XiaoMi-AI文件搜索系统
World File Search SystemMorphol
形态控制的 J 聚集体中室温光致发光量子产率的增强
已知由形成 J 聚集体的有机染料组成的超分子组装体表现出窄带光致发光，半峰全宽约为 ≈ 9 nm (260 cm − 1 )。然而，这些高色纯度发射体的应用受到菁 J 聚集体相当低的光致发光量子产率的阻碍，即使在溶液中形成也是如此。本文证明了菁 J 聚集体在室温下在水和烷基胺的混合溶液中可以达到高一个数量级的光致发光量子产率（从 5% 增加到 60%）。通过时间分辨的光致发光研究，显示了由于非辐射过程的抑制导致激子寿命的增加。小角度中子散射研究表明了这种高发射性 J 聚集体的形成必要条件：存在用于 J 聚集体组装的尖锐水/胺界面以及纳米级水和胺域共存以分别限制 J 聚集体尺寸和溶解单体。
MSQSM：基于形态的自我监督的深度学习，用于定量敏感性映射
定量敏感性映射（QSM）已广泛应用于神经变性和铁沉积的临床诊断，而QSM重建中仍然存在偶极反转问题。最近，提出了深度学习方法来解决这个问题。但是，这些方法中的大多数是需要成对输入阶段和地面真相对的监督方法。在不使用地面实际情况的情况下训练所有分辨率的模型仍然是一个挑战，而仅使用一个分辨率数据。为了解决这个问题，我们提出了一种基于形态的自我监督QSM深度学习方法。它由形态学QSM构建器组成，可以使QSM对采样分辨率的依赖性以及有效减少伪像并有效节省训练时间的形态学损失。所提出的方法可以在人类数据和动物数据上重建任意分辨率QSM，而不管该分辨率是更高还是低于训练集，这表现优于先前最佳的无监督方法。此外，对于先前无监督学习方法中使用的周期梯度损失，形态损失还将训练时间减少了22％。实验结果和临床验证表明，该提出的方法测量具有任意分辨率的精确QSM。，它在无监督的深度学习方法和竞争性绩效中取得了最新的结果，相对于最佳的传统方法。
胎儿心率信号数据集用于训练形态分析方法并根据专家共识进行评估
摘要 - 胎儿心率（FHR）是预防分娩过程中胎儿缺氧的筛查信号。专家分析此信号时，他们必须定位基线并确定减速和加速度。这些步骤可能是自动化的，并通过数据处理分析更加客观，但是需要培训和评估数据集。在这里，我们描述了155个FHR记录的数据集，其中参考基线，加速度和减速已由专家共识注释。66 FHR记录和共享的专家分析已包含在培训数据集中，并且评估数据集中还包括了90个其他具有非共享专家分析的FHR记录。希望评估其自动分析方法的研究人员应提交其结果，以与专家共识进行比较。数据集还包含文献中11种重新编码的自动分析方法产生的结果。所有数据均可在http：//utsb.univ-catholille.fr/fhr-review中获得。
具有恶性形态和 COL6A2-USP6 融合的结节性筋膜炎：病例报告（一名 10 岁男孩）Tomassen, T.；Ven, C. van de；Anninga, J.；
摘要 结节性筋膜炎通常是一种良性病变，其遗传学特征为泛素特异性蛋白酶 6 (USP6) 重排。我们介绍了一个 10 岁男孩的病例，该男孩右胸壁有无痛肿块，已切除，病史为 1.5 周。观察到组织形态学恶性肿瘤，具有明显的多形性、非典型有丝分裂图和肌样免疫表型。甲基化谱与结节性筋膜炎一致，荧光原位杂交证实了 USP6 重排。随后使用 Archer Fusion Plex（肉瘤面板）和 RNA 测序，鉴定出胶原蛋白 VI 型 alpha 2 (COL6A2) - USP6 基因融合。此外，DNA 聚类分析也显示与结节性筋膜炎相匹配。在 22 个月的随访中，没有出现复发或转移。总之，我们描述了一种临床上良性、组织形态学上恶性的间充质肿瘤，具有肌样免疫表型，遗传和表观遗传特征与结节性筋膜炎一致。在这种情况下，分子分析是一种有用的辅助手段，可以避免不必要的过度治疗。
PEG的形态学研究添加了LDPE多孔... 智能街道照明：IOT驱动的创新... TCS，Wipro和Infosys的财务绩效分析 对比度浴对神经性疼痛水平的影响... 使用机器学习的高频交易 深度学习算法的概念框架... 健康与健康应用
1个学生，G.V.I.S.H.，Amravati（MS），印度2物理学系G.V.I.S.H. 通过使用纳米沉淀方法制备了添加低密度聚乙烯（LDPE）的聚乙烯乙二醇（PEG）的多孔微粒。 使用傅立叶变换红外光谱，X射线衍射，扫描电子显微镜表征了准备的粉末样品。四面红外转化（FTIR）光谱证实了LDPE中PEG的存在，PEG在LDPE中的效应在LDPE中观察到了X-射线的峰值（X-Ray衍射）。模式表明没有新的阶段形成。 扫描电子显微镜图像表明，聚乙烯乙二醇的浓度降低了聚集，并增加了聚乙烯微粒的球形程度。 关键字：LDPE/PEG微粒，FT-IR，X射线衍射，SEM。 简介微粒被定义为尺寸小于1000 µm且大于1 µm的结构，也可以从可生物降解和不可生物降解的材料中获得。 纳米沉淀，乳液扩散，双重乳液。 [1]聚乙烯（PE）是一种基于分子构象的可量身定制特性的广泛使用的塑料，其应用从膜包装和电气绝缘到容器和管道。1个学生，G.V.I.S.H.，Amravati（MS），印度2物理学系G.V.I.S.H.通过使用纳米沉淀方法制备了添加低密度聚乙烯（LDPE）的聚乙烯乙二醇（PEG）的多孔微粒。使用傅立叶变换红外光谱，X射线衍射，扫描电子显微镜表征了准备的粉末样品。四面红外转化（FTIR）光谱证实了LDPE中PEG的存在，PEG在LDPE中的效应在LDPE中观察到了X-射线的峰值（X-Ray衍射）。模式表明没有新的阶段形成。扫描电子显微镜图像表明，聚乙烯乙二醇的浓度降低了聚集，并增加了聚乙烯微粒的球形程度。关键字：LDPE/PEG微粒，FT-IR，X射线衍射，SEM。简介微粒被定义为尺寸小于1000 µm且大于1 µm的结构，也可以从可生物降解和不可生物降解的材料中获得。纳米沉淀，乳液扩散，双重乳液。[1]聚乙烯（PE）是一种基于分子构象的可量身定制特性的广泛使用的塑料，其应用从膜包装和电气绝缘到容器和管道。pe主要基于密度和分子分支的程度。在半晶体材料（如聚乙烯和聚氟乙烯）中，材料的响应取决于分子结合和体积分数，除了温度和应变速率外，还取决于结晶度的体积分数。这些材料可以被认为是由一个无定形相组成的分子网络，该相位包含具有随机定向的结晶石相的纠缠链，其作用为物理交联。[2]纳米沉淀，也称为反应降水，脱溶液，溶剂置换和溶剂转移，由Fessi et.Al.In 1989描述，是一种开发纳米颗粒和微粒的方法[1]，但有关其他Polymers，包括Polyolefimers，有限的含量。由于开发的方法不使用添加剂（例如表面活性剂），因此它提供的颗粒没有杂质会诱导生物体的不良影响。需要控制纳米沉淀产生的\颗粒大小的方法。[3]此外，该方法不需要或低表面活性剂浓度。[4]纳米沉淀技术的主要原理是界面
社会辅助机器人健康和社会护理的形态
摘要 - 本文反映了过去24个月完成的四项研究，包括胡椒，帕罗，所有猫和狗的欢乐，米罗，pleo，pleo，padbot和更便宜的玩具，包括i）焦点小组和对适当的机器人宠物设计的访谈，ii）对机器人宠物的伦理互动以及iii唱片的互动互动以及一定的机器人之间的互动和一定的互动。在分析的研究中，总共包括371位参与者的观点。数据被审查并开采，以与形态类型在健康和社会护理中的使用和影响相关。结果表明，生物形态设计比机械态更可取，语音和生命模拟特征（例如呼吸）受到了良好的接受。拟人化表现出在唤起变质设计缺乏的恐惧和任务预测的局限性。因此，熟悉的，动物形态的外观与动画，生命模拟和语音能力的结合似乎是为健康和社会护理开发的未来机器人的研究领域。
如何引用本文 Joseph Chandran B, Nair SP (2025 年 2 月 5 日) 软脊索的临床形态学研究及其与糖尿病的关系
软索瘤是一种常见的良性病变，由疏松的纤维组织组成，主要发生在颈部、腋窝和眼睑，躯干和腹股沟较少见 [1] 。它与皮赘、软纤维瘤和纤维上皮息肉同义。40 岁以上成人中软索瘤的发病率约为 46%。男性和女性之间的发病率没有差异 [2] 。它们通常发生在皮肤摩擦部位 [3] 。据报道，它们与许多疾病有关，包括肢端肥大症、症状性肠息肉、血脂异常、肥胖、糖尿病 (DM)、动脉粥样硬化和各种综合征，包括多囊卵巢综合征、Birt-Hogg-Dubé 综合征和 Cowden 综合征 [2] 。
分析MMP9和E-钙粘蛋白在形态学上1级脑膜瘤的脑浸润 分子对接，ADMET，DFT研究和新苯甲酰唑酮衍生物作为HIV-1逆转录酶（RT）抑制剂的曲折策略 血液友善儿童的心率变异性和QT变化 氯胺酮对心脏手术中TNF-Alpha和IL-6的影响 在FLT3/RAS/RAS/RAF/MEK/ERK途径中确立胸喹酮作为突变癌蛋白的潜在抑制剂的作用
大多数脑膜瘤被归类为1级，通常遵循良性课程。但是，当形态学上1级脑膜瘤侵入相邻的脑组织时，它们被重新分类为世界卫生组织（WHO）2级肿瘤，这会使预后恶化。肿瘤细胞入侵相邻结构需要细胞外基质（ECM）降解并减少细胞间粘附。基质金属蛋白酶9（MMP9）是参与ECM降解的关键蛋白，而E-钙粘着蛋白在维持细胞间粘附方面起着至关重要的作用。这项研究旨在比较MMP9和E-钙粘着蛋白在形态学上的1级脑膜瘤中的免疫组织化学（IHC）表达，并没有脑部入侵，并评估其表达与脑侵入之间的相关性。使用Soetomo General Academic Hospital诊断出患有1级脑膜瘤的患者的福尔马林固定的，石蜡包裹的组织样品进行了一项横截面设计的分析观察性研究。这项研究包括43名受试者，分为两组：脑膜侵袭（n = 20）和无脑部入侵的脑膜瘤（n = 23）。对MMP9和E-钙粘着蛋白进行 IHC染色，并使用H得分系统评估表达水平。 使用Mann-Whitney检验进行统计分析。 两组之间的MMP9表达没有显着差异（p = 0.08），尽管在脑膜瘤中有脑浸润的脑膜瘤中较高表达的趋势。 相比之下，与没有脑浸润的脑膜瘤相比，E-钙粘蛋白的表达显着降低（p <0.001）。IHC染色，并使用H得分系统评估表达水平。使用Mann-Whitney检验进行统计分析。 两组之间的MMP9表达没有显着差异（p = 0.08），尽管在脑膜瘤中有脑浸润的脑膜瘤中较高表达的趋势。 相比之下，与没有脑浸润的脑膜瘤相比，E-钙粘蛋白的表达显着降低（p <0.001）。使用Mann-Whitney检验进行统计分析。两组之间的MMP9表达没有显着差异（p = 0.08），尽管在脑膜瘤中有脑浸润的脑膜瘤中较高表达的趋势。相比之下，与没有脑浸润的脑膜瘤相比，E-钙粘蛋白的表达显着降低（p <0.001）。降低的E-钙粘蛋白表达与1级脑膜瘤中的脑浸润密切相关，并且可以作为这种攻击行为的预测指标。MMP9表达未达到统计学意义，但观察到的趋势需要进一步研究。这些发现突出了e-钙粘着蛋白在脑膜瘤进展中的潜在作用及其作为预后标记的效用。
阐明...
摘要藜麦（Chenopodium Quinoa willd。）是一种伪谷物，因为其营养状况，用作超级食品。这项研究的重点是36种藜麦基因型的形态和分子表征，旨在评估其遗传多样性和繁殖潜力。选择了十个定性特征进行形态学分析，揭示了诸如Spikelet颜色，叶长度和植物高度等性状的显着变化。方差分析表明，大多数定量性状，包括花至50％开花和种子产量，在基因型之间显示出显着差异，表明遗传变异性很大。高遗传力和遗传进步，这表明遗传改善的强大潜力。基因型性能突出了基因型ACQS1，EC 896115，IGKVC-12，ACQS8，EC 896208和EC 896219中的出色特征，用于叶片长度，节间的数量，叶片的数量，叶片宽度，叶片宽度，叶柄长度，叶柄长度，植物长度，植物高度，植物高度，繁殖时间和花序数量。基因型EC 896065，EC 896213，EC 896201，SHQ4，SHQ5，ACQS1，ACQS1，ACQS2，ACQS3和EC 896218表现出更高的种子重量，而EC 896109，ACQS3，ACQS1，ACQS1和EC 896219显示出更高的收益率。High genotypic and phenotypic coefficient of variation (GCV and PCV) were recorded for leaf length (31.22, 34.71), leaf width (43.64, 44.91), number of internodes (40.47, 40.59), petiole length (35.46, 36.04), plant height (33.35, 54.47), length of inflorescence (36.41, 36.99）和种子产量（33.58，34.53）。关键字：聚类分析，遗传进步，遗传力，ISSR，藜麦，变体。的遗传力对于节间的数量最高（99.38％），并且在诸如叶片长度（57.86％）和种子产量（67.28％）等性状中观察到了显着的遗传进步。种子重量显示出最高的正直接效应（0.701），其次是每植物的花序数量（0.700），而天数为50％开花（-0.768）显示出最高的负面直接效应。使用16个ISSR标记的分子多样性分析显示，多态性率为56.1％，标志物之间存在显着的等位基因变化。 多态性信息内容（PIC）值在0.274到0.797之间，表明标记信息的水平不同。 聚类分析将基因型分为两个主要簇，证明了研究的基因型之间的遗传多样性。 探索关键特征的遗传基础并进行进一步的分子表征可以为藜麦的遗传结构提供更深入的见解。 此外，结合更先进的基因组工具并扩展基因型池可以促进高产物，弹性藜麦品种的发展。使用16个ISSR标记的分子多样性分析显示，多态性率为56.1％，标志物之间存在显着的等位基因变化。多态性信息内容（PIC）值在0.274到0.797之间，表明标记信息的水平不同。聚类分析将基因型分为两个主要簇，证明了研究的基因型之间的遗传多样性。探索关键特征的遗传基础并进行进一步的分子表征可以为藜麦的遗传结构提供更深入的见解。此外，结合更先进的基因组工具并扩展基因型池可以促进高产物，弹性藜麦品种的发展。
通过机器学习预测体积城市形态的气温
环境参数（例如空气温度）是人类生活质量和能源效率管理的关键终端。城市地区人口稠密，并且通过城市形态和景观空间模式与其中一些自然现象高度相关。因此，预测城市计划对环境参数的影响对于适当的决定和计划以增强城市的生活条件至关重要。先前的研究强调了乌拉巴形态与空气温度之间的密切相关性，强调了在这些分析中采用三维数据的重要性。在这项研究中，我们首先引入了一种将CityGML数据转换为VoxEls的方法，该方法在大规模数据集（例如城市）的高分辨率上可以有效，快速地工作，但通过牺牲了一些建筑细节，从而限制了先前的Voxelization方法的局限性，这些方法限制了对大型量表的较高量表的较高范围，以较高的量化和无效的范围，以使其对Voxel的高度分配为高分。来自多个城市的那些体素化的3D城市数据和相应的空气温度数据用于开发机器学习模型。在模型训练之前，在输入数据上实施了高斯模糊以考虑空间关系，因此，在高斯模糊之后，空气温度和体积建筑物形态之间的相关率也会增加。这个受过训练的模型能够通过使用相应像素的构建体积信息作为输入来预测空气温度的空间分布。在模型训练之后，预测结果不仅是用均方根误差（MSE）评估的，而且一些图像相似性指标，例如结构相似性指数量度（SSIM）和学习的知觉图像贴片相似性（LPIPS）能够在评估过程中检测和考虑空间关系。这样做，该研究旨在帮助城市规划人员将环境参数纳入其计划策略，从而促进更可持续和居民的城市环境。