XiaoMi-AI文件搜索系统
World File Search SystemANOVA
一个新的框架，用于估计和分解气候预测的不确定性
摘要：通过运行全球气候模型（GCM）获得的气候预测会受到多元化的不利影响。基于分析此类不确定性的方差分析（ANOVA）的现有框架无法包括GCM和内部气候变异性之间的相互作用效应，该效果仅排名为GCM在意义上的主要效应。在这项研究中，提出了三向方差分析框架，并研究了所有主要影响和相互作用。结果表明，尽管总体不确定性（O）主要由主要影响贡献，但反应效应却相当大。特别是在二十一世纪，全球平均值（在网格细胞水平上计算，然后平均，同样在以下）所有主要影响的相对贡献为54％，温度为82％；所有相互作用效应的效果分别为46％和18％。由于三向方差分析无法投资不确定性来源引起的不确定性组成部分，因此通过推断出由不确定性来源引起的不确定性组成部分与主要影响和交互作用效应产生的不确定性组成部分之间的关系得到改善。通过改进的三向方差分析，O分解为由发射方案，GCM（M）和内部气候变异性（V）产生的不确定性组成部分。结果表明，O在二十世纪的降水中主要由M贡献，而在2060年代之前，M造成了M。通过研究V表征的鲁棒性，通过研究V的差异对随附的集合成员的数量进行了研究。V贡献的低估程度大约为降水量为4％，温度平均为1％。
T-DM1 耐药乳腺癌细胞的表征
图 1 MDA-MB-361 细胞系长期暴露于 T-DM1 会导致对 ADC 的敏感性降低。 (A) T-DM1 对 MDA-MB-361 S、TR 和 TCR 的 MTT 细胞毒性试验表明，与亲本相比，两种抗性细胞的 IC50 值均有所增加。 通过双向方差分析进行统计分析，然后进行 Bonferroni 后检验，并显示 TR (***：P < .001；**：P < .01；*：P < .05) 和 TCR (+) 与 S 相比的差异。 (B) 将亲本和抗性细胞暴露于浓度不断增加的 T-DM1 中，并使用 xCELLigence 跟踪细胞指数。 绘制了由 RTCA 软件确定的标准化细胞指数的斜率。统计分析采用双向方差分析，随后进行 Bonferroni 后检验，并显示每种细胞系在对照和暴露条件下的差异 (*: P < .05; ***: P < .001)。(C) 暴露于 T-DM1 6 天后，通过流式细胞术研究 Annexin 阳性细胞。与亲本细胞相比，TR 和 TCR 中的 Annexin 阳性细胞百分比有所下降。统计分析采用双向方差分析，随后进行 Bonferroni 后检验 (*: P < .05; ***: P < .001)
使用机器学习技术从 MRI ADC 图像中提取特征以进行脑肿瘤分类
方法：这项前瞻性研究使用了 1599 个标记的 MRI 脑 ADC 图像切片，其中 995 个为恶性，604 个为良性，这些切片来自 195 名经放射学诊断并经组织病理学确诊为脑肿瘤的患者。从每位患者的 MRI ADC 图像中提取人口统计学信息、平均像素值、偏度、峰度、灰度共生矩阵 (GLCM) 特征、平均值、方差、能量、熵、对比度、同质性、相关性、突出度和阴影。在特征选择阶段，使用 ANOVA f 检验测量提取特征的有效性。然后，将这些特征用作几种机器学习分类算法的输入，并评估相应的模型。结果：根据 ANOVA f 检验特征选择过程的结果，两个属性：偏度（3.34）和 GLCM 同质性（3.45）的 ANOVA f 检验分数最低。因此，在继续实验时排除这两个特征。在测试的不同 ML 算法中，选择随机森林分类器来构建最终的 ML 模型，因为它具有最高的准确度。在超参数调整过程之后，最终模型能够以 90.41% 的准确率预测恶性和良性肿瘤。结论：本研究得出结论，上述特征（偏度和 GLCM 同质性除外）对于识别和区分恶性和良性脑肿瘤具有重要意义。此外，它们有助于开发一种高性能 ML 模型，该模型能够在尝试侵入性诊断程序（例如脑活检）之前协助脑肿瘤诊断过程的决策步骤。
180473621003.pdf
时间 0 和虚线对应于皮下注射 NeuroEPO (0.5 mg/kg) 或载体之前 A) 和之后 30 分钟测定的初始血糖。在每个时间点，显示相对于初始血糖的平均百分比和平均值的标准误差。 A) 注射了 NeuroEPO (D-NeuroEPO) 或载体 (D-vehicle) 的糖尿病大鼠。每组 n=12。 * 相对于初始血糖，p< 0.05（单向方差分析和 Bonferroni 检验）。相对于载体组，t p < 0.01（双向方差分析和Bonferroni检验）。 B) 注射 NeuroEPO (ND-NeuroEPO) 或载体 (ND-vehicle) 的非糖尿病大鼠进行葡萄糖耐量测试 (口服 2 g/kg 葡萄糖)。每组 n=11。组间无显著差异（双向方差分析 p>0.05）。
当地气候区如何影响城市空气温度
这项研究分析了迪管（法国东部）城市温度的移动测量值，以量化城市形式对空气温度微尺度变化的影响。在33个春季和夏季的夜晚，一条骑自行车的骑自行车（veloclim）都相同骑了一条路线。这些夜晚遵循有利于形成热对比和城市热岛（UHIS）的阳光平静的日子。使用两种类型，Corine土地覆盖（CLC）和当地气候区（LCZ），用于评估基于方差分析（ANOVA）的空气温度的影响。ANOVA适用于跑步的平均值，以最大程度地发挥表面状态的影响，并分别跑步以最大程度地发挥天气条件的影响。结果表明，两种类型都证明了研究植被和人造区域对城市温度的影响的相关和补充。城市内部尺度上的温度变化被城市形式和土地覆盖类型显着调节。植被区比不透水的表面更凉爽。独立于气象结构，城市形式对空气温度有决定性的影响，并且每个CLC或LCZ类别具有原始的空气温度签名。
低级全身性炎症刺激小胶质流转额，并加速阿尔茨海默氏病的发作
图1 LPS高触发了持续的疾病行为，而LPS-LOW触发了3个月大的小鼠的轻度疾病行为。（a）研究LP作为全身性炎症模型的实验计划（b）在I.P注射SAL（n = 4）或0.1 mg/ kg LPS（LPS-lps; n = 5）或1 mg/ kg/ kg lps（lps-high; n = 5）之后，从第0天到第1天测量了挖洞行为。数据通过单向方差分析和事后Tukey的测试分析。（c）在实验的3天中，体重减轻的百分比分别为第0天的基线重量。用2路ANOVA和事后Tukey的测试分析数据。所示的数据表示为平均值±SEM。(d) Mesoscale analysis of TNF α , KC/GRO, IL-6, IL-5, IL-1 β , IFN γ , IL-2, and IL-10 in the serum of MacGreen mice after i.p injection of Saline (Sal; n = 4) or 0.1 mg/kg LPS (LPS-low; n = 4 – 5) or 1 mg/kg LPS (LPS- high; n = 4 - 5）注射后3天。TNFα，IL-10，IL-6，IL-1β，IFNγ和IL-2用单向方差分析和HOC Tukey后测试分析，IL-5通过Kruskal-Wallis检验和DUNN的多个比较测试进行了IL-5。所示的数据表示为平均值±SEM在日志刻度上。统计差异 * p <.05，** p <.01，*** p <.001。
使用基于梯度的优化来提高锂电池健康估算的准确性：电动汽车应用中的案例研究
摘要：眼睛疲劳对眼部肌肉具有疲劳作用，而眼动性能是对眼睛疲劳状态的宏观反应。为了提前检测和防止眼睛疲劳的风险，这项研究设计了眼疲劳检测实验，收集了实验数据样本并构建了实验数据集。在这项研究中，完成了眼睛追踪特征提取，并通过双向重复测量ANOVA ANOVA讨论了不同疲劳状态下的眼睛跟踪特征的显着性差异（方差分析）。实验结果证明了眼睛跟踪信号的眼睛疲劳检测的可行性。此外，本研究还考虑了不同特征提取方法对眼睛疲劳检测准确性的影响。本研究研究了基于手动特征计算（SVM，DT，RM，ET）的机器学习算法的性能和基于自动特征提取（CNN，自动编码器，变压器，变压器）的深度学习算法。基于方法的组合，本研究提出了特征联合自动编码器算法，并且在实验数据集上进行眼疲劳检测的算法的准确性从82.4％提高到87.9％。
一项受控和随机临床试验
52名参与者，年龄从18至25岁，选择了硫化硫化物（H 2 S）112 ppb。他们分为4组（n = 13）：第1组：舌头刮刀；第2组：用APDT治疗一次；第3组：含有乳酸乳杆菌WB21（6.7 x 10 8 CFU）和木糖醇（280mg）的益生菌胶囊，每天3次，持续14天；第4组：用APDT和益生菌胶囊治疗一次14天。用气体摄影（临床评估）和微生物样品中的从APDT前后的舌头以及7、14和30天后收集。 临床数据未能遵循正态分布；因此，在必要时，使用Kruskal-Wallis检验（独立度量）和Friedman ANOVA（依赖度量）进行了比较。 对于微生物数据，由于数据未能遵循正态分布，因此使用Dunn的后测试进行了Kruskal-Wallis秩和测试。 显着性水平为α= 0.05。从APDT前后的舌头以及7、14和30天后收集。临床数据未能遵循正态分布；因此，在必要时，使用Kruskal-Wallis检验（独立度量）和Friedman ANOVA（依赖度量）进行了比较。对于微生物数据，由于数据未能遵循正态分布，因此使用Dunn的后测试进行了Kruskal-Wallis秩和测试。显着性水平为α= 0.05。
巨噬细胞靶向的脂质纳米粒子递送microRNA-146A以减轻出血性休克诱导的急性呼吸窘迫综合征
甘露糖基化的LNP，分别包含2％，4.85％或9.3％的甘露糖偶联的PA-PEG脂质），通过∆ΔCT方法计算得出，标准化为cramble载荷的LNP对照。数据通过Shapiro-Wilk测试正态分布。通过Tukey的多重比较测试通过单向方差分析进行统计分析。b）与9.3-MLNP相比，在5nm，5nm或100nm miR-146a的9.3-MLNP递送后，AM中的剂量依赖性miR-146a水平。数据通过Shapiro-Wilk测试正态分布。通过单向方差分析分析了Tukey的多重比较测试。c）在存在或不存在20 mM甘露糖的情况下，使用LNP或9.3-MLNP递送miR-146a后AM中的miR-146a水平。通过Kruskal-Wallis分析了Dunn的多重比较测试。统计差异表示为 *p <0.05，** p <0.005，*** p <0.001。数据以最大最小为单位表示。显示所有点，n =每组3井。进行了两次实验。