体而言，我们研究了两种不同编码方案（空间和空间与频率相结合）在两种反馈分辨率（低：3 和高：5 个间隔）下的性能。在这两种方案中，刺激电极都围绕上臂放置。标准化 EMG 的幅度被分为间隔，每个电极与一个间隔相关联。当生成的 EMG 进入其中一个间隔时，相关电极开始刺激。在组合编码中，活动电极的额外频率调制还指示间隔内信号的瞬时幅度。结果表明，当分辨率较低时，组合编码会降低下冲率、变异性和绝对偏差，但当分辨率较高时则不会，反而会使性能变差。这表明组合编码可以提高 EMG 反馈的有效性，但这种效果受到肌电控制固有变异性的限制。因此，我们的研究结果提供了重要的见解，并阐明了在使用电触觉刺激传递具有高变异性的反馈信号（EMG 生物反馈）时信息编码方法的局限性。
使用MRI放射线特征和机器学习算法冠状动脉旁路后的心肌功能预测
摘要本研究的主要目的是预测使用放射线和机器学习算法的冠状动脉搭桥术后患者心脏MR（LGE-CMR）图像的心肌功能改善。总共选择了43例可见疤痕的患者在短轴LGE-CMR图像上，并且是CABG手术的候选者，并参与了这项研究。MR成像是使用1.5-T MRI扫描仪术前进行的。所有图像均由两位专家放射科医生（共识）进行了分割。在提取放射线特征之前，将所有MR图像重新采样至各向同性体素大小为1.8×1.8×1.8 mm 3。随后，将强度定量为64个离散的灰度，总共提取了93个特征。应用的算法包括平滑剪辑的绝对偏差（SCAD） - 载体支持向量机（SVM）和递归分区（RP）算法，作为该高维和非Sparse数据中二进制分类的可靠分类器。所有模型均通过重复的五倍交叉验证和10,000个自举重新示例验证。为CABG响应者/非响应者分类，选择了使用SCAD-拟合SVM和RP算法的十个功能和七个功能。考虑单变量分析，GLSZM灰度非均匀性 - 标准化功能具有最佳性能（AUC：0.62，95％CI：0.53-0.76），具有SCAD-PAD-PENALALALIZED SVM。关于多变量建模，SCAD-PENALIZIZED SVM的AUC为0.784（95％CI：0.64–0.92），而RP算法的AUC为0.654（95％CI：0.50-0.82）。总而言之，使用机器学习算法在多变量分析中单独或合并不同的放射线纹理特征，可提供有关CABG后患者心肌功能的预后信息。
Narclim2 ...
摘要。NARCliM2.0 (New South Wales and Australian Regional Climate Modelling) comprises two Weather Re- search and Forecasting (WRF) regional climate models (RCMs) which downscale five Coupled Model Intercompar- ison Project Phase 6 (CMIP6) global climate models con- tributing to the Coordinated Regional Downscaling Exper- iment (CORDEX) over Australasia at 20 km resolution and澳大利亚东南部以4公里的对流渗透分辨率。我们首先描述了Narclim2.0的设计，包括通过使用不同的参数为行星边界层，微物理学，Cumulus，辐射和陆地表面模型（LSM）测试78个RCMS选择两个定义RCM。然后，我们评估Narclim2.0模拟历史气候与CMIP3型Narclim1.0和CMIP5-强制Narclim1.5 RCMS的技能，并比较富度气候预测的差异。RCM使用WRF中新的Noah多参数化（NOAH-MP）LSM的 rcms，默认设置允许使用Noah Unifered进行默认设置，以模拟温度变量与RCMS进行实质性改进。 Noah- MP在模拟沉淀方面的改善较小，除了对澳大利亚东南海岸的大大改善。 激活Noah MP的动态植被覆盖率和/或径流选项主要改善了最低温度的模拟。 narclim2.0在最高温度偏差中与Narclim1.0和1.5（1.x）赋予了很大的降低，在许多上，绝对偏差为约0.5 krcms，默认设置允许使用Noah Unifered进行默认设置，以模拟温度变量与RCMS进行实质性改进。Noah- MP在模拟沉淀方面的改善较小，除了对澳大利亚东南海岸的大大改善。激活Noah MP的动态植被覆盖率和/或径流选项主要改善了最低温度的模拟。narclim2.0在最高温度偏差中与Narclim1.0和1.5（1.x）赋予了很大的降低，在许多
支持 EPA 转录组评估产品 (ETAP) 转录组出发点开发的科学研究
ANOVA 方差分析 AIC 赤池信息准则 ATSDR 有毒物质与疾病登记署 BCTD 生物分子与计算毒理学部 BMD 基准剂量 BMD(L) 指 BMD 和/或 BMDL BMDL 基准剂量置信下限 BMDS 基准剂量建模软件 BMDU 基准剂量置信上限 BMR 基准响应 BOSC EPA 科学顾问委员会 CASRN 化学文摘服务注册号 CCCB 计算化学与化学信息学分会 CCED 化学特性与暴露分会 CCTE 计算毒理学与暴露中心 CDx 伴随诊断 CPAD 化学与污染物评估分会 CPHEA 公共卫生与环境评估中心 CPM 每百万计数 CTBB 计算毒理学与生物信息学分会 DNTP 美国国家毒理学计划分会环境健康科学研究所 DTT 国家环境健康科学研究所转化毒理学部，前身为国家毒理学计划部 (DNTP) DWS 饮用水标准 EPA 美国环境保护署 ECHA 欧洲化学品管理局 ENBS 采样的预期净效益 ETAP EPA 转录组评估产品 ETTB 实验毒代动力学和毒理动力学分部 FC 倍数变化 FDA 美国食品药品管理局 FDR 错误发现率 FIFRA 联邦杀虫剂、杀菌剂和灭鼠剂法案 GO 基因本体 ID 标识符 IRIS EPA 综合风险信息系统 KOW 正辛醇/水分配系数 LOAEL 最低可观察不良反应水平 MAQC 微阵列质量联盟 MRL 最低风险水平 mRNA 信使核糖核酸 (RNA) MSD 均方差 MAD 中位数绝对偏差 NAM 新方法 NASEM 美国国家科学、工程、和医学 NGS 下一代测序 NIEHS 国家环境健康科学研究所
颅内压变异性作为危重患者颅内高压和死亡率的预测指标的作用
目的颅内压 (ICP) 监测是追踪神经外科患者的一种广泛使用且必不可少的工具，但仅使用基于 ICP 的范例来指导管理有局限性。有人提出，除了平均 ICP 之外，ICP 变异性 (ICPV) 可能是神经系统结果的有用预测指标，因为它代表了完整脑压自动调节的间接测量。然而，目前关于 ICPV 适用性的文献显示 ICPV 和死亡率之间存在相互矛盾的关联。因此，作者旨在使用 eICU 协作研究数据库 2.0 版研究 ICPV 对颅内高压发作和死亡率的影响。方法作者从 eICU 数据库中提取了 868 名神经外科患者的 1,815,676 个 ICP 读数。使用两种方法计算 ICPV：滚动标准差 (RSD) 和滚动平均值的绝对偏差 (DRM)。颅内高压发作定义为在任何 30 分钟的时间窗口中至少有 25 分钟的 ICP > 22 毫米汞柱。使用多元逻辑回归计算平均 ICPV 对颅内高压和死亡率的影响。使用具有长短期记忆的循环神经网络对 ICP 和 ICPV 进行时间序列预测，以预测未来的颅内高压发作。结果使用两种 ICPV 定义，较高的平均 ICPV 与颅内高压显着相关（RSD：aOR 2.82，95% CI 2.07–3.90，p < 0.001；DRM：aOR 3.93，95% CI 2.77–5.69，p < 0.001）。 ICPV 与颅内高压患者的死亡率显著相关（RSD：aOR 1.28，95% CI 1.04–1.61，p = 0.026，DRM：aOR 1.39，95% CI 1.10–1.79，p = 0.007）。在机器学习模型中，两种定义的 ICPV 均取得了同样好的结果，DRM 定义在 20 分钟内获得的最佳 F1 得分为 0.685 ± 0.026，曲线下面积为 0.980 ± 0.003。结论作为神经监测的一部分，ICPV 可作为预测神经外科重症监护中颅内高压发作和死亡率的辅助手段。进一步研究使用 ICPV 预测未来的颅内高压发作可能有助于临床医生对患者的 ICP 变化做出迅速反应。