XiaoMi-AI文件搜索系统
World File Search System选取
妊娠期糖尿病对妊娠妇女影响的前瞻性研究
背景：妊娠期糖尿病是新生儿听力损失的潜在危险因素。妊娠期间母亲体内循环糖分增加会损害微循环，并可能导致内耳先天性异常，从而导致先天性听力损失。糖尿病母亲所生新生儿的耳聋患病率为 4.16%。耳声发射 (OAE) 和脑干诱发反应听力检查 (BERA) 用于评估听力障碍。方法：这项前瞻性病例对照研究由妇产科开展，研究对象为 92 名年龄在 21 至 35 岁之间的产前母亲，根据她们的妊娠期糖尿病状况将她们分为两组。所有这些新生儿均按照通用方案在出生后 72 小时内和第 10 天使用 OAE 进行听力筛查。本研究旨在确定妊娠期糖尿病对新生儿听觉功能的影响。结果：本研究共选取 92 名孕妇，分为 A 组和 B 组，平均年龄为 27.8±5.4 岁。在出生后 72 小时内进行的评估中，A 组 39.1%（18）的新生儿 OAE 未通过，而 B 组仅有 8.7%（4）的新生儿 OAE 未通过。患有妊娠期糖尿病的母亲所生的孩子患先天性听力损失的风险高出 6.7 倍。结论：本研究表明妊娠期糖尿病与新生儿听力障碍之间存在显著关联。与非妊娠期糖尿病母亲所生的新生儿相比，GDM 母亲所生的新生儿 OAE 筛查的失败率更高。关键词：妊娠期糖尿病、新生儿、听力、OAE
使用 SE 进行 3D-CNN 的阿尔茨海默病检测
摘要——阿尔茨海默病是一种致命的进行性神经系统脑部疾病。及早发现阿尔茨海默病有助于正确治疗并防止脑组织损伤。在这项工作中，我们提出了两种方法。首先，提出使用 PSO 从 MRI 图像中提取特征的连接中值滤波器，并使用基于 3D-CNN 的 SE-Net 分析阿尔茨海默病状态。在第一阶段，该算法首先对 MRI 图像进行规范化并去除头骨。使用粒子群优化算法的连接中值滤波器将图像划分为白质 (WM)、灰质 (GM) 和黑洞 (BH)。从分割的图像成分中提取相关的诊断特征。分类器由训练数据训练以预测测试数据。定义特征以使用带有挤压激励块的支持向量机构建分类模型。在这里，数据库总共包含 1000 张图像，这些图像被调整为 350 × 350 而不会丢失信息。深度学习需要大量的图像，并且其强度根据增强技术的要求得到了提高。在该方法的第一阶段，选取 1000 张具有不同特征的图像来训练 SVM 分类器，获得的准确率为 98.37%，这项工作的贡献是将图像分类为阿尔茨海默病 (AD) 和正常等类别。第一阶段的工作强调使用特定程序来提取特征。在第二阶段，CNN 有多个层，从较低级别到较高级别研究图像特征。关键词 - 3D-CNN、压缩和激励网络、优化
量子计算的金融用例
2) 一般而言，从 N 种资产中选取任意数量的资产构建一个最优投资组合需要 2 N 次计算迭代（假设投资组合是等权重的，并且资产是统一定价的）。在这些假设下，10 种资产可以组合成 1,024（2 10 ）个不同的投资组合，这是一个易于管理的数量。但如果资产数量增加到 100 种，则可能的组合数为 2 100 ，大致相当于 10 30 或一千万亿平方。生成 2 100 个组合所需的计算无法在实际时间范围内完成。然而，使用 Markowitz 模型可以稍微减少计算工作量，该模型可以将投资组合优化从组合问题转化为线性系统（矩阵代数）问题。具体而言，Markowitz 模型根据资产各自的事前收益率和资产间收益相关性（协方差），确定在风险承受能力约束下使投资组合方差最小的资产组合。虽然与纯组合问题相比，Markowitz 模型大大减少了计算工作量，但它仍然需要多维代数计算，而随着资产数量的增加，这些计算变得越来越难以处理。借助量子计算，理论上可以使用 Harrow-Hassidim-Lloyd (HHL) 算法将计算工作量减少到 log(N) 次迭代，从而快速求解线性方程组。在上面的例子中，当 N = 10 时，HHL 算法理论上可以在一次迭代中解决投资组合优化问题，即使当 N = 100 时也只需两次迭代即可解决。
尼日利亚南部大学图书馆馆员对人工智能的采用和利用
本研究调查了尼日利亚南部各大学图书馆的图书管理员如何采用和使用人工智能。研究提出了四个研究目标和四个研究问题。研究采用调查设计，以尼日利亚南部大学图书馆的 848 名图书管理员为样本。采用全样本抽样法，选取全部人口进行研究。八名研究助理协助了问卷分发过程，他们接受过如何在分发研究人员设计的结构化问卷之前联系受访者并获得他们同意的培训。研究人员从发给受访者的 848 份问卷中回收了 704 份。然而，回收率为 83%，这是一个可观的数字。描述性统计方法用于分析问卷产生的数据。结果表明，尼日利亚南部的大学图书馆很少采用人工智能。研究还显示，大学图书馆出入口的安全扫描设备是最普遍的人工智能，而其他人工智能，如机器人、聊天机器人、人脸识别、触摸识别、RFID 技术、人形机器人、人工智能分类工具、机器可读目录和人工智能智能功能，在尼日利亚南部的大学图书馆中仍然缺乏。这项研究的结果还表明，大学图书馆的图书管理员了解人工智能可以应用于提供服务的多种方式。研究结果表明，采用人工智能的障碍包括人工智能对传统图书馆服务造成的巨大破坏、缺乏技能和采用前需要培训、电力供应不稳定、缺乏适合采用的基础设施等问题。研究建议，应组织图书馆员培训，以提高他们使用人工智能提供服务的技能，大学和图书馆管理层应致力于为人工智能的采用提供必要的支持，提供所需的基础设施，确保人工智能的迅速实施。
从 bim 到数字孪生：系统回顾... 的演变
摘要：建筑信息模型 (BIM) 的广泛采用和物联网 (IoT) 应用的兴起为整个建筑环境的生命周期提供了许多新的见解和决策能力。近年来，实时连接环境中部署的在线传感器的能力导致了建筑环境数字孪生概念的出现。数字孪生旨在实现现实世界与虚拟平台的同步，以无缝管理和控制建筑环境中的施工过程、设施管理、环境监测和其他生命周期过程。然而，建筑环境的数字孪生研究仍处于起步阶段，需要了解底层支持技术的进步，并为当前和未来的研究建立一个融合的环境。本文进行了系统回顾，以确定促进建筑环境应用中 BIM 向数字孪生演变的新兴技术的发展。共选取并审阅了 100 篇相关论文，其中包括 23 篇综述论文。为了系统地对所审阅的研究进行分类，作者根据建筑生命周期开发了一个五级阶梯分类系统，以反映数字孪生应用的当前最新水平。在该分类法的每个级别中，根据应用的研究领域（例如，施工过程、建筑能效、室内环境监测）进一步对其进行分类。此外，还从所审阅的文献中总结了当前支持数字孪生的技术的最新水平。研究发现，迄今为止进行的大多数先前研究尚未充分利用或实现数字孪生的设想概念，因此归类为早期的阶梯类别。基于对已审查工作的分析和正在进行的研究趋势，作者提出了一种用于建筑管理的高级数字孪生概念，作为进一步研究的基础。
黑海科学机器学习杂志...
阿尔茨海默病是一种神经退行性疾病，会逐渐丧失认知和神经功能，对人类生活产生负面影响，并且是不可逆转的。由于该疾病无法治愈，因此通过早期诊断减缓其进展至关重要。诊断阶段的延长会导致治疗延迟并增加认知和神经系统的损失。本研究的目的是利用机器学习方法根据脑电图（EEG）信号诊断阿尔茨海默病（AD），以尽量减少损失。在研究中，24 名 AD 患者和 24 名健康人的脑电图信号被分为 4 秒的时间段，重叠率为 50%。计算信号的独立成分分析（ICA）值，并根据ICA值从EEG通道中自动去除噪声。每个信号从时间域到谱域的转换都是采用Welch方法进行的。通过Welch频谱分析获得1~30Hz范围内的功率谱密度（PSD）信号，提取20个统计和频谱特征，并建立特征向量。利用Spearman相关系数检验各特征与标签的相关关系，并根据阈值选取9个特征构建新的特征向量。将获得的特征向量中70%作为训练，30%作为测试。采用 10 倍交叉验证对机器学习 (ML) 方法中的支持向量机 (SVM) 和 k-最近邻 (kNN) 方法进行训练和测试，不使用和使用主成分分析 (PCA)。根据准确度、敏感度、特异性、精确度和 F-Score 值对结果进行比较。通过对由20个特征组成的特征向量进行PCA分析，利用SVM取得了AD诊断的最佳准确率（96.59%）。关键词：EEG、阿尔茨海默病、机器学习、SVM、kNN。
计算机辅助药物设计和分子动力学...
为解决类风湿性关节炎、1 型糖尿病和格雷夫斯病的药物耐药性问题，选取 32 种化合物作为自身免疫性疾病的新型抑制剂，进行 2D-QSAR、3D-QSAR、对接、ADMET 和分子动力学 (MD) 模拟实验。2D-QSAR 研究采用遗传近似-多元线性回归 (GA-MLR)。实验活性与模型 1 获得的活性显示出良好的相关性 (r2 = 0.7616 和 q2 = 0.6327)。使用 3D-QSAR 技术对构效关系 (SAR) 进行了统计研究，对于一个高预测模型——比较分子场分析 (CoMFA：Q2=0.785；R2=0.936；rext2= 0.818)，该技术产生了很强的统计意义。根据对预测模型轮廓图的全面检查，立体场和静电场控制着生物活性。这些信息对于理解创造新的、强大的自身免疫性疾病抑制剂所必须具备的品质非常有用。通过这些发现，设计了 70 种具有改进的受体靶向活性的新抑制剂。最后的先导化合物是化合物 32 和设计化合物 D40，它们是通过虚拟筛选和随后的分子对接发现的。根据对每个蛋白质-配体复合物的 MD 模拟结果，化合物 32 和 D40 能够靶向蛋白质，例如精氨酸脱亚胺酶 4 (PAD4)、主要组织相容性复合体 (MHC) II 类 HLA-DQ-ALPHA 链和促甲状腺激素受体 (或 TSH 受体) 蛋白。我们的研究表明，化合物 32 和设计化合物 D40 可以在体外和体内针对某些选定的自身免疫性疾病进行研究。还测量了选定药物的 MM/GBSA 结合自由能。用于模式识别、结构相似性和热点结合能预测。
人工智能模型对建筑空间智能辅助设计的探索
为了对AI具体的建筑模型进行全面的设计描述，将AI与建筑空间智能辅助模型深度融合，根据实际情况进行柔性设计。AI辅助生成建筑意向与建筑形态，主要支撑学术与工作理论模型，推动技术创新，进而提升建筑设计行业的设计效率。AI辅助建筑设计让每一位设计师都拥有了设计自由，同时在AI的帮助下，建筑设计能够更快更高效的完成相应的工作。在AI技术的帮助下，通过关键词的调整与优化，AI自动生成了一批建筑空间设计方案。在此背景下，通过对AI模型、建筑空间智能辅助模型的文献调研以及建筑空间的语义网络与内部结构分析，建立了建筑空间设计的辅助模型。其次，从数据源头保证符合建筑空间三维特征，在分析空间设计整体功能结构的基础上，开展基于深度学习辅助的建筑空间智能设计。最后，以UrbanScene3D数据集中选取的三维模型为研究对象，测试AI的建筑空间智能模型的辅助性能。研究结果表明，随着网络节点数量的增加，模型在测试数据集和训练数据集上的拟合度呈下降趋势，综合模型拟合曲线显示基于AI的建筑空间智能设计方案优于传统建筑设计方案；随着网络连接层节点数量的增加，空间温湿度智能得分将不断上升，模型能够达到最优的建筑空间智能辅助效果。该研究对于推动建筑空间设计的智能化、数字化转型具有实际应用价值。
虚拟智能：脑模拟单元神经网络发展的系统评价
摘要：大脑的功能一直是一个复杂而神秘的现象。从笛卡尔首次提出大脑是心灵的载体，到当代将大脑视为具有初级和高级突发活动的有机体的研究，大脑一直是人们不断探索的对象。通过成像技术、使用不同编程语言实现数字平台或模拟器以及使用多个处理器模拟大脑中突触过程的速度，人们有可能对大脑功能进行更深入的研究。各种计算架构的使用引发了无数问题，例如计算神经科学等学科在大脑研究中的可能范围，以及在信息技术 (IT) 的支持下将深度知识融入不同设备的可能性。认知科学的主要兴趣之一是在系统或机制中开发人类智能的机会。本文选取三个面向计算科学的数据库（EbscoHost Web、IEEE Xplore 和 Compendex Engineering Village）的主要文章，以了解神经网络在研究大脑方面的当前目标。这种技术的可能用途是开发能够复制更复杂的人脑任务（例如涉及意识的任务）的人工智能 (AI) 系统。结果显示了计算神经科学中神经网络研究的主要发现和发展研究的主题。主要发展之一是使用神经网络作为许多计算架构的基础，使用多种技术，如计算神经形态芯片、MRI 图像和脑机接口 (BCI)，以增强模拟大脑活动的能力。本文旨在回顾和分析那些针对不同计算架构开发的研究，这些研究侧重于通过神经网络影响各种大脑活动。目的是确定该主题的研究方向和主要方向，并走允许跨学科合作的道路。
回顾调查 HER2 和...的共同表达率
背景：许多类型的癌症都表达 HER2/HER3 异二聚体，这是一种至关重要的致癌单元。研究表明，当这两种生物标志物一起表达时，它与更高的肿瘤侵袭性和更低的总体生存率相关。因此，已经开发出许多疗法来同时针对这两种生物标志物。本研究旨在收集这些生物标志物在不同类型癌症中共表达水平的数据。方法：在 PubMed、Scopus、Embase 和 Web of Science 数据库中进行了全面搜索，以确定相关研究。计算了事件发生率及其相应的 95% 置信区间。根据患者的居住地区、年龄和性别进行了异质性、亚组和元回归分析。本研究的方案在 PROSPERO 中注册，ID 为：CRD42024504256。结果：我们发现了 60 项符合我们研究所有纳入标准的研究。其中，我们共选取乳腺癌相关研究19项（6079人）、肺癌相关研究9项（829人）、胃癌相关研究6项（1423人）和结直肠癌相关研究4项（802人）进行meta分析，结果显示乳腺癌患者HER2+HER3共表达率为18.5%（95%CI 11.7–27.9），结直肠癌患者HER2+HER3共表达率为17.1%（95%CI 2.4–63.4），胃癌患者HER2+HER3共表达率为11.3%（95%CI 4.2–17.2），肺癌患者HER2+HER3共表达率为12.7%（95%CI 5.2–22.8）。肺癌中HER2和HER3的共表达与患者性别有显著相关性（P=0.038）。结论：研究发现HER2和HER3生物标志物在不同类型的癌症中共表达，它们是不同治疗的靶点。