XiaoMi-AI文件搜索系统
World File Search System背移
使用物理引导的对抗网络生成破裂标本的人工位移数据
抽象的数字图像相关性（DIC）已成为监视和评估开裂标本的机械实验的宝贵工具，但是由于固有的噪声和人工制品，通常很难自动检测裂纹。机器学习模型在使用DIC测量的，插值的全景位移作为基于卷积的分割模型的输入中检测裂纹路径和裂纹尖端非常成功。仍然需要大数据来训练此类模型。但是，由于实验昂贵且耗时，科学数据通常很少。在这项工作中，我们提出了一种直接生成类似于实际插值DIC位移的破裂标本的大量人工位移数据的方法。该方法基于生成对抗网络（GAN）。在训练期间，鉴别器以衍生的von Mises等效菌株的形式接收物理领域知识。我们表明，与经典的无指导GAN方法相比，这种物理学引导的方法在样品的视觉质量，切成薄片的Wasserstein距离和几何得分方面会带来改善的结果。
使用全蛋白质组热移测定法对药物作用机理的大规模表征
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该预印本版本的版权持有人，该版本发布于2024年2月8日。 https://doi.org/10.1101/2024.01.26.577428 doi：biorxiv Preprint
使用生成对抗网络重建 ERP 信号以实现移动脑机接口
摘要 — 实用的脑机接口已被广泛研究，以利用现实世界中的脑信号准确检测人类意图。然而，脑电图 (EEG) 信号由于行走和头部运动等伪影而失真，因此脑信号的幅度可能比所需的 EEG 信号大。由于这些伪影，在移动环境中准确检测人类意图具有挑战性。在本文中，我们提出了基于生成对抗网络的重建框架，使用行走过程中的事件相关电位 (ERP)。我们使用预训练的卷积编码器来表示潜在变量，并通过形状类似于编码器对立面的生成模型重建 ERP。最后，使用判别模型对 ERP 进行分类，以证明我们提出的框架的有效性。结果，重建的信号具有与站立期间的 ERP 类似的重要成分，例如 N200 和 P300。重建的 EEG 的准确性与行走期间的原始噪声 EEG 信号相似。重建的 EEG 信噪比显著增加至 1.3。生成模型的损失为 0.6301，相对较低，这意味着训练生成模型具有较高的性能。重建的 ERP 因此在降噪效果下在行走过程中的分类性能有所提高。即使在移动环境中，所提出的框架也可以帮助基于脑机接口识别人类意图。
口腔慢性移植物抗宿主疾病对体重的影响：一项队列研究
造血干细胞移植（HSCT）是治疗恶性肿瘤和非恶性疾病的众所周知的程序，包括血液学，其他代谢和免疫缺陷障碍[1]。尽管越来越多的患者接受了这种成功的治疗，但移植物抗宿主病（GVHD）仍然是主要的并发症，结果不令人满意[1-3]。急性GVHD（AGVHD）的特征是影响皮肤，肝脏和胃肠道[4]。慢性形式，慢性移植抗宿主病（CGVHD）是同种异体造血细胞移植（HCT）的严重并发症，发生在30％至70％的患者中[5]。它可以影响体内的任何器官，但主要影响皮肤，口腔，胃肠道，肝脏，肺，肌肉骨骼系统和眼睛[6]。慢性GVHD可能会降低生活质量，损害功能，并导致对免疫抑制药物和相关并发症的持续需求[6]。尽管CGVHD会影响多个器官，但口服CGVHD是第二频繁涉及的器官系统[7]，患病率为45％至83％。它发生在成年患者中的频率比儿童更频繁[7-10]。CGVHD可以以多种方式表现出来，具体取决于组织改变的类型和严重程度，并且可以影响口腔的任何部分[8]。口服CGVHD可以作为粘膜病变，唾液腺功能障碍和肌肉骨骼受累[7，11]。 口服粘膜病变的特征是山雀的特征，包括红斑，溃疡和高胚症[12]。口服CGVHD可以作为粘膜病变，唾液腺功能障碍和肌肉骨骼受累[7，11]。口服粘膜病变的特征是山雀的特征，包括红斑，溃疡和高胚症[12]。口腔中的任何部位都会受到影响，包括通常以甲状腺炎性牙龈炎的形式出现的牙龈。最常见的位点是颊粘膜和唇粘膜，以及舌头的侧面边界[13]。受影响的部位的范围从轻度敏感性的症状到严重疼痛，具体取决于参与的类型，防止正常的日常功能。此外，某些类型的食物可能会引起刺激，从而导致回避和对饮食缺乏兴趣。唾液腺功能障碍可以在临床上作为粘膜或静脉表现出来。并发症包括吞咽困难，机会性感染以及由于唾液的质量和数量改变而改变的味觉感觉。口腔的肌肉骨骼CGVHD也可以限制口腔张开，并对饮食功能和卫生产生影响。总体而言，粘膜，唾液和肌肉骨骼CGVHD的综合作用可以总结为临床上重要的口服症状，例如口腔疼痛，口腔敏感性，口腔敏感性，口腔张开，口腔干性，口腔干口以及对正常耐受性食物的口味变化[14]。这些症状可能会导致口服摄入量显着降低，也可以导致营养不足的热量饮食。对患者的整体健康和生存的影响显而易见，并可能导致卫生保健系统的负担增加[8-10，15，16]。证据表明，CGVHD患者的营养状况不佳[17，18]和体重减轻相关的BMI明显降低。必须研究口服CGVHD及其相关症状对这些临床上的问题的影响。营养不良是该人群中临床上重要的问题，可导致移植幸存者的功能和健康状况障碍[18]。Studies reported that the clinical manifestations associ- ated with weight loss in this population include erosions, ulcerations, xerostomia, decreased salivary flow, oral infections, oral and esophageal pain, diarrhea, dysphagia, vomiting, sensitiv- ity, and medication used in the treatment of HSCT [ 9 , 11 , 15 , 17 – 20 ].关于体重与口服CGVHD之间关系的知识有限，以及需要更好地了解患有CGVHD的患者口服表现引起的营养不良的需求，两者都阻碍了发展更有效的预防和治疗策略的能力，并进一步支持当前研究。这项研究旨在衡量合成性HSCT患者体重和口服CGVHD之间的关联，以及口服并发症对营养不良的影响（体重不足）。
申请的突破性T1D请求：临床胰岛移植中移植物接受的机制
➢在早期症状或新的发病阶段对个体的研究。 ➢项目专注于保护内源性β细胞质量免受自身免疫性➢在早期症状或新的发病阶段对个体的研究。➢项目专注于保护内源性β细胞质量免受自身免疫性
2024/9/20 1 人工智能生成的聊天应用对孩子有好处吗？
蚊子”。 2. 如果我们不明白某样东西的用途，我们可以给孩子吃吗？ 3.生成式人工智能使用书面语言作为学习数据。 4.生成式人工智能没有实体或情感。 5. 失去共同关注的机会。 6. 偏向听觉和视觉信息。
小动脉移植物中无线生物测定的紧凑双波段植入天线
摘要 - 动静脉移植物（AVG）是接受血液透析（HD）的慢性肾脏疾病（CKD）患者必不可少的救生植入物。但是，由于术后并发症（例如细胞积累）称为再狭窄，血液凝块和感染，这通常是由于发病率和死亡率的主要原因。配备有生物传感器的新一代HD植入物和可用于检测特定病理参数并报告AVGS的通畅性的无线功率和遥测系统的多播天线对CKD进行了变化。我们的研究提出了用于HD监测应用的紧凑双带植入天线。它以1.4和2.45 GHz运行，用于无线功率传递和生物测定目的。当前大小为5×5×0.635 mm 3的微型天线3具有较宽的带宽（在1.4-GHz带时为300 MHz，在2.45-GHz频带下为380 MHz），并且在两个共振频率下匹配良好的障碍物。此外，在三层同质幻影和现实的人体模型中分别进行模拟。在猪肉中评估所提出的天线的测量。所测量的天线原型的结果与模拟的原型紧密协调，并分析了猪肉肉中不同比例的脂肪组织的影响，以验证天线对接触介质的敏感性。还分析了特定的吸收率（SAR）和链路预算计算。最后，通过采用一对NRF24L01无线收发器来实现和可视化所提出的天线的无线生物测量功能，可持续和稳定的无线数据传输特性以2 Mb/s的高数据速率显示，最高为20 cm/s。
背外侧前额皮质经颅磁刺激可增加后 θ 波节律并减少运动想象的延迟
摘要：实验表明，在运动想象 (MI) 任务中，左背外侧前额叶皮层 (DLPFC) 被激活，但其功能作用需要进一步研究。在这里，我们通过对左侧 DLPFC 施加重复经颅磁刺激 (rTMS) 并评估其对大脑活动和 MI 反应潜伏期的影响来解决这个问题。这是一项随机、假对照的 EEG 研究。参与者被随机分配接受假刺激 (15 名受试者) 或真实高频 rTMS (15 名受试者)。我们进行了 EEG 传感器级、源级和连接分析，以评估 rTMS 的影响。我们发现，对左侧 DLPFC 的兴奋性刺激通过它们之间的功能连接增加了右侧楔前叶 (PrecuneusR) 的 θ 波段功率。楔前叶 θ 波段功率与 MI 反应的潜伏期呈负相关，因此 rTMS 加快了 50% 参与者的反应。我们假设后部 θ 波段功率反映了感觉处理的注意力调节；因此，高功率可能表示注意力处理并导致更快的反应。
同时进行经颅电刺激和磁刺激可增强背外侧前额皮质的伽马振荡
对每个 TMS-EEG 记录位点进行包含受试者内因素“tACS”（γ、θ、假）和“时间”（T0、T1、T2）的方差分析。皮质振荡分析按以下步骤进行。我们首先评估基线（T0）的伽马振荡的频率和功率。为了测试 iTBS + tACS 方案是否可能导致伽马波段在振荡功率方面发生任何变化，我们使用了包含受试者内因素“tACS”（γ、θ、假）和“时间”（T0、T1、T2）的重复测量方差分析。然后我们专注于单个频率变化分析；我们计算了单个频率峰值（整个振荡频谱中表达最多的频率），并且与伽马波段功率分析相同，我们使用了重复测量方差分析，其中受试者内因素“tACS”（γ、θ、假）和“时间”（T0、T1、T2）来评估波段表达的变化。对于