XiaoMi-AI文件搜索系统
World File Search SystemMethodologies
用于规则和不规则时间序列分类的新型高效储层计算方法
时间序列是指在一段时间内按时间顺序收集的一系列数据点，每个点通常记录在特定的时间戳。时间序列有两个主要组成部分：时间戳和观测值。时间戳表示获取特定记录的时间，而观测值则显示与每个时间戳相关联的值，该值表明该值相对于其他时间点的相对重要性。此外，时间序列数据可能还带有一些其他模式，使时间序列分析更具挑战性。例如，来自同一数据集的样本可能具有不同的长度（可变长度）和/或相邻时间点可能具有不同的时间间隔（异质间隔）。时间序列分析涉及研究和解释样本随时间变化的趋势和依赖性等模式，并已广泛应用于现实世界现象 [1-3]。其中，时间序列分类 (TSC) 专注于将序列数据分类并标记为不同的类别，在医学、电信和金融等领域发挥着不可或缺的作用。TSC 算法的有效性取决于它们平衡短期和长期记忆以及捕捉时间依赖性的能力，同时将所需模式与噪声模式区分开来。在过去的几十年中，已经开发了大量算法来解决这一特定领域。到目前为止，长短期记忆 (LSTM) 网络可以看作是一个里程碑式的突破，它为序列数据中复杂的长期依赖关系建模所带来的挑战提供了强大的解决方案 [4-7]。LSTM 网络是一种循环神经网络 (RNN)，它利用记忆单元和门作为控制信息在网络中流动的手段。网络的设计主要是为了缓解梯度消失的瓶颈。然而，网络的训练是通过最先进的时间反向传播 (BPTT) 技术实现的。虽然 BPTT 是一种强大而有效的方法，但它的计算成本可能很高，尤其是对于大型和深度神经网络而言。除了反向传播辅助神经网络外，基于距离的方法也在广泛的 TSC 任务中取得了巨大的成功 [8-10]，其中，1-最近邻动态时间规整 (1NN-DTW) 已被证明
大师班 1. DNA 分离：样品制备方法和分离程序的基础知识
材料和步骤 微量离心管 20g/l CTAB 研钵和研杵 1.4M NaCl 离心机 0.1M Tris-HCl pH 计 20mM Na2EDTA 称重天平 dH2O 移液器吸头 硼酸 刮铲 Tris 碱 称量皿/纸 EDTA 移液器 DNA 大小标准（Ladder DNA） 烧杯-烧瓶 样品（生菜叶） 6x 凝胶上样缓冲液 琼脂糖 溴化乙锭（0.5 ug /ml） 1X TBE 缓冲液 A. 制备 0.5 M EDTA 原液（500 ml） 称量 93.05 g EDTA 并将其溶解在 200 ml dH 2 O 中，同时用磁力搅拌。用 NaOH 将 pH 值调节至 8.4。用 dH 2 O 将体积调节至 500 ml。
医疗保健领域人工智能的系统文献综述：优势、挑战、方法和功能
由于使用人工智能 (AI) 系统，医疗保健组织的行政和医疗流程正在迅速改变。这一变化表明 AI 在多项活动中具有关键影响，特别是在与早期检测和诊断相关的医疗过程中。先前的研究表明，AI 可以提高医疗保健行业的服务质量。据报道，基于 AI 的技术可以提高人类的生活质量，使生活更轻松、更安全、更高效。本研究对 AI 在医疗保健领域的应用的学术文章进行了系统回顾。该审查最初考虑了来自主要学术数据库的 1,988 篇学术文章。经过仔细审查，该列表被筛选为 180 篇文章进行全面分析，以基于四个维度提出分类框架：AI 支持的医疗保健优势、挑战、方法和功能。研究发现，在医疗和相关行政流程的准确性、效率和及时执行方面，人工智能的表现继续显著优于人类。对患者的益处直接映射到诊断、治疗、咨询和健康监测类别中用于自我管理慢性病的相关人工智能功能。在医疗决策的增值医疗服务、患者数据的安全和隐私、健康监测功能以及使用人工智能的创新 IT 服务交付模式等领域，确定了未来研究方向的启示。© 2023 作者。由 Elsevier España, S.L.U. 出版。代表《创新与知识杂志》。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ )
医疗保健领域人工智能的系统文献综述：优势、挑战、方法和功能
由于使用人工智能 (AI) 系统，医疗机构的行政和医疗流程正在迅速改变。这一变化表明人工智能在多种活动中具有关键影响，特别是在与早期检测和诊断相关的医疗过程中。先前的研究表明，人工智能可以提高医疗行业的服务质量。据报道，基于人工智能的技术可以提高人类的生活质量，使生活变得更轻松、更安全、更高效。本研究对人工智能在医疗保健领域的应用学术文章进行了系统回顾。该回顾最初考虑了来自主要学术数据库的 1,988 篇学术文章。经过仔细审查，该名单被筛选出 180 篇文章进行全面分析，以基于四个维度提出分类框架：人工智能支持的医疗保健效益、挑战、方法和功能。研究发现，在医疗和相关行政流程的准确性、效率和及时执行方面，人工智能继续显著超越人类。患者受益直接映射到诊断、治疗、咨询和健康监测类别中的相关 AI 功能，用于慢性病的自我管理。未来研究方向的启示在于医疗决策的增值医疗服务、患者数据的安全和隐私、健康监测功能以及使用 AI 的创新 IT 服务交付模式。© 2023 作者。由 Elsevier España, SLU 代表《创新与知识杂志》出版。这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）
利用基于结构的方法通过片段支架生长来靶向主要蛋白酶 (Mpro、nsp5)
摘要：SARS-CoV-2 (SCoV2) 的主要蛋白酶 M pro ，nsp5，是其最具吸引力的药物靶点之一。在这里，我们报告了使用核磁共振波谱 (NMR) 对四个不同文库进行的初步筛选数据，以及对从这些文库中获得的有希望的含尿嘧啶片段 Z604 的详细后续合成。Z604 显示出时间依赖性的结合。其抑制作用对还原条件敏感。从 Z604 开始，我们合成并表征了 13 种通过片段增长策略设计的化合物。每种化合物都通过 NMR 和/或活性测定进行表征，以研究它们与 M pro 的相互作用。这些研究产生了四臂化合物 35b，它可直接与 M pro 结合。35b 可以与 M pro 共结晶，揭示其非共价结合模式，从而填充所有四个活性位点亚口袋。在此，我们描述了 NMR 衍生的片段到命中管道及其在开发 SCoV2 主要蛋白酶抑制剂的有希望的起点中的应用。■ 简介
评论文章 计算机辅助药物设计 (CADD) 的大数据和人工智能 (AI) 方法
计算机辅助药物设计 (CADD) 的计算和统计方法以及大数据和人工智能 (AI) 技术的应用取得了许多进展。考虑到疾病的生物复杂性，药物设计是一个昂贵且费力的过程。为了有效和高效地设计和开发新药，可以使用 CADD 将尖端技术应用于药物设计领域的各种限制。介绍了数据预处理方法，该方法可以清理原始数据，以实现大数据和 AI 方法的一致和可重复的应用。我们介绍了大数据和人工智能方法在药物设计领域的适用性现状，例如靶蛋白结合位点的识别、基于结构的虚拟筛选（SBVS）以及吸收、分布、代谢、排泄和毒性（ADMET）特性预测。大数据和人工智能方法的数据预处理和应用使得准确、全面地分析海量生物医学数据以及开发药物设计领域的预测模型成为可能。了解和分析与药物设计相关的生物医学实体的生物、化学或药物结构将为生物医学大数据时代提供有益的信息。
中欧和东欧国家在卫生技术评估中使用人工智能方法的障碍
本文旨在确定与中欧和东欧 (CEE) 卫生技术评估 (HTA) 系统中使用基于人工智能 (AI) 的证据特别相关的障碍。该研究依靠两个主要平行来源来确定在 CEE 的 HTA 中使用 AI 方法的障碍，包括范围界定文献综述和与 HTx 团队成员的迭代焦点小组会议。大多数其他选定文章从临床角度 (n = 25) 讨论了 AI，其余文章则从监管角度 (n = 13) 和知识转移角度 (n = 3) 讨论了 AI。研究的临床领域非常多样化——包括儿科、糖尿病、诊断放射学、妇科、肿瘤学、外科、精神病学、心脏病学、传染病和肿瘤学。在所有 38 篇文章中，有 25 篇（66%）描述了 AI 方法，其余文章则更侧重于不同医疗服务和计划的利用障碍。潜在障碍可分为数据相关、方法论、技术、监管和政策相关以及人为因素相关。一些障碍非常相似，尤其是在技术方面。专注于 AI 用于 HTA 决策的研究很少。AI 和增强决策工具是一门新科学，我们正在使其适应现有需求。HTA 作为一个过程需要多个步骤、多个评估，这些都依赖于异构数据。因此，观察到的一系列障碍并不令人意外，该领域的专家需要对最重要的障碍发表意见，以便制定克服这些障碍的建议并传播这些工具的实际应用。
对从通用到医疗应用的大型语言模型的调查：数据集，方法和评估
大型语言模型（LLMS）在各种自然语言处理任务中表现出令人惊讶的表现。最近，具有特定领域知识的医学LLM在医疗咨询和诊断方面表现出了出色的功能。这些模型可以平稳模拟医生的对话并提供专业的医疗建议。大多数医疗LLM是通过继续培训开源总LLM的，与从头开始培训LLM相比，计算资源所需的计算资源要少得多。此外，此方法比基于API的解决方案提供了更好的患者隐私保护。鉴于上述优势，该调查系统地总结了如何从开源的一般LLMS来培训医疗LLMS，从更细粒度的角度来看。它涵盖了（a）如何获得培训语料库和构建定制的医学培训集，（b）如何选择适当的培训范式，（c）如何选择合适的评估基准，以及（d）现有的挑战和有前途的研究方向。这项调查可以为开发LLM的开发提供指导，这些LLM专注于各种医学应用，例如医学教育，诊断计划和临床助理。相关资源和补充信息可以在GitHub存储库1上找到。
回顾可穿戴技术和机器学习方法，用于系统检测轻度创伤性脑损伤
1 美国德克萨斯州休斯顿市莱斯大学电气与计算机工程系和神经工程计划 (NEI) 2 美国德克萨斯州休斯顿市休斯顿卫理公会医院神经外科系 3 美国德克萨斯州休斯顿市休斯顿卫理公会医院神经内科系 4 美国德克萨斯州休斯顿市莱斯大学生物科学与生物工程研究所 (IBB) 5 美国弗吉尼亚州阿灵顿市海军研究办公室 6 美国弗吉尼亚州阿灵顿市海军研究办公室 77003 6 美国陆军医学研究与发展司令部军事作战医学研究计划 7 美国马里兰州德特里克堡市 77005 7 美国德克萨斯州休斯顿市莱斯大学运动医学系
需求评估方法在中非国家大学计算机科学课程开发中的应用比较研究
推荐引用 推荐引用 Munger, Perry，“需求评估方法在中非国家大学计算机科学课程开发中的应用比较研究”（1995 年）。论文。589。 https://digitalcommons.andrews.edu/dissertations/589 https://dx.doi.org/10.32597/dissertations/589/