XiaoMi-AI文件搜索系统
World File Search System视野
使用机器学习技术从视野图像中进行的青光眼检测和分阶段
从119个正常和146头胶状眼睛收集了265个PD图和265个数值数据集24-2个VF图像，以训练DL模型，以将图像分为四组：正常，青光眼，早期的青光眼，中度青光眼，中度青光眼和高级Glau-coma。使用五倍的交叉验证（CV）训练PD图像的两种流行的预训练的DL模型：RESNET18和VGG16，并使用平衡的，预先提高的数据（n = 476张图像），不平衡的原始数据（n = 265）和功能提取观察到性能。使用Grad-CAM视觉ization技术进一步研究了受过训练的图像。此外，从全局指数（MD），模式标准偏差（PSD）和视野索引（VFI）训练了四个ML模型：模式标准偏差（PSD）和视野索引（VFI）。
“我不是在碰你。这是机器人！”：通过基于触摸的机器人在混合视野儿童中包含
视觉障碍的儿童通常由于视觉提示的访问有限而难以在小组活动中进行全面参与。他们很难感知正在发生的事情，何时以及如何采取行动 - 对有和没有视觉障碍的儿童的领导对小组活动感到沮丧，从而减少了相互作用。为了解决这个问题，我们创建了Thinibo，这是一种触觉讲故事的机器人，该机器人在多感觉环境中作用，鼓励基于触摸的互动。Touchibo为组交互提供了一个包容性的空间，因为在混合视觉上下文中，触摸是一种高度可访问的方式。在一项涉及107名儿童（37名视觉障碍）的研究中，我们将Touchibo与仅一位音频讲故事的人相提并论。结果表明，Touchibo显着改善了儿童的个人和团体参与感，基于触摸的互动，讲故事的人更加讨人喜欢和乐于助人。我们的研究强调了基于触摸的机器人通过促使人际交往的触摸来丰富儿童社交互动的潜力，尤其是在混合视觉能力环境中。
Sightsense：增强对盲人的视野，在其中，声音用计算机视觉和语音绘制世界
摘要 - 数据科学和机器学习已证明在包括教育在内的许多行业中都非常重要和有效。计算系统能够通过机器学习（人工智能的一部分）从数据学习和得出结论。通过数据挖掘和机器学习技术评估教育数据来预测学生成就的评估系统已由教育领域的最新发展引入。评估学生绩效是影响机构认证的重要教育指标。大学应使用咨询来为成绩不佳制定绩效改进计划，以解决这一问题。预测学术成就已成为众多教育机构的关键目标。帮助高风险的学生，确保他们留在学校，提供出色的学习材料以及提高大学的地位和声誉，这都取决于这一点。中小型大学可能会发现很难实现这一目标，尤其是当他们专注于研究生和研究生课程并缺乏可用于研究的学生数据时。该项目的主要目标是证明训练和建模微型数据集并产生具有合理准确性水平的预测模型是可行的。这项研究还介绍了如何使用可视化和聚类方法来在有限的数据集中找到重要的迹象。为了找到最准确的模型，许多机器学习算法接受了最佳指标培训。调查结果表明，可以使用聚类技术成功识别小型数据集中的关键指标
社论：拓宽我们对核酸传感的视野：新型传感器、信号通路以及与非传染性疾病的关系
核酸感应是先天免疫系统的重要组成部分，而核酸传感器属于一类受体，被广泛称为模式识别受体 (PRR)。PRR 最初是作为对病原体的免疫反应的一部分进行研究的。该概念指出，宿主需要受体以非特异性的方式广泛感知入侵的病原体，并触发启动病原体特异性适应性免疫反应所需的细胞的激活。根据这一核心概念，PRR 识别病原体相关分子模式 (PAMP)，它由入侵病原体的部分组成，例如它们的核酸基因组。PRR 与 PAMP 的结合会在受感染细胞中诱导信号级联，导致产生细胞因子，包括干扰素，这些细胞因子会分泌到细胞外环境中。这些细胞因子具有多种作用，例如促进邻近细胞对感染的抵抗力和募集对适应性反应至关重要的免疫细胞。然而，PRR 如何区分宿主核酸（自身）和病原体来源的核酸（非自身）一直受到研究。此外，由于在传染性或非传染性病理过程中出现的危险相关分子模式 (DAMP)，并且可以包括自身核酸，因此 PRR 可以在无菌条件下（即没有病原体的情况下）被激活。识别这些激活 PRR 的自身核酸的性质是一个正在进行的研究领域，可以为自我/非自我识别的机制提供信息。新的 PRR 仍在被发现，并且 PRR 除了产生细胞因子之外的作用也在不断报道。因此，核酸传感领域正在多个层面上扩展，本研究课题旨在拓宽我们对这一复杂研究领域的视野。
机器学习 - 衍生的基线视野模式预测了眼部高血压治疗研究中的未来青光眼发作
字段。4在OHTS中，发现较高的基线PSD可以预测未来的POAG发作。这一发现在青光眼研究（DIGS）和欧洲青光眼预防研究（EGPS）的诊断创新中得到了复制。5，6尽管OHTS碱基预测模型中使用的PSD值在正常范围内，但可能性仍然是，较高的PSD可能已代表早期但临床上不可见的青光眼损害。7这个问题仍然是基线VF中是否存在神秘模式，该模式是否由OHTS端点委员会定义为非珠瘤，如果是这样，这些模式是否可以预测未来的POAG发作。原型分析（AA）是一种无监督的机器学习方法，提供了一种从异质VF数据集中识别可解释的组件模式的方法。8未经文明的机器学习方法比定性分类系统更容易偏向偏差，因为它们没有关于青光眼变化的先验知识。8机器学习对VF的现有应用主要旨在诊断诊断或鉴定疾病进展。9 - 13未来疾病发作的依据是一个更具挑战性的问题，因为早期疾病的迹象较不可能辨别，并且需要强大的纵向数据集（例如OHT）。先前将AA应用于VF的研究表明，AA是鉴定已知POAG患者VF中临床解释模式的强大方法。8、13、14
冷原子量子技术探索基础物理学视野 ICTS 2022 年 11 月.pptx
“LIGO/Virgo 式”网络与合作，为英国领导层提供了一条道路。第一阶段目前由 QTFP 计划和其他来源资助了约 1000 万英镑，第二阶段可以放在 Boulby 或 Daresbury（英国）的国家设施，也可能放在 CERN（法国/瑞士）。
对于JHRR的贡献，请通过电子邮件联系：editor@jhrlmc.com原始文章定量评估Transspheni之后的视野恢复
方法：这项描述性观察性研究是在2023年6月16日至2024年3月31日的巴基斯坦医学科学研究所（PIMS）神经外科部门进行的。连续46例18-70岁的患者接受了经跨性垂体腺瘤切除并记录了视野障碍的患者。排除标准是先前的垂体手术，预先存在的视野异常不是垂体腺瘤，并且无法进行视野测试。使用汉弗莱视野测试在手术前的两周内进行术前视野测量。术后评估是在手术后立即（48小时内），一个月，两个月和三个月进行的。视野指数，包括平均偏差（MD）和模式标准偏差（PSD）。使用SPSS 25版对数据进行了分析，并具有针对患者人口统计学和肿瘤特征的描述性统计数据，以及推论统计（学生的t检验和卡方检验），以比较视野指数。
OMICS方法在重度抑郁症中开放了新的视野：从生物标志物到精确医学
主要的抑郁症（MDD）是一种复发性情绪情绪障碍，代表了全球残疾的第三大主要原因。在MDD中，几个因素可以同时促进其发展，这使其诊断变得复杂。 根据实际准则，抗抑郁药是中度至重度重大抑郁发作的第一线治疗方法。 传统的治疗策略通常遵循一种千篇一律的方法，从而为许多未能经历反应或康复并发展所谓的“耐药性抑郁症”的患者产生了次优的预后。 患者的高生物学和临床间变异性以及缺乏强大的生物标志物阻碍了特定治疗靶标的发现，这导致了高治疗衰竭率。 在此框架中，精密医学是一种针对个人特征的医疗干预措施的范式，将有助于为每个患者分配最适当，最有效的治疗，同时最大程度地减少其副作用。 尤其是，多词研究可以通过研究表观遗传学，转录组学，蛋白质组学，代谢组学，肠道微生物组学和免疫学的研究来揭示遗传易感性和暴露于环境因素之间的复杂相互作用。 比当前的心理药理学方法将多酚信息流到分子途径中的整合可能会产生更好的结果，后者靶向主要与单胺系统相关的奇异分子因子，无视我们生物体的复杂网络。在MDD中，几个因素可以同时促进其发展，这使其诊断变得复杂。根据实际准则，抗抑郁药是中度至重度重大抑郁发作的第一线治疗方法。传统的治疗策略通常遵循一种千篇一律的方法，从而为许多未能经历反应或康复并发展所谓的“耐药性抑郁症”的患者产生了次优的预后。患者的高生物学和临床间变异性以及缺乏强大的生物标志物阻碍了特定治疗靶标的发现，这导致了高治疗衰竭率。在此框架中，精密医学是一种针对个人特征的医疗干预措施的范式，将有助于为每个患者分配最适当，最有效的治疗，同时最大程度地减少其副作用。尤其是，多词研究可以通过研究表观遗传学，转录组学，蛋白质组学，代谢组学，肠道微生物组学和免疫学的研究来揭示遗传易感性和暴露于环境因素之间的复杂相互作用。比当前的心理药理学方法将多酚信息流到分子途径中的整合可能会产生更好的结果，后者靶向主要与单胺系统相关的奇异分子因子，无视我们生物体的复杂网络。系统生物医学的概念涉及用不同技术生成的巨大数据集的整合和分析，从而创建了“患者纤维纹”，该数据定义了每个患者的基本生物学机制。本综述以精密医学为中心，探讨了多摩尼亚方法作为单个患者级别预测的临床预测工具的整合。它调查了将现有技术用于诊断，分层，预后和治疗响应生物标志物的发现与人工智能的方法如何改善MDD的评估和治疗。
