XiaoMi-AI文件搜索系统
World File Search System表明
b'Abstract本文讨论了将双重/伪证机器学习（DDML）与堆叠配对，这是一种模型平均方法，用于结合多个候选学习者，以估计结构参数。除了传统的堆叠外，我们还考虑了可用于DDML的两个堆叠变体：短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担，并汇总堆叠强制执行常见的堆叠权重，而不是交叉折叠。使用校准的仿真研究和两种估计引用和工资中性别差距的应用，我们表明，与基于单个预先选择的学习者基于单一的替代方法相比，堆叠的DDML对部分未知的功能形式比部分未知的功能形式更强大。我们提供实施建议的Stata和软件。 JEL分类：C21，C26，C52，C55，J01，J08'
b'Abstract本文讨论了将双重/伪证机器学习（DDML）与堆叠配对，这是一种模型平均方法，用于结合多个候选学习者，以估计结构参数。除了传统的堆叠外，我们还考虑了可用于DDML的两个堆叠变体：短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担，并汇总堆叠量强制执行常见的堆叠权重，而不是交叉折叠。使用校准的模拟研究和两种估计引用和工资中性别差距的应用，我们表明，与基于单个预先选择的学习者的常见替代方法相比，堆叠的DDML对部分未知的功能形式更强大。我们提供实施建议的Stata和软件。JEL分类：C21，C26，C52，C55，J01，J08'
RORγT反激动剂表明抑制IL-17a和胸腺细胞凋亡之间的边缘 异质采用气候智能农业实践对埃塞克维尼市小规模城市农作物农民的家庭食品和营养安全的影响 孕产妇心理健康与幼儿发展，营养和儿童疾病之间的关联 研究文章在阿尔茨海默氏病中通过遗传风险进行的患者分层仅在存在表型异质性的情况下有效 gpt，本体论和CAABAC：三方个性化访问控制模型，该模型由合规性，上下文和属性 3D荧光染色和低肠癌的共聚焦成像（肠overods）：所有均可访问的协议 海马子场的体积变化和与长期COVID和ME/CFS的严重程度指标的关联：7T MRI研究 注意力缺陷障碍的病因 多中心随机双盲安慰剂对照跨界研究长期嘈杂的电力前庭刺激对前庭病中姿势或步态的影响 HIV感染的空间生物学 与气候相关的双边官方发展援助（...
多种遗传关联表明编码蛋白质的Th17相关基因（例如IL-17A，IL-23和STAT3）以及牛皮癣之间存在致病关系。对此链接的进一步支持来自于以下发现：针对IL-17A，IL-17RA和IL-23的中和抗体在牛皮癣，牛皮癣关节炎和性脊髓炎等疾病中有效。RORγT是一种驱动Th17极化和细胞分泌的中心位置转录因子，因此RORγT的调节可能会为患者提供额外的好处。然而，RORγT在胸腺中T细胞的正常发育和小鼠中RORγT的遗传破坏中起作用，导致源自胸腺中的淋巴瘤的发展。虽然尚未确定RORγT活性的下调会导致人类的后果，但希望进一步了解胸腺效应，以支持该靶标的进步作为对Th17驱动疾病的潜在治疗方法。在此，我们介绍了最近公开的RORγt逆激动剂的表征，在体外和对TH17终点的体外和体内降低了靶标参与和疗效，但需要更高的体外浓度以影响胸腺细胞凋亡。
北京北京大学。摘要有几份报告压力会导致记忆力障碍。另一方面，研究表明
北京北京大学。摘要有几份压力会导致记忆力障碍。的研究表明，Cyperus Rotundus（C. rotundus）提取物可改善记忆并增强信息检索。在当前的研究中，研究了水合醇曲霉提取物对应激诱导的记忆检索损伤的改善影响。在这项研究中，成年男性实验室小鼠分为两组：压力和无压力，这些组进一步分为两个亚组：接受盐水的对照组和用圆孢杆菌提取物治疗的对照组。首先，小鼠通过烤21或7天接受了物质。最后一场饲料后的一天，使用被动回避记忆测试装置对动物进行了训练，在教学后24小时，它们会受到急性压力并立即进行记忆测试。进入黑暗房间的潜伏期和设备暗室中度过的时间被记录为被动回避记忆检索的量度。根据获得的发现，预测试应力大大减少了进入黑暗房间的潜伏期，并增加了在黑暗房间中所花费的时间。提取物的预训练疗法扭转了进入的潜伏期，也大大减少了在黑暗房间中所花费的时间。看来，C. rotundus的水醇提取物提高了从长期记忆中检索信息的能力，并减少了急性应力对记忆检索的破坏性影响，具体取决于消费时间。Int J Pharm Phytopharmacol Res。关键词：水醇提取物，圆形圆形，记忆，急性应力eijppr 2024; 14（6）：1-8如何引用本文：Hu D，Gao J，Yang X，Liang Y.研究cyperus rotundus hydalcololic提取物对小鼠急性应激引起的记忆检索障碍的影响。2024; 14（6）：1-8。 https://doi.org/10.51847/etvpc80rsz
气候披露是否可以减少温室气体排放？新兴证据表明谨慎
tratsuction大约20年前，在他对英国政府的评论中，前世界银行首席经济学家尼古拉斯·斯特恩爵士（Nicholas Stern）称气候变化为“世界有史以来最大的市场失败”。 1斯特恩挑战世界采取政策，通过“税收，交易或法规”来解决碳，以解决该市场失败。2即使定价碳不足以完全解决气候变化，许多经济学家和政策拥护者之间达成了共识，即定价碳可以成为创新的有力驱动力，因此应成为政策支持的监管工具。3今天，前英格兰银行经济学家艾伦·比蒂（Alan Beattie）得出结论，斯特恩（Stern）对市场失败的看法“可悲的是真实”。 4 Beattie认为，如果欧盟能够捍卫其碳边境调整措施（CBAM），世界贸易组织（WTO）的诉讼（WTO）的诉讼最终可能会导致全球定价制度。5，将于2026年生效，将向欧盟出售的产品将被收取欧盟和出口国在碳上的价格之间的差额。6这项措施可能会通过激励各国实施高碳价格的激励措施来创造全球定价制度，因为无论如何其出口将被收取。仍然，Beattie得出结论：
RORγT反激动剂表明抑制IL-17a和胸腺细胞凋亡之间的边缘
气候智能农业（CSA）解决气候变化下的粮食安全问题。该研究研究了通过埃塞克维尼（ETH）市政农作物（ETH）市政农作物采用CSA实践对食品和营养安全的影响，从412个SSUC农民中采用了有目的的采样。结果表明，社会人口统计学和机构因素会影响SSUC农民的家庭消费模式和饮食状况。概率选择模型表明，农民的年龄，教育，房屋规模，非农业收入，食品每月支出，农业培训，团体犯罪和信贷访问严重影响了CSA实践的采用决策。使用边缘治疗效果的内源性转换回归表明，农场收入，非农业收入，食品每月支出，团体会员资格，雇用的劳动力和距离耕种地点的距离极大地影响了家庭食品消费。性别，婚姻状况，就业状况，年龄，家庭规模，农场和非农业收入，食物的每月支出，团体成员资格，雇用劳动力以及来自家庭的兼职劳动者人数，对SSUC农民的家庭饮食分歧状况显着影响。这些发现证实了采用CSA实践的影响的异质性。通过家庭食品消费评分（HFC）和家庭饮食多样性评分（HDDS）描述的CSA实践的积极选择，未观察到的好处是普遍的。 采用CSA实践增强了SSCU农民的食物和营养，当农民采用CSA实践时，平均治疗效果（ATT）表明。未观察到的好处是普遍的。采用CSA实践增强了SSCU农民的食物和营养，当农民采用CSA实践时，平均治疗效果（ATT）表明。采用CSA实践与SSUC农民的粮食和营养安全性成正相关，收养者分别为16％和31％的食品安全，分别为HFC和HDD。因此，在粮食消费方式和饮食多样性方面，采用CSA实践的ETH市政府的SSUC农民可能会更好。鉴于此，SSUC农民，研究人员和扩展之间的联系
Molnupiravir 临床试验模拟表明聚合酶链 1
。CC-BY-NC 4.0 国际许可 它是根据作者/资助者提供的，他已授予 medRxiv 永久展示预印本的许可。（未经同行评审认证）
专家称新奥尔良新年夜恐怖袭击表明保护“软目标”的挑战
在波旁街这样一条横跨 12 个街区、行人流量很大的街道上，有一些解决方案。在活动期间，警车或大型车辆（如装满沙子的自卸卡车）经常被用来封锁道路。护柱（埋在地下的钢柱）是一种更永久、更可靠的物理安全形式，尽管封锁波旁街的护柱在袭击发生前已被拆除进行维修。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具，但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学，他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明，教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情，尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势，并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力，确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词：人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法：英语语言教学杂志，12 (2)。196-212 DOI：10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/
摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具，但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学，他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明，教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情，尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势，并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力，确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词：人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法：英语语言教学杂志，12 (2)。196-212 DOI：10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/
FAST 功能连接表明 P300 连接与阿尔茨海默病的工作记忆缺陷有关
测量瞬时功能连接是脑电图 (EEG) 研究中的一个重要挑战。在这里，高时间分辨率所提供的关于大脑活动的深刻、有辨别力的信息的丰富潜力，被介质的固有噪声和在短时间窗口内计算出的相关性的虚假性质所掩盖。我们提出了一种克服这些问题的方法，称为滤波平均短期 (FAST) 功能连接。首先，对于给定的一对视觉短期记忆 (VSTM) 任务，对整个研究队列的长期、稳定的功能连接进行平均。得到的平均连接矩阵包含有关任务最强一般连接的信息，用作过滤器来分析各个受试者的瞬时高时间分辨率功能连接。在模拟中，我们表明，这种方法可以准确区分两种条件下嘈杂事件相关电位 (ERP) 的差异，而标准连接和其他类似方法则无法做到这一点。然后，我们将其应用于分析与家族性和散发性阿尔茨海默病 (AD) 相关轻度认知障碍 (MCI) 的两组人群中视觉短期记忆绑定缺陷相关的活动。在 P300 ERP 范围内，绑定任务中发现了可重复的显著差异，而在形状任务中没有显著差异。这允许对瞬时功能连接进行新的敏感测量，可以实施以获得具有临床意义的结果。