抽象背景:S81694是单极纺锤体1激酶的抑制剂,该靶向是在增殖细胞中的靶标。CL1-81694-001是旨在识别实体瘤患者安全给药时间表的第一项研究。Patients and methods: This trial was based on inter-individual dose-escalation of single agent S81694 in cohorts of 3 patients to assess the safety and tolerability and determine dose- limiting toxicities (DLTs), maximum tolerated dose (MTD) and recommended phase II dose (RP2D), with S81694 given on days 1,8,15 of a 28-day cycle as 1-h输液。结果:38例患者的剂量为4至135 mg /m 2 /周;给予144个周期(中位2/患者;范围1 E 32周期)。患者停止治疗缓解进展(78.9%),不良事件(AE; 18.4%)或撤回同意的治疗(2.6%)。治疗修饰。常见的治疗急性AE是疲劳(22例患者; 57.9%),贫血(17; 44.7%)和恶心(12; 31.6%)。
人工智能 (AI) 目前正在被引入到不同的领域,包括医学。具体来说,在放射肿瘤学中,机器学习模型可以实现工作流程的自动化和优化。缺乏对这些 AI 模型的了解和解释可能会阻碍其在临床实践中的广泛和全面部署。为了促进 AI 模型在放射治疗工作流程中的整合,提出了关于 AI 模型实施和质量保证 (QA) 的普遍适用建议。对于放射治疗中常用的应用,例如自动分割、自动治疗计划和合成计算机断层扫描 (sCT),深入讨论了基本概念。重点放在临床实践中有条不紊地引入所需的 AI 模型的调试、实施和针对具体案例和常规 QA。2020 作者。由 Elsevier B.V. 出版。放射治疗和肿瘤学 153 (2020) 55–66 这是一篇根据 CC BY 许可开放获取的文章 ( http://creativecommons.org/licenses/by/4.0/ )。
图 2. 不同炎症严重程度的 UC 患者组织活检中转运蛋白的表达,以内镜 Mayo 评分表示(Mayo 1:轻度炎症,Mayo 2:中度炎症,Mayo 3:重度炎症)。(A)MRP4、(B)P-gp、(C)MCT1 和(D)OATP2B1。单个数据点代表每位患者的直肠和乙状结肠活检平均值;实线代表所有患者的中位数。低于 LOD 或 LOQ 的表达水平被分配一个任意值(分别为 LOD/√2(虚线绿线 ---)或 LOQ/√2(虚线蓝线 ·-·),以允许进行统计检验。
目的:脑电图(EEG)可用于估计新生儿的生物脑时代。在月经年龄和脑年龄之间的差异,称为脑年龄差距,可能会导致成熟偏差。现有的大脑年龄EEG模型不太适合临床COT侧用途,用于估计新生儿的脑年龄间隙,因为它们依赖于相对较大的数据和预处理要求。方法:我们使用降低的数据要求培训了一种来自具有非神经开发的婴儿和幼儿发展(BSID)结果的早产新生儿的静止状态脑电图数据的深度学习模型。随后,我们在两个临床部位的两个独立数据集中测试了该模型。结果:在两个测试数据集中,仅使用单个通道的静息状态脑电图活动的20分钟,模型生成准确的年龄预测:平均绝对误差= 1.03周(p值= 0.0001)和0.98周(pValue = 0.0001)。在一个测试数据集中,在9个月的随访BSID结局中,严重异常结果组的平均新生儿脑年龄间隙显着大于正常结局组的平均脑年龄差异:平均脑年龄差距的差异差异= 0.50周(p-value = 0.04)。结论:这些发现表明,深度学习模型对来自两个临床部位的独立数据集进行了普遍性,并且模型的脑年龄间隙幅度在正常和严重的随访神经发育结果的新生儿之间有所不同。2024国际临床神经生理联合会。由Elsevier B.V.明显:新生儿大脑年龄间隙的幅度,仅使用单个通道的静息状态脑电图数据的20分钟来估算,可以编码临床神经发育价值的信息。这是CC下的开放访问文章(http://creativecommons.org/licenses/4.0/)。
1 英国布里斯托大学生命科学学院生理学、药理学和神经科学学院 2 英国布里斯托大学健康科学学院布里斯托医学院转化健康科学肌肉骨骼研究组 3 意大利拉奎拉大学生物技术和应用临床科学系 4 马耳他大学健康科学学院应用生物医学科学系 5 马耳他大学分子医学和生物银行中心 6 奥地利林茨约翰内斯开普勒大学儿科和青少年医学系 7 意大利骨病研究基金会 (FIRMO) 8 西班牙桑坦德坎塔布里亚大学瓦尔德西利亚医院内科系 9 荷兰鹿特丹伊拉斯姆斯大学医学中心内科系荷兰 10 约阿尼纳大学医学院卫生与流行病学系,希腊 11 布朗大学公共卫生学院健康研究综合中心、卫生证据综合中心、政策与实践中心,美国罗德岛州普罗维登斯 12 约阿尼纳大学洛阿尼纳大学研究中心生物科学研究所,希腊 13 伦敦国王学院生命科学与医学院生命过程科学学院双胞胎研究与遗传流行病学系,英国伦敦 14 盖伊和圣托马斯 NHS 基金会内分泌学系,英国伦敦 15 马库斯老龄化研究所、希伯来老年生活和医学中心医学系和哈佛医学院、麻省理工学院和哈佛大学布罗德研究所,美国马萨诸塞州剑桥 16 IRCCS 里佐利骨科研究所罕见骨骼疾病系,意大利博洛尼亚17 伯明翰大学代谢与系统研究所,英国伯明翰 18 马拉加大学,西班牙马拉加 19 赫尔辛基大学儿童医院和赫尔辛基大学医院,芬兰赫尔辛基 20 赫尔辛基大学医学院临床和分子代谢研究项目,芬兰赫尔辛基 21 Folkhälsan 研究中心,Folkhälsan 遗传学研究所,芬兰赫尔辛基 22 安特卫普大学医学遗传学系,比利时安特卫普 23 鲁汶天主教大学人类遗传学系,比利时鲁汶
摘要:旁道攻击是对现实世界中部署的密码系统的巨大威胁。针对旁道攻击的一种有效且可证明安全的对策是掩蔽。在本文中,我们详细研究了密钥封装机制 Saber 的高阶掩蔽技术。Saber 是美国国家标准技术研究所后量子标准化程序中基于格的最终候选者之一。我们对最近为 Saber 提出的不同掩蔽算法进行了详细分析,并提出了一种优化的高阶掩蔽 Saber 实现。与未掩蔽的 Saber 相比,我们针对一阶、二阶和三阶掩蔽 Saber 提出的技术分别具有 2.7 倍、5 倍和 7.7 倍的性能开销。我们表明,与另一种基于格子的最终方案 Kyber 相比,Saber 的性能随着掩码阶数的增加而下降得更少。我们还表明,高阶掩码 Saber 需要的随机字节比高阶掩码 Kyber 少。此外,我们将掩码实现调整为 uSaber,这是 Saber 的一个变体,专门设计用于实现高效的掩码实现。我们介绍了 uSaber 的第一个掩码实现,表明它在任何阶数上确实比掩码 Saber 至少高出 12%。我们在 ARM Cortex-M4 微控制器上提供了我们提出的所有掩码方案的优化实现。
后量子密码体制通常是量子安全方案或整数分解问题。虽然目前还不清楚大规模量子计算何时可行,但预测量子计算并设计新的能够抵御量子攻击的公钥密码体制还是很重要的。因此,目前正在进行大量研究以开发新的后量子安全方案,美国国家标准与技术研究所 ( https://www.nist.gov/ ) 已经启动了后量子密码标准化进程。正因为如此,人们对通过将 Fiat-Shamir 变换 [9] 应用于零知识识别方案来构建签名方案重新产生了兴趣。特别是,我们对后量子密码体制感兴趣,它的安全性依赖于某些 NP-Hard 问题的量子难度 [2]。其中一个问题是置换核问题:即找到已知向量的置换,使得结果向量位于给定矩阵的核中。这是一个经典的 NP-Hard 组合问题,只需要一些简单的操作,例如基本线性代数和对向量元素进行排列。很长一段时间以来,没有发现针对 PKP 的新攻击,这使得我们可以自信地估计该问题的具体难度。
日期:2024年12月13日,12:30-15:45地点:Uz Leuven Campus Gasthuisberg,Hestraat 49,3000 Leuven,礼堂Ensor(Groene Straat,Poort 2,2级,2级)注册:直到12月1日,直到12月1日,直到1月1日通过qr code或wwwwwww.uzleuven_20222 _20222
迄今为止,编制循环经济 (CE) 政策监测的方法往往侧重于回收利用,而忽视了更高的循环战略以及环境和社会影响。在来自不同领域的 17 位利益相关者参加的多个研讨会上,我们开发了一种整体方法来编制指标,供指导 CE 转型的政策制定者使用。我们的方法源于社会需求的视角,并通过既定的驱动力-压力-状态-影响-响应 (DPSIR) 框架描述制造资本、社会资本和自然资本。我们还提供了一个案例研究,其中整体方法应用于佛兰德斯 (比利时) 的 CE 监测。因此,我们的方法和框架可以作为工作组建立 CE 政策监测的指南。应用该方法可确保监测中除了物质流之外还包括环境和社会指标。该方法可用于不同的政策制定者级别,突出有价值的指标,并为已颁布的政策提供直接反馈。