XiaoMi-AI文件搜索系统
World File Search SystemAparna
Djeneba Audrey Djibo，PhD，Jonathan Deshazo，PhD，MPH，Aparna Srikanti，MSC，Cheryl N McMahill-Walraven，PhD，MSW
背景肥胖是一种长期疾病，源于几种生物学（遗传学，荷尔蒙），社会经济和结构因素。肥胖还导致高血压（HT），2型糖尿病（T2D），血脂异常，中风，冠心病，痛风，痛风，非酒精性脂肪肝病和各种癌症的发展。最近，最初用于T2D管理的葡萄糖葡萄糖样肽1（GLP-1）激动剂已得到没有糖尿病患者的肥胖/体重减轻应用调节剂的批准。这些GLP-1激动剂的新应用将显着影响包括手术选择在内的肥胖干预措施的景观。
Priti Gupta 博士 1*、Chakrala Sreelatha 博士 2、A. Latha 3、Shilpi Raj 博士 4、Aparna Singh 博士 5 1* 经济学系研究生助理教授，Bhupendra Narayan Mandal 大学（西校区）研究生中心，Saharsa，比哈尔邦，852201 2 统计学系助理教授，Rajendra 大学，Pragna vihar，Balangir 区，Odisha，邮编：767002 3 数学系助理教授，KSR 工程学院，Tiruchengode，Namakkal Dt，邮编：637215 4 助理教授，Amity 商学院，Amity 大学巴特那，Rupaspur，巴特那，比哈尔邦，邮编：801503 5 博士后研究员（PDF），贝拿勒斯印度教大学管理学院，瓦拉纳西 IM，Banaras Hindu大学，兰卡，瓦拉纳西，邮编：221005 引用：Priti Gupta 博士等人 (2024) 探索教育的未来：人工智能对师生关系的影响，教育管理：理论与实践，30(4)，6006-6013，Doi：10.53555/kuey.v30i4.2332
Priti Gupta 博士 1*、Chakrala Sreelatha 博士 2、A. Latha 3、Shilpi Raj 博士 4、Aparna Singh 博士 5 1* 经济学系研究生助理教授，Bhupendra Narayan Mandal 大学（西校区）研究生中心，Saharsa，比哈尔邦，852201 2 统计学系助理教授，Rajendra 大学，Pragna vihar，Balangir 区，Odisha，邮编：767002 3 数学系助理教授，KSR 工程学院，Tiruchengode，Namakkal Dt，邮编：637215 4 助理教授，Amity 商学院，Amity 大学巴特那，Rupaspur，巴特那，比哈尔邦，邮编：801503 5 博士后研究员（PDF），贝拿勒斯印度教大学管理学院，瓦拉纳西 IM，Banaras Hindu大学，兰卡，瓦拉纳西，邮编：221005 引用：Priti Gupta 博士等人 (2024) 探索教育的未来：人工智能对师生关系的影响，教育管理：理论与实践，30(4)，6006-6013，Doi：10.53555/kuey.v30i4.2332
机器学习在预测脊髓损伤后神经性疼痛的发作和进展中的作用：文献综述Aparna Kumar，
机器学习在预测脊髓损伤后神经性疼痛的发作和进展中的作用：文献综述Aparna Kumar，BA学生[1,2] [1,2]* [1] [1]加利福尼亚大学伯克利大学，加利福尼亚州伯克利大学，加利福尼亚州伯克利分子和蜂窝生物学系，美国94720 [2]美国94720系[2] *通讯作者：akumar24@berkeley.edu摘要简介：开发一种诊断工具，该工具可以确定患者在脊髓损伤后是否会出现神经性疼痛，可以帮助临床医生进行治疗程序并改善患者的预后。开发新的检测技术可能需要数年的时间，因此找到一种使用现有诊断工具的方法将是最佳的。可以利用机器学习来合并现有数据并在有明显的分类模式时对患者结果进行分类。方法：通过PubMed进行了用英语发表的完整报告的综述。此搜索中使用的相关关键字包括“神经性疼痛”，“脊髓损伤”，机器学习和“预测”等。检索和审查了八次相关引用。结果：使用临床措施进行神经性疼痛和脊髓损伤水平的决策树回归模型发现，BMI和焦虑评分是预测结果的最具影响力的变量。用于功能磁共振成像（FMRI）数据的类似树发现腹侧组织桥是神经性疼痛的预测指标。磁共振光谱（MRS）暗示着高神经性疼痛中较低的谷氨酸 - 谷氨酰胺/肌发醇比。另一项FMRI研究指出，同侧额叶围手术期血氧水平的变化与神经性疼痛结果之间的变化之间存在很强的相关性。在两项单独的研究中构建脑电图分类器时，评估了各种机器学习算法，并且在两者中都达到了大于80％的分类精度。使用正电子发射断层扫描数据构建的分类器的分类精度为87.5％。讨论：建筑物分类器中使用的最常见的机器学习算法是支持向量机，线性判别分析和神经网。回归树，但它们被用来阐明影响预测的变量。每个研究都有其局限性，要么由于研究方法，分类方法或数据类型的局限性。结论：存在许多研究神经性疼痛和脊髓损伤的方法，每种方法都提供了有关疼痛，影响变量和疼痛发生的生理变化机制的不同信息。可以使用这些方法中的任何一种来实现可接受的精度进行分类，但是对于临床预后分类器，这些精度还不足。关键字：神经性疼痛；脊髓损伤；机器学习；人工智能;生物标志物；脑袋fMRI;宠物简介
Aparna博士谢谢
Date of Birth: 20.03.1986 Nationality: Indian Gender: Female Education BSc Physics (2003-2006) Bharata Matha College, Thrikkakkara, Kerala MSc Physics (2006-2008) St. Paul's College, Kalamassery, Kerala MTech Optoeloectronics and Laser Technology (2009-2011) Cochin University of Science and Technology PhD in Photonics （2011-2015）科钦科学技术大学论文标题：博士学位论文标题：betanin自然染料的研究
Leanne Young、Camilla Ciapponi、Aparna Suvrathan
Bakker 等人 (1994)。Fmr1 基因敲除小鼠：研究脆性 X 智力障碍的模型。Cell，78(1)。https://doi.org/10.1016/0092-8674(94)90569-x Mathis, A.、Mamidanna, P.、Cury, KM 等人。DeepLabCut：使用深度学习对用户定义身体部位进行无标记姿势估计。Nature Neuroscience 21, 1281–1289 (2018)。https://doi.org/10.1038/s41593-018-0209-y Mathis, A.、Schneider, S.、Lauer, J. 和 Mathis, M.，2020 年。使用深度学习进行动作捕捉入门：原理、陷阱和观点。 Neuron，108(1)，第 44-65 页。Nath, T.、Mathis, A.、Chen, AC 等人。使用 DeepLabCut 进行跨物种和行为的 3D 无标记姿势估计。Nature Protocol 14，2152–2176 (2019)。https://doi.org/10.1038/s41596-019-0176-0