XiaoMi-AI文件搜索系统
World File Search System长尾
在心脏杂音特征上探索填充的音频-LLM
大型语言模型（LLMS）在认可和分析人类言论，音乐和环境声音方面表现出色。然而，尽管有很大的科学兴趣，但他们理解其他类型的声音，尤其是生物医学声音的潜力仍然很大程度上。在这项研究中，我们专注于使用Phonocardiongons，即心脏声音诊断心血管疾病。大多数现有的深神经网络（DNN）范式仅限于心脏杂音分类（健康与不健康），并且不预测杂音的其他声学特征，例如时间，时间安排，评分，苛刻，音高和质量，这对于帮助医生可以帮助医生诊断出底层心脏状况很重要。我们建议在Physionet Circor digiscope Phonocardiogram（PCG）数据集上对Audio llm（Qwen2-audio）进行验证，并评估其在对11个专家标记的杂音特征进行分类时的性能。从事方面的目标，我们旨在通过使用音频表示模型Ssamba探索预处理细分算法来实现更多的噪声和可推广系统。我们的结果表明，基于LLM的模型在11个功能中的8个中优于最先进的方法，其余3个。更重要的是，LLM成功地将长尾杂音功能分类为有限的培训数据，这是所有以前的方法都无法分类的任务。这些发现强调了Audio LLM作为人类心脏病专家在增强心脏病诊断方面的助手的潜力。
对自动驾驶世界模型的调查
摘要 - 自主驾驶中的截然突破是由强大的世界建模的进步推动的，从根本上改变了车辆如何解释动态场景并执行安全的决策。尤其是世界模型已成为一项Linchpin技术，提供了整合多传感器数据，语义提示和时间动态的驱动环境的高保真表示。本文系统地回顾了世界自主驾驶模型的最新进展，提出了三层分类学：1）生成未来的物理世界，涵盖图像，BEV-，OG-，OG-和PC的生成方法，从而增强场景演化通过扩散模型和4D占用预测来增强场景演变建模； 2）针对智能代理的行为规划，将基于规则驱动的范式和基于学习的范例与成本图优化和增强学习的轨迹学习相结合； 3）预测与计划之间的互动，通过潜在的空间扩散和内存增强体系结构实现多代理协作决策。这项研究进一步分析了培训范例，包括自我监督学习，多模式预处理和生成数据增强，同时评估了世界模型在场景理解和运动预测任务中的性能。未来的研究必须解决自我监督的表示学习，长尾场景生成和多模式融合的关键挑战，以推动在复杂的城市环境中实际部署世界模型的实际部署。总的来说，我们的全面分析提供了一个理论框架和技术路线图，用于利用世界模型在推进安全可靠的自动驾驶解决方案方面的变革潜力。
12 附件 3.4 取消关税...
0106.3200 --鹦鹉形目（包括鹦鹉、长尾小鹦鹉、金刚鹦鹉和凤头鹦鹉） 6 Y0 0106.3300 --鸵鸟；鸸鹋（Dromaius novaehollandiae） 6 Y0 0106.3900 --其他 6 Y0 - 昆虫： 0106.41 --蜜蜂： 0106.4110 --- 用于害虫防治的蜜蜂 Apis mellifera 6 Y0 0106.4120 --- 大黄蜂 Bombus terrestris 6 Y0 0106.4190 --- 其他 6 Y0 0106.4900 -- 其他 6 Y0 0106.90 -- 其他： 0106.9010 -- 智利蛙（Calyptocephalella gayi 或 Caudiverbera caudiverbera） 6 Y0 0106.9020 -- 鸡蜘蛛（Mygalomorphae，Araneae 亚目） 6 Y0 0106.9090 -- 其他 6 Y0 02.01新鲜或冷藏的牛肉。0201.1000 -胴体和半胴体 6 Y0 0201.2000 -其他带骨切块 6 Y0 0201.3000 -无骨： 6 Y0 02.02 冷冻牛肉。0202.1000 -胴体和半胴体 6 Y0 0202.2000 -其他带骨切块 6 Y0 0202.3000 -无骨： 6 Y0 02.03 新鲜、冷藏或冷冻猪肉。- 新鲜或冷藏： 0203.1100 --胴体和半胴体 6 Y0 0203.1200 --带骨火腿、肩肉及其切块 6 Y0 0203.1900 --其他 6 Y0 - 冷冻： 0203.2100 --胴体和半胴体 6 Y0 0203.2200 --带骨火腿、肩肉及其切块 6 Y0 0203.29 --其他 0203.2910 ---带有肉层的脂肪 6 Y0 0203.2920 ---夹有高比例脂肪的五花肉 6 Y0 0203.2930 ---无骨 6 Y0 0203.2990 ---其他 6 Y0 02.04 新鲜、冷藏或冷冻的绵羊或山羊肉 0204.1000 -新鲜或冷藏的胴体和半胴体羔羊 6 Y0 - 其他新鲜或冷藏的绵羊肉： 0204.2100 --胴体和半胴体 6 Y0 0204.2200 --其他带骨切块 6 Y0 0204.2300 --无骨 6 Y0 0204.3000 -冷冻的胴体和半胴体羔羊 6 Y0 - 其他冷冻的绵羊肉： 0204.4100 --胴体和半胴体 6 Y0 0204.42 --其他带骨切块： 0204.4210 ---肩肉 6 Y0 0204.4220 ---腿 6 Y0 0204.4230 ---鞍 6 Y0 0204.4290 ---其他 6 Y0 0204.4300 --无骨 6 Y0 0204.5000 -山羊肉 6 Y0 0205.0000 马、驴、骡或驴骡的肉，新鲜、冷藏或冷冻。6 Y0
社论：放射学癌症诊断的人工智能应用
癌症仍然是对人类生命的最显着威胁之一，早期发现特别具有挑战性。放射学成像是识别癌症的主要工具，但早期的迹象通常是微妙的，导致可能遗漏的可治疗癌症（1）。人工智能（AI）具有巨大的承诺，是帮助放射科医生进行癌症检测的强大工具（2）。AI算法在癌症识别，分割和评估中表现出了令人印象深刻的能力（3，4）。然而，这些算法的不透明性质（通常称为其“黑盒”特征）引起了人们对它们的可解释性和临床预测的验证能力的担忧（5）。需要解决一些新出现的挑战，以有效地将AI整合到癌症检测中。在数据策划期间，公开可用的数据集通常受到扫描仪技术和成像协议中的小规模，不完整的标签或可变性的限制，这限制了其适用性（6）。在开发阶段，AI算法在很大程度上取决于专家放射科医生的手动注释，并且当应用于来自不同医院或协议的数据时，其性能可能会下降（7）。此外，当前的AI模型在处理部分或嘈杂标签，管理长尾数据分布以及适应持续学习（8）等问题上遇到了困难（8）。），头颈肿瘤分割（Zhang和Ray），乳腺癌亚型分类（Sun等）和风险因素识别（Dianati-Nasab等人。）和直肠癌生存风险预测（SHU为了增强AI作为可靠和用户友好的工具的临床采用，有必要开发可以与放射科医生协同工作的AI系统，并将人类专业知识和AI的优势结合起来，以改善癌症检测和患者的结果（9）。This Research Topic has curated articles on the applications of AI models, especially the machine learning models of Random Forest (RF), Neural Networks (NN), Bootstrap Aggregating Classi fi cation and Regression Trees (Bagged CART), Extreme Gradient Boosting Tree (XGBoost), and elastic net, and deep learning models of convolutional neural network (CNN), U-Net, ResNet, and multi-head attention fusion,对于脑肿瘤分割的任务（Luque等人），偶然发现了乳房质量分类（Ma等人
目录
不幸的是，巴勒斯坦IAS的现行，状态，评估和管理的当前状况与环境和社会经济地位的威胁大小不符。实际上，缺乏有关巴勒斯坦IAS的数据。提交给CBD秘书处的巴勒斯坦第六个国家报告将IAS视为维持该国生物多样性面临的主要威胁之一。然而，很少有研究重点关注IAS（例如物种，分布），它们对巴勒斯坦环境，健康和社会经济的影响。该报告还指出，迫切需要对入侵物种进行全面的调查和评估，以制定国家打击，管理和消除IAS的国家战略。也表明有四种侵入性外星鸟类（IAB），即。玫瑰圈长尾小鹦鹉（Psittacula krameri），普通的myna（Acridotheres tristis）印度Silverbill（Lonchura Malabarica）和Monk Pareakeet（Myiopsitta Monachus）。除一种哺乳动物外，coypu（myocaster coypus）。第六份国家报告揭示了存在48种不同的侵入性外星植物物种（IAP，请参见表1），导致对内源性植物社区和社会经济地位产生重大影响。我们希望这一数量的IAP代表了历史巴勒斯坦的大多数记录。因此，IAP的数量不代表西岸和加沙地带的实际数量。在第五个国家报告中未记录侵入性无脊椎动物物种，因为没有数据。报告的物种总结在（表2）中。此外，引入和入侵物种（GRII）的全球注册表在不同分类单元的巴勒斯坦只有16种不同的IAS（表2）。另一方面，只有有限的研究表明，巴勒斯坦少数侵入性无脊椎动物物种的状态和分布。尽管如此，已经报道了四种昆虫物种。萨尔菲特区，deroplax silphoides和leptoglossus occidentalis true bugs以及红棕榈象鼻虫，Rhynchophorus ferrugineus的埃德斯白poptus蚊子，这是西岸最常见的入侵性昆虫之一。对于软体动物组，已经记录了三个蜗牛和一种淡水蜗牛物种； （Cornu aspermum，Cochlicella acuta，Rumina decollate和Pseudoplotia scabra）在巴勒斯坦。
Geny：杀伤细胞免疫球蛋白样受体基因等位基因分解的基因分型工具
自然杀伤 (NK) 细胞是人类先天免疫系统的重要组成部分，是宿主抵御感染、病毒和疾病的第一道防线。这些细胞负责快速应对各种病理挑战，例如病毒感染细胞和癌细胞 ( 1 – 3 )。NK 细胞受细胞表面受体的调节，这些受体与体内各种细胞表面的主要组织相容性复合体 I 类 (MHC-I) 分子相互作用 ( 4 )。这些受体又由杀伤细胞免疫球蛋白样受体 (KIR) 基因编码，该基因位于人类 19 号染色体上白细胞受体复合体 (LRC) 的 150kb 区域内，其表达和相互作用对于区分健康细胞和异常细胞至关重要。由于个体之间存在巨大的遗传多样性，KIR 基因导致个体之间出现各种各样的免疫反应，这也影响疾病易感性 ( 5 )。因此，KIR 基因属于高度多态性基因家族，因此包含大量存在于人类群体中的已知基因相（也称为等位基因，或在某些情况下称为基因型）（ 6 ）。重要的是，这种变异不仅限于编码区，还涵盖指导 KIR 基因表达的调控区。有人提出，这种巨大的遗传多样性可能源于不断进化的病毒带来的进化压力（ 7 ）。这种复杂的遗传结构意味着不到 2% 的无关个体具有相同的 KIR 基因型（ 8 ）。十七 (17) 个 KIR 基因根据其胞外免疫球蛋白样 (lg-like) 结构域（指定为 2D 或 3D）和其胞质尾的长度（标记为 L 表示长胞质尾，标记为 S 表示短胞质尾，标记为 P 表示假基因）命名。一般规则是，短尾 KIR 是激活受体，而长尾 KIR 是抑制受体。基于这些名称，KIR 基因可分为以下几类： (a) 六 (6) 个基因，具有两个结构域和长胞质尾巴（ KIR2DL1 – KIR2DL5B ）， (b) 五 (5) 个基因，具有两个结构域和一个短胞质尾巴（ KIR2DS1 – KIR2DS5 ）， (c) 三 (3) 个基因，具有三个结构域和长尾巴（ KIR3DL1 – KIR3DL3 ）， (d) 一 (1) 个 KIR3DS1 ，其特征是具有三个结构域和一个短尾巴，以及 (e) 两 (2) 个假基因（ KIR2DP1 和 KIR3DP1 ）1. 全区域 KIR 单倍型分为两类：组 B（具有 KIR2DL5 、 KIR2DS1 、 KIR2DS2 、 KIR2DS3 、 KIR2DS5 和 KIR3DS1 之一）和组 A（没有这些基因中的任何一个） （ 7 ） （图 1 ）最后，单个基因等位基因的命名，大致遵循基因注释中使用的星号等位基因命名法（ 9 ， 10 ），其中每个等位基因被分配一个数字来表明其功能（ 8 ）。目前已知的 KIR 等位基因已在 IPD-KIR 数据库中进行了汇编和分类（11）。由于不同的 KIR 等位基因会导致不同的免疫反应，因此有必要对 KIR 基因进行精确的基因分型和分期，以更好地了解这些基因在免疫系统中的作用。一种经济有效的方法是使用高通量测序 (HTS) 技术，该技术已成功用于