XiaoMi-AI文件搜索系统
World File Search SystemMahmood
研讨会系列，Flier-faisal Mahmood
摘要：数字病理学和人工智能的进步已经提出了建立客观诊断，预后和治疗性反应和抵抗预测模型的潜力。在本次演讲中，我们将讨论我们的工作：（1）与癌症诊断和亚型中的示例进行弱监督的整个幻灯片分类的数据有效方法（Nature BME，2021），确定了未知主要癌症的起源（自然，2021年）（2021年）和Allognaft Repptional repotition（Nature Medical，202222）（2022）（2） （癌细胞，2022; IEEE TMI，2020; ICCV，2021; CVPR，2024; ICML，2024）。（3）建立病理学单形和多模式基础模型，与语言和基因组学对比（自然医学，2024a，自然医学2024b，CVPR 2024）。（4）为病理学开发通用的多模式生成型副驾驶和聊天机器人（自然，2024年）。（5）3D计算病理学（Cell，2024）（6）计算病理学算法中的偏见和公平性（Nature Medicine，2024; Nature BME 2023）（7）诊断病理学和生物医学研究的代理AI工作流程。
引用本文：Oliver C. Cohen、Iona J. Blakeney、Steven Law、Sriram Ravichandran、Janet Gilbertson、Dorota Rowczenio、Shameem Mahmood、Sajitha Sachchithanantham、Brendan Wisniowski、Helen J. Lachmann、Carol J. Whelan、Ana Martinez-Naharro、Marianna Fontana、Philip N. Hawkins、Julian D. Gillmore 和 Ashutosh D. Wechalekar (2022)：英国国家淀粉样变性中心对遗传性载脂蛋白 A-I 淀粉样变性的经验，淀粉样变性，DOI：10.1080/13506129.2022.2070741
摘要简介：遗传性载脂蛋白 A-I (AApoAI) 淀粉样变性是一种罕见的异质性疾病，发病年龄和器官受累各不相同。很少有系列文章详细介绍了一系列致病性 APOA1 基因突变的实体器官移植的自然史和结果。方法：我们确定了 1986 年至 2019 年期间在国家淀粉样变性中心 (NAC) 就诊的所有 AApoAI 淀粉样变性患者。结果：总共确定了 57 名患有 14 种不同 APOA1 突变的患者，包括 18 名接受肾移植的患者（5 例肝肾联合 (LKT) 移植和 2 例心肾联合 (HKT) 移植）。发病年龄中位数为 43 岁，从发病到转诊的中位数时间为 3（0 – 31 年）。81%、67% 和 28% 的患者检测到淀粉样蛋白累及肾脏、肝脏和心脏。肾淀粉样变性普遍与最常见的变异 (Gly26Arg, n ¼ 28) 有关。在所有变异中，肾淀粉样变性患者在诊断为 AApoAI 淀粉样变性时肌酐中位数为 159 m mol/L，尿蛋白中位数为 0.3 g/24 h，从诊断到终末期肾病的中位时间为 15.0 (95% CI: 10.0 – 20.0) 年。肾移植后，同种异体移植的中位生存期为 22.0 (13.0 – 31.0) 年。移植后有一例患者早期死亡（肾移植后 2 个月感染相关），未发生导致移植失败的早期排斥反应。在所有四例接受连续 123 I-SAP 闪烁显像的病例中，肝移植均导致淀粉样蛋白消退。结论：AApoAI 淀粉样变性是一种进展缓慢、难以诊断的疾病。移植结果令人鼓舞，移植物存活率极高。
Niyaz Mohammad Mahmoodi
1。Niyaz Mohammad Mahmoodi，Mohammad Hosein Saffar和Dastgerdi，干净的漆酶固定的纳米生物催化剂（氧化石墨烯 - 沸石纳米复合材料）：从生产到有机污染物的详细生物催化去分裂，有机污染物的详细生物催化去分裂，应用猫科学猫科学，applied catalisy Sysisy be：Envirnmenteral b：2020。2。Niyaz Mohammad Mahmoodi，Mina Oveisi，Ali Taghizadeh，Mohsen Taghizadeh，新颖的磁性胺官能化碳纳米管/金属有机框架纳米复合材料：来自绿色超声辅助合成的绿色超声合成，从而详细的污染材料，范围15.危险模型，2019年9月4日，杂志， 3。 Niyaz Mohammad Mahmoodi，Ali Taghizadeh，Mohsen Taghizadeh，Jafar Abdi，Ag/agCl在磁性金属有机框架纳米复合材料的表面上进行现场沉积，并应用其用于可见的光催化材料的可见光光催化材料的应用， 4。 Niyaz Mohammad Mahmoodi，Mohammad Hosein Saffar和Dastgerdi，Bagher Hayati，环境友好的小说共价固定酶BionAnocompomposite：从合成到污染物的销毁到污染物的销毁，Composose b：工程B：工程学，2020 03 03 01.3。Niyaz Mohammad Mahmoodi，Ali Taghizadeh，Mohsen Taghizadeh，Jafar Abdi，Ag/agCl在磁性金属有机框架纳米复合材料的表面上进行现场沉积，并应用其用于可见的光催化材料的可见光光催化材料的应用，4。Niyaz Mohammad Mahmoodi，Mohammad Hosein Saffar和Dastgerdi，Bagher Hayati，环境友好的小说共价固定酶BionAnocompomposite：从合成到污染物的销毁到污染物的销毁，Composose b：工程B：工程学，2020 03 03 01.5。Niyaz Mohammad Mahmoodi，Mina Oveisi，Elham Asadi，Nenu金属有机框架氧化物氧化物纳米复合材料的合成及其使用超声从水中从水中清除污染物的能力，清洁杂志，2019 0220。6。Mina Oveisi，Niyaz Mohammad Mahmoodi，Mokhtar Alinia asli，金属有机框架/无机纳米纤维的易于旋转，使用可回收可见的可见光光催化，使绿色的合成和绿色合成，2019 06 10.7。8。9。Niyaz Mohammad Mahmoodi，Mina Oveisi，Ali Taghizadeh，Mohsen Taghizadeh，珍珠项链样Zif-8@Chitosan/pva纳米纤维的合成，具有与回忆性水流染色的碳水化合物染料，碳水化合物，碳水化合物，碳水化合物，carbohydrate Polimersers，20200200200200200200200200200200200200200200200000期。niyaz Mohammad Mahmoodi，Jafar Abdi，金属有机框架，作为酶的平台，以准备新型的环保纳米生物催化剂，以降解水中的污染物，工业和工程化学杂志，2019年12 25 25 2 25。niyaz Mohammad Mahmoodi，Samaneh Keshavarzi，Mina Oveisi，Sajad Rahimi，Bagher Hayati，金属有机框架（ZIF-8）/无机纳米纤维（FE2O3）纳米复合材料：绿色同步和光电液液体液体液体液体液体，2010年9月9日。10。Mina Oveisi，Niyaz Mohammad Mahmoodi，Mokhtar Alinia Asli，卤素灯激活纳米复合材料为纳米多孔光催化剂：合成，表征和污染物降解
smita r和kochar是。儿童中的拉达：是时候重新思考了。 Clin J Dia Care Control 2024，6（1）：180045。
牙周炎是影响全球人口的主要口腔健康状况。虽然微生物定植仍然是一种明确的病因，但旨在消除/减少微生物负荷的方式构成了主流治疗的一部分。这包括细致的缩放和根策划，有时包括手术程序。尽管如此，许多研究人员提倡对抗菌治疗的需求，这导致寻求寻找合适的药物输送系统。碎屑，纤维，凝胶等形式的局部药物。已用于牙周炎。但是，由于可及性有限和释放差，这些系统无法充分运送该药物。电纺纳米纤维可以携带可用于控制局部感染来源的药物，例如牙周炎。这些纤维表现出较大的表面积，使它们可以携带大剂量的药物。由于其高抗拉强度，它们还可以承受高咀嚼力，从而消除了对周期性替代的需求，从而确保了更好的患者依从性。已经进行了各种研究，这些研究表征了这些纤维的形态和生物学特征。本综述旨在强调电纺丝产生的药物负载纳米纤维的潜力，这是牙周炎中局部药物递送的一种手段。
引用：Mahmood Dashti等。使用人工智能和机器学习预测下颌骨的生长：系统评价。进步I
在现代医学领域，人工智能（AI）和机器学习（ML）是革命性的诊断和预测能力[1]。这些高级技术已经超越了传统方法，在分析复杂数据集时提供了前所未有的准确性和效率[2]。AI和ML算法可以处理大量的医学数据，识别模式并制定以前无法实现的预测。其应用范围从预测疾病暴发到个性化治疗计划，展示了它们改变医疗保健的潜力[1]。这项系统的审查会深入研究这样的创新应用：使用AI和ML对下颌骨生长的预测。
1中的3个课程vitae Mahmood Rekabgardan，博士学位。 ...
•SPSS软件的理论和实用研讨会以及统计分析简介。Shahid Beheshti医学科学大学，2019年2月，伊朗德黑兰。•Shahid Beheshti医学科学大学的创伤组织工程和再生医学的第一次研讨会，2018年4月，伊朗德黑兰。•2017年8月至9月，伊朗德黑兰，罗扬研究所的第13届胚胎干细胞生物学和技术国际大会。•2016年8月至9月，伊朗德黑兰，罗扬研究所的胚胎干细胞生物学和技术国际大会。•Shahid Beheshti医学科学大学新技术学院的对接与药物设计研讨会，2016年9月，伊朗德黑兰。•Royan Cryobiology专题讨论会（第17届Royan International Twin Cancress），2016年8月，伊朗德黑兰。•2016年5月，伊朗德黑兰的第一个全国节日和国际干细胞和再生医学大会。•德黑兰医学科学大学组织工程研讨会中的脚手架准备方法，2015年11月，伊朗德黑兰，医学高级技术学院。•2011年9月，伊朗德黑兰，罗扬研究所的第11届胚胎干细胞生物学和技术国际大会。•2015年8月，伊朗德黑兰，罗扬研究所的多克隆抗体生产研讨会。•人类胚胎干细胞车间的文化和维护，罗伊恩研究所，胡安2015，伊朗德黑兰。•癌症干细胞隔离和识别研讨会，罗扬研究所，2015年8月，伊朗德黑兰。•小鼠研讨会的体外受精，罗扬研究所，2012年12月，伊朗德黑兰。
阿兹丽娜国王，马哈茂德国王的女儿
Amodu, OA 和 Raja Mahmood, RA。2018。基于能量和基于位置的 LEACH 二级簇聚合对 WSN 寿命的影响。无线网络 24(5)，第 1379-1402 页。4. Masnida Hussin、Raja Azlina Raja Mahmood 和 Mas Rina Mustaffa。2019。使用信息物理系统方法的绿色数据中心传感器通信模型，国际交互式移动技术杂志 (iJIM) 13(10):188。5. Ahmed Shakir Al-Hiti、Rohaya Latip、RKZ Sahbudin 和 Raja Azlina Raja Mahmood。2018。WiMAX 路由协议比较分析，计算与理论纳米科学杂志 24(2):1303-1306。 6. Masnida Hussin、Abdullah Muhammed 和 Raja Azlina Raja Mahmood。2017。使用信息物理方法的高性能计算系统的自适应能量分配，计算与理论纳米科学杂志 23(6):5045-5049。7. Ehsan Moshiri、Azizol Bin Abdullah、Raja Azlina Binti Raja Mahmood、Zaiton Muda。2017。使用信息理论进行动态分析的恶意软件分类框架。印度科学技术杂志，第 10 卷，第 21 页。8. Dana Hasan、Masnida Hussin、Azizol Abdullah 和 Raja Azlina Raja Mahmood。2016。用于管理网络通信系统中 DNS 反射攻击的分布式防御方案，电信、电子和计算机工程杂志 (JTEC)，第 10 卷。 8，第6期，第71-75页。9. Masnida Hussin、Raja Azlina Raja Mahmood、Nor Azura Husin 和 Noris Mohd Norowi。2016 年。面向绿色云计算的任务调度性能优化模型。国际新计算机架构及其应用杂志，第 6 卷，第 1 期，第 1-9 页。
文章：Mahmood, H. orcid.org/0000-0001-7159-0368、Shaban, M.、Rajpoot, N. 等人（另外 1 位作者）（2021 年）基于人工智能的头颈癌诊断方法：概述。英国癌症杂志，124 (12)。第 1934-1940 页。ISSN 0007-0920
背景：本文回顾了最近采用人工智能/机器学习 (AI/ML) 方法通过自动图像分析对头颈癌 (HNC) 进行诊断评估的文献。方法：通过 OVID、EMBASE 和 Google Scholar 使用 MEDLINE 进行电子数据库搜索，以检索使用 AI/ML 对 HNC 进行诊断评估的文章 (2009 – 2020)。对使用的 AI/ML 方法或成像方式没有任何限制。结果：共确定了 32 篇文章。HNC 部位包括口腔 (n = 16)、鼻咽 (n = 3)、口咽 (n = 3)、喉 (n = 2)、唾液腺 (n = 2)、鼻窦 (n = 1)，五项研究研究了多个部位。成像方式包括组织学 (n = 9)、放射学 (n = 8)、高光谱 (n = 6)、内窥镜/临床 (n = 5)、红外热 (n = 1) 和光学 (n = 1)。两项研究使用了临床病理学/基因组数据。22 项研究 (69%) 采用了传统 ML 方法，8 项研究 (25%) 采用了深度学习 (DL)，2 项研究 (6%) 采用了这些方法的组合。结论：越来越多的研究探索 AI/ML 在使用一系列成像方式辅助 HNC 检测方面的作用。这些方法可以达到很高的准确度，可以超越人类在数据预测方面的判断能力。需要进行大规模多中心前瞻性研究，以帮助部署到临床实践中。