XiaoMi-AI文件搜索系统
World File Search SystemLBP
为 LBP 生产选择可扩展的生长培养基
微生物生长培养基通常分为两类：化学成分确定型或未确定型。确定型培养基具有可重复性、大分子和微量营养素定制等优势。然而，生产化学成分确定型培养基既费力又昂贵，而且通常无法支持那些代谢需求尚不明确的苛刻生物。另一方面，未确定型培养基通常含有不同数量的复杂原料，如酶消化物（蛋白胨和胰蛋白胨）和提取物，这些原料的化学成分无法完全确定。使用这些丰富营养源的巨大好处在于它们能够支持多种生物的生长、培养基制备简单且成本相对较低。微生物学领域的开创性工作在很大程度上依赖于未确定型培养基，因为它具有广泛的有效性，如今它在微生物研究和开发中仍然很流行。
手写签名识别的 LBP、HOG 和 SIFT 技术的比较分析
摘要——手写签名识别是生物特征认证的关键组成部分，需要稳健高效的特征提取技术才能获得最佳性能。本研究对三种主要的特征提取方法进行了比较分析：局部二值模式 (LBP)、方向梯度直方图 (HOG) 和尺度不变特征变换 (SIFT)。我们使用一个包含 2,000 个签名的精选数据集（包括真实实例和熟练的伪造签名），评估了每种技术在准确性、计算效率和稳健性方面的有效性。我们的研究结果表明，虽然 HOG 表现出卓越的准确性，但 LBP 在计算速度方面表现出色，而 SIFT 则展示了处理各种捕获场景的潜力。这项研究为开发先进的签名识别系统提供了宝贵的见解，强调了定制特征提取对增强生物特征认证的重要性。
在海洋环境室中进行生态毒性的综合测试策略（ITS -ECO）评估
摘要：早期脑肿瘤检测可以增加患者治疗后康复的机会。在过去的十年中，我们注意到医学成像技术的实质性发展，现在它们已成为诊断和治疗过程中不可或缺的一部分。在这项研究中，我们概括了根据Marsaglia公式定义的熵差异概念（通常用于描述两个不同的图，雕像等）使用量子积分。然后，我们采用结果来扩展局部二进制图案（LBP）以获取量子熵LBP（QELBP）。拟议的研究包括两种特征MRI脑扫描提取的方法，即QELBP和深度学习DL特征。通过利用MRI脑扫描中大脑的出色表现，可以提高MRI脑扫描的分类。将所有提取的特征组合起来，将长期记忆网络用作脑肿瘤分类器时，会提高长期记忆网络的分类精度。分类包含154次MRI脑扫描的数据集的最大准确性为98.80％。实验结果表明，将提取的特征组合起来可以提高MRI脑肿瘤分类的性能。
使用局部二值模式 (LBP) 特征提取进行玉米叶病分类
摘要 玉米是一种在印度尼西亚等发展中国家广泛种植的植物。为了提高玉米产量，研究人员一直在对玉米植物疾病分类的当前技术进行创新。三种疾病侵袭玉米叶片，即灰斑病、枯萎病和灯心草病。我们使用的数据量为 3500 个数据，其中包括 500 个灰斑病、1000 个枯萎病、1000 个灯心草病和 1000 片健康叶片。本研究旨在开发一种人工智能模型。我们开发的人工智能模型使用 LBP 特征提取结合 k-NN 作为分类器。除了使用 k-NN 方法外，我们还使用了几种分类方法（如朴素贝叶斯和 Adaboost）进行测试。我们的测试结果是，与朴素贝叶斯和 Adaboost 方法相比，k-NN 方法具有最高值。使用 k=5 的 k-NN 的性能结果为 81.1%、AUC 值为 94.1%、F1-Score 为 80.9%、准确率为 81.8%、召回率为 81.1%。
降低的脂多糖结合蛋白（LBP）水平与非酒精性脂肪肝疾病（NAFLD）和人类肥胖症中的脂肪炎症有关
1罗马萨皮恩扎大学实验医学系，意大利罗马00185； ialilia.barchetta@uniroma1.it（i.b.）; aviaagata.cimini@uniroma1.it（F.A.C。）2罗马萨皮恩扎大学公共卫生和传染病系，意大利罗马00185； federica.sentinelli@uniroma1.it 3罗马萨皮恩扎大学医学外科科学和生物技术系，意大利拉丁裔04100； caterina.chiappetta@uniroma1.it（C.C.）; claudio.dicristofano@uniroma1.it（C.D.C.）; frida.leonetti@uniroma1.it（F.L.）4医学与心理学学院医学和外科科学系，医学与心理学学院，罗马萨皮恩扎大学圣安德烈医院，意大利00189，意大利00189； gianfranco.silecchia@uniroma1.it 5内分泌学和糖尿病，临床医学系，公共卫生，生活与环境科学（MESVA），L'Aquila大学，意大利67100 L'Aquila，意大利; marcogiorgio.baroni@univaq.it 6神经内分泌学和代谢疾病，IRCCS Neuromed，86077意大利POZZILLI *通信：gisella.cavallo@uniroma@uniroma@uniroma1.it4医学与心理学学院医学和外科科学系，医学与心理学学院，罗马萨皮恩扎大学圣安德烈医院，意大利00189，意大利00189； gianfranco.silecchia@uniroma1.it 5内分泌学和糖尿病，临床医学系，公共卫生，生活与环境科学（MESVA），L'Aquila大学，意大利67100 L'Aquila，意大利; marcogiorgio.baroni@univaq.it 6神经内分泌学和代谢疾病，IRCCS Neuromed，86077意大利POZZILLI *通信：gisella.cavallo@uniroma@uniroma@uniroma1.it
（IJCI）在线可在线访问https://ijci.journals.ekb.eg/基于GLCM和LBP功能与PCA和IG
细胞异常会导致脑肿瘤发育。它是全球死亡率的主要原因之一。早期肿瘤发现可以避免数百万死亡。磁共振成像（MRI）是最流行的成像技术之一，可用于早期检测到脑肿瘤，因此可以改善患者的存活率。MRI中肿瘤的可见性得到提高，这有助于随后的治疗。 这项研究试图尽早检测脑肿瘤。 使用MRI的建议的CAD系统有可能帮助医生和其他专家发现脑肿瘤的存在。 这项工作利用机器学习来提高分类精度。 这项工作是在许多顺序的步骤中进行的，包括使用中位过滤器进行MRIS降噪，使用灰度级别的共存在矩阵（GLCM）和局部二元模式（LBP）提取肿瘤特征的特征，然后使用特征IS进行分类（IG），最终使用机器选择Algorith，最终使用了类型确定并将MRI分类为肿瘤或无肿瘤。 使用GLCM和LBP功能的组合特征向量的提出方法的实验结果，使用IG显示98％的精度，使用PCA的精度为97％。 关键词：脑肿瘤； MRI;灰度合作矩阵GLCM;局部二进制图案LBP；功能选择。肿瘤的可见性得到提高，这有助于随后的治疗。这项研究试图尽早检测脑肿瘤。使用MRI的建议的CAD系统有可能帮助医生和其他专家发现脑肿瘤的存在。这项工作利用机器学习来提高分类精度。这项工作是在许多顺序的步骤中进行的，包括使用中位过滤器进行MRIS降噪，使用灰度级别的共存在矩阵（GLCM）和局部二元模式（LBP）提取肿瘤特征的特征，然后使用特征IS进行分类（IG），最终使用机器选择Algorith，最终使用了类型确定并将MRI分类为肿瘤或无肿瘤。使用GLCM和LBP功能的组合特征向量的提出方法的实验结果，使用IG显示98％的精度，使用PCA的精度为97％。关键词：脑肿瘤； MRI;灰度合作矩阵GLCM;局部二进制图案LBP；功能选择。
下背痛的成年人的自愿姿势摇摆控制和动机
下腰痛（LBP）是一种常见的肌肉骨骼状况，通常伴随着降低的感觉，认知和流动性功能，在全球范围内给予经济健康负担（Chiarotto and Koes，2022年）。LBP的直接和间接经济负担在2008年在美国的19.6至1,188亿美元不等（Dagenais等，2008），澳大利亚的数字约为47亿美元（AU 91.7亿美元）。估计，与LBP相关的成本和残疾的负担将在未来进一步扩大（GBD，2021年）。估计按年龄标准化的观点为7.0％至18.3％[5; 6]。尽管20-29岁的年轻人中LBP的患病率最低，但该年龄段的患病率仍然高达10-15％（Hoy等，2012; Chen等，2022）。lbp不可避免地会影响社会参与，从而导致缺席教育和培训，工作和参与体育（Hartvigsen等，2018）。
腰部腰痛患者的腰部关节位置测量
腰痛（LBP）是所有年龄段成年人经历的常见状况。流行病学研究表明，50-80％的个体在其一生中至少经历了一次LBP（1）。非特异性LBP（NLBP），最普遍的LBP形式，没有特定的可识别病理性原因（2）。NLBP的后果超出了疼痛和有限的运动。nlbp也会影响腰椎的本体感受，并且前置感受的退化会加剧患者的症状（3）。NLBP的主要诱导因子是腰部稳定性和肌肉强度降低，脊柱稳定性和姿势控制不良是NLBP患者复发症状的重要病理机制（4，5）。NLBP患者的腰痛触觉和本体感受敏感性降低，感觉和运动缺陷进一步影响
pGmax：离散概率图形模型的因子图和jax
概率图形模型（PGM）紧凑地编码一组随机变量的完整关节概率分布。PGM，并已成功地用于计算机视觉中（Wang等，2013），误差校正代码（McEliect等，1998），生物学（Durbin等，1998）等（Durbin等）等。在本文中，我们专注于离散的PGM。对具有可牵引因子1的离散PGM进行近似后验推断的标准方法涉及诸如循环信念传播（LBP）之类的消息通讯算法（Pearl，1988; Murphy等，1999）。lbp在变量和因子图的因子之间传播“消息”。，尽管过去进行了几次尝试（请参阅第2节），但没有建立良好的开源Python软件包可以实现效率和可扩展的LBP用于一般因子图。关键挑战在于设计和操纵Python数据结构，该数据结构包含LBP消息，用于支持具有任意拓扑的大型因子图和
慢性腰痛的人工智能和计算机辅助诊断：系统评价
摘要：腰痛 (LBP) 目前是全球第一大致残原因，具有巨大的社会经济负担。LBP 的诊断和治疗通常涉及多学科、个性化方法，包括多种结果测量和成像数据以及新兴技术。在此过程中产生的数据量不断增加，导致了与人工智能 (AI) 相关的方法的发展，尤其是计算机辅助诊断 (CAD)，旨在协助和改善 LBP 的诊断和治疗。在本文中，我们系统地回顾了有关使用 CAD 诊断和治疗慢性 LBP 的现有文献。对 PubMed、Scopus 和 Web of Science 电子数据库进行了系统研究。搜索策略设置为以下关键词的组合：“人工智能”、“机器学习”、“深度学习”、“神经网络”、“计算机辅助诊断”、“下腰痛”、“腰椎”、“椎间盘退变”、“脊柱手术”等。搜索共返回1536篇文章。在删除重复和评估摘要后，排除1386篇，而在全文检查后排除93篇论文，符合条件的文章数为57篇。CAD在LBP中的主要应用包括分类和回归。分类用于识别或对疾病进行分类，而回归用于产生数值输出作为某种指标的定量评估。性能最佳的系统已开发用于从图像数据中诊断脊柱的退行性变化，平均准确率 >80%。然而，CAD 工具执行不同任务（包括分析临床、生物力学、电生理和功能成像数据）也取得了显著成果。需要进一步研究以更好地定义 CAD 在 LBP 护理中的作用。