XiaoMi-AI文件搜索系统
World File Search SystemMGN
海上可再生能源设施：搜救和应急响应的要求、指导和操作注意事项（MGN 654 附件 5）
本文件介绍了海事与海岸警卫署 (MCA) 的政策、指导、建议和具体要求（如有必要），以协助和实现搜索和救援以及其他紧急响应，例如反污染和打捞作业，针对海上可再生能源开发项目（ORED）及其内部和附近——风电场和利用波浪作用和/或水流发电的区域（位于表面、地下和海床）、浮动太阳能和潮汐泻湖等。ORED 是由多个海上可再生能源装置（OREI）组成的场地——风力发电机、气象桅杆、海上变电站（或同等设施）、潮汐和波浪发电设备等。本质上，OREI 是组成 ORED 的单独“结构”。
CIGN 06 2023 REV 01 MGN 681合并.pdf
1.1。最近，游艇上的火灾数量增加了，行业团体估计2021年8月至2022年8月之间因火灾造成的16次损失；尽管其中一些火灾的来源是解释的，并且与本指南中提出的措施无关（例如，纵火，另一场火灾的附带损害等）大约一半尚未确定其原因；在许多潜在原因中，无法解释的火灾的一个潜在解释可能是锂离子（锂离子）电池火灾。使用小型电动工艺品和其他车辆（例如电气招标，摩托艇，电箔（电子装饰）和其他由锂离子电池供电的私人船只）的使用增加了。但是，尚未彻底考虑预防火灾，检测和抑制措施是否适用于上一代汽油燃料工艺的大型游艇，适合于较新的电力工艺。
MGN 374 (M+F) - ClassNK
1.3 MSC.1/Circ.1432 规定，应每年进行一次外部检查。该检查应由合格人员进行。MCA 对“合格人员”的解释是，如果船员经过适当培训并拥有足够的技术知识或经验来避免危险，则可视为合格人员。签发本规则所涵盖的工作许可证的授权官员有责任确保人员有能力开展相关工作。此人必须是持有商船 STCW II/2 或 III/2 无限制能力证书和高级消防证书的经验丰富的人员。如需更多指导，他们还应参考 BS EN 1968:2002 中包含的拒绝限制。
pivekimab sunirine（PVEK，IMGN632），一种CD123靶向抗体 - 药物结合物，与新近D
1美国德克萨斯州休斯敦的德克萨斯大学安德森癌症中心； 2医院Universitari iPolitècnicLaFe，西班牙瓦恩西亚； 3西北大学，美国伊利诺伊州芝加哥； 4罗斯威尔公园综合癌症中心，美国纽约，美国； 5 Irccs iStituto romagnolo per lo Studio dei tumori“ Dino Amadori” Irst S.R.L.，意大利梅尔多拉； 6 Weill Cornell Medicine和美国纽约的纽约长老会医院； 7美国明尼苏达州罗切斯特的梅奥诊所； 8英国牛津大学牛津大学； 9东皮埃蒙特大学，意大利诺瓦拉； 10莱比锡大学医院，德国莱比锡；密歇根大学11号，美国密歇根州安阿伯； 12号弗雷德·哈钦森癌症研究中心，美国华盛顿州西雅图； 13美国俄亥俄州克利夫兰克利夫兰诊所Taussig癌症研究所； 14 AIX-MARSELILL UNIV，INSERM，CNRS，PAOLI-CALMETTES，CRCM，MARSEILLE，法国； 15法国Tourrettes-Sur-Loup的Antoine Lacassagne医院； 16 H. Lee Moffitt癌症中心，美国佛罗里达州坦帕； 17美国马萨诸塞州沃尔瑟姆Immunogen，Inc。
使用放射基因组学对胶质母细胞瘤患者进行 MGNT 分类的不确定性评估
多形性胶质母细胞瘤 (GBM) 是所有高级别脑癌中最恶性的脑肿瘤之一。替莫唑胺 (TMZ) 是胶质母细胞瘤患者的一线化疗方案。O6-甲基鸟嘌呤-DNA-甲基转移酶 (MGMT) 基因的甲基化状态是肿瘤对 TMZ 化疗敏感性的预后生物标志物。然而，评估 MGMT 甲基化状态的标准化程序是侵入性手术活检，其准确性易受切除样本和肿瘤异质性的影响。最近，将放射图像表型与基因或分子突变相关联的放射基因组学在放射治疗的非侵入性评估中显示出良好的前景。本研究利用从多模态磁共振成像 (mMRI) 中提取的成像特征，提出了一种用于 MGMT 分类的机器学习框架，并进行不确定性分析。成像特征包括常规纹理、体积和复杂分形以及多分辨率分形纹理特征。使用公开的 BraTS-TCIA-GBM 术前扫描和 114 名患者的 TCGA 数据集对所提出的方法进行了评估。10 倍交叉验证实验表明，分形和多分辨率分形纹理特征可以更好地预测 MGMT 状态。使用随机梯度朗之万增强模型集合和多分辨率分形特征的不确定性分析可提供 71.74% 的准确率和 0.76 的曲线下面积。最后，分析表明，与文献中不同的知名方法相比，我们提出的具有不确定性分析的方法具有更好的预测性能。
MGNN：用于联合朋友和...的互惠图神经网络
过去几十年来，以Epinions、Facebook为代表的社交网络服务平台蓬勃发展，帮助拥有相似偏好、活动或现实互动的人们建立社会关系。社交网络服务平台通常支持两类用户行为：消费行为（如购买某件商品、评价某件商品或在某些地点签到）和社交行为（如通过链接到另一个用户来交朋友）。社会研究表明，这两类行为是相互关联的，而不是孤立的。这些观察结果与社会影响理论完全吻合：用户对商品或地点的偏好很容易受到其社交链接的影响，而兴趣相投的用户则更有可能建立关系。事实上，用户的消费行为和社交行为可以相互促进，进一步推动社交网络服务的不断发展。我们用一个例子（图1）来说明这种相互促进的关系：Bob看到他的朋友David买了一双阿迪达斯的运动鞋后，可能会也去买； Alice 可能会和 Bob 成为朋友，因为她知道 Bob 也喜欢摄影。现有的大多数研究都只关注这两类行为中的一种。它们要么完全忽略另一种行为类型，要么利用一种行为的信息来提高另一种行为类型的任务绩效。例如，一些研究 [1]、[2] 结合用户的社会关系来预测用户的消费偏好；其他研究 [3]、[4]、[5]，