XiaoMi-AI文件搜索系统
World File Search SystemCitation
原始发表论文（记录版本）的引用：Sadik, M.、López-Urdaneta, J.、Ulén, J. 等人 (2021)。人工智能可以提醒使用 FDG-PET/CT 分期的霍奇金淋巴瘤患者局部骨骼/骨髓摄取。科学报告，11(1)。http://dx.doi.org/10.1038/s41598-021-89656-9
开发一种基于人工智能 (AI) 的方法，用于检测接受 FDG-PET/CT 分期的霍奇金淋巴瘤 (HL) 患者的局灶性骨骼/骨髓摄取 (BMU)。将单独测试组的 AI 结果与独立医生的解释进行比较。使用卷积神经网络对骨骼和骨髓进行分割。AI 的训练基于 153 名未接受治疗的患者。骨摄取明显高于平均 BMU 的被标记为异常，并根据总异常摄取平方计算指数以识别局灶性摄取。指数高于预定义阈值的患者被解释为具有局灶性摄取。作为测试组，回顾性纳入了 48 名在 2017-2018 年期间接受过分期 FDG-PET/CT 且活检证实患有 HL 的未接受治疗患者。十位医生根据局灶性骨骼/BMU 对 48 例病例进行分类。在 48 例 (81%) 的局部骨骼/骨髓受累病例中，大多数医生同意 AI 的观点。医生之间的观察者间一致性为中等，Kappa 值为 0.51（范围为 0.25–0.80）。可以开发一种基于 AI 的方法来突出显示使用 FDG-PET/CT 分期的 HL 患者中的可疑局部骨骼/BMU。核医学医生之间关于局部 BMU 的观察者间一致性为中等。
引用原始发表的论文（记录的版本）：Bengtsson，A.，Vikstål，P。，Warren，C。等（2020）。提高了
量子计算承诺在许多范围内的指数计算加速度，例如加密，量子模拟和线性代数[1]。即使一台大型，容忍故障的量子计算机仍然有很多年的距离，但在过去的十年中，使用超导电路[2-4]取得了令人印象深刻的进步，导致嘈杂的中间尺度量子（NISQ）ERA [5]。可以预测，NISQ设备应允许“ Quantum-tumpremacy” [6]，也就是说，解决了在合理时间内在古典计算机上棘手的问题。最近通过对随机电路的输出分布进行采样[7]，这是在53 QUIT的处理器上证明的。最突出的NISQ算法是用于组合优化问题的量子近似优化算法（QAOA）[8-10]和用于计算分子能量的变量量子量化量化算法[11-13]。QAOA是一种启发式算法，可以将多项式速度带到量子中编码的特定问题的解决方案
Dyfyniad o'r fersiwn a gyhoeddwyd/已出版版本的引用（APA）：Reghezza，A.，Seghezza，E.，＆Thornton，J.（2020）。开放环境中的期望
• 用户可以从公共门户网站下载并打印任何出版物的一份副本，用于私人学习或研究。 • 您不得进一步分发该材料或将其用于任何营利活动或商业收益 • 您可以自由分发公共门户网站上标识该出版物的 URL ?
原始发表论文的引用（记录版本）：Yuan, M., Nyborg, L., Oikonomou, C. et al (2022)。时间和温度相关的软化
从经济角度来看，耐久性是热冲压模具的关键因素。通过沉积新材料而不是更换来翻新模具是一种降低成本的有效方法。为此，通过定向能量沉积的方式将一种新开发的马氏体时效钢 (NMS) 熔覆在热作工具钢上。经过优化的回火后，对熔覆的 NMS 进行高温暴露以检查抗软化性能。利用光学显微镜 (OM)、X 射线衍射 (XRD)、扫描电子显微镜 (SEM)、俄歇电子能谱 (AES) 和透射电子显微镜 (TEM) 的组合，系统地表征了材料的微观结构演变。熔覆钢中的沉淀物被鉴定为 Laves 相。该相的粗化被认为是钢在高温下热软化的主要原因。还使用修订的 Langer-Schwartz-Wagner (LSW) 模型模拟了粗化行为，该模型与实验观察结果非常吻合。此外，成功应用了沉淀强化数学模型来评估钢的软化行为。该模型可用于预测所研究的工具钢在高温使用过程中的硬度/强度变化。2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
引用了原始发表的论文（记录的版本）：Barman，M.，Gio-Batta，M.，Andrieux，L。等（2024）。
在四个月时等血浆中的敏感性，特应性湿疹或食物过敏的婴儿的五，三和两个SCFA的浓度分别较低。logistic回归模型显示，每SD：0.41（0.19 - 0.91），形成，琥珀酸和葡萄糖和敏化之间的显着负面社会[或adj（95％CI）； 0.19（0.05 - 0.75）;调整了母体过敏后，0.25（0.09 - 0.66）和乙酸和特应性湿疹之间[0.42（0.18 - 0.95）]。婴儿和母体血浆SCFA浓度密切相关，而牛奶SCFA浓度与两者无关。丁酸和映酸的浓度富含100倍左右，在母亲的牛奶中，ISO丁酸和瓣膜酸在3-5倍左右，而其他SCFA在牛奶中的流行程度少于血浆。
引用原始发表的论文（记录的版本）：Svedberg，P.，Inostroza，P.，Gustavsson，M。等（2023）。水生生态毒素的数据集
收集了有关2697种有机化学物质的水生生态毒理学的经验数据和计算机数据，以编译数据集，以评估当前质量结构活动关系（QSAR）模型和软件平台的预测能力。本文档为其创建提供了数据集及其数据管道。经验数据是从美国EPA Ecotox知识库（Ecotox）和EFSA（欧洲食品安全局）收集的，报告“ XML模式中的农药生态毒性学层的数据输入研究终点 - 数据库 - 数据库中”。仅保留了经合组织建议的藻类，水坝和鱼类的数据。使用Ecosar，Vega和Tox-Icity估计软件工具（T.E.S.T.）计算每种化学物质和六个端点中的QSAR毒性预测平台。最后，数据集用微笑，Inchikey，PKA和LOGP修改，从Webchem和PubChem收集。©2023作者。由Elsevier Inc.出版这是CC下的开放式访问文章（http://creativecommons.org/licenses/4.0/）
原始发表论文的引用（记录版本）：Li, X., Shong, K., Kim, W. et al (2022)。透明细胞 r 候选药物预测
a Bash Biotech Inc，600 est Broadway，Suite 700，圣地亚哥，CA 92101，美国 b 生命科学实验室，KTH-Royal Institute of Technology，斯德哥尔摩 SE-17165，瑞典 c 病理学和肿瘤生物学系，人类生物学高级研究中心（WPI-ASHBi），京都大学，京都 606-8501，日本 d 泌尿外科，东京大学医学院，东京 113-8654，日本 e 血液学和再生医学中心，卡罗琳斯卡医学院，斯德哥尔摩 SE-17177，瑞典 f 医学生物学系，Atat € urk 大学医学院，埃尔祖鲁姆 25240，土耳其 g 宿主-微生物组相互作用中心，牙科、口腔和颅面科学学院，伦敦国王学院，伦敦 SE1 9RT，英国h 哥德堡大学萨尔格伦斯卡大学医院分子与临床医学系，哥德堡 SE- 41345，瑞典 i 查尔姆斯理工大学生物与生物工程系，哥德堡 SE-41296，瑞典 j 生物创新研究所，哥本哈根 N DK-2200，丹麦 k 郑州大学药学院先进药物制备技术教育部重点实验室，郑州 450001，中国
原始发表论文的引用（记录版本）：Lu, H., Xiao, L., Liao, W. et al (2024). Cell factory design with advanced metastatic mo
合成生物学和人工智能 (AI) 的进步为现代生物技术提供了新的机遇。高性能细胞工厂是工业生物技术的支柱，最终决定了生物基产品在与石油基产品的激烈竞争中是成功还是失败。迄今为止，合成生物学面临的最大挑战之一是以一致和高效的方式创建高性能细胞工厂。作为所谓的白盒模型，已经开发了许多代谢网络模型并将其用于计算菌株设计。此外，近年来，人工智能驱动的菌株工程取得了巨大进展。这两种方法都有优点和缺点。因此，人工智能与代谢模型的深度整合对于构建具有更高滴度、产量和生产率的优质细胞工厂至关重要。本综述总结了最新的先进代谢模型和人工智能在计算菌株设计中的详细应用。此外，还讨论了人工智能和代谢模型深度整合的方法。预计由人工智能驱动的先进机械代谢模型将为未来几年高效构建强大的工业底盘菌株铺平道路。
引用了原始发表的论文（记录的版本）：Tekden，A.，Erdem，A.，Erdem，E。等（2024）。对象和关系中心代表
推动是一项必不可少的非划算操作技能，用于任务，从预抓操作到场景重新排列，关于场景中的对象关系的推理，因此在机器人技术中广泛研究了推动动作。有效使用推动动作通常需要了解受操纵对象的动态并适应预测与现实之间的差异。出于这个原因，在文献中对推动作用进行了效果预测和参数估计。但是，当前方法受到限制，因为它们要么建模具有固定数量对象的系统，要么使用基于图像的表示，其输出不是很容易解释并迅速累积错误。在本文中，我们提出了一个基于图神经网络的框架，以根据触点或关节对对象关系进行建模，以效应预测和参数估计推动操作。我们的框架在真实和模拟环境中都得到了验证，这些环境包含不同形状的多部分对象，这些对象通过不同类型的关节和具有不同质量的对象连接，并且在物理预测上的表现优于基于图像的表示。我们的方法使机器人能够预测并适应其观察场景时推动动作的效果。它也可用于使用从未看过的工具进行工具操作。此外，我们在基于机器人的硬盘拆卸的背景下证明了杠杆起作的6D效应预测。
引用原始发表的论文（记录的版本）：Johansen，M.，Xu，J.，Tam，E。等（2023）。结构巴特的纤维纤维
结构电池是多功能设备，可以同时存储能量并承载机械负载。关键成分是碳纤维，它不仅充当结构增强，而且还可以通过可逆地托管利离子作为电极。仍然对LI和碳纤维相互作用知之甚少。在这里，我们绘制了用螺旋丙烯腈纤维插入的LI插入螺旋晶纤维中的螺旋纤维纤维（AES）。我们表明，在充电/放电速率的缓慢/放电速率下，LI在纤维的横向和纵向方向上均匀分布，并且在完全放电时，所有LI实际上都被排出。以快速的速度，LI倾向于将其捕获在纤维的核心中。在某些纤维中，在固体电解质相（SEI）和纤维表面之间发现LI板。我们的发现可以指导AES分析锂离子电池的其他碳质电极材料，并用于改善结构电池的穿孔。