XiaoMi-AI文件搜索系统
World File Search SystemBlind
一项随机双盲阶段2临床试验，用pepcan或candida
。cc-by-nc-nd 4.0国际许可证是根据作者/资助者提供的，他已授予Medrxiv的许可证，以永久显示预印本。（未通过同行评审认证）
前瞻性盲法评估 Thermalytix（一种人工智能增强型乳腺热成像软件）与放射科医生解释的乳房 X 光检查结果的相关性：赞比亚一项探索性研究的结果
背景：虽然乳房 X 线摄影通常用于乳腺癌检测，但在资源受限的国家广泛实施这一技术具有挑战性。基于人工智能的 Thermalytix 是一种低成本、便携、无辐射的自动化测试，可用于检测所有年龄段的女性乳腺癌。尽管在印度使用，但 Thermalytix 的有效性尚未在非洲人群中进行过测试。目标：在赞比亚三级护理人群中评估 Thermalytix 输出与放射科医生报告的乳房 X 线摄影的一致性和相关系数。方法：2023 年 10 月，卢萨卡 Maina Soko 军事医院对 169 名女性进行了 Thermalytix 和标准乳房 X 线摄影评估。Thermalytix 使用先进的机器学习算法来解释乳房热扫描并生成一个定量分数，表明恶性肿瘤的可能性。所有女性都接受了这两项测试，结果都是盲测的。随后计算了 Thermalytix 输出与放射科医生解释的乳房 X 线摄影的 BIRAD 评分之间的 Spearman 相关系数和一致性水平。结果：本报告分析了 144 名数据完整的女性，平均年龄为 50 岁（53.5% 为绝经后，65.3% 为无症状）。6 名女性被评估为乳房 X 线摄影阳性，138 名被评估为乳房 X 线摄影阴性；其中，使用 Spearman 等级相关检验，Thermalytix 与乳房 X 线摄影之间的相关性为 0.9 [非常强]，使用美国 FDA 推荐的一致性检验，阳性一致性为 83.3%。结论：Thermalytix 在之前的临床试验中表现出与乳房 X 线摄影非常强的相关性和一致性水平，以及良好的敏感性、特异性和阴性预测值，有潜力成为赞比亚乳腺癌早期检测的另一种工具。
盲目的高光谱和多光谱图像融合
光谱图像融合结合了低空间分辨率高光谱（HS）和低光谱 - 分辨率多光谱（MS）图像，以估计高分辨率（HR）光谱图像。尽管基于监督深度学习的最新融合技术显示出令人鼓舞的结果，但这些方法需要大量的培训数据集，涉及昂贵的获取成本和较长的培训时间。相比之下，基于深图像先验（DIP）方法的无监督的HS和MS图像融合为具有不同分布的图像的适应性提供了适应性。但是，现有的无监督方法依赖于线性降解模型的假设，并且需要对这些模型的精确知识才能获得最佳性能。为了克服这些挑战，我们提出了无监督的盲人HS和MS图像融合的中间输出深图像先验（MODIP）。Modip基于DIP模型，并在网络中的中间层产生融合图像。该体系结构包括两个高尺度的卷积发生器，它们从HS和MS输入中重建了HR光谱图像，以及两个网络，这些网络适当地降低了估计的HR图像，以匹配可用的MS和HS数据集，从而学习非线性降解模型。MODIP的网络参数是通过最小化所提出的复合损耗函数的共同和迭代调整的。重要的是，这种方法可以处理降解操作员未知或部分估计的方案。广泛的模拟表明，MODIP的表现优于其他基于模型的图像融合方法。为了评估MODIP的性能，我们在两个模拟光谱图像数据集（Pavia University和Salinas Valley）上测试了Fusion方法，以及通过光学实验室中的测试台实现获得的真实数据集。
了解辅助技术对盲人和视力障碍人士的社会心理影响：
方法：审查将包括 2019 年至 2024 年期间以英文发表的主要研究，重点关注辅助技术对盲人和视力不佳者的社会心理结果。符合条件的研究将涉及各个年龄段和各种环境下的盲人和部分失明参与者，研究心理（例如情绪健康、自尊）和社会结果（例如社会参与、支持）。将在七个电子研究数据库中进行搜索：CINAHL（EBSCO）、PsycINFO（EBSCO）、ACM 数字图书馆、IEEE Xplore、Scopus、Web of Science 和 Google Scholar（前 100 条记录）。研究将根据预定义的资格标准进行筛选和选择，数据提取将重点关注出版细节、研究设计、人口特征、辅助技术类型和心理社会影响。结果将使用描述性统计数据、图表和叙述综合进行总结。
NenuFAR 脉冲星盲目巡天 (NPBS)
1 奥尔良大学/法国国家科学研究院环境与空间物理与化学实验室 (LPC2E)，奥尔良，法国 2 南赛射电天文台 (ORN)，巴黎天文台，PSL 大学，奥尔良大学，法国国家科学研究院，18330 南赛，法国 3 宇宙与理论实验室 LUTh，巴黎天文台，CNRS/INSU，巴黎大学，法国 4 乌克兰国家科学院射电天文学研究所，4 Mystetstv St.，61002，哈尔科夫，乌克兰 5 LESIA，巴黎天文台，PSL 大学，索邦大学，巴黎城市大学，法国国家科学研究院，92190 默东，法国 6 马克斯普朗克射电天文学研究所，Auf dem Hügel 69，53121 波恩，德国 7 ASTRON，荷兰射电天文学研究所，奥德Hoogeveensedijk 4, 7991 PD Dwingeloo，荷兰 8 E.A.赫尔大学米尔恩天体物理中心，Cottingham Road，Kingston-upon-Hull，HU6 7RX，英国 9 赫尔大学数据科学、人工智能和建模卓越中心 (DAIM)，Cottingham Road，Kingston-upon-Hull，HU6 7RX，英国 10 卡利亚里 INAF 天文台，via della Scienza 5，09047 Selargius，意大利 11 巴黎西岱大学和巴黎萨克雷大学、CEA、CNRS、AIM，91190 Gif-sur-Yvette，法国
2025 年符合失明定义的学生年度普查
概述 年度人口普查的目的是登记盲人学生，以便他们根据“1879 年促进盲人教育法案”获得联邦配额资金。本次人口普查通过该法案的咨询服务部分进行。本手册概述了为该计划登记学生的流程。 联邦配额计划于 1879 年根据联邦“促进盲人教育法案”制定。该计划是一种通过已建立的联邦配额账户登记的每位合格学生，指定一定金额的资金用于购买教育材料。这些联邦配额账户由美国盲人印刷厂 (APH) 及其当然受托人维护和管理。印第安纳州教育资源中心主任是印第安纳州学龄账户、公共账户和私人账户的当然受托人。联邦配额登记是一种人口普查，记录有资格获得联邦“促进盲人教育法案”提供的材料的学生。有关联邦配额系统的更多信息，请访问 APH 网站。请注意：年度人口普查登记与当地教育机构的 DRM（数字版权管理器）对盲人或视力低下学生的在线 IERC/AEM 注册是分开的，但也是额外的。联邦配额登记的注册程序和要求将不同于 IERC/AEM 要求的持续注册程序。
随机、双盲、安慰剂 - Scholar Commons
在这项即将开展的多中心、前瞻性、随机、双盲安慰剂对照试验中，我们将研究选择性血清素再摄取抑制剂依他普仑对中风后失语症患者语言治疗的增强作用。我们假设，当与语言治疗相结合时，在语言治疗结束一周后进行的未经训练的图片命名任务（费城命名测试简版）中，每日服用依他普仑将比服用安慰剂产生更大的改善。我们还将研究依他普仑对语言的影响是否独立于其对抑郁症的影响，是否因病变部位而异，或是否与左半球功能连接的增加有关。最后，我们将研究 BDNF met 等位基因的个体是否对治疗反应减弱，连接变化是否减少。我们预计将在四年内招募 88 名参与者。参与者在中风后一周内接受依他普仑或安慰剂治疗，持续 90 天，并从药物治疗开始后 60 天开始接受 15 次 45 分钟的计算机语言治疗。然后，患者在最后一次语言治疗后一周、五周和二十周完成全面的语言评估。ELISA 是第一个随机对照试验，评估选择性血清素再摄取抑制剂对在急性至亚急性中风后接受语言治疗的失语症患者语言改善的影响。试验注册：该试验在 ClinicalTrials.gov 注册为 NCT03843463。
Robert（Rupert）Wu
逆问题在许多领域都普遍存在，在医学成像[20，26]，计算摄影[28，38]和地球物理学中的地震成像等领域具有重大应用[19，45]。尤其是，反问题的目的是从损坏的测量y中恢复原始信号x，这是由正向操作/测量aψ（·）生成的。逆问题通常根据ψ的可用性分为两个主要类别：非盲和盲逆问题。非盲逆问题已知已知ψ。相比之下，当ψ是未知的，需要同时提出ψ和x时，会出现盲目反对问题，这会带来更大的挑战。逆问题本质上是不适合的，通常很大程度上依赖数据先验P（X）进行准确的计算。重新说，扩散模型（DMS）已成为解决反问题的功能工具，因为它们的重新捕获复杂数据分布p（x）[9，10，13，34]。一种直接的方法来利用DMS解决反问题，涉及培训一个有条件的DM，通过监督学习直接估计后p（x | y）。但是，此方法可以是构成密集的，因为它需要为每个不同的测量操作员A单独训练DMS。为了克服这一局限性，最近的工作集中在利用预先训练的，未条件的DMS来估计先前的p（x），从而绕开了对其他模型训练的需求。在这种方法中，DMS提供的先前的P（X）与可能性P（Y | X）结合起来，以在反问题中的后验分布中采样。这些方法依赖于近似可能的项p（y | x），因为它在分析上是棘手的[9，34]。尽管如此，文献中提出的大多数逆问题解决者严格限于已知和固定测量算子Aψ的情况[9，34]。为了解决这个问题，我们提出了CL-DPS，这是一种基于C型收入来通过D iffusion p osterior s放大来解决盲逆问题的方法。具体来说，在CL-DPS中，首先使用修改版的Moco [16]（一种对比度学习（CL）技术）对辅助深神经网络（DNN）进行训练。这种辅助DNN的作用是估计可能性p（y | x）的可能性，而不知道测量值Aψ。然后，在解决反问题的过程中，我们使用此辅助DNN进行推断以估计P（Y | X），然后将其用于调整扩散过程的反向路径。为了进一步提高辅助DNN在估计p（y | x）方面的准确性，我们引入了一种新颖的在推理阶段，将图像分为斑块。为了评估Cl-DPS的有效性，我们进行了Ex-
valeriana officinalis提取物的单剂量给药可改善实际睡眠时间：随机，双盲，安慰剂对照研究
睡眠剥夺和质量不佳的睡眠是全球不断发展的健康问题[1,2]。睡眠对生活质量和福祉产生负面影响，特别影响了代谢和认知健康[3-13]。人们认为，与饮食相关的改变生活方式，工作量有助于质量不佳的睡眠[14,15]。褪黑激素被广泛用于改善睡眠，但[16]已知会引起头痛，嗜睡，头晕和呕吐感觉。除了调节身体的睡眠周期外，褪黑激素还会影响生物系统的数量，包括心血管，生殖，内分泌和代谢系统，因此不建议长期使用[17]。用于睡眠障碍的处方药，包括苯二氮卓类药物，抗抗药酶等，尽管在诊所中用于解决严重的睡眠障碍，但由于多种不良的不良不良效应，不建议长期使用[18-27]。传统医学中广泛使用的草药补充剂是
通过快速扩散反演
基于预训练扩散模型的图像恢复（IR）方法已显示出最先进的性能。但是，它们具有两个基本局限性：1）他们经常假设降解操作员是完全知道的，并且2）它们改变了扩散抽样过程，这可能会导致不在数据歧管上的恢复图像。为了解决这些问题，我们通过快速扩散反转（Bird）提出了盲图恢复（Bird），一种盲IR方法，该方法共同优化了降级模型参数和恢复的图像。为了确保恢复的图像位于数据歧管上，我们在预训练的扩散模型上提出了一种新颖的采样技术。我们方法中的一个关键想法不是修改反向采样，即。e。，一旦取样初始噪声，就不要改变所有中间潜在的潜在。这最终等效于将IR任务作为输入噪声空间中的优化问题。此外，为了减轻与完全展开的扩散模型相关的计算成本，我们利用这些模型的固有功能使用大的时间步骤在正向扩散过程中跳过。我们在几个图像恢复任务上实验验证鸟类，并表明它达到了最先进的表现。项目页面：https：//hamadichihaoui.github.io/bird。