XiaoMi-AI文件搜索系统
World File Search SystemHansen
引用了脉冲版本（APA）：Hansen，K。H.，Justesen，U.S.，Kelsen，J.，Møller，K.，Helweg-Larsen，J。，＆Fuursted，K。（2021）。诊断
•您可以下载此工作仅供个人使用。•您不得进一步分发材料或将其用于任何盈利活动或商业收益•如果您认为本文档违反版权，请与我们联系以提供详细信息，我们将调查您的索赔，可以自由分发此开放访问版本的URL。请将所有查询转移到puresupport@bib.sdu.dk
引用纸浆版本（APA）：Hansen，K。N.，Maeng，M.，Raungaard，B.，Engstrøm，T.，Road，Road，K。T.，Kristensen，S.D.，Elt Gregersen，J.
引用了Puledy版本（APA）：Hansen，K。N.，Maeng，M.，Raungaard，B.，Engstrøm，T.，Veien，K.T.，Kristensen，S.D.，Ellert Gregersen，J.（2022）。糖尿病对使用IX试验的生物冻结支架或Orsiro支架进行血运重建的患者对1年临床结果的影响。导管插入和心血管干预措施，99（4），1095-1103。 https://doi.org/10.1002/ccd.30090
引用 Hansen M, Simon KR, He X, Steele N, Thomas ML, Noble KG 和 Merz EC (2024) 社会经济因素、睡眠时间和持续时间以及杏仁核研究
儿童时期的社会经济劣势十分普遍，并且与终身罹患精神健康问题的风险增加相关 (1)。家庭收入和父母教育等社会经济因素通过多种中介机制 (2) 对健康和发展产生影响，但这些机制尚不完全清楚。儿童时期的睡眠健康状况改变可能在这些机制中发挥了作用。睡眠健康是一个多方面的概念，涵盖多个睡眠参数，例如睡眠时间、质量和时间 (3)。社会经济劣势已反复与儿童睡眠时间较短和睡眠质量较低有关 (4-9)。此外，采用实验和相关设计的研究表明，睡眠中断与精神健康问题风险增加以及情绪处理和调节改变有关 (10-13)。在神经层面，情绪处理和调节，即多种精神疾病的跨诊断因素 (14)，依赖于涉及杏仁核的神经网络 (15)。在功能性磁共振成像 (fMRI) 研究中，睡眠持续时间和质量与成年人杏仁核的激活和功能连接反复相关 (16 – 19)。然而，很少有研究探讨儿童的这种关联。此前，我们提出，社会经济劣势可能导致儿童睡眠健康状况下降，这可能会改变大脑发育，从而增加患心理健康问题的风险 (20)。在本研究中，我们通过考察社会经济因素、睡眠持续时间和时间以及儿童杏仁核功能连接之间的关联来验证这些观点。
已发表版本的引用（APA）：Zhang, D., Hansen, C., De Frène, F., Kærgaard, S.P., Qian, W., & Chen, K. (2023)。自动贴标和在线
基于脑电图 (EEG) 的脑机接口 (BCI) 允许用户使用脑信号来控制外部仪器，而运动意图检测 BCI 可以帮助失去运动功能的患者康复。现有该领域的研究大多依赖于基于线索的数据收集，这种方法便于样本标记，但会引入来自线索刺激的噪音；此外，它需要大量的用户培训，并且不能反映真实的使用场景。相比之下，自定步调的 BCI 可以通过支持用户按照自己的主动性和步调进行运动来克服基于线索的方法的局限性，但它们在标记方面存在不足。因此，在本研究中，我们提出了一种自动标记方法，可以交叉引用肌电图 (EMG) 信号以进行 EEG 标记，而无需人工干预。此外，考虑到只有少数研究专注于评估用于在线使用的 BCI 系统，并且其中大多数没有报告在线系统的细节，我们开发并详细介绍了一个伪在线评估套件，以促进在线 BCI 研究。我们收集了 10 名参与者的自定步调运动 EEG 数据，这些参与者进行张开和闭合手部动作，以进行训练和评估。结果表明，与基线标记方法相比，自动标记方法可以很好地处理噪声数据。我们还探索了用于在线自定步调运动检测的流行机器学习模型。结果证明了我们的在线管道的能力，并且由于在线 BCI 系统的特定设置，性能良好的离线模型并不一定能转化为性能良好的在线模型。我们提出的自动标记方法、在线评估套件和数据集向现实世界的自定步调 BCI 系统迈出了坚实的一步。© 2023 作者。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
已发表版本的引用（APA）：Zhang, D., Hansen, C., De Frène, F., Kærgaard, S.P., Qian, W., & Chen, K. (2023)。自动贴标和在线
基于脑电图 (EEG) 的脑机接口 (BCI) 允许用户使用脑信号来控制外部仪器，而运动意图检测 BCI 可以帮助失去运动功能的患者康复。现有该领域的研究大多依赖于基于线索的数据收集，这种方法便于样本标记，但会引入来自线索刺激的噪音；此外，它需要大量的用户培训，并且不能反映真实的使用场景。相比之下，自定步调的 BCI 可以通过支持用户按照自己的主动性和步调进行运动来克服基于线索的方法的局限性，但它们在标记方面存在不足。因此，在本研究中，我们提出了一种自动标记方法，可以交叉引用肌电图 (EMG) 信号以进行 EEG 标记，而无需人工干预。此外，考虑到只有少数研究专注于评估用于在线使用的 BCI 系统，并且其中大多数没有报告在线系统的细节，我们开发并详细介绍了一个伪在线评估套件，以促进在线 BCI 研究。我们收集了 10 名参与者的自定步调运动脑电图数据，这些参与者进行张开和闭合手部动作，以进行训练和评估。结果表明，与基线标记方法相比，自动标记方法可以很好地处理噪声数据。我们还探索了用于在线自定步调运动检测的流行机器学习模型。结果证明了我们的在线管道的能力，并且由于在线 BCI 系统的特定设置，性能良好的离线模型并不一定能转化为性能良好的在线模型。我们提出的自动标记方法、在线评估套件和数据集向现实世界的自定步调 BCI 系统迈出了坚实的一步。© 2023 作者。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
悼念 听到您去世的消息我们非常悲痛...
主席 Kathleen O'Hara 前任主席 Ingrid Huber 秘书 DPLG Kerrie Hansen 财务主管（行政基金） DPP Steve Hansen 财务主管（社区基金） Teresa Donahue 财务主管（基金会） SDPLG Bob Kueber QnsKiwanis2024
医学学生研究会议奖9月...
丹尼·巴特尔特（Danny Bartelt），M2标题：“墨西哥切除术后红色和近红外光疗法改善了啮齿动物TBI模型中的恢复时间表”导师：Brian Andrews Co-Mentor：Marlan Hansen：Marlan Hansen，耳鼻喉科学 - 头部和颈部外科手术Richard G. Lynch G. Lynch G. Lynch G. Lynch G. lynch G.
已发布版本的引用（APA）：Blixt Hansen, E.、Iftikhar, N. 和 Bøgh, S. (2020)。工业中小型企业中易于使用的多功能人工智能概念。Procedia Manufacturing，51，1146-1152。https://doi.org/10.1016/j.promfg.2020.10.161
人工智能（通常缩写为 AI）被应用于越来越多的领域，并且预计只会增长 [1, 2]。更具体地说，随着 2010 年代在图像数据等方面的不同突破，人工智能子类别机器学习的使用显示出巨大的潜力 [3]，现在可以在游戏中达到并超越人类 [4]。随着人工智能和机器学习的快速发展，制造业也在关注这些技术。人工智能与大数据和 3D 打印等其他新技术一起被归类为工业 4.0 [5]。大型企业已经开始在其产品和生产中使用这些技术 [6, 7]。此外，机器学习也已在焊接和机器人领域得到应用 [8, 9]。大多数研究和开发都集中在如何将人工智能应用于制造 [10] 和 [11] 领域。
