XiaoMi-AI文件搜索系统
World File Search SystemMansouri
初步时间表，2025年2月5日，星期三，乳房...
小组成员：Amer al -Mansori，医学博士-Gustavo Abrile，医学博士 - Rakhimov Akhmedov，MD -Mohammad Ahmadimoghadam，MD -Reza Rafie，MD -Maryam Jafari Mansouri，Maryam Jafari Mansouri，M.Md -Omid Yazarlou，M.Amid Yazarlou，Md -Alex -Alexander Alaniai alexander Alaniau alexander alaniau alexander alaniau）
对直肠气体在模拟时的前列腺辐射治疗的回顾性定量研究及其如何影响计划：南佛罗里达州的情况。
Scholarworks引文学者引文Mansouri，Soufiane，“回顾性的定量研究对直肠气体仿真患者的前列腺辐射治疗及其影响计划的影响：南佛罗里达州的环境。”（2024）。最终经验项目。480。https://scholarworks.gvsu.edu/gradprojects/480
电遗传学：精准医疗的新途径
1. Hongo, M. 和 Iwahara, M. 电激发方法在 l-谷氨酸发酵中的应用。农业生物化学 43，2075–2081（1979 年）。2. Weber, W. 等人。合成哺乳动物电遗传转录电路。核酸研究 37，e33（2009 年）。3. Mansouri, M. 和 Fussenegger, M. 电遗传学：结合合成生物学和电子学远程控制哺乳动物设计细胞的行为。化学生物学观点 68，102151（2022 年）。4. Fussenegger, BG, Martin。用于体内表达治疗性蛋白质的设计细胞。 BioProcess International https://www.bioprocessintl.com/expression-platforms/designer-cells-for-in-vivo-expression-of-therapeutic-proteins-emerging-applications-based-on-gene-circuits (2023)。5. Krawczyk, K. 等人。电遗传细胞胰岛素释放用于 1 型糖尿病的实时血糖控制
阿立哌唑作为通过基因组分析确定的Covid-19的候选治疗
Wallton B. Wilton 1.2.5, , S. Natures of Nature 1.4,* , Gold Ofek , Edwards J. Edwards , Xiao Huge 1 , Helene Kirsner 1 , Kevie Sauders Sauders 1.2.5.6, Keviv Wiehe 1.4 , Christianity 7 , M. Juliana 7 , M. 8, *and Barton F. Haynes 1.4.5.5.11, *
使用CSF-BAM脑脊液的基因组和免疫细胞表征对人脑癌的检测
使用CSF-BAM Alexander H. Pearlman 1,2,3,4，*，Yuxuan Wang 1,2,3,4，*，*，Anita Kalluri 5，Anita Kalluri 5，Megan Parker 5，Joshua D Cohen 1,2,3,3,3,4，JONATH 3,4，JONATH 3,4，JONTHEL，JON 3，乔迪娜·林肯·托罗埃拉1,2,3,4,5，Yuanxuan Xia 1,2,3,4,5，Ryan Gensler 5，Melanie Alfonzo Horwitz 5，John Theodore 5，John Theodore 5，Lisa Dobbyn 1,2,3,4 1,2,3,4，Maria Popoli 1,2,3,3,3,4，Janine Ptan，Janniim ptan，NAT 1,2,2,4，NAT 1,2,4，NAT NAT NAT NAT NAT NATNAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT NAT 1,2,3,4 , Kathy Judge 1,2,3,4 , Mari Groves 5 , Christopher M. Jackson 5 , Eric M. Jackson 5 , George I. Jallo 7 , Michael Lim 8 , Mark Luciano 5 , Debraj Mukherjee 5 , Jarushka Naidoo 9 , Sima Rozati 10 , Cole H. Sterling 1,4 , Jon Weingart 5 , Carl Koschmann 11 , Alireza Mansouri 12 , Michael Glantz 12 , David Kamson 4,13 , Karisa C. Schreck 4,13 , Carlos A. Pardo 13 , Matthias Holdhoff 4 , Suman Paul 1,2,4 , Kenneth W. Kinzler 1,2,3,4 , Nickolas Papadopoulos 1,2,3,4 , Bert Vogelstein 1,2,3,4,14 , Christopher Douville 1,2,3,4，＃，Chetan Bettegowda 1,2,3,4,5，＃
开学时间2024-资产服务
Addy Adkisson , Derek Anderson , Peter Anderton , Madison Bailey , Sabina Banit , Joseph Bateman , Trenton Bateman , Sydney Biette , Michael Bifano , Kristen Black , Jacob Blackman , Mark Brezinka , Austin Brian , Philip Brock , Lindsey Buckholz , Noble Chun , Kayton Coffee , Grace Dalton , Nancy Fisher ,本杰明·弗里德曼（Benjamin Friedman），格蕾丝·吉利斯比（Grace Gillispie），扎克·格罗夫斯（Zach Groves），坦纳·哈尔辛（Tanner Harsin），佩奇·哈维（Paige Harvey），摩根·海斯（Morgan Heimes），帕特里克·霍特曼（Patrick Huettemann），扎卡里·詹姆斯（Zachary James），艾米丽·凯尔（Emily Kyle），凯利安·兰伯特（Kellianne Lambert），戴维·李（Kellianne Lambert），戴维·李（David Lee），琳达·卢伊（Linda Luu Kaitlin Moseberth，Andrew Murphy，Todd Myers，Laura Niederbrach，Shivam Patel，Katelyn Perez，Katelyn Perez，Tori Pierce，Maxwell Prosser，Weronika Przepiora，Samantha Rau，Samantha Rau，Collin Rounsavall，Collin Rounsavall，Jamie Schmauder，Jamie Schmauder，Jamie Schmauder，Madison Schnell，Amily Secate，Emily seart，Amanda seart，Randa seforb，Randa steart，Randa seforb，Randa stew，Randa stew ，安德鲁·斯威特（Andrew Sweeter），梅森·泰勒（Mason Taylor），特拉西·蒂博（Tracie Thibault），萨曼莎·汤普森（Samantha Thompson），辛迪·特兰（Cindy Tran），亚历山大·沃恩（Alexander Vaughn），尼西亚·维穆拉（Nithya Vemula），马库斯·怀斯（Marcus Wise），马洛里·赖特（Marcus Wise），马洛里·赖特（Mallory Wright），凯特琳·耶茨（Katelyn Yates）和科里·兹瓦（Cory Zwahlen）。
Shenglong Xu：课程vitae
[ 5 ] Xuan Zhang, Limei Wang, Jacob Helwig, Youzhi Luo, Cong Fu, Yaochen Xie, Meng Liu, Yuchao Lin, Zhao Xu, Keqiang Yan, Keir Adams, Maurice Weiler, Xiner Li, Tianfan Fu, Yucheng Wang, Haiyang Yu, YuQing Xie, Xiang Fu, Alex Strasser, Shenglong Xu , Yi Liu, Yuanqi Du, Alexandra Saxton, Hongyi Ling, Hannah Lawrence, Hannes Stärk, Shurui Gui, Carl Edwards, Nicholas Gao, Adriana Ladera, Tailin Wu, Elyssa F. Hofgard, Aria Mansouri Tehrani, Rui Wang, Ameya Daigavane, Montgomery Bohde, Jerry Kurtin, Qian Huang, Tuong Phung, Minkai Xu, Chaitanya K. Joshi, Simon V. Mathis, Kamyar Azizzadenesheli, Ada Fang, Alán Aspuru-Guzik, Erik Bekkers, Michael Bronstein, Marinka Zitnik, Anima Anandkumar, Stefano Ermon，PietroLiò，Rose Yu，StephanGünnemann，Jure Leskovec，Heng JI，Jimeng Sun，Regina Barzilay，Tommi Jaakkola，Connor W. Coley，Coley，Coley，Xiaoning Qian，Xiaofeng Qian，Xiaofeng Qian，Tess Smidt和Shuiiwang Ji。“量子，原子和连续体系中科学的人工智能”。Arxiv预印型ARXIV：2307。08423（2023）。
机器人探索火星洞穴寻找生命
[1] Fan，Thakker，Bartlett，Miled，Kim，Theodorou，Agha-Mohammadi，“自动杂种地面/未知环境中的空中移动性”，IROS 2019。[2] Lew，Emmei，Fan，Bartlett，Santamaria-Navarro，Thakker，Agha-Mohammadi，“接触惯性探测：碰撞是您的朋友，” ISRR2019。[3] Santamaria-Navarro，Thakker，Fan，Morrell，Agha-Mohammadi，“迈向无人机的弹性自动导航”，ISRR2019。[4] Terry，Lei，Morrell，Daftry，Agha-Mohammadi，“感知衰落的地下环境中的伪影检测和定位”，ICRA 2020（提交）。[5] Ebadi，Change，Palieri，Stephens，Hatteland，Heiden，Thakur，Morrell，Carlone，Carlone，Agha-Mohammadi。“灯：大规模的自主映射和定位，用于探索感知衰落的地下环境，” ICRA，2020年（提交）。[6] Jung，Lee，Shim，Agha-Mohammadi，“ DARPA地下挑战的自动空中勘探无人机”，ICRA 2020年（提交）。[7] Kanellakis，Karvelis，Mansouri，Agha-Mohammadi，Nikolakopoulos，“在地下隧道导航中使用多旋转器使用多旋翼的自主空中搜寻”，ICRA 2020（提交）。[8] Kramer，Stahoviak，Santamaria-Navarro，Agha-Mohammadi，Heckman，“视觉上降解环境的雷达惯性自我效率估计”，ICRA 2020（提交）。[9] Sasaki，Otsu，Thakker，Haesaert，Agha-Mohammadi，“在哪里映射？迭代的漫游者 - 弯曲器路径计划火星探索，” ICRA 2020（提交）。[10] Fan，Nguyen，Thakker，Alatur，Agha-Mohammadi，Theodorou。“基于贝叶斯学习的自适应控制对安全关键系统的自适应控制”，ICRA 2020（提交）。[11] Kanellakis，Karvelis，Mansouri，Agha-Mohammadi，Nikolakopoulos，“在地下环境中进行自主空中航行的视觉驱动的NMPC，IFAC（提交），[12]，[12] [12]长期耐药性活动的概念混合空中/地面车辆。[13] Otsu，Tepsuporn，Thakker，Vaquero，Edlund，Walsh，Walf，Wolf，Agha-Mohammadi，“与机器人团队对贫困环境的自动探索和映射”[14] Tagliabue, Schneider, Pavone, Agha-mohammadi, “ The Shapeshifter: a Multi-Agent, Multi-Modal Robotic Platform for the Exploration of Titan, " IEEE Aerospace Conf., 2020 [15] Agha-mohammadi, Hofgartner, Vyshnav, Mendez, Tikhomirov, Chavez, Lunine, Nesnas, “探索冰冷的世界：通过自动协作混合机器人访问泰坦的地下空隙，” IPPW，2018。[16] Heiden，牧师，Vyshnav，Agha-Mohammadi，“通过置信度丰富的3D网格映射：应用于物理机器人的异质传感器融合：Iser，2018年。[17] SABET，AGHA-MOHAMMADI，TAGLIABUE，ELLIOTT，NIKRAVESH，“滚筒式：能源吸引能量的混合杂种空中地形迁移率对极端地形”，IEEE Aerospace Conf。，2019年。[18] Agha-Mohammadi，Heiden，Hausman，Sukhatme，“信心丰富的3D网格映射” IJRR，2019年。[19] Kim，Thakker，Agha-Mohammadi，“不确定性下的风险感知计划的双向价值学习”，IEEE机器人和自动化信，2019年。[21] Parcheta，Nash，Parness，Mitchell，Pavlov，“狭窄的垂直洞穴：映射火山裂缝几何形状”，IPCC，2015年。pp。[20] Agha-Mohammadi，Agarwal，Kim，Chakravorty和Amato，“ Slap：通过在信仰空间中启用动态重建的物理移动机器人的同时本地化和计划，”机器人技术的IEEE Transactions，2018。[22]波士顿，“洞穴和喀斯特科学的百科全书”。Fitzroy-Dearborn Publishers，Ltd。，英国伦敦。355-358，2004。
3D打印时间轴的历史
机器学习正在通过加速发现清洁能源和其他应用的新材料来改变材料科学领域。一些研究人员强调了机器学习对革命材料发现的潜力，引用了诸如使用机器学习算法来预测材料特性并优化合成条件的例子。研究人员一直在探索在各个领域的机器学习和人工智能的使用，包括材料科学，化学和计算机视觉。*在材料科学中，研究人员使用机器学习来加速具有特定特性的新材料。*在化学中，已经应用了机器学习来预测分子的特性而无需其晶体结构。*在计算机视觉中，研究人员开发了使用神经网络将PDF文档转换为其他格式的技术。具体研究包括： *关于使用复发的神经网络进行鲁棒性PDF文档转换的研究 *关于从化学计量的深度表示学习以预测材料属性的研究的研究 *开发用于对Corpora进行深入数据探索的平台，使用机器学习的使用来加速这些领域，并在这些领域中发现了各种领域，并在这些领域中发现了各种领域，并在这些领域中表现出了各种挑战，并在机器上进行了挑战。 研究。贝叶斯优化是一种用于有效搜索和采样的方法，已应用于药物发现，有机材料设计和虚拟筛选。（2018）。（2020）。近年来材料和化学发现领域已取得了重大进步，研究人员采用各种机器学习技术来加速大型化学空间的探索和优化。研究人员还探索了数据驱动方法（例如K-均值聚类）的使用，以优化批处理贝叶斯优化。此外，为分子图生成而开发了语法变化自动编码器和连接树变异自动编码器之类的技术。其他值得注意的进步包括开发用于直接闭环材料发现的算法，序列生成模型的客观增强生成对抗网络以及Mol-Cyclegan，Mol-Cyclegan是分子优化的生成模型。此外，研究人员还采用了机器学习技术来加速虚拟筛查，以发现适合于COVID-19的治疗剂。作品建立在现有文献的基础上，包括拉斯穆森（Rasmussen）关于机器学习的高斯流程的论文，罗杰斯（Rogers）的扩展连通性指纹，而语言模型上的棕色是很少的学习者。该领域继续随着机器学习和计算机科学的新技术和方法的整合而继续发展，从而为材料和化学发现提供了更高效，更可扩展的方法。研究人员在开发设计化学和分子的生成模型方面取得了重大进展。一种方法涉及使用变压器生成分子，该分子可用于诸如材料设计之类的应用。（2019）。J. Chem。 物理。J. Chem。物理。另一种方法使用基于注意力的卷积编码器来预测抗癌化合物的灵敏度。除了生成模型外，研究人员还开发了预测化学反应和从基于文本的化学反应表示的实验程序的方法。这些方法涉及使用基于变压器的模型并探索超图表以预测返回途径。此外，研究人员还创建了机器人平台，以通过AI规划告知的有机化合物以及可以自动执行化学反应的移动机器人的流动合成。这些进步有可能加速发现新的化学物质和材料。在其他领域，研究人员在使用神经序列到序列模型以及为高级光聚合物材料设计照片酸性发生器时，在预测复杂有机化学反应的结果方面取得了进展。总体而言，这些进步证明了机器学习和AI在化学领域的力量，从而使新化学品和材料更快，更有效地发现了。最近的光构成方面的突破导致了材料科学的显着进步，特别是在阳离子聚合中。Crivello and Lam（1979）的研究引入了Triarylsulfonium盐作为新的光构体，随后发现了日记二元盐（Crivello＆Lam，1977）。这些创新为更有效，更精确的材料发展铺平了道路。然而，随着对光刻化学的监管审查，研究人员必须专注于科学驱动的创新。Tvermoes and Speed（2019）的研究强调了需要解决这些挑战的最先进解决方案的必要性。此外，对光酸发生器的环境影响的调查还揭示了与使用相关的潜在风险。理论模型，例如密度功能理论，已经有助于理解不同条件下材料的行为。Runge and Gross的作品（1984）为该领域奠定了基础，而Barca等人的最新研究。（2020）演示了先进的计算方法在材料科学上的应用。人工智能（AI）的整合正在改变研究人员对待物质发现的方式。AI驱动的工具来预测物理化学特性和环境命运终点。此外，Ristoski等人展示的是聚合物发现的专家AI。合成方法中的创新也具有先进的材料科学。钯催化的芳基磺硫化的芳基硫化。（2017），为材料开发开辟了新的途径。通过Huang等人的工作实现了芳基硫盐的氧化还原中性植物。材料科学与AI的交集正在驱动该领域的范式转移。随着研究人员继续利用机器学习和人工智能的力量，我们可以期望在材料开发和发现中取得进一步的突破。参考文献：Barca，G。M. J.等。物理。一般原子和分子电子结构系统的最新发展。152，154102（2020）。Carrete，J.，Li，W.，Mingo，N.，Wang，S。和Cortarolo，S。通过高通量材料建模，找到了前所未有的低热传导性半导体半导体。修订版x 4，011019（2014）。Crivello，J。V.和Lam，J。H. W.与三硫硫硫盐的光启动阳离子聚合。J. Polym。 SCI。 A：Polym。 化学。 17，977–999（1979）。 Crivello，J。V.和Lam，J。H. W.二二元盐。 新的用于阳离子聚合的光构体。 大分子10，1307–1315（1977）。 Huang，C。等。 通过光激活芳基硫盐的氧化还原性含量。 org。 Lett。 21，9688–9692（2019）。 Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。 ACS Catal。 8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。J. Polym。SCI。 A：Polym。 化学。 17，977–999（1979）。 Crivello，J。V.和Lam，J。H. W.二二元盐。 新的用于阳离子聚合的光构体。 大分子10，1307–1315（1977）。 Huang，C。等。 通过光激活芳基硫盐的氧化还原性含量。 org。 Lett。 21，9688–9692（2019）。 Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。 ACS Catal。 8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。SCI。A：Polym。化学。17，977–999（1979）。 Crivello，J。V.和Lam，J。H. W.二二元盐。 新的用于阳离子聚合的光构体。 大分子10，1307–1315（1977）。 Huang，C。等。 通过光激活芳基硫盐的氧化还原性含量。 org。 Lett。 21，9688–9692（2019）。 Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。 ACS Catal。 8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。17，977–999（1979）。Crivello，J。V.和Lam，J。H. W.二二元盐。新的用于阳离子聚合的光构体。大分子10，1307–1315（1977）。Huang，C。等。 通过光激活芳基硫盐的氧化还原性含量。 org。 Lett。 21，9688–9692（2019）。 Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。 ACS Catal。 8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。Huang，C。等。通过光激活芳基硫盐的氧化还原性含量。org。Lett。 21，9688–9692（2019）。 Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。 ACS Catal。 8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。Lett。21，9688–9692（2019）。Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。ACS Catal。8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。8，579–583（2017）。Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J.Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。Opera模型，用于预测理化特性和环境命运终点。J.化学形式学10，10（2018）。Ristoski，P。等。专家AI用于聚合物发现。in：proc。第29届ACM信息与知识管理国际会议（ACM，2020年）。Runge，E。和Gross，E。K.时间相关系统的密度官能理论。物理。修订版Lett。 52，997（1984）。Lett。52，997（1984）。52，997（1984）。Shipley，G。和Dumpleton，G。Openshift for Developers：不耐烦的初学者指南（O'Reilly Media，Inc.，2016年）。探索了材料科学中的软机器人假肢和人工智能应用。讨论了AI技术的集成，突出了其潜在的好处和用途。
体重管理过程和个体差异
摘要背景：肥胖流行是一个日益增长的公共健康问题，使体重管理成为整体健康和福祉的关键方面。的确，促进行为改变的有效工具对于在管理体重方面取得长期成功至关重要。这项研究旨在通过评估心理准备的特定方面，包括动机，自我调节，情感重新评估（EMR）（EMR）和环境重组（ENR）（ENR）（ENR）来验证S重量和P重量问卷的FARSI版本，以支持个性化的体重管理。方法：使用自我管理调查表进行了一项横断面研究。该研究包括455名17-65岁的成年人，不包括接受侵入性减肥干预措施的成年人。测量的变量包括EMR，体重后果评估（WCE），体重管理动作（WMA）和ENR，这些变量使用结构化的Likert尺度问卷进行了评估。进行了探索性和验证性因素分析，可通过Cronbach的alpha和类内相关系数（ICC）评估可靠性。统计显着性设置为p <0.05。结果：问卷显示出强烈的有效性和可靠性（KMO = 0.91； Bartlett的测试χ²= 3999.75； P <0.001）。超重和肥胖的参与者在变化过程中得分明显高于正常体重参与者（p <0.001）。结论：经过验证的工具提供了一种基于心理准备的体重管理策略的可靠手段，并可能改善了长期结局。伊朗大四。2025; 28（3）：162-170。 doi：10.34172/aim.33513关键字：变更策略，动机，个性化营养，过程，准备就绪，以：Gohari Dezfuli Z，Hasan Rashedi M，Araminejad M，Karimi K，Mansouri ES，Seif Barghi T等。体重管理过程和个体差异：Parsi中P重量和S权重的验证研究。