XiaoMi-AI文件搜索系统
World File Search System聚类分析
气候变化对农业生产的影响的聚类分析
气候变化对全球农业生产力和粮食安全构成了重大威胁。气候变化对农作物产量的影响变得越来越明显，尤其是在严重依赖农业生存的发展和低收入国家。这些地区通常缺乏有效适应所需的基础设施，使其特别容易受到与气候相关的破坏的影响。本研究研究了气候变化与农业之间的复杂关系，突出了温度变化，降水模式的变化。这项研究主要侧重于通过应用聚类技术来检查气候变化对农业的影响。具体来说，它旨在探索各种气候和农业因素之间的关系，例如作物产量，经济影响和适应策略。使用无监督的机器学习方法，该研究分析了一个数据集，其中包含温度，降水，二氧化碳排放，灌溉通道，土壤健康指数和适应策略等特征。聚类算法（包括K-均值，DBSCAN和聚集聚类）被采用，将数据分组为不同的集群，从而揭示了不同地区和农业实践如何受到气候变化影响的模式。此外，该研究强调了较高的作物产量与增加的经济利益之间的联系。使用轮廓分数评估每个模型的聚类性能，以测量簇的质量。
探索获得性脑损伤后认知触发性异质性：提示理解的聚类分析
Natacha Cordonier，Marion Fossard，YvesTillé，Maud Champagne-Lavau。探索获得性脑损伤后认知务实的异质性：提示理解的聚类分析。《美国语言病理学杂志》，2023，32（6），第2752-2767页。10.1044/2023_AJSLP- 22-00389。hal-04330850
预测医学消费的聚类分析
摘要。这项研究调查了用于医院中医学消费的机器学习，以优化资源分配和物流。我们使用两种方法：一种结合了多家医院数据的统一方法，以及一种预测个人医院的分离方法。我们根据消费趋势探索了K-均值聚类和手动对聚类。虽然K-均值聚类并未产生改进，但手动夹确定了具有明显增强预测准确性的特定药物对（例如，医院1：MAPE 1：MAPE从19.70％降低到3.30％）。但是，统一的方法并不能始终如一地使所有医院受益（例如，医学9）。这强调了在某些医院的准确性提高与其他医院潜在损失的需求。总体而言，分离方法中的手动聚类显示出希望。未来的工作应探索高级自动聚类技术，例如动态时间扭曲（DTW），并利用较大的数据集进行进一步验证。
使用机器学习聚类分析对射血分数保留的心力衰竭进行表型映射：预后和治疗意义
Elena Galli、Corentin Bourg、Wojciech Kosmala、Emmanuel Oger、Erwan Donal。使用机器学习聚类分析对射血分数保留的心力衰竭进行表型映射：预后和治疗意义。心力衰竭诊所，2021 年，17 (3)，第 499-518 页。�10.1016/j.hfc.2021.02.010�。�hal-03246464�
全基因组聚类分析的指导文件...
整个基因组测序（WGS）的持续实施已为欧洲监视和越野爆发调查提供了新的方法。新法规将在2026年生效，要求欧盟和EFTA国家以及北爱尔兰（英国）对弯曲杆菌（C. jejuni）的整个基因组进行测序S. enterica）与饲料，动物，食物，相关环境分离出与食源性爆发有关的环境，并将WGS结果传输到EFSA [1]。实验室在实施WGS分析工作流程时必须做出各种决策，这可能会影响数据解释并影响可比性。该文档是在下一代测序（NGS Inter-Eurls wg）的欧文间工作组的框架中产生的。它旨在为NRL提供和支持聚类分析的各种选择，其中比较基因组和可视化之间的遗传距离，从而可以解释基因组之间的相关性。该文件的重点是由WG的EURL代表的细菌病原体，因为这些方法尚未适用于寄生虫或病毒的程度。
流行病学研究，相关因素的确定以及2022年中国野生型假拟南芥病毒血清的时空聚类分析
伪酸病毒（PRV）属于疱疹病毒亚家族A，其中还包括水痘病毒。PRV是伪造（PR）的病因，通常被称为Aujeszky氏病（1）。PRV具有感染各种动物物种的能力，但只有猪作为该病毒的储液宿主（2-7）。PRV感染后，猪会根据感染时的年龄表现出不同的临床症状。新生小猪主要表现出神经系统症状并具有较高的死亡率，而感染的成年母猪表现出生殖和呼吸系统疾病（8-10）。自2011年以来，在整个中国的多个猪农场都有PRV的复兴。这次爆发的主要特征是堕胎，死产和仔猪死亡率增加（11）。这种复兴可以归因于PRV变体的出现，例如HN1201，TJ菌株和SDYC-2014（12-14）。多项研究表明，Bartha-K61缺失应变疫苗在提供对这些变体的全面保护方面是不可能的（13，15）。尽管通过许多国家通过疫苗接种成功控制或消除了伪造（PR），但中国猪中的流行仍然普遍（16）。尽管PR Bartha-K61缺乏疫苗进行了免疫，但仍发生了许多PRV爆发（13、17-21）。在2018年，中国发生了非洲猪的发烧，这对该国的猪农业产生了重大影响。Zhao等。 这可以归因于增强的生物安全管理实践。Zhao等。这可以归因于增强的生物安全管理实践。这导致了牛群分布，农场生物安全水平以及猪农业行业中的牛群循环策略的显着变化。发现，与爆发前采样的猪爆发后，ASF爆发后进行采样的PRV感染可能性较低（22）。结果，PR的患病率已经受到影响（23，24）。有关于2021年之前中国PRV血清流行的报告，以及相关因素和时空分析，没有2022年的相关数据。因此，在这项研究中，2022年在中国收集了超过160,000种血清样品，其目的是分析伪标记的当前患病率并探索时空模式。此外，对PRV感染进行时空分析可以帮助识别具有较高PRV患病率的簇并了解PRV感染变异的趋势。此信息可以帮助决策者设计中国未来PRV控制的更精确和成本效率的干预政策。
评估瑞士儿童期脑癌聚类分析的发现
免责声明本报告由瑞士应用人类毒理学中心（SCAHT）详细阐述。scaht由瑞士联合会资助，并由巴塞尔大学，日内瓦，洛桑和FHNW生活科学学院的大学支持。该中心支持应用人类毒理学的研究，并促进了多学科信息和数据的交换。scaht为人类毒理学的教育和培训做出了贡献，并鼓励学生和新成员招募该职业。SCAHT的监管毒理学小组与巴塞尔大学的药物科学系有关。该小组为瑞士当局，媒体，公众和第三方提供监管毒理学方面的专家建议和服务，并负责提供专业分析。作者没有宣布的利益冲突。
脑密度聚类分析
fMRI 的最新研究重点是放宽大脑在实验过程中处于静态的假设。许多研究表明，在单次扫描过程中，大脑是随时间变化的（或动态的）（Chang and Glover，2010；Sakoglu 等人，2010；Hutchison 等人，2013；Calhoun 等人，2014；Faghiri 等人，2018；Lurie 等人，2020）。分析大脑动态方面的一种常用方法是使用滑动窗口结合连接估计器（例如 Pearson 相关）来估计随时间变化的连接（Handwerker 等人，2012；Allen 等人，2014）。这种方法很有用并且被广泛使用，部分原因是它很简单，但它也有一些局限性。对数据进行窗口化会导致 fMRI 中的时间信息变得平滑，可能会丢失重要信息。此方法的一个较小的问题是，必须使用特定的窗口长度进行此分析，而更改此窗口长度可能会改变最终结果（Sakoglu 等人，2010 年；Shakil 等人，2016 年）。为了解决平滑问题，已经提出了几种方法，这些方法要么更即时（Shine 等人，2015 年；Omidvarnia 等人，2016 年；Faghiri 等人，2020 年），要么使用不同的滤波和时频方法来探索连通性的全频谱（Chang 和 Glover，2010 年；Yaesoubi 等人，2015 年；Faghiri 等人，2021 年）。有关时变连通性的更详细评论，请参阅（请参阅 Bolton 等人，2020 年；Iraji 等人，2020a）。许多基于连接性的方法并不直接利用数据在其原始高维空间中的动态性（即，使用数据计算滑动窗口相关性，该相关性在每个组件对之间分别计算）。这导致需要在许多独立于其他 2D 空间的二维 (2D) 空间中检查数据（其中每个 2D 空间特定于一个组件对）。最近，有人提出了新方法，尝试使用不同的方法从这些 2D 空间转到更高维度（Faskowitz 等人，2020 年；Iraji 等人，2020b 年）。除了基于连接性的方法外，还有其他方法旨在直接从活动域信息中提取动态性。例如，隐马尔可夫模型已用于从 fMRI 中的活动数据中估计几个隐藏状态（Karahano˘glu 和 Van De Ville，2017 年；Vidaurre 等人，2018 年）。其他方法要么直接将活动信息纳入管道（Fu 等人，2021 年），要么专注于基于活动（如功率）计算的指标（Chen 等人，2018 年）。此外，还有一系列基于大脑不同部分之间共同激活的方法，它们也直接将活动信息纳入分析管道（Liu 和 Duyn，2013 年；Karahanoglu 和 Van De Ville，2015 年）。在过去十年中，许多研究使用静息状态（Damaraju 等人，2014 年；Guo 等人，2014 年；Faghiri 等人，2021 年）和任务 fMRI（Boksman 等人，2005 年；Ebisch 等人，2014 年）比较了精神分裂症患者的大脑与健康对照者的大脑。最近，人们更加重视探索大脑动态方面的方法（Damaraju 等人，2014 年；Kottaram 等人，2019 年；Giufford 等人，2020 年；Faghiri 等人，2021 年）。使用动态方法，一些研究报告称个体的活力较低
使用多种分解方法和聚类分析来查找和分类运动想象脑机接口实验中的典型脑电图活动模式
本研究调查了运动想象脑机接口 (BCI) 控制实验中的脑电活动来源。根据不同的标准比较了 16 种脑电源分离的线性分解方法。标准是源活动之间的互信息减少和生理合理性。后者通过估计源地形图的偶极性（即通过单个电流偶极子的电位分布近似地图的准确性）以及不同运动想象任务的源活动特异性来测试。还根据发现的共享组件数量比较了分解方法。结果表明，大多数偶极分量是由独立分量分析方法 AMICA 和 PWCICA 发现的，它们也提供了最高的信息减少。这两种方法还发现了所使用的盲源分离算法中最具任务特异性的脑电模式。在模式特异性方面，它们仅次于非盲共同空间模式方法。使用活动性增加的吸引子神经网络对所有方法发现的成分进行聚类。聚类分析的结果揭示了实验中最常见的电活动模式。这些模式反映了眨眼、眼球运动、运动想象过程中的感觉运动节律抑制以及两个半球楔前叶、辅助运动区和运动前区的激活。总体而言，多方法分解以及随后的聚类和任务特异性估计是一种可行且信息丰富的程序，可用于处理电生理实验的记录。