XiaoMi-AI文件搜索系统
World File Search SystemBasu
Sankar Chandra Basu
1。蛋白质设计 /工程 /肽体系学。2。将机器学习，图像处理，深度学习方法应用于现代生物学和相关的不同跨学科领域的当代挑战性问题。3。蛋白质动力学 /呼吸 /熔融球 /内在疾病。4。膜蛋白的结构分析，膜嵌入，膜蛋白的吸毒5。大分子结构验证，排名和评分，分子对接中构象采样的策略。使用基于替代知识的半经验功能（例如互补性）而不是能量功能，探测蛋白质蛋白 /蛋白核酸相互作用。6。图理论中的经典问题及其在理解生物网络中的应用7。蛋白质基于结构的功能注释。大分子进化。8。有理药物设计。评分蛋白 - 小分子相互作用，虚拟筛选
Mriganka Basu Roy Chowdhury
高斯至对数正态过渡，可根据要求提供渗透的HyperCube伯克利，加利福尼亚州伯克利的独立集，可应要求提供手稿，共同工作：Shirshendu Ganguly，Vilas Winstein 2024- vilas Winstein 2024 - 一系列组合研究研究的独立集合在各种图表上进行了独立集（I.I.E.，Vertex subsets nes Edge）。是HyperCube {0，1}𝑑，最近是其随机子图。在Kronenberg和Spinka的最新工作中猜想了后者中（随机）独立集数的几种属性，同时也预测了相变。- 虽然以前的作品仅依赖代数工具，但我们开发了概率的图片，使我们能够建立一个全面的框架，我们可以从中证明前面提出的几个开放问题，并准确地描述了预测的关键点的行为。
soummen basu
•领域：计算机视觉，深度学习•论文：超声检查的基于深度学习的胆囊癌检测•获得了高度声望的总理研究奖学金（授予印度前10名国家研究所的3.5％的博士学位学生）•开创了第一个基于AI的Gallbladder Cancel（GBC）检测模型（US）的CVPR 2022222.•通过基于AI的早期检测，创新的GBC检测的精确，高效且可解释的模型 - 将5年生存率从5％提高到57％。•发表在CVPR，MICCAI，医学图像分析和柳叶刀区域健康等高影响力国际场所发表。•在印度多家医院的物联网设备（Jetson）上设计了云应用程序原型和部署的模型，以实时临床测试。•计算机视觉，ML，数据结构课程的助教。获得了机器学习课程的杰出助教奖。
http://social-epistemology.com ISSN：2471-9560三十年后的下一步：回复Basu Tsung-yen Tsou，弗吉尼亚理工学院
12（3）：5–14。2023。https：//wp.me/p1bfg0-7du s Umitran Basu的“技术的社会建设三十年：动态而模糊？方法论的难题”（2022）提供了有见地的评论，并为我们建立了一个坚实的基石，可以审查和反思技术的社会建构（SCOT）。为未来的科学，技术和社会（STS）撰写评论是一种仁慈和慷慨的行为。通过Basu对SCOT的彻底和结构化的评论，我们可以从Scot的过去成就和科学技术研究中的分歧中学习。 Basu在按时间顺序上安排了对Scot的评论，从Trevor Pinch和Wiebe Bijker在自行车上的第一个经验案例到苏格兰人在全球范围内受到批评后的演变。 在按时间顺序审查之后的部分中，巴苏提出了他对苏格兰人的方法论上的困难和困境的关键见解 - 运营和解释性困境（10-12）。 1。 引言运营困难发生时，当SCOT扩展到技术框架之外并引入其他两个分析单位时，就会发生运营困难：社会技术合奏和技术文化。 由于SCOT具有从文物和相关社会群体到技术框架的强大方法论，因此将社会技术合奏或技术文化纳入技术框架是一项挑战。 换句话说，后来引入的概念仅限于自己的规模和挑战，以在工件，社会技术合奏和技术文化之间建立可行的联系。 从一开始，苏格兰人的开拓者（Bijker and Pinch）就一直处于学术辩论的中心。通过Basu对SCOT的彻底和结构化的评论，我们可以从Scot的过去成就和科学技术研究中的分歧中学习。Basu在按时间顺序上安排了对Scot的评论，从Trevor Pinch和Wiebe Bijker在自行车上的第一个经验案例到苏格兰人在全球范围内受到批评后的演变。在按时间顺序审查之后的部分中，巴苏提出了他对苏格兰人的方法论上的困难和困境的关键见解 - 运营和解释性困境（10-12）。1。引言运营困难发生时，当SCOT扩展到技术框架之外并引入其他两个分析单位时，就会发生运营困难：社会技术合奏和技术文化。由于SCOT具有从文物和相关社会群体到技术框架的强大方法论，因此将社会技术合奏或技术文化纳入技术框架是一项挑战。换句话说，后来引入的概念仅限于自己的规模和挑战，以在工件，社会技术合奏和技术文化之间建立可行的联系。从一开始，苏格兰人的开拓者（Bijker and Pinch）就一直处于学术辩论的中心。解释性困境植根于Scot的基本假设，即可以从自下而上解释伪像的变化。尽管Bijker后来开发了社会技术合奏和技术文化来满足宏观分析的要求，但他拒绝将这些宏观概念视为先验假设。因此，在研究技术变化的因果关系时，社会技术的合奏和技术文化是解释的，而不是解释。SCOT中解释的重要资源是在人工制品，相关社会群体和技术框架中的微观相互作用。在方法论过渡中确定了这两个困境后，巴苏（Basu）断言，未来使SCOT更普遍并扩大其解释范围的尝试将不可避免地遇到操作困难和困境（Basu 2022，14）。巴苏的审查和渗透性诊断SCOT的方法论困境使未来的STS学者有益于重新审视SCOT和STS发展的论坛。来自技术，技术社会学和技术哲学的批评和评论积极参与SCOT的发展。Bijker和Pinch在回应先前的批评并调整了SCOT的分析框架后，开始了新的学术旅程。他们的最新贡献可以在负责任的研究与创新（RRI），公众参与科学以及在STS中进行和做的最新进展。BASU的可靠评论和评论使我们可以回顾一下Scot的未来以下步骤。然而，比杰克和他的同事们已经采取了下一步。
人工智能平台用于识别复发风险较高的原发性前列腺癌患者 Wei Huang, MD1,2, Parag Jain2, Ramandeep Randhawa2,3, Bijay S Jaiswal2, Samuel Hubbard1, Hirak Basu4, Rajat Roy2 1威斯康星大学麦迪逊分校病理学和实验室医学系, 2加利福尼亚州PathomIQ, Inc, 3南加州大学数据科学和运营系, 4MD 安德森癌症中心 GU 肿瘤学系
目前，尚无批准的原发性前列腺癌 (PCa) 辅助疗法。由于距离复发时间较长，且缺乏预测一线治疗后复发的强有力生物标志物，因此无法在短时间内完成临床试验并获批辅助疗法。人工智能 (AI) 为从 PCa 组织中提取关键形态特征作为人眼无法发现的预后标志物提供了独特的机会 [1-3]。我们构建了一个基于 AI 的平台来分析 PCa 的 H&E 染色组织学图像。我们的平台可以准确检测、分级和量化患者组织图像中的 PCa [4,5]。在这里，我们展示了该平台如何通过无监督提取来识别形态特征，这些特征表明根治性前列腺切除术 (RP) 后 3 年内出现生化复发，准确率为 84%。我们的结果表明，与目前临床使用的任何其他标志物相比，我们的方法更能预测术后疾病复发。