XiaoMi-AI文件搜索系统
World File Search SystemAshraf
第34章益生菌和肝脏疾病：改造社区ASMA FATIMA 1*，ASFA KARAM 2，SUNDAS ASHRAF 1，NOREENA B
已经提出了抽象益生菌来预防和治疗多种疾病，例如肝脏疾病。细菌物质在不良情况下进入肝脏轴时可能立即对肝细胞造成损害，这些作用还会触发促炎和自身免疫反应。益生菌通过调节肠道中的细菌，防止微生物的粘附，改善粘膜屏障的功能并分泌生物活性化合物并减少微生物毒素的产生，从而对各种慢性肝疾病产生有益的影响。人类胃肠道系统中发现的细菌类型可用于各种目的，包括有助于控制人体的免疫反应并保护微生物屏障，以防止可能的感染。肠道菌群多样性的变化在肝病的发作中很重要。使用促进健康的细菌菌株可能有助于减轻有害的相互作用和肝脏状况。最广泛使用的益生菌是在天然胃肠道菌群中发现的双歧杆菌或乳酸菌的菌株。他们也可能促进有利的微生物的发展。益生菌已被发现对酒精性肝病，非酒精性脂肪肝，病毒性肝炎，肝性脑病和肝肝硬化具有有希望的作用。关键词益生菌，肝病，酒精和非酒精性脂肪肝病，肠道菌群
Abdullah al Ashraf
氨基吡啶（APS）”，2011年9月至2012年2月。该项目基于“ 2、3、4-氨基吡啶的计算研究”。计算化学是解决有趣的化学问题的最有用工具之一。在我的研究项目中，这些AP的电荷密度及其红外频率是通过半经验，AB-Initio（Hartree Fock）和密度函数理论计算理论计算方法通过“高斯-09”软件来计算的。
原创研究文章 使用集成机器学习进行多发性硬化症病变分割 Randa ElSebely *、Bassem Abdullah、Ashraf A Salem、
摘要 病变是由于受伤或疾病而受损的组织区域。因此，脑病变是脑内受伤或患病的区域。虽然定义听起来很简单，但理解脑病变却可能很复杂。这是因为脑病变有很多种类型。它们的范围从小到大，从少到多，从相对无害到危及生命。如今，磁共振成像 (MRI) 的使用越来越多。人类专家在 MR 图像中手动描绘多发性硬化症 (MS) 病变既费时又主观，而且容易受到专家间差异的影响。因此，需要自动分割来替代手动分割。在本文中，二维离散小波变换 (DWT) 用于从分析 MR 图像中提取局部信息。集成决策树 (EDT) 和集成支持向量机 (ESVM) 用于分割 MS 病变并自动区分 MS 病变区域中的块和非 MS 病变中的块。我们在真实的 MRI 数据集上评估了我们的方法。我们可以以超过 98% 的准确率检测出 MS 病变。使用真实的 MRI 数据集评估技术。结果与事实进行了比较。本文描述的所提出的技术的主要贡献是使用 DWT 和集成机器学习并解决分类数据不平衡的问题，而不会更改或丢失训练数据。关键词：MRI、多发性硬化症、自动分割、集成支持向量机、集成决策树、病变。
已发布版本 (APA) 引用：Asif, AR、Waris, A.、Gilani, SO、Jamil, M.、Ashraf, H.、Shafique, M. 和 Niazi, IK (2020)。性能特点
摘要：肌电图 (EMG) 是肌肉收缩产生的电活动的量度。基于非侵入性表面肌电图 (sEMG) 的模式识别方法已显示出上肢假肢控制的潜力。然而，它仍然不足以进行自然控制。深度学习的最新进展表明生物信号处理取得了巨大进步。已经提出了多种架构，可为离线分析提供高精度 (> 95%)，但由于系统优化而导致的延迟仍然是实时应用的挑战。由此产生了对基于微调超参数的优化深度学习架构的需求。尽管实现收敛的机会是随机的，但重要的是要注意，所获得的性能提升足以证明额外的计算是合理的。在本研究中，我们利用卷积神经网络 (CNN) 解码 18 位受试者记录的 sEMG 数据中的手势，以研究超参数对每个手势的影响。结果表明，将学习率设置为 0.0001 或 0.001，并进行 80-100 次训练，其效果显著优于其他考虑因素 (p < 0.05)。此外，我们还观察到，无论网络配置如何，某些动作（握紧手、屈手、伸手和细握）在整个研究过程中表现更好（分别为 83.7% ± 13.5%、71.2% ± 20.2%、82.6% ± 13.9% 和 74.6% ± 15%）。因此，可以根据表现最佳的手部动作设计出稳健稳定的肌电控制。随着识别能力的提高和性能的统一提升，基于深度学习的方法有可能成为传统机器学习算法的更强大的替代方案。