背景和客观:睡眠阶段是睡眠障碍诊断的重要步骤,这对于专家来说是时间密集型和费力的手动执行这项工作。自动睡眠阶段分类方法不仅减轻了这些苛刻任务的专家,而且可以提高分类过程的准确性和效率。方法:一种新型的基于生物信号的新型模型,该模型是通过使用各种生理学信号的3D卷积操作和图形卷积操作的组合构建的。3D卷积和图形卷积都可以从相邻的大脑区域汇总信息,这有助于从生物信号中学习固有的连接。脑电图(EEG),EEC胶合图(EMG),电击图(EOG)和心电图(ECG)信号用于提取时间域和频域特征。随后,这些信号分别输入了3D卷积和图形卷积分支。3D卷积分支可以探索时间序列中每个通道中的多通道信号与多波段波之间的相关性,而图形卷积分支可以探索每个通道与每个频段之间的连接。在这项工作中,我们使用ISRUC数据集(来自子组1的亚组3和50个随机样本)开发了提出的多通道卷积组合睡眠阶段分类模型(Mixsleepnet)。结果:基于第一个专家的标签,我们生成的Mixsleepnet的精度分别为ISRUC-S3的F1得分和Cohen Kappa得分分别为0.830、0.821和0.782。对于ISRUC-S1数据集,它的准确性分别为0.812、0.786和0.756。根据第二专家进行的评估,ISRUC-S3和ISRUC-S1数据集的全面精度,F1分数和Cohen Kappa系数分别为0.837、0.820、0.789和0.829、0.829、0.791,0.791,0.791,0.7775。结论:拟议方法通过所提出的方法的绩效指标的结果要比所有比较模型的结果要好得多。在ISRUC-S3子数据库上进行了其他实验,以评估每个模块对分类性能的贡献。
1。Kissling E,Valenciano M,Buchholz U等。在一个季节,欧洲的流感疫苗效果估计值,具有三种流感类型/亚型循环:I-MOVE多中心病例对照研究,2012/13年流感季节。欧元监视。2014; 19(6):20701。 doi:10.2807/1560-7917.ES2014.19.6.20701 2。 Kissling E,Valenciano M,Pozo F等。 2015/16 i-Move/i-Move +多中心病例对照研究:针对流感A(H1N1)PDM09的中等疫苗有效估计值和针对儿童中谱系不匹配的流感b的估计值较低。 流感其他RESPI病毒。 2018; 12(4):423-437。 doi:10.1111/irv.12520 3。 Kissling E,Valenciano M,Cohen JM等。 I-MOVE多中心病例对照研究2010 - 11:欧洲流感疫苗有效性的总体和分层估计。 PLOS ONE。 2011; 6(11):E27622。 doi:10.1371/journal.pone.0027622 4。 Valenciano M,Kissling E,Cohen JM等。 欧洲大流行性流感疫苗有效性的估计,2009年至2010年:欧洲(I-MOVE)MULTICENTRE病例对照研究的流感监测疫苗有效性的结果。 plos med。 2011; 8(1):E1000388。 doi:10。 1371/journal.pmed.1000388 5。 Kissling E,Valenciano M,Falc〜Ao JM等。 “ i-move''迈向监视季节性和大流行性流感疫苗的有效性:lesons从欧洲的一项试验性的多中心病例对照研究中学到的,2008 - 9年。 欧元监视。 2009; 14(44):19388。 doi:10.2807/ese.14.44。 19388-en 6。 2022。2014; 19(6):20701。 doi:10.2807/1560-7917.ES2014.19.6.20701 2。Kissling E,Valenciano M,Pozo F等。2015/16 i-Move/i-Move +多中心病例对照研究:针对流感A(H1N1)PDM09的中等疫苗有效估计值和针对儿童中谱系不匹配的流感b的估计值较低。流感其他RESPI病毒。2018; 12(4):423-437。 doi:10.1111/irv.12520 3。 Kissling E,Valenciano M,Cohen JM等。 I-MOVE多中心病例对照研究2010 - 11:欧洲流感疫苗有效性的总体和分层估计。 PLOS ONE。 2011; 6(11):E27622。 doi:10.1371/journal.pone.0027622 4。 Valenciano M,Kissling E,Cohen JM等。 欧洲大流行性流感疫苗有效性的估计,2009年至2010年:欧洲(I-MOVE)MULTICENTRE病例对照研究的流感监测疫苗有效性的结果。 plos med。 2011; 8(1):E1000388。 doi:10。 1371/journal.pmed.1000388 5。 Kissling E,Valenciano M,Falc〜Ao JM等。 “ i-move''迈向监视季节性和大流行性流感疫苗的有效性:lesons从欧洲的一项试验性的多中心病例对照研究中学到的,2008 - 9年。 欧元监视。 2009; 14(44):19388。 doi:10.2807/ese.14.44。 19388-en 6。 2022。2018; 12(4):423-437。 doi:10.1111/irv.12520 3。Kissling E,Valenciano M,Cohen JM等。I-MOVE多中心病例对照研究2010 - 11:欧洲流感疫苗有效性的总体和分层估计。PLOS ONE。 2011; 6(11):E27622。 doi:10.1371/journal.pone.0027622 4。 Valenciano M,Kissling E,Cohen JM等。 欧洲大流行性流感疫苗有效性的估计,2009年至2010年:欧洲(I-MOVE)MULTICENTRE病例对照研究的流感监测疫苗有效性的结果。 plos med。 2011; 8(1):E1000388。 doi:10。 1371/journal.pmed.1000388 5。 Kissling E,Valenciano M,Falc〜Ao JM等。 “ i-move''迈向监视季节性和大流行性流感疫苗的有效性:lesons从欧洲的一项试验性的多中心病例对照研究中学到的,2008 - 9年。 欧元监视。 2009; 14(44):19388。 doi:10.2807/ese.14.44。 19388-en 6。 2022。PLOS ONE。2011; 6(11):E27622。doi:10.1371/journal.pone.0027622 4。Valenciano M,Kissling E,Cohen JM等。欧洲大流行性流感疫苗有效性的估计,2009年至2010年:欧洲(I-MOVE)MULTICENTRE病例对照研究的流感监测疫苗有效性的结果。plos med。2011; 8(1):E1000388。 doi:10。 1371/journal.pmed.1000388 5。 Kissling E,Valenciano M,Falc〜Ao JM等。 “ i-move''迈向监视季节性和大流行性流感疫苗的有效性:lesons从欧洲的一项试验性的多中心病例对照研究中学到的,2008 - 9年。 欧元监视。 2009; 14(44):19388。 doi:10.2807/ese.14.44。 19388-en 6。 2022。2011; 8(1):E1000388。doi:10。1371/journal.pmed.1000388 5。Kissling E,Valenciano M,Falc〜Ao JM等。“ i-move''迈向监视季节性和大流行性流感疫苗的有效性:lesons从欧洲的一项试验性的多中心病例对照研究中学到的,2008 - 9年。欧元监视。2009; 14(44):19388。 doi:10.2807/ese.14.44。 19388-en 6。 2022。2009; 14(44):19388。 doi:10.2807/ese.14.44。19388-en 6。2022。欧洲疾病预防与控制中心(ECDC),世界卫生组织欧洲区域办公室(WHO/欧洲),世界卫生组织。流感新闻欧洲。2021-22季节概括[Internet]。[引用2022年7月17日]。可从:https:// flunewseurope.org/archives/getfile?fileid = 696 7。世界卫生组织(WHO)。建议在2021 - 2022年北半部流感季节使用流感病毒疫苗[Internet]。2021。可从:https:// www.who.int/publications/i/item/recommended-composition-of-- actryenza-virus-virus-virus-varus-varus-virus-virus-use-use-in-the-the-2021-2021-2022-northern-horthern-horthern-horthern-memisphere-influenza-season 8。Valenciano M,Ciancio B,I-Move学习团队。i-Move:衡量流感疫苗有效性的欧洲网络。欧元监视。2012; 17(39):20281。 doi:10.2807/ese.17.39.20281-en2012; 17(39):20281。 doi:10.2807/ese.17.39.20281-en
Dennis J . Wessel,主席 Ben A . Leppard,副主席 Pamela L . Androff Robert G . Baker Walid Chakroun Jon J . Cohen Wade H . Conlan Kelley P . Cramm K . William Dean Charles E . Henck Mohammad H . Hosni Yunho Hwang Julia A . Keen Dustan L . Macauley III Sarah E . Maston Michael J . McDermott Keith C . Newcomer Robert B . Risley Monte G . Troutman A . Damon Gowan
123 De novo construction of T cell compartment in humanized mice engrafted with iPSC-derived thymus organoids Ann Zeleniak, Connor Wiegand, Wen Liu, Catherine McCormick, Amir Alavi, Ravi Krishnamurthy, Haonan Guan, Asako Tajima, Henry Cohen, Stephanie Wong, Suzanne Bertera, Lame Balikani,Massimo Trucco,Ziv Bar-Joseph,Ipsita Banerjee,Yong Fan;细胞治疗研究所;匹兹堡大学;卡内基·梅隆大学;阿勒格尼综合医院
摘要 Gleason 评分是前列腺癌患者最重要的预后指标,但其存在显著的观察者差异。基于深度学习的人工智能 (AI) 系统可以在 Gleason 分级中达到病理学家级别的表现。但是,如果存在伪影、异物组织或其他异常,此类系统的性能可能会下降。病理学家将他们的专业知识与 AI 系统的反馈相结合,可以产生协同效应,其表现优于个体病理学家和系统。尽管 AI 辅助被大肆宣传,但病理学领域关于这一主题的现有文献有限。我们研究了 AI 辅助对前列腺活检分级的价值。一个由 14 名观察员组成的小组在使用和不使用 AI 辅助的情况下对 160 次活检进行了分级。使用 AI,小组与专家参考标准的一致性显著提高(二次加权 Cohen 's kappa,0.799 vs. 0.872;p = 0.019)。在 87 个病例的外部验证集中,小组与前列腺病理学国际专家小组的一致性显著提高(二次加权 Cohen 's kappa,0.733 vs. 0.786;p = 0.003)。在两个实验中,从群体层面来看,AI 辅助病理学家的表现都优于无辅助病理学家和独立的 AI 系统。我们的结果表明 AI 系统具有 Gleason 分级的潜力,但更重要的是,结果表明了病理学家与 AI 协同作用的好处。
摘要 - 原发性痛经(PD),其特征是月经期间慢性骨盆疼痛,严重损害了许多女性的生活质量。本文介绍了用于减轻PD症状的新型Nettle™设备的建模和临床验证研究。具体来说,我们旨在研究Nettle™引起的电场模式及其在减轻月经疼痛和改善功能方面的直接功效。有限元方法(FEM)模拟使用现实的头部模型,评估了电场分布,针对涉及疼痛处理的关键大脑区域。进行了一项涉及34名妇女的单个中心三叶,假对照的研究,以比较主动和假TDC的影响。的结果表明,活性组的月经疼痛症状的临床有意义下降,疼痛减轻(Cohen's D = 0.53)和功能(Cohen's D = 0.47)的中等效应大小,该方案的重点是内侧前额叶前皮质中的电场。的局限性包括使用通用的大脑模型和较小的样本量,强调了通过全面的建模和更大的临床试验进行进一步研究的需求,以验证和理解Nettle™作为月经神经调节疗法的影响。临床相关性 - 这项研究强调了Nettle™作为PD的无创,具有成本效益的干预措施的潜力,对在妇女健康中的更广泛应用的影响。
» 量子、认知和计算机系统首席 PI 和演讲者:RP Pothukuchi 联合 PI(按字母顺序排列):A. Bhattacharjee、J. Busemeyer、JD Cohen、Y. Ding、B. Jongkees 和 TH Kyaw 学生(按字母顺序排列):Y. Abukhadra、N. Ahn、YD Chua、G. Epping、B. Foxman、C. Hann、L. Rosendahl、YJ Shen、A. Simon、B. Trevisan、M. Tu、J. Wang、M. Yang 海德堡桂冠论坛,2022 年 9 月。
适用于蚊子生命周期的小型,天然或人造的水库(从卵形孵化到幼虫,pupe,p和未成熟的成年人的出现)。roc auc相对工作特征的曲线下的面积是一个度量标准,可以量化缺陷数据集与建模的连续变量(例如E 0)之间的一致性。cohen的k是一个指标,它量化了对存在模型的存在的准确性,它可以充分利用混淆矩阵(图3中的传说)。MJJASO从5月到10月(AE的季节性活动。在大多数欧洲地点)。薄板样条回归
我感谢 Nick Burns、Juliette Kayyem 和 Karl Kaiser 的指导,以及 Erika Manouselis 和 Alison Hillegeist 的持续帮助和支持。我还要感谢贝尔弗中心主任 Ash Carter、联合主任 Eric Rosenbach 和执行董事 Natalie Colbert 让我参加了今年在贝尔弗中心举办的众多活动。我要向所有允许我旁听课程并从他们身上学到很多东西的教授表示感谢:James Salzman、Jason Beckfield、Graham Alison、David Sanger、Derek Reveron、David Keith 和 Dara Kay Cohen。
