XiaoMi-AI文件搜索系统
World File Search System阳性率
深度学习用于 MRI 上的脑转移瘤检测
摘要：由于手动检测脑转移瘤 (BM) 非常耗时，因此已经开展了使用深度学习来自动化此过程的研究。本研究的目的是对使用磁共振成像 (MRI) 检测癌症患者 BM 的深度学习模型的性能进行系统评价和荟萃分析。对 MEDLINE、EMBASE 和 Web of Science 进行了系统搜索，直至 2022 年 9 月 30 日。纳入标准为：患有 BM 的患者；使用 MRI 图像的深度学习来检测 BM；在检测性能方面有足够的数据；原创研究文章。排除标准为：评论、信件、指南、社论或勘误表；少于 20 名患者的病例报告或系列；队列重叠的研究；检测性能方面的数据不足；使用机器学习来检测 BM；非英语文章。使用诊断准确性研究-2 的质量评估和医学成像人工智能检查表来评估质量。最后，确定了 24 项符合条件的研究进行定量分析。患者和病变可检测性的汇总比例为 89%。文章应更严格地遵守清单。深度学习算法可有效检测 BM。由于报告差异，无法估计假阳性率的汇总分析。
下一步进行分子诊断的成本效益分析……
摘要背景：为了从西班牙单中心角度评估使用下一代测序 (NGS) 与顺序单次检测 (SST) 对晚期非小细胞肺癌 (NSCLC) 患者进行分子诊断和治疗的成本效益，罗西奥圣母大学医院 (HUVR) 进行了研究。研究设计和方法：开发了一个决策树模型来评估晚期 NSCLC 患者的改变检测和诊断成本，比较 NGS 与 SST。模型输入（例如检测、阳性率或治疗分配）是通过咨询文献和 HUVR 专家的临床实践获得的。进行了几项敏感性分析以测试模型的稳健性。结果：使用 NGS 对 100 名患者的假设队列进行分子诊断，与使用 SST 相比，可以多检测到 30 个改变，并且可以多 3 名患者参加临床试验。另一方面，使用 NGS 代替 SST 的诊断成本增加到 20,072 欧元。使用 NGS 可将结果获取时间从 16.7 天缩短至 9 天。结论：与 SST 相比，在 HUVR 中实施 NGS 诊断晚期 NSCLC 患者在检测变异、靶向治疗和临床试验入组方面具有显著的临床优势，可视为一种具有成本效益的策略。
血浆宏基因组下一代测序的应用可改善中性粒细胞减少或造血干细胞移植的血液学患者的预后
Results: In 153 plasma samples, mNGS yielded a higher positivity rate than CMT (total: 88.24% vs. 40.52%, P<0.001; bacteria: 35.95% vs. 21.57%, P < 0.01; virus: 69.93% vs. 21.57%, P<0.001; fungi: 20.26% vs. 7.84%, p <0.01）。中性粒细胞减少症组细菌和真菌的阳性率高于非中性粒细胞减少组（细菌：48.61％vs. 24.69％，p <0.01; Fungi：27.78％vs. 13.58％，p <0.05）。MNG在造血干细胞移植（HSCT）的患者组中显示出更大的优势。HSCT组的3天和7天的效率均高于非HSCT组的3天和7天（3天：82.22％：82.22％，58.65％，p <0.01; 7天：88.89％：88.89％vs. 67.31％，67.31％，P <0.01），而HS中的HS在HS中均低于HS的6％。 38.89％，p <0.000）。The neutropenia group achieved similar ef fi cacy and mortality rates to the non-neutropenia group (7-day ef fi ciency rate: 76.39% vs. 71.43%, P > 0.05; mortality rate: 29.17% vs. 29.63%, P > 0.05) with more aggressive antibiotic adjustments (45.83% vs. 22.22%, P < 0.01）。
2024 年绩效问责报告
II. 机构评估 州计划目标 1. 机会：确保所有马里兰州居民都能平等地获得负担得起的优质高等教育。BCCC 于 2022 年春季恢复了主要的面对面教学环境。巴尔的摩市是该学院的主要服务区，在整个疫情期间，该市 COVID-19 阳性率仍然是全州最高的，疫苗接种率最低。Liberty Campus 的邮政编码 21215 是全市阳性率最高的。疫情对入学和学生的支持需求的影响比预期的要长。年度非重复学分生人数继续因疫情而下降，到 2023 财年为 4,924 人（指标 1b）。但是，2024 财年入学人数全线增加，包括 2023 年秋季增加了 400 多名学生。2024 年秋季学分入学人数领先于 2023 年秋季；预计最终入学人数将超过 4,500 名学生，使 BCCC 更接近其基准。2023 年秋季，兼职学生的比例略有下降，但仍占大多数学分学生（特征 A）。首次全日制新生的市场份额略有增加，而非全日制本科生和应届大学毕业生的市场份额有所下降（指标 2、3 和 4）。随着最近入学人数的增加，BCCC 预计将更接近其基准。大多数学生的人口统计和社会经济特征使得全日制入学具有挑战性。25 岁及以上的学分学生比例增加到 53.6%，68.2% 的 2022 年春季 CCSSE 受访者需要照顾家属，46.1% 的人每周工作至少 20 小时（特征 F 和 G）。为了满足各种时间安排需求，14 周和 10 周的秋季和春季课程（在疫情期间启动）现在已成为学术日历中的标准，白天、晚上、清晨、周六、面对面、同步和异步课程的混合也已成为标准。向远程学习环境的转变发生在 2020 年春季，并一直持续到 2021 财年和 2022 财年的一半以上。2023 财年的在线学分注册超过了疫情前设定的基准（指标 6）。专门参加远程教育的学生比例从 2022 年秋季略有下降至 12.1%，但仍高于疫情前最后一个秋季 2019 年秋季。专门参加面对面课程的学生比例上升至 62.7%，高于 2019 年秋季（特征 I）。BCCC 提供时间安排选项和全方位服务，以支持亲自和远程参加的学生。在制定课程表时，平衡面对面、异步和同步部分是一个关键考虑因素。BCCC 于 2021 年开始扩大其冬季课程，入学人数从 2020 年冬季的 35 名学生增加到 2021 年冬季的 247 名。课程设置和入学人数将继续增加，直至 2024 年冬季，届时学生人数将达到 402 人。
一种用于充血性心力衰竭预测的集成机器学习方法
摘要：充血性心力衰竭（CHF）是全球人口中死亡率和发病率的主要来源之一。全球超过2600万个人受心脏病的影响，其患病率每年增加2％。随着医疗保健技术的进步，如果我们在早期阶段预测CHF，则可以减少全球领先的死亡率因素之一。 因此，这项研究的主要目的是使用机器学习应用来增强CHF的诊断，并通过采用最低特征来预测发生CHF的可能性，以降低诊断成本。 我们使用深层神经网络（DNN）分类器进行CHF分类，并将DNN的性能与各种机器学习分类器进行比较。 在这项研究中，我们使用了一个非常具有挑战性的数据集，称为心血管健康研究（CHS）数据集，以及通过整合C4.5和K-Nearest邻居（KNN）的独特预处理技术。 虽然C4.5技术用于查找重要功能并从数据集中删除异常数据，但使用KNN算法用于缺失数据。 为分类，我们比较了六个最先进的机器学习（ML）算法（KNN，Logistic回归（LR），Naive Bayes（NB），Random Forest（RF），支持向量机（SVM）和决策树（DT））。 为了评估性能，我们使用七个统计测量值（即准确性，特异性，灵敏度，F1得分，精度，Matthew的相关系数和假阳性率）。 提出的模型获得了97.03％的F1得分，95.30％的精度，96.49％的灵敏度和97.58％的精度。随着医疗保健技术的进步，如果我们在早期阶段预测CHF，则可以减少全球领先的死亡率因素之一。因此，这项研究的主要目的是使用机器学习应用来增强CHF的诊断，并通过采用最低特征来预测发生CHF的可能性，以降低诊断成本。我们使用深层神经网络（DNN）分类器进行CHF分类，并将DNN的性能与各种机器学习分类器进行比较。在这项研究中，我们使用了一个非常具有挑战性的数据集，称为心血管健康研究（CHS）数据集，以及通过整合C4.5和K-Nearest邻居（KNN）的独特预处理技术。虽然C4.5技术用于查找重要功能并从数据集中删除异常数据，但使用KNN算法用于缺失数据。为分类，我们比较了六个最先进的机器学习（ML）算法（KNN，Logistic回归（LR），Naive Bayes（NB），Random Forest（RF），支持向量机（SVM）和决策树（DT））。为了评估性能，我们使用七个统计测量值（即准确性，特异性，灵敏度，F1得分，精度，Matthew的相关系数和假阳性率）。提出的模型获得了97.03％的F1得分，95.30％的精度，96.49％的灵敏度和97.58％的精度。总的来说，我们的结果反映了我们提出的综合方法，从CHF预测方面，它优于其他机器学习算法，从而减少了医疗测试的数量来减少患者费用。
实地记录：儿童和青少年中既往登革热病毒感染的流行情况 — 美属维尔京群岛，2022 年
2019 年 5 月，美国食品药品管理局批准了 Dengvaxia（赛诺菲巴斯德），这是一种减毒活嵌合四价登革热疫苗 ( 1 )。2021 年 6 月，免疫实践咨询委员会 (ACIP) 建议对经实验室确认既往感染过登革热病毒且居住在登革热流行地区（如美属维尔京群岛 (USVI) † ( 2 )）的 9-16 岁儿童和青少年接种 Dengvaxia 疫苗。在接种疫苗前确认既往感染过登革热病毒（接种前筛查）非常重要，因为 1) 虽然 Dengvaxia 可降低既往感染者因登革热住院和患重症的可能性，但它会增加无既往感染者出现这些结局的风险；2) 许多登革热病毒感染是无症状的；3) 许多有症状感染的患者没有就医或接受适当的检测 ( 3 )。实验室证据足以证明先前感染过登革热病毒，包括经实验室确诊的登革热病史§或符合 ACIP 推荐的疫苗接种前筛查性能标准的阳性血清学检测结果，该标准定义为高特异性（≥98%）和敏感性（≥75%）。建议在符合疫苗接种条件的人群中，血清阳性率为 20%（对应于最低敏感性为 75%、最低特异性为 98% 的检测的阳性预测值为 ≥90%），以最大限度地提高疫苗安全性，并最大限度地降低未感染过登革热病毒的人群接种疫苗的风险（ 2 ）。
有针对性的测试和治疗，以减少疟疾寄生虫的进口：系统评价
摘要。随着各国消除疟疾的消除，进口的疟疾病例占所有病例的较大比例，并可能导致疟疾传播。在入境点（POE）处的有针对性测试和治疗（TTAT）是一种策略，旨在减少通过在过境点进行测试和治疗个人来消除的国家进口感染的数量。尚未系统地收集和评估证据，以评估该策略的影响和操作可行性。这项系统的审查收集了有关干预措施的有效性，上下文因素和建模研究结果的经验证据，以估计其潜在影响。参考书目搜索于2021年3月进行了进行，并于2022年4月进行了更新，总共确定了1,569篇文章。所有研究设计都包括在内，但它们都不是为了衡量TTAT在POE的影响而进行的干预研究。在描述跨越边界的人们的积极病例的程度方面，有资格评估结果数据的七项观察研究。还包括三项用于评估干预可接受性和可行性的研究，三个用于评估数学建模。在七项研究中报告的阳性率在0.0％至70.0％之间，这可能归因于不同的环境和运营性。总的来说，由于偏见，严重的不一致和严重的间接性，POES对POE的影响对TTAT对感染率的影响有限，而且证据的确定性非常低。
使用深度学习检测颅内电极上的内侧颞叶癫痫样放电
目的：开发一种高性能算法来检测颅内电极记录中的内侧颞叶 (mTL) 癫痫样放电。方法：一位癫痫病专家从 46 名癫痫患者的颅内脑电图记录数据集中注释了 13,959 次癫痫样放电。利用该数据集，我们训练了一个卷积神经网络 (CNN) 来识别来自单个颅内双极通道的 mTL 癫痫样放电。对来自多个双极通道输入的 CNN 输出取平均值以生成最终的检测器输出。使用嵌套 5 倍交叉验证来评估算法性能。结果：在受试者工作特征曲线上，我们的算法实现了 0.996 的曲线下面积 (AUC) 和 0.981 的部分 AUC（特异性 > 0.9）。精确召回曲线上的 AUC 为 0.807。在假阳性率为每分钟 1 次的情况下，灵敏度达到 84%。35.9% 的假阳性检测对应于专家注释期间遗漏的癫痫样放电。结论：利用深度学习，我们开发了一种高性能、患者非特异性算法，用于检测颅内电极上的 mTL 癫痫样放电。意义：我们的算法有许多潜在应用，可用于了解 mTL 癫痫样放电对癫痫和认知的影响，以及开发专门减少 mTL 癫痫样活动的治疗方法。2019 年国际临床神经生理学联合会。由 Elsevier BV 出版，保留所有权利。
增强电子邮件安全性：一种用于垃圾邮件和恶意软件检测的混合机器学习方法
最近的研究表明，SMS垃圾邮件中有一个显着的激增，是旨在欺骗个人泄露私人帐户或身份细节的实体，通常称为“网络钓鱼”或“电子邮件垃圾邮件”。常规垃圾邮件过滤器难以充分地确定这些恶意电子邮件，从而面对从事在线交易的消费者和企业面临挑战。解决此问题提出了重大的学习挑战。最初以直接的文本分类问题出现，但分类过程因垃圾邮件和合法电子邮件之间的惊人相似性而变得复杂。在这项研究中，我们引入了一种名为“滤波器”的新方法，专为检测欺骗性SMS垃圾邮件而设计。通过合并量身定制的功能，以揭示对DUPE用户使用的欺骗性技术，我们的SMS垃圾邮件电子邮件的准确分类率超过99.01％，同时保持较低的假阳性率。使用包括746个垃圾邮件实例和4822个合法电子邮件实例的数据集获得了这些结果。在具有两个属性和5568实例的数据集上评估过滤器的精度，特别是超过现有方法。我们提出的模型是一种混合NB-ANN模型，达到99.01％的最高精度，表现优于幼稚的贝叶斯（98.57％）和人工神经网络（98.12％）。这突出了混合方法在增强电子邮件垃圾邮件检测和恶意软件过滤的精度方面的功效，从而确保跨培训和测试数据集的全面覆盖范围，以改善反馈循环。
金融包容
注意：评估期涵盖2014年至2022年中期的财政年度。2022财政年度考虑了2021年12月31日批准的项目（或在2021年12月31日生效的MIGA项目）。as =咨询服务； ASA =咨询服务和分析； DPO =开发政策操作； IFC =国际金融公司； IPF =投资项目融资； IS =投资服务； MIGA =多边投资担保机构； mpweg =微型企业，贫困家庭，妇女和其他排除的群体； p4r =计划库。a。为了估计与DPO和其他多组分项目中金融包容相关的总数，项目的承诺金额是按比例分配的组件（例如，DPO的先前措施）。仅考虑与金融包容相关的组件。，如果组件具有多个子组件，则承诺的金额是按比例分配的，该子量与解决财务包容性的那些子集团分配。b。体积，反映了95％的置信度。采样框架将机构，工具，地区和国家收入水平视为地层。c。对于咨询项目，使用了支出价值。这些价值与与融资项目相关的vol umes不直接相提并论。d。独立评估小组使用关键字搜索来确定1,205个世界银行ASA项目可能与金融包容性有关。反映95％置信度的随机样本产生了43.8％的假阳性率。该数字用于从样本到人群的投影。