摘要:背包问题是研究最广泛的NP完整组合优化问题之一,并且具有许多实际应用。本文提出了一种具有灰色狼优化器(QDGWO)的量子启发的差分进化算法,以提高Di-Versity和Connergence性能,并提高0-1个knapsack问题的高维情况下的性能。所提出的算法采用量子计算原理,例如量子叠加状态和量子门。它还使用差异进化的自适应突变操作,差异进化的交叉操作和量子观察来产生新的解决方案作为试验个体。选择操作用于确定存储个体与突变和交叉操作创建的试验个体之间的更好解决方案。如果试验个体比目前的个体还差,则使用自适应灰狼优化器和量子旋转门来保留人口的多样性,并加快寻找全球最佳解决方案的搜索。0-1背包问题的实验结果证实了QDGWO的优势,具有背包问题的有效性和全球搜索能力,尤其是在高维情况下。
摘要:在现实世界中,创伤的严重程度是使用简略损伤量表 (AIS) 来衡量的。然而,目前无法使用有限元人机模型的输出来计算 AIS 量表,有限元人机模型目前依靠最大主应变 (MPS) 来捕捉严重和致命的伤害。为了克服这些限制,引入了一种独特的器官创伤模型 (OTM),该模型能够计算所有 AIS 级别对大脑模型生命的威胁。OTM 使用一种名为峰值虚拟功率 (PVP) 的功率法,并将大脑白质和灰质创伤反应定义为撞击位置和撞击速度的函数。这项研究在损伤严重程度计算中考虑了衰老,包括软组织材料降解以及由于衰老导致的脑容量变化。此外,为了解释大脑模型的拉格朗日公式在表示出血方面的局限性,提出了一种包括硬膜下血肿影响的方法,并将其作为预测的一部分。 OTM 模型已针对两次真实跌倒进行了测试,并被证明能够正确预测死后结果。本文是一个概念验证,等待更多测试,可以支持法医研究。
灰质(GM)萎缩在多发性硬化症,神经肌炎选择性谱系障碍[NMOSD;抗Aquaporin-4抗体阳性(AQP4+)和 - 阴性(AQP4-)亚型]和髓磷脂少突胶质细胞糖蛋白抗体相关疾病(Mogad)。揭示这些疾病中脑萎缩的发病机理将有助于其鉴别诊断并指导治疗策略。确定多发性硬化症,AQP4+ NMOSD,AQP4-NMOSD和MOGAD中GM萎缩的神经生物学基础,我们进行了虚拟的组织学分析,该虚拟组织学分析将T1加权图像派生的GM Atrophy+ Gene表达与MultiCentRe COLES的患者相关联,与3224患者有关75例AQP4 -NMOSD患者,47例Mogad患者和2169名健康对照组患者。首先,使用Cohen d在具有多发性硬化症,AQP4+ NMOSD,AQP4- NMOSD或MOGAD或MOGAD和健康对照组之间的Cohen D之间确定了整个皮质和皮质下区域的GM间GM萎缩谱。然后将GM萎缩谱分别与从艾伦人脑图集提取的基因表达水平分别在空间上相关。最后,我们使用亚组分析探索了临床功能相关的GM萎缩的虚拟组织学,该分析通过身体残疾,疾病持续时间,复发次数,病变负担和认知功能进行分层。多发性硬化症显示出严重的GM萎缩模式,主要涉及皮层核和脑干。AQP4+ NMOSD显示出明显的GM萎缩的广泛模式,主要位于枕骨Tex和小脑中。AQP4- NMOSD显示出轻度的GM萎缩模式,主要位于额叶和顶叶皮层。mogad显示GM萎缩主要涉及额叶和颞皮质。High expres sion of genes specific to microglia, astrocytes, oligodendrocytes and endothelial cells in multiple sclerosis, S1 pyram idal cells in AQP4+ NMOSD, as well as S1 and CA1 pyramidal cells in MOGAD, had spatial correlations with GM atrophy profile, while no atrophy profile-related gene expression was found in AQP4 - NMOSD。与四种NeuroInflam疾病中的临床纤维相关GM萎缩的虚拟组织学主要指向共享的神经元和内皮细胞。独特的潜在虚拟组织学模式是小胶质细胞,星形胶质细胞和少突胶质细胞,用于多发性巩膜; AQP4+ NMOSD的星形胶质细胞;和摩盖德的少突胶质细胞。神经元和内皮细胞是在这些神经炎症性疾病中共有的靶标。这些发现可能有助于对这些疾病的鉴别诊断,并促进最佳治疗策略的使用。
摘要 目的 评估日本老年人群中区域性灰质萎缩与痴呆风险的关联。方法 我们对 1158 名年龄 ≥ 65 岁的无痴呆症的日本居民进行了 5.0 年的随访。应用基于体素的形态测量方法估计基线时的区域灰质体积 (GMV)。计算 GMV 与总脑体积之比 (GMV/TBV),并使用 Cox 比例风险模型估计其与痴呆风险的关联。我们评估了是否可以通过在痴呆相关脑区中增加灰质萎缩区域总数来提高基于已知痴呆风险因素的模型的预测能力,其中每个区域灰质萎缩的临界值由受试者工作特征曲线确定。结果 在随访期间,113 名参与者患上了全因痴呆,其中 83 人患有阿尔茨海默病 (AD)。内侧颞叶、岛叶、海马和杏仁核的较低 GMV/TBV 与全因痴呆和 AD 的高风险显著/略相关(所有趋势 p 值≤0.08)。全因痴呆和 AD 的风险随着出现灰质萎缩的大脑区域总数的增加而显著增加(趋势 p 值均<0.01)。将灰质萎缩区域总数添加到由已知风险因素组成的模型中可显著提高对 AD 的预测能力(Harrell 的 c 统计量:0.765–0.802;p=0.02)。结论我们的研究结果表明,内侧颞叶、岛叶、海马和杏仁核中灰质萎缩区域总数是老年人群患痴呆症(尤其是 AD)的重要预测因素。
摘要。针对民航事故涉及人为失误因素较多且具有典型灰色系统特征的情况,利用人为因素分析和分类系统模型,构建了民航事故人为失误因素指标体系。以2008—2011年全球发生的事故数据为基础,采用灰色关联分析法定量分析人为失误因素间的关联性。研究结果表明,影响飞行员人为失误因素的主要因素排序为不安全行为前提条件、不安全监管、组织机构、不安全行为。与二级指标和飞行员人为失误因素关联最密切的因素是飞行员的生理/心理限制,其次是监管违规。还可以定量分析一级指标与相应二级指标之间的关联性以及二级指标之间的关联性。
摘要 目的 评估日本老年人群中区域性灰质萎缩与痴呆风险的关联。方法 我们对 1158 名年龄 ≥ 65 岁的无痴呆症的日本居民进行了 5.0 年的随访。应用基于体素的形态测量方法估计基线时的区域灰质体积 (GMV)。计算 GMV 与总脑体积之比 (GMV/TBV),并使用 Cox 比例风险模型估计其与痴呆风险的关联。我们评估了是否可以通过在痴呆相关脑区中增加灰质萎缩区域总数来提高基于已知痴呆风险因素的模型的预测能力,其中每个区域灰质萎缩的临界值由受试者工作特征曲线确定。结果 在随访期间,113 名参与者患上了全因痴呆,其中 83 人患有阿尔茨海默病 (AD)。内侧颞叶、岛叶、海马和杏仁核的较低 GMV/TBV 与全因痴呆和 AD 的高风险显著/略相关(所有趋势 p 值≤0.08)。全因痴呆和 AD 的风险随着出现灰质萎缩的大脑区域总数的增加而显著增加(趋势 p 值均<0.01)。将灰质萎缩区域总数添加到由已知风险因素组成的模型中可显著提高对 AD 的预测能力(Harrell 的 c 统计量:0.765–0.802;p=0.02)。结论我们的研究结果表明,内侧颞叶、岛叶、海马和杏仁核中灰质萎缩区域总数是老年人群患痴呆症(尤其是 AD)的重要预测因素。
工党承诺通过新城和“灰带”启动住房供应,这是对住房和负担能力问题以及过去几十年重大经济危机的重要回应。然而,如果没有质量保证和战略激励,这种方法就有可能成为一种“不惜一切代价追求数量”的做法。对住房供应的关注必须转变为对场所营造的关注。不健康的场所会增加疾病负担,增加中长期医疗成本,并降低生产力。它们还可能使我们更容易受到 Covid 等冲击(由于潜在的健康状况)和地球健康状况恶化的影响。实现质量和数量是可能的,但好的例子很少。政府需要将健康放在首位,才能有一个良好的开端。阅读我们关于健康对政策制定者意义的解释。
I. 引言利用颅内阵列(如皮层电图 (ECoG) [1])对大脑活动进行侵入式记录,已在脑机接口 (BCI) 设计中显示出良好的前景,可用于语音解码和合成等多种应用 [2],[3],[4],[5],[6],[7]。由于 ECoG 仅从皮层表面采集灰质样本,因此很少有人研究白质记录对 BCI 解码的潜在贡献,而白质约占人类大脑体积的 50%。此外,据报道,白质记录的信息与灰质的信息不同 [8]。立体定向脑电图 (sEEG) [9] 在临床应用中的日益普及,为检查更广泛大脑区域和更深层结构(包括灰质和白质)的神经活动提供了机会。最近一些研究探讨了白质 sEEG 记录在 BCI 设计中的作用。研究表明,加入来自灰质和白质的 sEEG 通道有助于区分各种上肢运动和静止,或区分不同的运动类型 [10]。其他研究表明,灰质和白质中的 sEEG 通道有助于 BCI 的语音活动检测和语音生成模型 [7]、[11]、[12]。虽然这些研究强调了灰质和白质对语音生成的潜在贡献,但尚未对灰质和白质通道进行全面的表征。本研究分别和联合研究了来自灰质和白质的通道,以设计一个语音活动检测模型,用于区分 BCI 的语音和非语音。
在战争中,机器人和自治系统经常从事人类不能或不应该做的工作。但是,在灰色区域中,自主系统的使用更加细微:利用多个系统的集体力量提供更大的情境意识,并扩大了影响力领域。自主监视网络可能由几种空中和地面车辆组成,该车辆配备了在光谱各个部分运行的传感器。传感器数据被融合到单个活动的“映射”中,该活动显示给操作员。另外,随着AI引入循环,机器人可以接收组合数据,识别可疑活动并采取相应的行动。机器人技术和自主系统也具有对直接侵略的威慑作用。由于敌对国家使用A2/AD策略将防守部队远离该地区,因此在隔离距离处进行监视和响应的能力至关重要。