XiaoMi-AI文件搜索系统
World File Search SystemAsl
MDBrain | MDProstate 1.1 Akhondi-Asl，A.，和 Warfield。SK......
MDBrain | MDProstate 1.1 Akhondi-Asl, A. 和 Warfield. SK (2013)。通过融合概率分割同时估计真实性和性能水平。IEEE 医学影像学报 32，1840-1852。doi：10.1I09/TMI.2013.2266258 1.2 Allay, EE. Fisher. E.. Iones. SE、Hara-Cleaver, G、Lee, LG 和 Rudick, RA (2013)。在多发性硬化症诊所中使用磁共振成像对多发性硬化症疾病活动进行分类的可靠性。JAMA Neurol. 70，338-344。doi：I0.1001/2013.jamaneuroL211 1.3 Battagiini, M.. Rossi, F.» Grove, RA、Stromillo, M. L、Whitcher, B.、Matthews, PM. 等人 (2014)。使用减影图像自动识别多发性硬化症中的大脑新病变。I. Magn. Reson. Imaging 39, 1543-1549。doi: 10.1002/jmri .24293 1.4 Baur, G、Denner, S.、Wiestler, B.、Navab, N. 和 Albarqouni, S. (2021)。用于脑部 MR 图像中无监督异常分割的自动编码器：一项比较研究。Med. Image Anal. 69:101952。doi: 10.1016/j.media.2020.101952 1.5 Bose, M.、Heitz. F.» Armspach, J.-P.» Namer, L, Gounot, D. 和 Rumbach. L (2003)。多模态序列 MR1 中的自动变化检测：应用于多发性硬化症病变演变。NeuroImage 20, 643-656。doi: 10.1016ZS1053-8119(03)00406 3 1.6 Brownlee, WJ, Altmann. DR. Prados, F., Miszkiel, KA. Eshaghi, A., Gandini Wheeler-Kingshott, Q A. 等人 (2019)。复发型多发性硬化症长期结果的早期成像预测因子。Brain 142。2276-2287。doi: !0.1093/brain/awzl56 1.7 Carass, A., Roy, log. A., Cuzzocreo。 J. L、Magrath、E.、Gherman、A. 等 (2017)。纵向多发性硬化症病变分割：资源与挑战。NeuroImage 148,77-102。doi：10.10I6/j.neuroimage20l6.12.064 1.8 Qtek、0.、Abdulkadir、A.、I.ienkamp、SS。Brox、T.» 和 Ronneberger、O. (2016)。“3D U-Net 从稀疏注释中学习密集体积分割。”国际医学图像计算与计算机辅助干预会议 (雅典：Springer)，424-432。1.9 Commowick、O.、Istace、A.、Kain、M.» Laurent. B.. Leray, F., Simon, M.. 等人 (2018)。使用数据管理和处理基础架构对多发性硬化症病变分割进行客观评估。Sci. Rep. 8, 1-17。doi: 10.1038/S41598-018-31911-7 1.10 Egger, G, Opfer, R., Wang, C.» Kepp, T.» Sormani, MP。Spies, L, 等人 (2017)。多发性硬化症中的 MR1 FLAIR 病变分割：自动分割是否与手动注释相符？NeuroImage Clin. 13, 264-270。doi: 10.1016/j.nicl.2016.11.020
世界/亚洲首个在金医院进行的深脑刺激的植入
进一步补充说，secunderabad Kims Hospitals Dhanunjaya Rao Ginjupally博士，立体定向和功能性神经外科医院说：“这些毫米的分数可以对深脑刺激的有效性和安全性产生很大的差异。如果没有将电极植入正确的位置，则神经外科医生可能必须多次穿透大脑，这增加了除多个编程和铅重新定位外出血的风险。但是，如果将电极植入正确的位置，则效果是压倒性的，同时最大程度地减少了去医院的风险和重新审视。”
其控制的策略Syed Hamza Abbas 1，＃，Shahzar Khan 1，＃，Majid Shah 2.3，Jawad Aslam 4，Humaira Nawaz 1，Nadia Ilyas 1，Asim Gamar
Strategies for their Control Syed Hamza Abbas 1, #, Shahzar Khan 1, #, Majid Shah 2,3 , Jawad Aslam 4 , Humaira Nawaz 1 , Nadia Ilyas 1 , Asim Gamaryani 5 , Saba Qadir Afridi 1 , Izaz Khan 6 , Brekhna Shah 7,8 , Kashmala Shah 7,8 , Abdul Rashid 1 , Dilawaiz Khan 9，Samiullah Khan 1， * 1微生物学系，生物科学学院，Quaid-i-Azam大学，Quaid-i-Azam大学，伊斯兰堡，巴基斯坦2澳大利亚沃隆隆港大学6个生物技术与微生物学中心，斯瓦特大学，斯瓦特大学，巴基斯坦斯瓦特大学7开伯医学院，巴基斯坦白沙瓦8开伯医学院8 Khyber教学医院，巴基斯坦白沙瓦9 Khyber教学医院9动物科学系，动物科学系，QUAID -AZAM University，Quaid -i -azam University，伊斯兰教部，Pakistan＃Same iull of Sameh of Sameh persive of Samhiuls＃Samhiuls *巴基斯坦伊斯兰堡Quaid-i-Azam大学生物科学学院微生物学；电子邮件：samikhan@qau.edu.pk。提交：2024年11月29日；修订：2024年12月29日；接受：2024年12月29日；出版：2024年12月31日。引用：Abbas SH，Khan S，Shah M，Aslam，Nawaz H，Ilyas N，Gamaryani A，Afridi SQ，Khan I，Shan B，Shan B，Shah K，Shah K，Rashis A，Khan D. Biofilms和Innovative策略对其控制所带来的公共卫生威胁。发现2024; 12（4）：E197。doi：10.15190/d.2024.16抽象的生物膜是微生物的群落，它们粘附在自生产的保护基质中的表面。生物膜的结构复杂性及其对常规抗菌治疗的固有抵抗使其成为重大的公共健康挑战。这些微生物群落嵌入了自我生产的细胞外基质中，与多种持续感染有关，尤其是在医疗保健环境中发生的，它们在医疗设备和慢性伤口中定居。生物膜的影响超越了医疗保健环境，并在水处理设施，食品加工厂和自然界中持续存在，其中生物膜有助于疾病的污染和传播。本评论文章讨论了与生物膜有关的多方面公共卫生并发症，并寻找现有的控制策略，生物膜形成的过程，持久性机制以及传统抗菌方法的局限性。
引用本文为：Waqar Rasool Minhas，先生。 Hassan Saleemi、Mohanad Faris Raheem、Shahad Sabah Khalid、Hira Aslam、Waqas Ahmad (2024) Crispr 工程
摘要：目的：本研究的目标如下：比较使用 CRISPR 改造的微生物降解未减排污染物的效率与自然产生的微生物的效率。这些污染物包括塑料、重金属、杀虫剂和 PCB。本研究旨在确定 CRISPR-Cas9 进行的基因操作是否可以提高这些微生物的降解潜力，尤其是在污染场地的环境条件下，污染物难以去除。目标：本研究回答的主要问题是确定通过 CRISPR 对微生物菌株进行的修饰与天然菌株相比在多大程度上提高了生物降解效率。第二个目标是确定污染物类型对微生物降解的影响，以及研究 CRISPR 修饰数量与生物降解效率之间的相关性。方法：总共通过对天然或通过 CRISPR 技术进行基因改造的微生物菌株进行实验测试获得了 220 个响应。通过在实验室试验中量化污染物在一定时间内的质量减少来确定生物降解的效率。所分析的化学物质包括塑料、重金属、农药和多氯联苯 (PCB)。研究中使用的检验包括方差分析、Kruskal 和 Wallis 检验、回归检验和卡方检验。使用 SPSS 23 版进行统计分析，并以箱线图的形式对这些结果进行数据可视化，用于方差分析和 KW，以带有回归线的散点图的形式进行回归分析，以条形图的形式进行卡方检验。然后，这些数字提供了根据不同微生物菌株和污染物类型对生物降解性能的更好比较。回归分析还揭示了使用图形表示生物降解效率与 CRISPR 修饰次数的关系。结果：基于方差分析和 Kruskal-Wallis 检验的分析表明，降解效率
引用：Sancaktutan Ş，İspahi B，Aslan Y.Ş，Solak K，Ünver Y. Magnetofection：一种利用磁性纳米粒子进行有效基因转移的神奇技术
基因治疗是一种通过关闭致病或功能失调的基因并将特定基因传递到体内来治疗疾病的治疗方法。将治疗基因传递到目标细胞仍然是基因转移的一个限制。因此，基因转移是基因治疗的重要组成部分。基因传递系统通常分为基于病毒和非基于病毒的系统。在众多纳米结构中，纳米粒子被广泛用作非病毒基因转移的载体。磁性纳米粒子 (MNP) 近年来因其独特的磁性而被广泛应用于生物医学领域。原则上，它们的电荷和尺寸使 MNP 适合到达目标位置。此外，高表面积/体积比使 MNP 成为基因转移的理想选择。使用 MNP 进行基因转移的主要方法之一是磁转染。在这种方法中，DNA 和 MNP 在含盐的缓冲液中结合形成一种称为磁转染的复合物。这种复合物可以在磁场的影响下穿透细胞。带负电荷的 DNA 需要经过修饰才能穿过带负电荷的细胞膜，与 MNP 形成复合物，并增加其稳定性和生物相容性。为此，常用的聚合物如 PEI（例如两亲性聚（L-赖氨酸）、聚酰胺胺 (PAA) 和 PEG）用作基因载体。此外，MNP 和 PEI 等聚合物有助于 DNA 的内体逃逸。这篇小型综述总结了磁性粒子在基因转移的所有动态过程（纳米粒子合成、基因结合、细胞摄取、内体逃逸和体内靶向）中的特定基因转染（磁转染）。
清醒与入睡手术的影响
Age 1.005 0.944 1.071 0.871 Women Asleep 62.42 1.16 Awake 64.80 1.69 Men Asleep 62.04 1.37 Awake 61.00 3.78 Disease duration 1.073 0.933 1.234 0.321 Women Asleep 9.32 3.07 Awake 10.06 2.61 Men Asleep 9.21 3.48 Awake 9.71 4.15 UPDRS I 0.943 0.929 1.072 0.369 Women Asleep 12.26 5.31 Awake 11.20 2.39 Men Asleep 10.38 4.32 Awake 9.20 5.32 UPDRS II 0.976 0.829 1.072 0.592 Women Asleep 15.39 6.41 Awake 17.20 4.15 Men Asleep 16.25 8.37 Awake 14.40 6.08 UPDRS III OFF 0.990 0.938 1.045 0.725 Women Asleep 49.53 12.56 Awake 50.40 11.44 Men Asleep 51.79 13.19 Awake 49.60 13.48 UPDRS III ON 0.968 0.903 1.038 0.361 Women Asleep 19.79 8.49 Awake 20.40 12.10 Men Asleep 20.94 10.75 Awake 19.24 9.98 UPDRS IV 0.861 0.737 1.005 0.058 Women Asleep 11.37 3.12 Awake 11.00 1.41 Men Asleep 10.26 3.62 Awake 9.40 3.74 PDQ-39 0.610 1.006 0.984 1.028 Women Asleep 57.18 16.64 Awake 62.80 20.39 Men Asleep 44.64 20.82 Awake 45.88 19.19 PAS Total 0.973 0.887 1.069 0.570 Women Asleep 13.95 6.17 Awake 16.00 7.18 Men Asleep 10.45 5.76 Awake 9.52 7.04 BDI 1.011 0.911 1.120 0.845 Women Asleep 11.47 5.73 Awake 13.20 3.42 Men Asleep 11.17 6.69 AWAKE 10.39 5.20 MOCA 1.079 0.925 1.258 0.334女性入睡25.89 3.11醒25.60 2.88
curriculum vitae noor asnida binti asli（ph.d）
i。 GIP标题：氧化锌纳米颗粒的重量百分比和覆盖在芒果上的颗粒大小以抑制炭疽病疾病的影响 - 20,000.00 rm ii。frgs标题：ZnO纳米颗粒涂层芒果果实对Colletotrichum Gloeosporiodes抗真菌活性的影响 - 1/9/2019-30/11/2021，RM 62,800.00 III III。抹布标题：从废料油中合成石墨烯 - 1/12/2015-30/11/2017，RM 43,000.00
人工智能在抗震建筑设计中的应用：使用深度学习和 ImageAI 方法确定不规则结构体系 Kaan Bingöl 1 , Aslı Er Akan 2* , Hilal Tuğba Örmecioğlu 3 , Arzu Er 4
1 比利希姆创新中心，METU Technopolis，安卡拉 06510，土耳其 2 恰卡亚大学，建筑学院，建筑系，安卡拉 06530，土耳其 3 阿克德尼兹大学，建筑学院，建筑系，安塔利亚 07070，土耳其 4 阿克德尼兹大学，技术职业高中，安塔利亚 07070，土耳其 重点：图形/表格摘要 人工神经网络和深度学习方法 估计结构不规则性的新方法 深度学习和图像处理方法在抗震建筑设计中的应用 图 A. 图形摘要目的：本研究的目的是通过使用深度学习和图像处理方法，创建一个不规则控制助手 (IC Assitant)，它可以为建筑师提供有关结构系统决策是否符合抗震规定的一般信息，这些信息可在设计过程的早期阶段通过深度学习和图像处理方法进行。这样，在设计的早期阶段就能做出正确的决策，并防止在实施项目阶段可能发生的意外修改。理论与方法：在本研究中，我们提出了一个不规则控制助手 (IC Assitant)，它可以为建筑师提供有关土耳其地震规范中定义的结构系统不规则性的一般信息，它是使用深度学习和图像处理方法开发的。PYTHON 是学术领域最常用的编程语言之一，PYTHON IDLE（集成开发和学习环境）用于创建应用程序。Image AI 工作库用于制作此软件产品。结果：向 IC 助手展示了以前没有给过机器的新计划，并询问这些计划中的结构系统是否按照地震法规的定义是规则的还是不规则的。结果表明，DK 助手可以成功地提供有关任何结构系统的规则性百分比的信息。结论：研究表明，深度学习和图像处理方法可用于在建筑设计过程的早期阶段发现结构不规则性。