XiaoMi-AI文件搜索系统
World File Search SystemPCT
澳大利亚专利官方公报 - IP Australia
申请人姓名 (71) 文件编号 (11) 文件编号 (11) 申请编号 (21) 已接受文件编号 (10) 申请日期 (22) 申请编号 (21) 标题 (54) 申请日期 (22) 分类标记 (51) 标题 (54) 优先权文件编号 (31) 分类标记 (51) 优先权文件提交日期 (32) PCT 公布号 (87) 提交优先权文件的国家 (33) 优先权文件编号 (31) 未审查文件的公布日期 (43) 提交优先权文件的日期 (32) 发明人姓名（如果已知） (72) 提交优先权文件的国家 (33) 专利律师 (74) 未审查文件的公布日期 (43)
澳大利亚官方专利杂志
申请人的名称（71）文档的数量（11）文档的数量（11）分配给申请的数量（21）接受的文件（10）提交日期（22）分配给申请的数量（21）标题（21）标题（54）文件（54）备案日期（22）分类（22）标记（51）标题（54）级别（54）级别（54）数字（54）数字（54）数字（54）（S）提交优先文件（32）PCT发布号（87）国家，其中优先文件（33）优先级文件编号（31）未经检查文件的出版日期（43）提交优先文件的提交日期（43）优先文件的日期（32）发明人（32）发明人姓名（33）国家（72）国家（72）priority Pofformate for（33）partent for（33）partent（33）的patient（33）<74岁（74）
澳大利亚官方专利杂志
申请人的名称（71）文档的数量（11）文档的数量（11）分配给申请的数量（21）接受的文件（10）提交日期（22）分配给申请的数量（21）标题（21）标题（54）文件（54）备案日期（22）分类（22）标记（51）标题（54）级别（54）级别（54）数字（54）数字（54）数字（54）（S）提交优先文件（32）PCT发布号（87）国家，其中优先文件（33）优先级文件编号（31）未经检查文件的出版日期（43）提交优先文件的提交日期（43）优先文件的日期（32）发明人（32）发明人姓名（33）国家（72）国家（72）priority Pofformate for（33）partent for（33）partent（33）的patient（33）<74岁（74）
澳大利亚官方专利公报 - IP Australia
申请人姓名 (71) 文件编号 (11) 文件编号 (11) 申请编号 (21) 已接受文件编号 (10) 申请日期 (22) 申请编号 (21) 标题 (54) 申请日期 (22) 分类标记 (51) 标题 (54) 优先权文件编号 (31) 分类标记 (51) 优先权文件提交日期 (32) PCT 公开号 (87) 提交优先权文件的国家 (33) 优先权文件编号 (31) 未审查文件的公布日期 (43) 提交优先权文件的日期 (32) 发明人姓名（如果已知） (72) 提交优先权文件的国家 (33) 专利律师 (74) 未审查文件的公布日期 (43)
尿酸1-津糖的合成为α-二尿苷酶，β-葡萄糖醛酸酶和乙糖果酶的推定抑制剂**
二芳二酸（L -IDOA）残基硫酸乙酰乙酰胺（HS）和硫酸真皮（DS）中的残基。在MPS I中，低水平的溶酶体IDUA活性会导致HS和DS积聚在细胞中，从而导致包括大脑在内的多个组织和器官的进行性疾病。更严重的MP形式我通常会在生命的前十年内导致智力低下和过早死亡。有两种可用的MPS I：I）使用重组人IDUA静脉注射的酶替代疗法，[2]和II）造血干细胞移植以从健康移植细胞中产生IDUA，但是，两者都有实质性的限制。例如，替代酶不能越过血脑屏障（BBB），因此对神经系统症状没有影响，而造血干细胞移植具有很大的发病率和死亡风险。此外，两种治疗方法都非常昂贵。因此，需要越过BBB并缓解MPS I的神经系统症状的小分子药物的发展是可取的。小分子抑制剂目前正在探索作为溶酶体储存疾病的治疗方法。例如，与累积底物生物合成有关的酶的抑制作用已用于底物还原疗法。最近，研究了有机固核药物Ebselen（2-苯基1,2-苯甲甲硅烷二唑-3（2 h）-One），作为MPS I的潜在底物还原治疗。[3] Ebselen通过抑制L -IDOA生物合成降低了MPS I细胞中的糖胺聚糖积聚。但是，它无法减少MPS I鼠标模型中的糖胺聚糖积累。治疗溶酶体储存疾病的另一种常见小分子方法是药理学伴侣治疗（PCT）。在PCT中，伴侣分子通常是活性位点定向抑制剂，可以结合和稳定突变酶以防止其降解并改善运输到溶酶体。[4]一次在溶酶体的低pH环境中，伴侣分离导致
利用机器学习得出的解剖 MRI 图谱对痴呆症进行放射学分类
与本文无关的竞争性经济利益：OC 报告称，他已收到 AskBio（2020 年）的咨询费，已收到 Expression Santé（2019 年）的撰写普通观众短文的费用，已收到 Palais de la découverte（2017 年）的普通观众演讲演讲费，并且他的实验室已收到 Qynapse（2017 年至今）的资助（支付给该机构）。他的实验室成员与 myBrainTechnologies（2016 年至今）共同指导了一篇博士论文。OC 的配偶是 myBrainTechnologies（2015 年至今）的员工。OC 已向世界知识产权组织国际局提交了一项专利（PCT/IB2016/0526993、Schiratti JB、Allassonniere S、Colliot O、Durrleman S、一种确定生物现象时间进程的方法以及相关方法和设备）（2016 年）。
正确且有效的表征技术...
器件参数。1 这些参数可分为两大类：决定器件导通状态下性能的参数和决定器件关断状态下性能的参数。表 1 列出了 Keithley SMU 仪器支持的几种功率半导体器件的常见导通状态和关断状态参数。许多测试涉及使用多台 SMU 仪器。Keithley 的 ACS Basic Edition 软件通过管理测试系统中所有 SMU 仪器的配置和数据收集来简化测试配置。与通用启动软件不同，ACS Basic Edition 专为半导体器件特性分析而设计，包含一个测试库；用户可以专注于测试和器件参数，而不是 SMU 仪器配置。本说明中包含的测试结果是使用 ACS Basic Edition 软件获得的，该软件包含在我们的 PCT 配置中。
绿色计划2022-2025
与NHS相比，占英国总碳足迹的5％以上，作为反对气候变化的斗争的一部分，将碳排放量减少，这是NHS Trusts和PCT的关键优先事项 - 这全都是关于井井有条，并以身作则。英国政府已经为整个NHS制定了轨迹和行动，以便在2040年直接控制其控制的排放量到2040年，以及2045年对其可能影响的碳排放量达到零碳排放量（例如嵌入在供应链中的那些）。因此，NHS有责任减少碳排放，这不仅是对可持续未来的好处，而且健康（我们的核心业务）与减少碳之间也有联系。信托基金对环境采取了负责任的方法，并采取了行动来减少其活动的环境影响。与信托活动特别相关的问题是旅行，采购，能源使用和废物
自动形态合奏的极性代码解码器6G URLLC
根据作者克劳斯·凯斯特尔（Claus Kestel），马文·盖塞尔哈特（Marvin Geiselhart），卢卡斯·约翰逊（Lucas Johannsen），斯蒂芬·恩·布林克（Stephan Ten Brink）和诺伯特·韦恩（Norbert Wehn）的作者克劳斯·凯斯特尔（Claus Kestel）和诺伯特·韦恩（Norbert Wehn），的题为“ 6G urllc的自动化集合代码解码器”，这是即将到来的6G标准标准的urllc sereario。 实现接近ML的性能是具有挑战性的，尤其是对于短块长度。 极性代码是此应用程序的有前途的候选人。 上述论文讨论了连续的取消列表（SCL）解码算法，该算法提供了良好的误差校正性能，但在高计算解码的复杂性下。 本文引入了自动形态集合解码（AED）方法，该方法在并行执行了几种低复杂性解码。 本文介绍了AED架构，并将其与最先进的SCL解码器进行了比较。 因此，鉴于Kestel等人的理论和实验证明，我们在这里概述了由TLB GmbH管理的PCT应用保护的这项技术发明的位置和背景。的题为“ 6G urllc的自动化集合代码解码器”，这是即将到来的6G标准标准的urllc sereario。实现接近ML的性能是具有挑战性的，尤其是对于短块长度。极性代码是此应用程序的有前途的候选人。上述论文讨论了连续的取消列表（SCL）解码算法，该算法提供了良好的误差校正性能，但在高计算解码的复杂性下。本文引入了自动形态集合解码（AED）方法，该方法在并行执行了几种低复杂性解码。本文介绍了AED架构，并将其与最先进的SCL解码器进行了比较。因此，鉴于Kestel等人的理论和实验证明，我们在这里概述了由TLB GmbH管理的PCT应用保护的这项技术发明的位置和背景。
使用随机森林和生物标志物来区分COVID-19和支原体肺炎感染
COVID-19大流行已经强调了精确诊断方法的关键需求，以区分相似的呼吸道感染，例如Covid-19和支原体肺炎（MP）。识别关键的生物标志物并利用机器学习技术，例如随机森林分析，可以显着提高诊断准确性。，我们对214例急性呼吸道感染患者的临床和实验室数据进行了回顾性分析，该数据于2022年10月至2023年10月在Nanping的第二家医院收集。研究人群分为三组：covid-19-19-阳性（n = 52），MP阳性（n = 140）和共感染（n = 22）。关键生物标志物，包括C反应蛋白（CRP），procalcitonin（PCT），白介素6（IL-6）和白细胞（WBC）计数。相关分析，以评估每组内生物标志物之间的关系。应用随机森林分析来评估这些生物标志物的判别能力。The random forest model demonstrated high classification performance, with area under the ROC curve (AUC) scores of 0.86 (95% CI: 0.70–0.97) for COVID-19, 0.79 (95% CI: 0.64–0.92) for MP, 0.69 (95% CI: 0.50–0.87) for co-infections, and 0.90 (95% CI: 0.83–0.95）对于微平均ROC。此外，随机森林分类器的Precision-Recall曲线显示，微平均AUC为0.80（95％CI：0.69–0.91）。混乱矩阵强调了模型的准确性（0.77）和生物标志物关系。这项研究强调了机器学习技术在精确医学时代改善疾病分类的潜力。Shap特征的重要性分析表明年龄（0.27），CRP（0.25），IL6（0.14）和PCT（0.14）是最重要的预测因子。计算方法，尤其是随机森林分析的整合在评估临床和生物标志物数据中提出了一种有希望的方法，用于增强传染病的诊断过程。我们的发现支持使用特定生物标志物在区分Covid-19和MP中的使用，这可能导致更有针对性和有效的诊断策略。