XiaoMi-AI文件搜索系统
World File Search SystemEbrahim
引文 Teimouri A, Ebrahimpour Z, Feizi A, Iraj B, Saffari E, Akbari M 和 Karimifar M (2025) NAFLD 中的糖尿病前期和心血管危险因素
非酒精性脂肪性肝病 (NAFLD) 是世界上最常见的慢性肝病 (1)。在没有酒精过量使用和其他导致肝脏脂肪变性的原因的情况下，如果脂肪饱和度超过肝脏重量的 5% (2)，即可诊断为 NAFLD。NAFLD 可发展为 NASH (非酒精性脂肪性肝炎)、晚期纤维化、肝硬化，并最终发展为肝细胞癌 (3)。全球 NAFLD 的发病率估计为 25%，而美国的 NAFLD 病例数呈上升趋势，从 2015 年的 8300 万增加到 2030 年的 1.01 亿 (4)。NAFLD 主要发生在中东和南美洲 (5)。伊朗 NAFLD 的发病率估计为近 33.9%，伊斯法罕 39.3% 的人口患有此病 (6-8)。此外，由于肥胖症的流行，全世界患 NAFLD 的人口正在增加（9）。NAFLD 可导致原发性胰岛素抵抗，也可能是胰岛素抵抗的结果，因此它与代谢综合征的组成部分密切相关，包括肥胖、胰岛素抵抗、血脂异常和高血压（10）。此外，糖尿病前期个体患糖尿病的风险最高可增加两倍。胰岛素抵抗是糖尿病病理生理的主要因素（11-13），在 NAFLD 和糖尿病之间很常见（14）。动脉粥样硬化是一种持续的炎症过程，导致动脉壁上形成斑块。动脉粥样硬化形成的病理生理是多因素的；尽管如此，所有过程都是由于促炎、内皮床功能障碍和氧化应激相互作用而发生的（15、16）。查阅文献显示，胰岛素抵抗与动脉粥样硬化形成之间存在直接而重要的关联。鉴于此，胰岛素抵抗与血清中促炎因子（如白细胞介素 1 (IL-1)、IL-6 和肿瘤坏死因子 α (TNF- α)）以及导致氧化应激的自由氧自由基水平升高有关。此外，在胰岛素抵抗患者中，不适当的血小板聚集和动脉内膜中层钙斑块沉积导致内皮功能障碍已得到充分阐明（17）。理论上，由于在 NAFLD 和糖尿病前期中都可以检测到胰岛素抵抗的痕迹，两者的巧合可能使个体越来越容易患上 CVD。最近对 7 年间 34,000 名患有 NAFLD 和胰岛素抵抗的患者进行的荟萃分析发现，NAFLD 和胰岛素抵抗使 CVD 死亡和发病的风险增加了 65%。事实上，NAFLD 患者最常见的死亡原因是心血管原因（18）。尽管如此，研究 NAFLD 和糖尿病前期对 CVD 发病率影响的研究者数量有限，本回顾性病例对照研究旨在评估这一问题。
使用多重分形去趋势波动分析和表面肌电图进行人体手势识别 A. Hajihashemi a、F. Ebrahimi *a、H. Monta
大多数日常活动需要灵巧地使用手和手指。残疾人的手部假肢可以通过连接到上肢的表面电极非侵入式获取的表面肌电图 (sEMG) 信号来控制。在对从 10 位截肢者获取的 12 个电极 sEMG 信号进行预处理后，计算了时域和频域中的不同特征。考虑到 sEMG 是一种复杂、随机、非平稳和非线性信号，还通过多重分形去趋势波动分析 (MFDFA) 的方法提取了复杂的非线性特征。使用不同的分类方法（包括支持向量机 (SVM)、线性判别分析 (LDA) 和多层感知器 (MLP)）来比较它们在八种不同手指运动分类中的表现。观察发现，SVM 在手指运动分类方面的表现优于其他两个分类器。新特征与传统特征融合后，分类准确率、精确率、召回率（灵敏度）分别为98.70%、98.74%、98.67%。结果表明，加入MFDFA提取的新特征与其他传统特征，可以有效提高数据采集效果。
DOI：https://dx.doi.org/10.30919/es1088 人工智能和机器学习在制造工程中的作用和应用：回顾 Sara Bunian，1，# Meshari A. Al-Ebrahim 2，*，# 和 Amro A. Nour 3，# 摘要 人工智能 (AI)、机器学习 (ML)、嵌入式系统、云计算、大数据和物联网 (IoT) 的使用正在影响工业 4.0 向先进技术和高效制造流程的范式转变。由于智能和学习机器的成功使用所带来的快速进步，对人工智能的需求日益增加。人工智能被植入智能制造中，以解决关键的可持续性问题并优化供应链、能源和资源使用以及废物管理。工业 4.0 致力于实现客户驱动的制造能力，以提高灵活性、可持续性和生产力。AI 和 ML 主要用于现代工业流程的优化和监控。工业人工智能系统研究是一个多学科领域，ML、机器人和物联网都参与其中。工业人工智能开发、验证、部署和维护可持续制造的解决方案。由于云计算的兴起和数据存储成本的大幅下降，现在可以存储大量信息和数据并将其传输到 ML 和 AI 算法中，以简化和自动化组织的不同流程。
DOI：https://dx.doi.org/10.30919/es1088 人工智能和机器学习在制造工程中的作用和应用：综述 Sara Bunian，1，# Meshari A. Al-Ebrahim 2，*，# 和 Amro A. Nour 3，# 摘要 人工智能 (AI)、机器学习 (ML)、嵌入式系统、云计算、大数据和物联网 (IoT) 的使用正在影响工业 4.0 向先进技术和高效制造流程的范式转变。由于智能和学习机器的成功使用所带来的快速进步，对人工智能的需求日益增加。人工智能被植入智能制造，以解决关键的可持续性问题并优化供应链、能源和资源的使用以及废物管理。工业 4.0 正在努力实现客户驱动的制造能力，以提高灵活性、可持续性和生产力。AI 和 ML 主要用于现代工业流程的优化和监控。工业 AI 系统研究是一个多学科领域，ML、机器人和物联网都参与其中。工业 AI 开发、验证、部署和维护可持续制造的解决方案。由于云计算的兴起和数据存储成本的大幅下降，现在可以存储大量信息和数据并将其传输到 ML 和 AI 算法中，以简化和自动化组织的不同流程。智能制造和工业 4.0 的框架基于智能流程设计、监控、控制、调度和工业应用。智能制造涵盖了广泛的领域，最初被称为基于物联网的技术。
引用本文：Shewel Y, Bassiouny M, Ebrahim M. 内窥镜检查鼓峡和鼓膜张皱襞及其关系
参考文献 1. Marchioni D、Alicandri‐Ciufelli M、Molteni G、Artioli FL、Genovese E、Presutti L。选择性上鼓室通气障碍综合征。喉镜 2010；120：1028-33。[Crossref] 2. Padurariu S、Roosli C、Roge R、Stensballe A、Vyberg M、Huber A 等。关于正常中耳的功能区室化。其粘膜的形态组织学建模参数。听力研究 2019；378：176-84。[Crossref] 3. Ars B、Dirckx J。耳咽管功能。北美耳鼻喉科临床 2016；49：1121-33。 [交叉引用] 4. Alicandri-Ciufelli M、Gioacchini FM、Marchioni D、Genovese E、Monzani D、Presutti L. 乳突：人类的退化功能？医学假设2012； 78：364-6。 [交叉引用] 5. Marchioni D、Grammatica A、Alicandri-Ciufelli M、Aggazzotti-Cavazza E、Genovese E、Presutti L。选择性通气不良对阁楼中耳病理学的贡献。医学假设2011； 77：116-20。 [Crossref] 6. Shirai K、Schachern PA、Schachern MG、Paparella MM、Cureoglu S。慢性中耳炎的鼓室容积和鼓室峡部阻塞：人类颞骨研究。Otol Neurotol 2015；36：254-9。[Crossref] 7. Proctor B。中耳腔的发育及其外科意义。The J Laryngol Otol 1964；78：631-45。[Crossref] 8. Marchioni D、Mattioli F、Alicandri-Ciufelli M、Molteni G、Masoni F、Presutti L。中耳通气通路阻塞的内窥镜评估。Am J Otolaryngol 2010；31：453-66。 [Crossref] 9. Shinnabe A、Hara M、Hasegawa M、Matsuzawa S、Kanazawa H、Kanaza- wa T 等。在超声心动图检查中，松弛部和紧张部胆脂瘤在中耳通气障碍方面的差异以及鼓室和乳突气化的模式。耳鼻喉科 2012；33：765-8。[Crossref] 10. Marchioni D、Molteni G、Presutti L。内窥镜中耳解剖学
评估铅锌矿工人的对比敏感度和色觉 Fattahi Farzaneh*、Khabazkhoob Mehdi**、Jafarzadehpour Ebrahim***
铅锌矿工人对比敏感度和色觉评估 Fattahi Farzaneh*、Khabazkhoob Mehdi**、Jafarzadehpour Ebrahim*** ****、Mirzajani Ali***、Yekta AbbasAli***** *伊朗德黑兰诺尔眼科医院诺尔眼科流行病学研究中心 **伊朗德黑兰 Shahid Beheshti 医科大学护理与助产学院外科护理系 ***伊朗德黑兰伊朗医科大学康复学院验光系 ****伊朗德黑兰诺尔眼科研究中心 *****伊朗马什哈德医科大学辅助医学学院验光系 通讯作者：Ebrahim Jafarzadehpur，博士，伊朗医科大学康复学院验光系德黑兰，伊朗，德黑兰 Hemat 高速公路 Milad 塔旁 14496，邮编 14535，伊朗，电子邮件：jafarzadehpour.e@iums.ac.ir 接受日期：2019 年 11 月 10 日摘要目的。本研究旨在确定铅锌矿工的无色差对比敏感度和色觉。方法。总共 230 名在矿场工作且接触矿物至少 1 年的男性工人被视为病例组，年龄匹配的 90 岁未接触矿物的男性被视为对照组。在低中间光条件下，通过两个光栅和 Landolt C 刺激，使用弗莱堡测试在 1、5 和 15 度三个频率下评估对比敏感度。在高中视觉条件下，使用 Farnsworth D-15 测试评估色觉。两项测试均为单眼进行。使用 SPSS 22 版软件进行数据分析。结果 . Landolt C 刺激在 1、5 和 15 周期/度三个频率上研究组之间存在显著差异（p=0.009、p=0.016 和 p=0.003）。使用光栅刺激，两组在 1 和 15 周期/度频率上有显著差异，但在 5 周期/度频率下存在边界差异（p˂0.0001、p=0.051 和 p=0.008）。两组的颜色混淆指数之间存在显著差异（p˂0.0001）。结论 . 长期接触铅锌矿中的矿物可能导致色觉缺陷和对比敏感度下降。建议将 Farnsworth D-15 和 Freiburg 对比敏感度测试用于接触矿物的工人的神经退行性和视觉障碍的早期诊断。关键词：对比敏感度、色觉、铅锌矿工引言