XiaoMi-AI文件搜索系统
World File Search System验证案例
引用：Dong W，Cheng Whg，Tse Ety等。糖尿病和糖尿病前期的开发和验证案例的风险预测功能
摘要简介糖尿病（DM）是一种主要的非传染病，患病率越来越高。未诊断的DM并不少见，可能导致严重的并发症和死亡率。在较早的疾病阶段识别高风险个体，即糖尿病前（前DM）对于延迟进展至关重要。现有的风险模型主要依赖于不可修道的因素仅预测DM风险，而很少有人适用于中国人。本研究旨在开发和验证风险预测功能，该功能纳入了可修改的生活方式因素，以检测中国成年人在初级保健中的DM和PER-DM。方法和分析使用香港人口健康调查（PHS）2014/2015和12个月的前瞻性研究来开发DM/PER-DM风险预测函数，以验证DM/PEREDM患者的发现功能。将从PHS 2014/2015中提取1857名没有自我报告的DM/Pre-DM的中国成年人的数据，以使用逻辑回归和机器学习方法开发DM/PER-DM风险模型。1014名中国成年人将从香港的公共和私人初级保健诊所招募，其中没有DM/PER-DM的已知历史。他们将在招募中填写有关口服葡萄糖耐量测试（OGTT）和血红蛋白A1C（HBA1C）的相关危险因素和血液测试的问卷，如果第一次血液检查为阴性，则为12个月。在任何血液检查中，OGTT或HBA1C定义的阳性病例是DM/ PER-DM。研究结果将在同行评审期刊中提交出版。将计算接收器操作特征曲线，灵敏度，特异性，预测值和模型的负预测值在检测DM/PER-DM中。伦理和传播伦理批准已从香港/香港医院管理局香港西部集群（UW19-831）和香港医院库洛恩中央/九龙东部集群（KC/KE）-21-0042/er-3）获得了香港/香港医院管理局。
使用流体能量法模拟整体蒸发和冷凝
本研究的目的是重现文献 [1] 得到的结果，并通过添加对流传热来改进模型。通过添加自然对流可以模拟热分层和去分层，从而得到更准确的结果。计算时间是模拟进度的限制因素。文献 [1] 在代码本身中离散了能量方程，使用第三方矩阵求解器来寻找温度解，并且只能使用串行处理。当前的研究将利用软件中内置的标量传输方程求解器并使用并行处理节点，这将大大减少计算时间。当前的研究也不会显示验证案例的结果有任何变化。在添加对流之前，将使用此实现重新进行 AS203 罐实验的模拟。
en -en-公共卫生 - 公共卫生 - 欧洲委员会
1 https://www.ecdc.europa.eu/en/publications-data/covid-19-risk-assessment-increased-transerase--transmissermiss-transmission-twelfth-自2019年12月31日起，截至2020年10月11日，截至2020年10月11日，截至2020年10月11日，4 051 387案件（根据案例的定义），并在验证案例中遇到了验证的定义，并涉及曾经启用的策略，并涉及该策略的影响。欧盟/EEA和英国，包括195 217人死亡（资料来源：欧洲疾病控制中心（ECDC）每日情况更新，https：//www.ecdc.europa.eu/en/en/cases-2019-ncov-eueea）。3这些包括使用面具，居住的订单和建议，公共场所的关闭，室内和室外聚会允许的人数的限制，工作场所的远程办公和适应（对于后者，欧盟 - 奥萨斯（EU-OSHA）在以下链接下提供： ）。
飞机空气动力学建模的有限元方法
摘要 在本文中，我们提出并验证了一种用于模拟航空航天应用的新型稳定可压缩流有限元框架。该框架由基于流线迎风/Petrov-Galerkin (SUPG) 的可压缩流 Navier-Stokes 方程、充当壁面函数的弱强制本质边界条件和充当激波捕获算子的基于熵的不连续性捕获方程组成。针对从低亚音速到跨音速流态的各种马赫数测试了该框架的准确性和稳健性。对 NACA 0012 翼型、RAE 2822 翼型、ONERA M6 机翼和 NASA 通用研究模型 (CRM) 飞机周围流动的二维和三维验证案例进行了气动模拟。将从所有案例的模拟中获得的压力系数与实验数据进行了比较。计算结果与实验结果一致性较好，证明了本文提出的有限元框架用于飞机气动模拟的准确性和有效性。
![arXiv:2412.04111v2 [eess.IV] 2024 年 12 月 20 日](/simg/g:\will\search\icon\source\2\24ba780caf48900fc4dab3f40fc8173a46a12f87.webp)
arXiv:2412.04111v2 [eess.IV] 2024 年 12 月 20 日
摘要。神经胶质瘤是一种死亡率高的脑肿瘤，在中低收入国家，尤其是撒哈拉以南非洲地区，诊断难度极大。本文介绍了一种使用迁移学习进行神经胶质瘤分割的新方法，以应对资源有限、MRI 数据极少且质量低下的地区所面临的挑战。我们利用预先训练的深度学习模型 nnU-Net 和 MedNeXt，并使用 BraTS2023-Adult-Glioma 和 BraTS-Africa 数据集应用分层微调策略。我们的方法利用放射组学分析来创建分层训练折叠，在大型脑肿瘤数据集上进行模型训练，并将学习迁移到撒哈拉以南地区。采用加权模型集成策略和自适应后处理来提高分割准确性。在 BraTS-Africa 2024 任务上，我们针对未见过的验证案例对我们提出的方法进行了评估，结果显示，在增强肿瘤、肿瘤核心和整个肿瘤区域方面，病变平均 Dice 评分分别为 0.870、0.865 和 0.926，并在该挑战中排名第一。我们的方法凸显了综合机器学习技术能够弥合资源有限国家和发达地区之间的医学成像能力差距。通过根据目标人群的特定需求和限制定制我们的方法，我们旨在增强孤立环境中的诊断能力。我们的研究结果强调了本地数据集成和分层细化等方法对于解决医疗保健差距、确保实际适用性和增强影响力的重要性。
原创研究通过深度学习 AI 对恶性胸膜间皮瘤进行全自动体积测量：验证并与修改后的 RECIST 反应标准进行比较
摘要背景在恶性胸膜间皮瘤 (MPM) 中，复杂的肿瘤形态导致放射学反应评估不一致。有前景的体积方法需要自动化才能实用。为此，我们开发了一个全自动卷积神经网络 (CNN)，进行了盲法验证，并比较了 CNN 和人类对化疗患者的反应分类和生存预测。方法在一项多中心回顾性队列研究中；183 个 CT 数据集被分为训练和内部验证（123 个数据集（80 个完全注释）；108 名患者；1 个中心）和外部验证（60 个数据集（全部完全注释）；30 名患者；3 个中心）。使用详细的手动注释来训练使用二维 U-Net 架构的 CNN。使用相关性、Bland-Altman 和 Dice 一致性来评估 CNN 性能。体积反应/进展定义为≤30%/≥20% 的变化，并通过 Cohen 的 kappa 与修改后的实体肿瘤反应评估标准 (mRECIST) 进行比较。使用 Kaplan-Meier 方法评估生存率。结果人类和人工智能 (AI) 的体积呈高度相关性 (验证集 r=0.851，p<0.0001)。一致性很强 (验证集平均偏差 +31 cm 3 (p=0.182)，95% 限制 345 至 +407 cm 3 )。偶尔出现的 AI 分割错误 (4/60 验证病例) 与裂隙肿瘤、对侧胸膜增厚和邻近肺不张有关。在 20/30 (67%) 验证病例中，人类和 AI 体积反应一致 κ =0.439 (0.178 至 0.700)。 AI 和 mRECIST 在 16/30 (55%) 验证案例中一致 κ =0.284 (0.026 至 0.543)。较高的基线肿瘤体积与较短的生存期相关。结论我们已经开发并验证了第一个用于体积 MPM 分割的全自动 CNN。通过用形态学上具有挑战性的特征丰富未来的训练集，CNN 性能可能会进一步提高。体积反应阈值需要在未来的研究中进一步校准。