XiaoMi-AI文件搜索系统
World File Search System计量学
标题：计量学的机器学习
ML目前正在欧洲计量学项目中采用，包括各种类型的医学成像（磁共振成像，X射线和PET），ECG和PPG信号分析，数字病理学，自由形式的表面重建，质谱，散射仪，散射仪，纳米颗粒图像分割以及循环序列和循环构造和能源系统模型。机器学习近年来在构建准确的数据驱动预测模型方面取得了巨大进步。这主要是由于大量数据和计算处理能力的进步所致。但是，其产出的不可靠性阻碍了ML的广泛采用及其启用的AI系统。至关重要的是，可以信任ML算法的预测，尤其是在计算不确定性和解释预测时。
标题：超导量子比特的计量学
过去几年，量子计算已从一门学术学科转变为一个吸引业界和政府极大兴趣和投资的领域。超导量子比特电路的优势在于，它几乎完全采用硅基铝（或蓝宝石）技术制成，现已扩展到 100 个量子比特。该领域的这种凝聚力使技术得到了显著改进，现在可以制造可重复的大规模电路，尽管量子处理器的复杂性很高，但该社区仍能逐渐将量子比特相干时间延长到 100 微秒以上。近年来，一些用于辅助电路的新材料（如钽）已经出现，即使目前质量最好的量子比特约瑟夫森结仍然完全采用铝技术制造，也能产生具有更高相干性的量子比特。目前，缺乏可用于直接关联所用材料和由此产生的量子比特相干性的计量工具和方法，这意味着在理解是什么限制了超导量子比特的相干性方面存在巨大差距。为什么某些材料更好尚不清楚，因此需要新的测量技术来了解量子层面的材料特性，并需要更精确地比较量子比特的性能。
异常大脑结构与自闭症谱系障碍儿童的社会和沟通缺陷有关：基于体素的形态计量学分析
摘要：结构性磁共振成像（SMRI）研究表明，ASD患者的大脑结构异常，但是结构变化与社会通知问题之间的关系尚不清楚。本研究旨在通过基于体素的形态计量学（VBM）探索ASD儿童大脑中临床功能障碍的结构机制。筛选自闭症脑成像数据交换（Abide）数据库的T1结构图像后，有98名8-12岁儿童患有ASD的儿童与105名8-12岁儿童匹配典型发育（TD）。首先，本研究比较了两组之间的灰质体积（GMV）差异。然后，这项研究评估了ASD儿童中GMV与自闭症诊断观察计划（ADO）的通信和社交互动的小计分数之间的关系。研究发现，ASD中的异常大脑结构包括中脑，蓬蒂因，双侧海马，左parahampocampal回，左颞颞回，左颞叶，左右圆极，左中颞回和左上胸部上流回。此外，在ASD儿童中，ADO上的通信和社交互动的小计分数仅与左海马中的GMV显着相关，左海马，剩下的颞上回和左中间颞回。总而言之，ASD儿童的灰质结构异常，ASD儿童的临床功能障碍与特定区域的结构异常有关。
脑形态计量学的纵向改变介导了欺凌受害者对前培养老者认知发展的影响。
欺凌受害与在成年期间自杀的风险增加了一倍。两项纵向脑形态计量学研究确定了梭形的回和壳骨很容易受到欺凌。尚无研究确定神经改变如何介导欺凌对认知的影响。我们从青春期脑认知发展研究数据集中评估了护理人员报告的欺凌（n = 323）的参与者（n = 323），并匹配的非爆炸对照（n = 322），以识别与正在进行的欺凌受害者相关的脑形态变化的变化，并确定这种变化是否介导了对认知的影响。Bullied children (38.7% girls, 47.7% racial minorities, 9.88 ± 0.62 years at baseline) had poorer cognitive performance (P < 0.05), larger right hippocampus (P = 0.036), left entorhinal cortex, left superior parietal cortex, and right fusiform gyrus volumes (all P < 0.05), as well as larger surface areas in multiple other额叶，顶叶和枕皮层。较薄的皮质。重要的是，梭形皮质中的较大表面积部分受到部分抑制（12-16％），并且部分抑制了前心皮质，（7％）欺凌对认知的影响（p <0.05）。这些发现突出了长时间欺凌受害对脑形态计量和认知的负面影响。
SARS-COV-2血清阳性和疫苗在马拉维的第一产前护理访问中的孕妇定量形态计量学和机器学习模型，以探索具有环境肠功能障碍儿童的十二指肠和直肠粘膜组织
摘要。环境肠功能障碍（EED）是一种亚临床肠病，在资源有限的环境中普遍存在，被认为是长期暴露于环境肠病毒的结果，导致营养不良，生长失败，神经认知延迟，神经认知延迟和口服疫苗衰竭。这项研究探讨了使用定量粘膜形态计量学，组织病理学评分指数以及机器学习 - 来自巴基斯坦和美国的儿童的前瞻性群体的基于图像分析的EED，乳糜泻和其他肠病儿童的十二指肠和结肠组织。，我们观察到绒毛钝的绒毛比在乳糜泻中比在EED中更为突出，因为来自巴基斯坦的乳糜泻的患者比美国的腹腔疾病较短，分别为81（73，127）m m和209（188，266，266）m，分别为81（73，127）M M M和209（73，127）。此外，根据沼泽评分方法，巴基斯坦队列中的腹腔疾病组织学严重程度增加。杯状细胞持续性和上皮内淋巴细胞的增加是EED和腹腔疾病的特征。有趣的是，与对照组相比，来自EED病例的直肠组织显示，隐窝中的单核炎性细胞和上皮内淋巴细胞增加。直肠隐窝上皮中的中性粒细胞增加也与十二指肠组织中EED组织学严重程度得分的增加显着相关。利用机器学习图像分析后，我们观察到患病和健康的十二指肠组织之间的重叠。我们得出的结论是，如前所述，EED包括在十二指肠中的炎症频谱，以及直肠粘膜，保证对两个解剖区域进行检查，以理解和管理EED。
基于表面的脑形态计量学测量的纵向变化在敏感的轻度认知障碍和阿尔茨海默氏病
德国神经病学系的莱比锡大学医学中心，B Max Planck人类认知与脑科学研究所，神经病学系，莱比锡，德国莱比锡认知神经病学诊所，莱比锡大学医院，莱比锡，德国莱比锡，德国D Banner Alzheimer的Alzheimer Institutes Phoenix, AZ, USA g School of Mathematics and Statistics (KC), Neurodegenerative Disease Research Center (EMR), Arizona State University, USA h Department of Neurology, College of Medicine – Phoenix (KC), Department of Psychiatry (EMR), University of Arizona, USA e Neurogenomics Division, Translational Genomics Research Institute, University of Arizona, and Arizona State University, Phoenix,美国亚利桑那州立大学I横幅 - 阿里佐纳州立大学神经退行性疾病研究中心，生物设计学院，亚利桑那州立大学，大学，亚利桑那州，美国亚利桑那州坦佩市J.
土壤胞外酶化学计量学反映了中国西北不同沙漠类型微生物的代谢限制
土壤胞外酶活性（EEA）化学计量学反映了微生物对资源的代谢需求和养分有效性之间的动态平衡。然而，在贫营养环境下的干旱荒漠地区，代谢限制的变化及其驱动因素仍不清楚。在本研究中，我们调查了中国西部不同沙漠类型的样本，并测量了两种碳获取酶（β-1,4-葡萄糖苷酶和β-D-纤维二糖水解酶）、两种氮获取酶（β-1,4-N-乙酰氨基葡萄糖苷酶和L-亮氨酸氨基肽酶）和一种有机磷获取酶（碱性磷酸酶）的活性，以量化和比较土壤微生物基于其EEA化学计量学的代谢限制。所有沙漠的对数转换后的 C、N 和 P 获取酶活性比率为 1:1.1:0.9，接近假设的全球平均 EEA 化学计量比（1:1:1）。我们使用比例 EEA 通过矢量分析量化了微生物营养限制，发现微生物代谢受到土壤 C 和 N 的共同限制。对于不同类型的沙漠，微生物 N 限制按以下顺序增加：砾石沙漠 < 沙沙漠 < 泥沙漠 < 盐沙漠。总体而言，研究区域的气候对微生物限制变化的解释比例最大（17.9 %），其次是土壤非生物因素（6.6 %）和生物因素（5.1 %）。我们的研究结果证实，EEA 化学计量学方法可用于多种沙漠类型的微生物资源生态学研究，并且即使在沙漠等极度贫营养环境中，土壤微生物也能通过调节酶的产生来增加对稀缺营养物质的吸收，从而维持群落水平的营养元素稳态。
中医四诊人工智能研究现状与趋势：基于科学计量学的研究
中医四诊是医生诊断疾病的一种非侵入性方法，包括望、闻、问、切。这些诊断方法在中国已有 3000 多年的历史 (1)。舌诊、脉诊和面诊是中医公认的诊断方法，基于对人体内部心、肝、脾、肺、肾的整体评估。随着疾病的发生，血管和器官功能的变化将反映在舌头、脉搏和面部表现上。因此，可以通过这些部位的颜色、厚度、频率和气味来了解疾病的严重程度和原因。随着中医研究的快速发展，中医四诊也随着现代科学技术 (2) 而发展，包括人工智能 (AI)。人工智能是由 McCarthy 等人在 20 世纪 50 年代提出的 (3)。此后，人工智能迅速发展，广泛应用于金融、医学等不同领域。近年来，由于中医大数据的发展，中医图像分析领域成为人工智能研究的热点。通过对基于人工智能的医学图像进行预测分析，医生可以做出更好的诊断和治疗决策。许多有意义的舌脉
Synthsr：一种公共AI工具，可将异质临床脑扫描变成3D形态计量学的高分辨率T1加权图像
每年，在世界各地的医院中都会获得数百万次脑电磁共振成像（MRI）扫描。这些有可能彻底改变我们对许多神经系统疾病的理解，但是由于它们的各向异性解决方案，它们的形态分析尚未实现。我们提出了一种人工智能技术，即“合成器”，该技术对任何MR对比度进行临床大脑MRI扫描（T1，T2等。），方向（轴向/冠状/矢状），并分辨出来，并将它们变成高分辨率T1扫描，这些T1扫描几乎可以通过所有现有的人类神经影像工具使用。我们介绍了> 10,000张对照和脑肿瘤，中风和阿尔茨海默氏病的对照组和患者的分割，注册和地培训的结果。合成子产生的传奇结果与高分辨率T1扫描所能获得的非常高度相关。Synthsr允许样本量有可能克服前瞻性研究的功率限制，并为健康和患病的人脑提供了新的启示。
新生儿MRI的早期大脑形态计量学预测非常早产的2岁矫正年龄的运动和认知结果
CSIRO健康与生物安全性，澳大利亚电子卫生研究中心，皇家布里斯班和妇女医院，赫斯顿，赫斯顿，布里斯班，昆士兰州4029，澳大利亚B澳大利亚B 4029，B詹姆斯·库克大学，詹姆斯维尔大学，昆士兰州昆士兰州，昆士兰，澳大利亚昆士兰州昆士兰C儿童健康研究中心，昆士兰州塞雷布拉尔·佩尔斯·帕尔斯和居民研究中心，Quensland cerbral Pals and Rehability Center，Quembral Pals and reblant forland，Quebiland forland，Quebiland forland，Quembla昆士兰州，澳大利亚昆士兰州昆士兰儿童医院，昆士兰州儿童医院，昆士兰州儿童医院和健康服务局，澳大利亚布里斯班，母亲，母亲和妇女健康计划，母校研究所，昆士兰大学医学院，昆士兰州昆士兰大学，澳大利亚昆士兰大学，澳大利亚昆士兰大学，澳大利亚昆士兰州大学健康医疗学院临床学院，教学界，佩里奇学院。维多利亚，澳大利亚，澳大利亚G Monash Imaging，Monash Health，墨尔本，墨尔本，澳大利亚H澳大利亚H莫纳什大学，墨尔本大学，墨尔本，维多利亚，澳大利亚I Monash Newborn，Monash Newborn，Monash儿童医院，墨尔本，墨尔本，澳大利亚澳大利亚J围产期研究中心