XiaoMi-AI文件搜索系统
World File Search SystemCho
文章 图像质量对细菌分类模型性能的影响研究 Treesukon Treebupachatsakul 1,a , Wanwalee Chomkwah 1 ,
2 泰国曼谷拉卡邦先皇理工学院信息技术学院，1 Chalong Krung 1 Alley，Ladkrabang，Bangkok 10520，泰国电子邮件：a treesukon.tr@kmitl.ac.th，b，* suvit@it.kmitl.ac.th（通讯作者）摘要。深度学习模型构建中监督学习的关键要求之一是用于训练和验证的数据集。为了收集数据集，从不同资源获取各种质量的图像是不可避免的，这被认为会影响监督模型的性能。本研究旨在证明涉及从两个不同资源获得的高和标准数据集的图像质量对模型性能的影响。对具有革兰氏阳性菌和革兰氏阴性菌数据集的各种细胞特征进行了试验。这些不同的数据集被匹配并贡献了 5 个案例；案例 1：使用高质量图像进行训练和测试，案例 2：使用高质量图像进行训练并使用标准质量图像进行测试，案例 3：使用标准质量图像进行训练和测试，案例 4：使用标准质量图像进行训练并使用高质量图像进行测试，以及案例 5：结合这两种图像质量进行训练和测试。实施了预训练的 CNN 模型来证明使用和不使用分层 K 折交叉验证的目的。重新训练模型的结果表明，高性能模型需要从与测试集相同资源中获得的高质量数据集，在具有挑战性的未知数据集上进行测试时，这些数据集可产生超过 90% 的所有性能评估指标。这项研究为构建可用于自动化微生物诊断的高性能模型提供了宝贵的见解，对公共卫生和临床实践产生了影响。
（缺少）DNA双链断休息途径在V（d）J重组期间选择
DNA双链断裂（DSB）是可以通过多种DNA修复途径修复的剧毒病变。多个因素可能会影响修复对给定途径的选择和限制，以保证维持基因组完整性。在V（D）J重组期间，RAG诱导的DSB（几乎）是通过非同理端连接（NHEJ）途径仅修复的，以实现抗原受体基因多样性的益处。在这里，我们回顾了将RAG生成的DSB修复到NHEJ的各种参数，包括RAG核酸酶产生的DNA DSB末端的特殊性，裂解后突触复合物的建立和维护，以及DNA末端的DNA末端的末端抗切除和（Microtro）的人体学修复。在这种生理背景下，我们强调某些DSB的DNA修复途径选择有限。
AWS 规范指南 - 为多账户 DevOps 环境选择 Git 分支策略
转向基于云的方法并在 AWS 上交付软件解决方案可能会带来变革。这可能需要更改您的软件开发生命周期流程。通常，在 AWS 云中的开发过程中会使用多个 AWS 账户。选择兼容的 Git 分支策略来与您的 DevOps 流程配对对于成功至关重要。为您的组织选择正确的 Git 分支策略可帮助您在开发团队之间简洁地传达 DevOps 标准和最佳实践。Git 分支在单个环境中可能很简单，但在多个环境（例如沙盒、开发、测试、登台和生产环境）中应用时可能会变得混乱。拥有多个环境会增加 DevOps 实施的复杂性。
Jaemin Cho
[C27] Han Lin *，Jaemin Cho *，Abhay Zala和Mohit Bansal。“ CTRL-ADAPTER：一个有效且通用的框架，用于将各种控件适应任何扩散模型”。ICLR（口头）。 2025。 [project] [Paper] [代码]。 [C26] Zaid Khan，Elias Stengel-Eskin，Jaemin Cho和Mohit Bansal。 “ DataEnvgym：具有学生反馈的教师环境中的数据生成代理”。 ICLR（聚光灯）。 2025。 [project] [Paper] [排行榜] [代码]。 [C25] Jialu Li *，Jaemin Cho *，Yi-lin Sung，Jaehong Yoon和Mohit Bansal。 “ SELMA：学习和合并技能 - 特定文本对象专家与自动生成数据”。 神经。 2024。 [project] [Paper] [代码]。 [C24] Abhay Zala *，Jaemin Cho *，Han Lin，Jaehong Yoon和Mohit Bansal。 “ Envgen：通过LLM生成和适应环境以进行训练体现的代理人”。 Colm。 2024。 [project] [Paper] [代码]。 [C23] Abhay Zala，Han Lin，Jaemin Cho和Mohit Bansal。 “图表：通过LLM计划生成开放域的开放式平台图”。 Colm。 2024。 [project] [Paper] [代码]。 [C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。 “ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。 Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。ICLR（口头）。2025。[project] [Paper] [代码]。[C26] Zaid Khan，Elias Stengel-Eskin，Jaemin Cho和Mohit Bansal。“ DataEnvgym：具有学生反馈的教师环境中的数据生成代理”。ICLR（聚光灯）。2025。[project] [Paper] [排行榜] [代码]。[C25] Jialu Li *，Jaemin Cho *，Yi-lin Sung，Jaehong Yoon和Mohit Bansal。“ SELMA：学习和合并技能 - 特定文本对象专家与自动生成数据”。神经。2024。[project] [Paper] [代码]。[C24] Abhay Zala *，Jaemin Cho *，Han Lin，Jaehong Yoon和Mohit Bansal。“ Envgen：通过LLM生成和适应环境以进行训练体现的代理人”。Colm。 2024。 [project] [Paper] [代码]。 [C23] Abhay Zala，Han Lin，Jaemin Cho和Mohit Bansal。 “图表：通过LLM计划生成开放域的开放式平台图”。 Colm。 2024。 [project] [Paper] [代码]。 [C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。 “ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。 Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。Colm。2024。[project] [Paper] [代码]。[C23] Abhay Zala，Han Lin，Jaemin Cho和Mohit Bansal。“图表：通过LLM计划生成开放域的开放式平台图”。Colm。 2024。 [project] [Paper] [代码]。 [C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。 “ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。 Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。Colm。2024。[project] [Paper] [代码]。[C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。“ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。Colm。2024。[project] [Paper] [代码]。[C21] Heesoo Jang和Jaemin Cho。“对大语言模型的偏见和危害的评估”。2024。[纸]。国际传播协会（ICA）（高级论文奖）。[C20] Yasumasa onoe，Sunayana Rane，Zachary Berger，Yonatan Bitton，Jaemin Cho，Roopal Garg，Alexander Ku，Zarana Parekh，Jordi Pontuset，Jordi Pont-Tuset，Garrett Tanzer，Su Wang和Jason Baldridge。“ docci：连接和对比图像的描述”。ECCV。 2024。 [Project] [Paper] [DataSet]。 [C19] David Wan，Jaemin Cho，Elias Stengel-Eskin和Mohit Bansal。 “对比区域指导：在没有训练的情况下改善视觉模型的接地”。 ECCV。 2024。 [project] [Paper] [代码]。 [C18] Qin Liu，Jaemin Cho，Mohit Bansal和Marc Niethammer。 “以低潜伏期，高质量和不同的提示来重新思考交互式图像分割”。 CVPR。 2024。 [project] [Paper] [代码]。 [C17] Jaemin Cho，Yushi Hu，Roopal Garg，Peter Anderson，Ranjay Krishna，Jason Baldridge，Mohit Bansal，Jordi Pont-Tuset和Su Wang。 “ Davidsonian场景图：在文本到图像生成的细粒度评估中提高可靠性”。 ICLR。 2024。 [project] [Paper] [代码]。 [C16] Jaemin Cho，Abhay Zala和Mohit Bansal。 “用于文本到图像生成和评估的视觉编程”。 神经。 2023。 [project] [Paper] [VPGEN代码] [VPEVAL代码]。 [C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。 “用于视频本地化和问题回答的自链图像模型”。 神经。 2023。ECCV。2024。[Project] [Paper] [DataSet]。[C19] David Wan，Jaemin Cho，Elias Stengel-Eskin和Mohit Bansal。“对比区域指导：在没有训练的情况下改善视觉模型的接地”。ECCV。 2024。 [project] [Paper] [代码]。 [C18] Qin Liu，Jaemin Cho，Mohit Bansal和Marc Niethammer。 “以低潜伏期，高质量和不同的提示来重新思考交互式图像分割”。 CVPR。 2024。 [project] [Paper] [代码]。 [C17] Jaemin Cho，Yushi Hu，Roopal Garg，Peter Anderson，Ranjay Krishna，Jason Baldridge，Mohit Bansal，Jordi Pont-Tuset和Su Wang。 “ Davidsonian场景图：在文本到图像生成的细粒度评估中提高可靠性”。 ICLR。 2024。 [project] [Paper] [代码]。 [C16] Jaemin Cho，Abhay Zala和Mohit Bansal。 “用于文本到图像生成和评估的视觉编程”。 神经。 2023。 [project] [Paper] [VPGEN代码] [VPEVAL代码]。 [C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。 “用于视频本地化和问题回答的自链图像模型”。 神经。 2023。ECCV。2024。[project] [Paper] [代码]。[C18] Qin Liu，Jaemin Cho，Mohit Bansal和Marc Niethammer。“以低潜伏期，高质量和不同的提示来重新思考交互式图像分割”。CVPR。2024。[project] [Paper] [代码]。[C17] Jaemin Cho，Yushi Hu，Roopal Garg，Peter Anderson，Ranjay Krishna，Jason Baldridge，Mohit Bansal，Jordi Pont-Tuset和Su Wang。“ Davidsonian场景图：在文本到图像生成的细粒度评估中提高可靠性”。ICLR。 2024。 [project] [Paper] [代码]。 [C16] Jaemin Cho，Abhay Zala和Mohit Bansal。 “用于文本到图像生成和评估的视觉编程”。 神经。 2023。 [project] [Paper] [VPGEN代码] [VPEVAL代码]。 [C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。 “用于视频本地化和问题回答的自链图像模型”。 神经。 2023。ICLR。2024。[project] [Paper] [代码]。[C16] Jaemin Cho，Abhay Zala和Mohit Bansal。“用于文本到图像生成和评估的视觉编程”。神经。2023。[project] [Paper] [VPGEN代码] [VPEVAL代码]。[C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。“用于视频本地化和问题回答的自链图像模型”。神经。2023。[Paper] [代码]。[C14] Zhenhailong Wang，Ansel Blume，Sha Li，Genglin Liu，Jaemin Cho，Zineng Tang，Mohit Bansal和Heng Ji。“ paxion：在视频语言基础模型中修补动作知识”。神经（聚光灯）。2023。[Paper] [代码]。
研究论文对PGM2L1作为胆管癌的预后生物标志物的新颖见解：对代谢重编程和肿瘤MicroENV
胆管癌（CCA）是一种高度致命的恶性肿瘤，是肝胆系统中最常见的腺癌。pgm2l1属于α-D-磷酸化酶超家族，作为葡萄糖1,6-双磷酸（G16BP）合酶的作用。越来越多的证据可以提供其与癌症代谢和进展的关联。然而，PGM2L1在CCA发育中的分子机制仍然缺乏证据。在这项研究中，我们发现PGM2L1表达高的CCA患者预后最差。我们确定了PGM2L1基因中的两个甲基化位点（CG15214137和CG03699633）及其预后相关性。我们进一步研究了PGM2L1表达与肿瘤浸润的免疫细胞之间的关系，特别关注CCA中性粒细胞。功能富集分析进一步表明，高PGM2L1表达与Wnt信号通路，糖酵解代谢和中性粒细胞的募集有关。共同表明，PGM2L1可以用作独立的预后生物标志物，并且与CCA中的肿瘤免疫浸润和代谢重编程密切相关。
具有177氟法psma的放射性治疗（RLT）是进行性前列腺癌的首选治疗
研究罗切斯特梅奥诊所的奥利弗·萨托（Oliver Sartor）进行了一项随机的双盲研究，该研究对412例患者进行了研究（III期研究Splash，17）。患者患有转移性cast割癌，并接受177LU-PNT2002的治疗（每八周静脉内静脉注射6.8 GBQ，四个周期）。终点是无X射学进展的生存。对照组接收了标准ARPI。正如Sartor在巴塞罗那2024年的ESMO大会（欧洲医学肿瘤学会）宣布的那样，根据所有方面的所有方面，放射性核素疗法在所有方面都显着优越。 来自墨尔本彼得·麦卡勒姆癌症中心的阿伦·阿扎德（Arun Azad）报告了类似的结果[18]。 他使用了177LU-PSMA-617，终点是48周后接近零的PSA值。 在这里，放射性核素疗法也被证明显然是优越的。 随后，可以继续进行cast割治疗而没有任何问题。正如Sartor在巴塞罗那2024年的ESMO大会（欧洲医学肿瘤学会）宣布的那样，根据所有方面的所有方面，放射性核素疗法在所有方面都显着优越。来自墨尔本彼得·麦卡勒姆癌症中心的阿伦·阿扎德（Arun Azad）报告了类似的结果[18]。他使用了177LU-PSMA-617，终点是48周后接近零的PSA值。在这里，放射性核素疗法也被证明显然是优越的。随后，可以继续进行cast割治疗而没有任何问题。
具有宽光反射带的胆甾型液晶
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
Kuca M、Jaglarz K、Cholewa M、Wójcik J、Szymanska WM、Janeczek M、Partyka M、Kantor KK、Pamuła KW、Plewniok J. 使用 5-alpha 相关的风险
摘要 简介和目的。男性雄激素性脱发 (AGA) 是一种与年龄相关的遗传性进行性疾病，影响超过一半的 50 岁以上男性人口。5-α 还原酶抑制剂与米诺地尔联合用于 AGA 治疗，具有潜在的副作用风险。本文旨在确定在 AGA 治疗中使用 5-α 还原酶抑制剂与米诺地尔相关的风险。综述方法。利用电子数据库：PubMed 和 Google Scholar 对文献进行了全面评估。关键词包括“雄激素性脱发”、“非那雄胺”、“度他雄胺”、“米诺地尔”、“5α-还原酶抑制剂”、“副作用”以及这些术语的变体。文献综述考虑了 2016 年至 2024 年期间发表的文章。知识状态的简要描述。在男性 AGA 治疗中注册的仅有的两种药物是 1 毫克非那雄胺和外用米诺地尔。 1 毫克非那雄胺最常见的副作用是勃起功能障碍、性欲减退和射精功能障碍。度他雄胺用于 AGA 治疗，其副作用与非那雄胺类似。5-α 还原酶抑制剂的副作用通常在停止治疗后消失。局部米诺地尔的副作用非常罕见。然而，一些使用 5% 米诺地尔的患者可能会出现头皮刺激、多毛症和瘙痒。总结。根据波兰皮肤病学会的建议和当前的医学知识水平，在 AGA 治疗中使用 5-α 还原酶抑制剂和米诺地尔，副作用风险极小。
氨基霉素治疗增加了B组链球菌诱导的绒毛膜炎的胎盘白介素-1β-1β-beta浓度和多形核浸润：一项临床前研究
抽象背景：完整膜的早产期间的抗生素治疗与新生儿死亡的风险增加有关。目标：使用B组链球菌（GBS）诱导的绒毛膜炎的既定大鼠模型，我们假设氨苄西林治疗会增加胎盘炎症，如其他细菌感染所示。方法：在妊娠第19天，刘易斯大坝是腹膜内的（i.p.）由10 8 CFU接种β-溶血性血清型IA GBS（菌株＃16955易受氨苄西林敏感）。大坝被治疗。在48和60小时的INOCUCHITATION时，具有200 mg/kg氨苄青霉素（n = 9）或0.9％盐水（n = 10）。剖宫产在GBS插入后72小时进行。结果：氨苄青霉素的治疗与滤膜的多形核细胞数量增加（PMN）相关（平均1,536 vs. 532 pmn/mm 2; p <0.001）和更高的胎盘浓度IL-1β（平均