XiaoMi-AI文件搜索系统
World File Search SystemKawasaki
麻疹（风疹）
病原体：麻疹病毒 宿主/来源：人类/呼吸道分泌物和污染物。 症状：任何年龄的患者，如果发烧≥101华氏度，并且至少出现3个“C”（咳嗽、鼻炎或结膜炎）中的一个，并且面部开始出现皮疹，则考虑患有麻疹。皮疹通常在发病后4天内出现。非典型和改良的皮疹可能从手和脚开始。 并发症：腹泻、中耳炎、肺炎、脑炎、亚急性硬化性全脑炎、急性播散性脑脊髓炎、角膜炎、心肌炎、心包炎和死亡。鉴别诊断：川崎病、风疹、猩红热、肠道病毒和其他发热性皮疹 潜伏期：从接触到出疹，7-21 天，平均 14 天。 传染性和传播性：从出疹前 4 天到出疹后 4 天，通过直接接触传染性飞沫或通过空气传播。 推定免疫标准：见框 2。 样本采集/实验室检测：咽拭子或鼻咽 (NP) 拭子、尿液和血清。见框 2 具体治疗：仅支持性治疗；没有抗病毒药物。维生素 A 补充剂可能有助于降低麻疹的严重程度和并发症风险。暴露后预防：MMR 或免疫球蛋白。有关详细信息，请参阅“对麻疹病例无症状接触者的调查”。 ACIP 推荐疫苗：MMR 和 MMRV 可报告标准：怀疑感染麻疹后立即电话报告：888-397-3993（洛杉矶县）。不要等到实验室确认后再报告。
通过增强来控制机器人手臂
在Marwan Hamze博士的监督下，该项目是在东京科学大学的吉田教授实验室的国际四个月实习的一部分。主要目的是为加强机器人手臂控制学习的应用的应用做出贡献。我的工作包括在模拟和真实环境中为机器人组开发和实施控制算法。强化学习使避免复杂的运动学模型成为可能，从而为机器人提供通过与环境直接互动来优化其行为的能力。我将精力集中在优化XARM6机器人手臂控制上，并从科学文献中适应方法。我在模拟中首先测试了这些算法，然后将它们应用于真实环境以评估其稳健性。我的目标是获得加强对人形机器人控制的技能，以控制川崎的Kaleido机器人，尺寸为1.80 m，重80 kg。这个项目使我能够增强机器人技术和人工智能方面的技术技能，同时促进该扩展领域应用的研究。
线粒体是针对严重肺炎中嗜中性粒细胞炎症的新药的潜在靶标
高嗜中性粒细胞与淋巴细胞比与疾病的严重程度和肺炎的预后不良有关，急性呼吸窘迫综合征（ARDS）（Steinberg等，1994），包括Covid-19（Coronavirus病）（Coronavirus Pishision-19）（Coronavirus Pishision-19）（Coronavirus Pishision-19），由新颖的SARS-COV-2 Coronavirus（Coronavirus Novely Sars-Cov-2 Coronavirus）（wranavirus and coronavirus and anda and an an an an an an an an an an an an an an w w an an an an an n anda an。在支气管肺泡灌洗中描述了中性粒细胞在肺毛细血管中的广泛滤过及其向肺泡空间的渗出（Steinberg等，1994）和尸检（Barnes等，2020; Wang et al。，2020b）。中性粒细胞是防御局部侵入病原体的第一条防御线，它们使用效应子功能，例如吞噬作用，脱粒，脱粒和反应性氧（ROS）的形成。中性粒细胞的过度激活导致嗜中性粒细胞外陷阱（NET）释放，由反染色质染色质组成，用骨髓氧化酶（MPO），嗜中性粒细胞弹性酶（NE）和其他细菌蛋白质和其他细菌蛋白质组成。网通常伴有细胞死亡，因此，此过程称为Netosis。检查严重肺炎患者（Twaddell等，2019）以及感染了SARS-COV-2的患者（Zuo等，2020）发现Netosis标记物的水平升高，例如无细胞DNA，无细胞DNA，MPO-DNA-complexes，MPO-DNA-complexes，柠檬酮H3和Cell dealdy Heardy dealdy deardy lactandate dectrate dectrate declogenate。这种血清在体外系统中诱导健康供体血液中的肠病（Barnes等，2020； Zuo等，2020）。在Covid-19患者的血清中，无细胞DNA的浓度与中性粒细胞含量，炎症C反应蛋白的急性相的标记以及血栓形成D-二聚体的标记（Zuo等，2020）。COVID-19的表现之一是川崎综合征，川崎综合症是一种血管炎，发生在儿童中，并伴有过度的Netosis（Yoshida等，2020）。COVID-19中的Netosis可能是由受病毒，活化血小板和炎性细胞因子影响的上皮细胞和内皮细胞引起的。At the same time, excessive NETosis is involved in the development of the «cytokine storm» and immunothrombosis, which are the main cause of severe complications associated with COVID-19 ( Wang et al., 2020a ; Barnes et al., 2020 ), as well as with H1N1 in fl uenza and some other viral infections ( Cantan et al., 2019 ).
新闻稿 NorthStar Medical Radioisotopes 和 PDRadiopharma 宣布签署 Ac-2 研发协议和主同位素供应协议
NorthStar 将为 PeptiDream 的全资子公司 PDRadiopharma 提供广泛的研发服务，以支持 PeptiDream 的内部肽-RI 结合物项目。该协议使 PDRadiopharma 能够使用 NorthStar 位于美国校园的全球合同开发和制造能力，并包括 NorthStar 锕-225 的总供应协议。威斯康星州贝洛伊特，日本川崎，2024 年 12 月 5 日——NorthStar Medical Radioisotopes, LLC 和 PeptiDream Inc.（总裁：Patrick C. Reid，东京：4587）今天宣布，PeptiDream 的全资子公司 PDRadiopharma Inc.（总裁：Masato Murakami）已与 NorthStar 达成战略合作，NorthStar 是一家在开发、生产和商业化用于治疗应用和医学成像的放射性药物方面具有全球创新能力的公司。 PDRadiopharma 是日本领先的放射性制药公司，50 多年来一直为日本各地的 SPECT 和 PET 扫描提供高质量的放射诊断显像剂，目前作为 PeptiDream 的一部分，致力于为患者提供下一代靶向放射诊断和放射治疗，用于诊断和治疗多种癌症。PeptiDream 的使命和愿景是彻底改变药物发现并开发下一代转化药物，为全球患者带来更健康的未来。PDRadiopharma 总裁兼代表董事、PeptiDream 首席医疗官 Masato Murakami 表示：“通过此次联盟，我们旨在利用 NorthStar 的尖端创新技术和专业知识，支持和加速我们不断增长的靶向肽-RI 结合物项目内部管线，最初从令人兴奋的 CA9 项目开始。” PDRadiopharma 自 1968 年成立以来，一直是放射性药物领域的先驱，一直致力于为患有脑、心脏、骨骼疾病以及癌症的患者制造和提供高质量的诊断和治疗。 Murakami 继续说道：“自 2022 年被 PeptiDream 收购以来，我们一直致力于将 PeptiDream 世界领先的药物发现技术和能力与 PDRadiopharma 在放射性药物开发、制造和商业化方面的专业知识相结合，为尚未满足需求的癌症患者开发新型放射治疗方法。” “我们与 NorthStar 达成的研发服务、同位素 Ac-225 供应和合同制造服务协议将是该项目的重要组成部分
糖尿病大鼠高水平的内源性多巴胺不显示视网膜血管病理
全球超过5.37亿人患有糖尿病（国际糖尿病联合会，2021年），估计有33.9％的美国成年人患有糖尿病前期（疾病控制和预防中心，2015年）。糖尿病的特征是高血糖，高脂血症和炎症，导致肾脏，心脏，脑，神经和视网膜的循环变化和血管损伤。糖尿病性视网膜病（DR）是最常见的并发症之一，是成年人20至74岁的失明的主要原因（Klein，2007年），占全球糖尿病（1.03亿成人）的22％的人（Teo等人（Teo等人），2021）。在临床上，使用血管病理学诊断出DR，包括微型神经疗法，棉花毛点，视网膜内出血和异常的新生血管化。然而，越来越多的证据支持以下观点：博士在临床上可诊断出可诊断的血管变化之前对视网膜神经元的影响（Barber，2003; Antonetti等人。，2006年； Pardue等。，2014年）。早期功能删除包括视力的变化（Aung等人。，2013年），对比灵敏度（Ghirlanda等人。，1997; Aung等人。，2013年； Stem等。，2016年），色觉（Ghirlanda等人，1997; Gella等。，2015年；沃尔等人。，2015年），夜视（Ghirlanda等人，1997; Stem等。，2016年）和电图延迟（Holopigian等人，1992，1997; Shirao and Kawasaki，1998年； Lecleire-Collet等。，2011年； Aung等人。，2013年； Pardue等。，2014年； Chesler等。，2021）。糖尿病除视网膜降低外还会引起认知和运动效果（Van Duinkerken等人。，2009年； Haan等。，2012年； Sherin等。，2012年； De Almeida Faria等。，2022a，b; Rhmaritlemçani等。，2022）。实际上，DR的存在和严重程度与皮质萎缩增加有关（Wessels等人，2006年； Hansen等。，2022），脑缺血（Haan等人，2012年）和微吸收（Lee等人，2019年），大脑的结构变化（Ferguson等人。，2003年； Wang等。，2019年）。与DR相关的行为变化包括加速认知下降（Ding等人。，2010年）以及信息处理，集中和注意力（Ferguson等人，2003年； De Almeida Faria等。，2022a，b; Rhmaritlemçani等。，2022）。跟踪定义的时间进展，使我们能够确定视网膜神经元变化是否可以用作以后的认知，运动或视网膜血管变化的早期检测器。我们在较早的论文中表明，在短期研究（4-8周）中，在GK大鼠认知变化之前出现了视网膜神经元的变化（4-8周），但视网膜和认知变化（到8个月）的长期表征将对该领域有益。多巴胺的缺乏率已被确定为I型糖尿病的早期视网膜功能降低的一种机制（Aung等人，2014年； Pardue and Allen，2018年； Motz等。，2020）。糖尿病动物模型的视网膜在
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法
packard - 期刊 - 复古技术数字档案
顾问 Frank Harry W. Brown，集成电路业务部，加利福尼亚州圣克拉拉* Frank J. Calvillo，Greeiey 存储部，科罗拉多州格里利» Harry Chou，微波系统部，加利福尼亚州圣罗莎» Derek I Dang，系统支持部，加利福尼亚州山景城* Rajesh Desai，商业系统部，加利福尼亚州库比蒂诺» Douglas Gennetten，Greeley 硬拷贝部，科罗拉多州格里利* Gary Gordon，惠普实验室。加利福尼亚州帕洛阿尔托» Jim Grady，沃尔瑟姆部，马萨诸塞州沃尔瑟姆» Matt J. Marline，系统技术部，加利福尼亚州霍斯维尔* Rryan Hoog，Lake Stevens 仪器部，保拉埃弗雷特• Roger L. Jungerman，微波技术部，加利福尼亚州圣罗莎• Paula H. Kanarek，喷墨元件部。Corvaliis。俄勒冈州 • Thomas Ruby Kraemer，科罗拉多斯普林斯分部，科罗拉多州科罗拉多斯普林斯» Ruby B. Lee，网络系统集团，加利福尼亚州库比蒂诺* Bill Lloyd，日本惠普实验室，日本川崎 • Alfred Maute，Waldbmnn 分析部门，德国瓦尔德布隆* Michael P. Moore，VXI 系统部门，科罗拉多州洛夫兰 • Shelley I. Moore，客户 Diego 打印机部门，加利福尼亚州圣地亚哥 Dona L. Morriil，全球客户支持部门，加利福尼亚州山景城* William M. Mowson，开放系统软件部门，马萨诸塞州切姆斯福德* Steven J. Narciso，VXI 系统部门。科罗拉多州洛夫兰* Garry Orsolini，软件技术部门。新加坡罗斯维尔* Raj Oza，软件技术部门，山景城。加利福尼亚州 • Han Tian Phua，亚洲外设部门，新加坡 * Ken Poulton，惠普实验室。部门，Alto。加利福尼亚州 GünterRiebesell，Boblingen 仪器部门。Boblingen。德国* Marc Sabatella，软件工程系统部门，Fon Collins。Philip Michael B. Saunders，集成电路业务部门，Corvaliis。俄勒冈州* Philip Stenton，惠普实验室布里斯托尔，英国布里斯托尔» Beng-Hang Tay，系统网络运营，新加坡 • Stephen R. Undy。系统技术部门，Fon Collins，科罗拉多州 * Richard B.Wells，磁盘内存部门。爱达荷州博伊西 • 科罗拉多州仪器网络和系统管理部，科罗拉多州柯林斯堡 • Koichi Yanagawa。神户仪器部，神户。日本 * Dennis C. York，科瓦利斯分部，俄勒冈州科瓦利斯 • Barbara Zimmer，企业工程部，加利福尼亚州帕洛阿尔托
2023 年全球氢能回顾 - NET
同行评审专家为改进报告质量提供了重要反馈，其中包括：Nawal Al-Hanaee（阿联酋能源和基础设施部）；Abdul'Aziz Aliyu（GHG TCP）；Laurent Antoni 和 Noé van Hulst（IPHE）；Florian Ausfelder（Dechema）；Ruta Baltause、Tudor Constantinescu、Ruud Kempener、Eirik VW Lønning 和 Matthijs Soede（欧盟委员会）；Frederic Bauer（隆德大学）；Prerna Bhargava（澳大利亚气候变化、能源、环境和水资源部）；Herib Blanco；Joß Bracker（德国联邦经济事务和气候行动部）；Paula Brunetto（Enel）；James Collins（ITM Power）；Harriet Culver、Katherine Davis、Lara Hirschhausen 和 Oliviero Iurkovich（英国能源安全和净零排放部）； Caroline Czach、Isabel Murray 和 Claudie Roy（加拿大自然资源部）；Lucie Ducloue（液化空气集团）；Alexandru Floristean（Hy24）；Daniel Fraile（欧洲氢能公司）；Marta Gandiglio（都灵理工大学）；Dolf Gielen（世界银行）；Celine Le Goazigo（WBCSD）；Stefan Gossens（舍弗勒集团）；Emile Herben（雅苒）；Marina Holgado（氢能 TCP）；Marius Hörnschemeyer（德国能源署）；Ruben Hortensius、Sanne van Santen 和 Anouk Zandbergen（荷兰经济和气候政策部）；Shunsuke Inui 和 Wataru Kaneko（日本经济产业省）；Leandro Janke（Agora Energiewende）；Adam Karl（AECOM）；Ilhan Kim（韩国贸易、工业和能源部）； Marcos Kulka（智利氢能协会）；Subhash Kumar（ACME）；Leif Christian Kröger（蒂森克虏伯 Nucera）；Martin Lambert（牛津能源研究所）；Wilco van der Lans（鹿特丹港务局）；Kirsten McNeill（Sunfire）；Jonas Moberg（绿色氢能组织）；Susana Moreira（H2Global）；Pietro Moretto（JRC）；Motohiko Nishimura、Taku Hasegawa、Aya Saito 和 Tomoki Tominaga（川崎重工业有限公司）；Daria Nochevnik（氢能委员会）；Maria Teresa Nonay Domingo（Enagás）；Koichi Numata（丰田）；Cédric Philibert（独立顾问）；Mark Pickup（新西兰商业、创新和就业部）；Nicolas Pocard（Ballard）；Joris Proost（比利时鲁汶大学）；Andrew Purvis（世界钢铁协会）； Noma Qase（南非矿产资源部）；Agustín Rodriguez（托普索公司）；Xavier Rousseau（Snam）；Sunita Satyapal 和 Neha Rustagi（美国能源部）；Julian Schorpp（蒂森克虏伯钢铁欧洲公司）；Ángel Landa Ugarte（Iberdrola）；Derek Wissmiller（GTI Energy）；和 Marcel Weeda（荷兰应用科学大学）。
2023 年全球氢能回顾 - NET
同行评审专家为改进报告质量提供了重要反馈，其中包括：Nawal Al-Hanaee（阿联酋能源和基础设施部）；Abdul'Aziz Aliyu（GHG TCP）；Laurent Antoni 和 Noé van Hulst（IPHE）；Florian Ausfelder（Dechema）；Ruta Baltause、Tudor Constantinescu、Ruud Kempener、Eirik VW Lønning 和 Matthijs Soede（欧盟委员会）；Frederic Bauer（隆德大学）；Prerna Bhargava（澳大利亚气候变化、能源、环境和水资源部）；Herib Blanco；Joß Bracker（德国联邦经济事务和气候行动部）；Paula Brunetto（Enel）；James Collins（ITM Power）；Harriet Culver、Katherine Davis、Lara Hirschhausen 和 Oliviero Iurkovich（英国能源安全和净零排放部）； Caroline Czach、Isabel Murray 和 Claudie Roy（加拿大自然资源部）；Lucie Ducloue（液化空气集团）；Alexandru Floristean（Hy24）；Daniel Fraile（欧洲氢能公司）；Marta Gandiglio（都灵理工大学）；Dolf Gielen（世界银行）；Celine Le Goazigo（WBCSD）；Stefan Gossens（舍弗勒集团）；Emile Herben（雅苒）；Marina Holgado（氢能 TCP）；Marius Hörnschemeyer（德国能源署）；Ruben Hortensius、Sanne van Santen 和 Anouk Zandbergen（荷兰经济和气候政策部）；Shunsuke Inui 和 Wataru Kaneko（日本经济产业省）；Leandro Janke（Agora Energiewende）；Adam Karl（AECOM）；Ilhan Kim（韩国贸易、工业和能源部）； Marcos Kulka（智利氢能协会）；Subhash Kumar（ACME）；Leif Christian Kröger（蒂森克虏伯 Nucera）；Martin Lambert（牛津能源研究所）；Wilco van der Lans（鹿特丹港务局）；Kirsten McNeill（Sunfire）；Jonas Moberg（绿色氢能组织）；Susana Moreira（H2Global）；Pietro Moretto（JRC）；Motohiko Nishimura、Taku Hasegawa、Aya Saito 和 Tomoki Tominaga（川崎重工业有限公司）；Daria Nochevnik（氢能委员会）；Maria Teresa Nonay Domingo（Enagás）；Koichi Numata（丰田）；Cédric Philibert（独立顾问）；Mark Pickup（新西兰商业、创新和就业部）；Nicolas Pocard（Ballard）；Joris Proost（比利时鲁汶大学）；Andrew Purvis（世界钢铁协会）； Noma Qase（南非矿产资源部）；Agustín Rodriguez（托普索公司）；Xavier Rousseau（Snam）；Sunita Satyapal 和 Neha Rustagi（美国能源部）；Julian Schorpp（蒂森克虏伯钢铁欧洲公司）；Ángel Landa Ugarte（Iberdrola）；Derek Wissmiller（GTI Energy）；和 Marcel Weeda（荷兰应用科学大学）。
