XiaoMi-AI文件搜索系统
World File Search SystemCRC
PoS(ICRC2021)383
在 NEVOD-DECOR 实验中，研究了介子束的能量特性，旨在解决“介子之谜”（与计算结果相比，宇宙射线中多介子事件过多）。实验装置包括一台切伦科夫水量热器和一台坐标跟踪探测器。介子束的能量沉积是通过 NEVOD 量热器的响应来测量的，坐标跟踪探测器 DECOR 可以确定束中的介子数量及其到达方向。实验获得了 10 PeV 至 1000 PeV 范围内的介子束中平均能量及其对天顶角和初级能量依赖性的估计值，并与使用基于 CORSIKA 软件包的模拟计算结果进行了比较，模拟使用了 QGSJET-II-04 和 SIBYLL-2.3c 强子相互作用模型。
CRC供应链管理
该公司开发了供应商选择过程，该过程将用于筛选新供应商。公司的供应商行为准则已经考虑了构成可持续性基本要求的各种问题，例如环境法规和劳动法。因此，通过初步评估，由公司确定的新供应商与供应商行为准则不合规，将无资格获得最低可持续性阈值，并且不会被视为进一步的供应商选择。对于符合供应商行为守则并通过最低门槛的新供应商，该公司将进行进一步的供应商选择，其中包括供应商选择关键供应商识别可持续性风险评估纠正措施现场评估和供应商审查供应商选择标准，报价和条款和条款和条款。有资格选择供应商的新供应商将被授予被视为第1级供应商的合同，并将被要求确认其对供应商行为准则的承诺。在2020财年，该公司在泰国业务部门确定了14,854个供应商。
POS（ICRC2021）759
高能立体系统（H.E.S.S.）是位于纳米比亚Khomas Highland的五个成像大气Cherenkov望远镜的阵列。H.E.S.S. 通过检测到极高的能量伽玛射线与地球大气相互作用时，观察到GEV上方的伽马射线。 H.E.S.S. 数据采集系统（DAQ）协调夜间望远镜操作，以确保各个组件能够正确通信并按预期行事。 它还提供了指导操作的望远镜与移动人员之间的接口。 DAQ既包含硬件和软件，并且自H.E.S.S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. 有能力。 最近，这包括对托管DAQ软件的整个计算集群的升级，以及在大型28M H.E.S.S. 望远镜。 我们讨论了已升级的DAQ的表现以及从这些活动中学到的经验教训。H.E.S.S.通过检测到极高的能量伽玛射线与地球大气相互作用时，观察到GEV上方的伽马射线。H.E.S.S.数据采集系统（DAQ）协调夜间望远镜操作，以确保各个组件能够正确通信并按预期行事。它还提供了指导操作的望远镜与移动人员之间的接口。DAQ既包含硬件和软件，并且自H.E.S.S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S. S.有能力。最近，这包括对托管DAQ软件的整个计算集群的升级，以及在大型28M H.E.S.S.望远镜。我们讨论了已升级的DAQ的表现以及从这些活动中学到的经验教训。
RCRC 青年主导气候行动战略（英文）
红十字与红新月会青年可以发挥重要作用。2030 战略的重点包括将权力转移到最地方层面。红十字与红新月会国际联合会拥有 192 个国家红会成员，全球有大约 1200 万名活跃志愿者，其中一半以上是年轻人。庞大而活跃的网络为青年领导的实地影响提供了巨大的机会。创新、预期和敏捷性也是 2030 战略的关键组成部分。随着国家红会呼吁系统性变革，年轻人带来了新的思维方式、技术知识和想法，以影响适合我们不断变化的环境的新红十字与红新月会方法。
MEK抑制剂在黑色素瘤细胞中的抗性
背景：本研究的目的是研究含有受体（KDR）遗传变异的激酶插入结构域对接受apatinib的化学疗法转移性转移性结直肠癌（CRC）患者治疗和安全性的影响。方法：总共有108例接受apatinib治疗的化学疗法转移性CRC患者回顾性地参与了这项研究。评估了患者治疗的功效。进行了预后，分别记录了安全性。分别获得了患者的血液标本和外周血单核细胞（PBMC），分别用于分析遗传变异和KDR基因mRNA Expres sion。提出了基因型状态与临床结果之间的关联。结果：108例接受Apatinib治疗的转移性CRC患者的客观缓解率（ORR）和疾病控制率（DCR）分别为5.6％和69.4％。生存分析结果表明，108例转移性CRC患者的无进展生存期（PFS）和总生存期（OS）为3.6个月（95％置信区间（CI）：3.03–4.17个月）和8.9个月（分别为95％CI：7.57-10.23个月）。随后，对KDR遗传变异的分析表明RS2071559具有临床意义。RS2071559的次要等位基因频率为0.22，基因型状态与Hardy-Weinberg平衡相对应（P = 0.949）。此外，两种基因型患者的中位OS分别为10.5和6.1个月（p = 0.007）。通过TC和CC基因型患者的组合，以主要的遗传方式进行预后和裂解，表明TT基因型和TC/CC基因型患者的中位PFS分别为4.1和3.0个月（P = 0.012）。此外，OS的多元COX回归分析表明，TC/CC基因型是OS的独立因素（危险比（HR）= 0.65，P = 0.021）。有趣的是，mRNA表达分析表明，根据RS2071559基因型状态，KDR在PBMC中的mRNA表达显着差异（P <0.001）。结论：apatinib对化学疗法 - 耐药性转移性CRC的患者表现出了潜在的优质临床结果。KDR多态性RS2071559可以用作接受Apatinib治疗的CRC患者预后评估的潜在生物标志物。关键字：结直肠癌，apatinib，含有受体的激酶插入结构域，遗传变异，生物标志物，临床结果，安全
CRC1411均等机会奖学金，该奖学金是在弗里德里希 - 亚历山大 - 大学的硕士学位
科学卓越（如各自的学士学位课程中的学术成绩所证明的）其他相关资格和活动（会议出勤，其他研究，出版物，出版物，出版物）CRC1411特定的专业知识和动机（理论或实践知识（理论或实践知识）（粒子粒子中的理论或实践知识）（粒子中的理论或实践知识
阿柏西普联合 FOLFIRI 作为转移性结直肠癌 (mCRC) 患者的一线化疗：一项 II 期研究 (FFCD 1302)
FOLFIRI（伊立替康、5-氟尿嘧啶和亚叶酸钙）加阿柏西普化疗可改善既往接受过治疗的转移性结直肠癌 (mCRC) 患者的生存期。我们的 II 期研究评估了这种治疗对未经治疗的 mCRC 患者的疗效和耐受性。虽然未达到主要终点，但结果显示，一线 FOLFIRI D a ibercept 治疗 mCRC 的生存期接近标准一线治疗的生存期，但毒性较大。背景：FOLFIRI（伊立替康、5-氟尿嘧啶和亚叶酸钙）加阿柏西普可改善既往接受过治疗的转移性结直肠癌 (mCRC) 患者的中位总生存期 (OS) 和无进展生存期 (PFS)。我们的目的是研究这种组合作为一线治疗的疗效和耐受性。患者和方法：在一项开放性、II 期单组、多中心试验中，未经治疗的已证实的转移性结直肠癌患者每 14 天接受一次 Fibercept 加 FOLFIRI 治疗，直至出现进展或不可接受的毒性。主要终点是 6 个月 PFS 率。次要终点是 OS 和耐受性。采用 2 步 Simon 设计，H 0 : 55% 和 H 1 ¼ 75%。按意向治疗分析数据。结果：2014 年 10 月至 2017 年 2 月期间，在法国的 9 个中心共纳入 41 名患者，分析了 40 名患者（1 名患者撤回同意）。中位年龄为 65 岁（范围：46-81 岁），55% 有 2 个转移部位，50% 和 15% 分别有 RAS 和 BRAF 突变。 22 名（54.5%；95% 置信区间，38.9%-68.5%）患者在 6 个月时存活且无进展。FOLFIRI + a 柏西普被认为无效，导致纳入研究终止。中位随访时间为 34 个月。总体反应率为 55%，疾病控制率为 80%。中位治疗持续时间为 5.3 个月；中位 PFS 和 OS 分别为 8.2 个月和 18.6 个月。3 至 4 级不良事件主要为胃肠道（47.5%）和血管（32.5%）。在患者中，87.5% 至少有 1 次剂量调整。结论：尽管未达到主要目标，但一线 FOLFIRI + 柏柏西普治疗 mCRC 的中位 PFS 和 OS 接近经典双联和靶向药物报告的 PFS 和 OS，但具有显著的毒性，需要减少剂量。
海军陆战队作战实验室 S&T 部门和 MCRCO 上校 Kevin “Astro” Murray
(U) 非卫星地面通信 地面、长距离、高带宽通信路径，为前沿部署部队提供战区内回传能力。这包括车载和便携式数据链硬件、波形和网络管理功能。
CRC人工智能和机器学习
单元描述 本单元向学生介绍机器学习 (ML) 和人工智能 (AI) 的基本理论。学生将获得在本地机器和云上可用的 AI 和 ML 工具的第一手经验。机器学习被广泛应用于各个领域，包括但不限于创意艺术、零售、军事情报、医疗保健、游戏、数据挖掘、制造、银行以及提高各个领域的效率。ML 和 AI 技术在媒体和计算机视觉方面具有巨大的发展空间。机器学习和 AI 使计算机能够从数据或经验中学习，从而无需人工干预即可解决问题。该领域的最新发展取得了一些显著的成果，计算机的表现可以与人类相当甚至更好。在本单元中，学生将学习各种 ML 算法，了解它们如何提供一些智能解决方案以及如何在数据或图像上使用它们来识别不同的模式。智能机器应该具有视觉、语音或语音识别功能，并能够对未知情况做出反应。学生可以使用 Raspberry Pi、云或基于桌面的系统来学习和发展对 ML 和 AI 技术的理解。五项原则是《思维与技能宣言》的基础，也是所有课程课程框架和单元规范的基础。以下所述的相关原则已与每个课程单元和每个级别的学习成果相对应（有关五项原则的完整描述，请参阅课程规范）：