XiaoMi-AI文件搜索系统
World File Search SystemPredict
联邦学习用于预测轻度认知障碍对痴呆症转化
摘要 - 痴呆症是一种渐进疾病，会损害个人的认知健康和日常功能，而轻度认知障碍（MCI）通常是其前体。对MCI到止血转换的预测进行了充分的研究，但是以前的研究几乎一直集中在传统的机器学习（ML）（基于基于的方法）上，这些方法可以重新分享敏感的临床信息以培训预测模型。本研究提出了一种使用联邦学习（FL）进行隐私增强解决方案，以训练MCI-to-Dementia转换的预测模型，而无需共享敏感数据，掌握社会人口统计学和认知指标。我们模拟并比较了两个网络体系结构，即点对点（P2P）和客户端服务器，以实现协作学习。我们的结果表明，FL具有与集中式ML相当的预测性能，并且每个临床部位在没有共享本地数据的情况下显示出相似的表现。此外，FL模型的预测性能优于未经协作的训练的特定地点模型。这项工作强调了FL可以消除对数据共享的需求，而不会损害模型功效。
r e t r a c t i o n lamp5是与氧化应激有关的四个基因之一，这些基因预测了生化无复发的生存，促进了增殖，
生物信息学和化学中的进步和应用2025：18 1 1©2025 Dove Medical Press。这项工作由Dove Medical Press Limited发布和许可。本许可的完整条款可在https://www.dovepress.com/ terms.php上获得，并合并了创意共享归因 - 非商业（无体现，v3.0）许可证（http://creativecommons.orgn.org/licenses/byby-nc/3.0/）。通过访问您接受条款的工作。只要工作正确地归因于Dove Medical Press Limited，允许未经Dove Medical Press Limited的任何进一步许可就允许进行工作。 有关此工作商业使用的许可，请参阅我们条款的第4.2和第5段（https://www.dovepress.com/terms.php）。允许未经Dove Medical Press Limited的任何进一步许可就允许进行工作。有关此工作商业使用的许可，请参阅我们条款的第4.2和第5段（https://www.dovepress.com/terms.php）。
乳腺癌患者化学疗法的心脏毒性的风险预测模型
缩写：ACEI/ARB，血管紧张素转换酶抑制剂/血管紧张素受体阻滞剂； ami，急性心肌梗塞； BMI，体重指数（计算为重量为千克，除以米平方的高度）； CAD，冠状动脉疾病； CM，心肌病； GLS，全球纵向应变； HF，心力衰竭； HL，Hosmer-Lemeshow； ICD，国际疾病分类； LVEF，左心室射血分数；狼牙棒，主要不良心血管事件； NYHA，纽约心脏协会； TIA，短暂的缺血发作。
CDK4/6抑制剂相关的平均红体体积变化：预测
摘要目的：评估CDK4/6抑制剂对红细胞平均红体体积（MCV）变化的影响及其与无进展生存率（PFS）和总生存期（OS）的可能相关性。研究设计：观察性研究。研究的地点和持续时间：2020年1月至2023年1月之间，Turkiye的Kahramanmaras Necip Fazil City医院医学肿瘤学系。方法论：回顾性分析了74例HR（+）HER2（ - ）转移性乳腺癌患者的数据。MCV和其他全部血数指标。在三个月后进行了第一次治疗评估。计算了治疗基线后第三个月的中位ΔMCV值。结果：患者都是女性，中位年龄为55岁（35至80岁）。在治疗之前，基线中值MCV水平为90.4（最小值：77.3-113.2）。三个月后，中位MCV水平为95（最小值：84.3-115.3）。7.15是中位ΔMCV水平。关于PFS（16.53 vs. 15.26个月）（p = 0.13）和OS（21.46 vs。17.83个月（p = 0.08），在ΔMCV≥7.15的组与ΔMCV<7.15的组之间没有统计学上的显着差异。结论：CDK4/6抑制剂导致MCV增加，但PFS或OS之间没有明显的差异和MCV的增加。发现MCV的上升是否代表预后或预测标记，需要进一步的研究。
血液神经丝水平预测阿尔茨海默氏病连续体的认知能力下降
1个临床蛋白质的实验室和平台，蒙彼利埃大学，INM Inserm，Irmb Chu de Montpellier，80 AV Fliche，F-34295，法国Montpellier，法国； constance.delaby@inserm.fr 2 Univ。里尔，Inserm，Chu Lille，UMR-S-U1172，Fortile，Lille Neuroscience＆Cognition，Labex Distalz，F-59000 Lille，法国； susanna.schraen@inserm.fr（S.S.-M。）; stephanie.brobois@aphp.fr（S.B.）3巴黎大学，Inserm U1144，GHU APHP中心，Hopital Broca，记忆资源和研究中心德国巴黎 - 布罗卡 - 布罗卡 - 布罗卡 - 德国，F-75013法国巴黎； jean-sebastien.vidal@aphp.fr（J.-S.V.）; olivier.hanon@aphp.fr（O.H.）： +33-（0）4-67-33-71-244斯特拉斯堡大学，斯特拉斯堡大学皮塔利亚大学，记忆资源与研究，法国国家科学中心（CNRS）（CNRS），ICUBE实验室UMR7357和转化型Méticinede Stersbourg（FMTS），Team Multimimimodimodimodimodalimodal inmodal inmodal inmodal Imodal Impodal Impodal Impodal（Ims），F-677 000; ims），F-677 000; f.blanc@unistra.fr 5巴黎大学，INSERM U1144，GHU APHP NORDLARIBOISIèRefernandwidal，认知神经病学中心，法国F-75010，法国巴黎； claire.paquet@aphp.fr 6巴黎大学，精神病学与神经科学研究所，Inserm，UMR-S 1266，F-75014法国巴黎； allinquant.bernadette@neuf.fr 7援助公共 - 帕里斯（AP-HP），DéInteiennede Neurolologie，中心，DES DES DES认知和行为，g piti-pitié-salp（g piti-salp） Neurology，神经病学系INM神经副总监团队，卓越神经退行性疾病中心，法国F-34000 Montpellier； a-gabelle@chu-montpellier.fr 9 Sant Pau存储单元，医院De la Santa Creu I Sant Pau，生物医学研究所Sant Pau，Sant aut Aut aut Aut taut aut taut aut tautaut aut Aut tausitatation：sylvain.lehmann@umontpellier.fr;这样的。
我无法预测的，我不明白：一个人 -
已经描述了多种解释性方法，以帮助用户更好地了解现代AI系统如何做出决策。但是，开发用于评估这些方法的大多数性能指标基本上仍然是理论上的 - 没有太多考虑人类最终用户。尤其尚不清楚（1）在现实世界中，当前解释性方法的有用程度如何； （2）当前的性能指标是否准确地反映了最终用户的解释方法的有用性。为了填补这一差距，我们进行了心理物理学实验（n = 1，150），以评估三种现实世界中代表性归因方法的有用性。我们的结果表明，在这些情况下，各个归因方法可以帮助人类参与者更好地理解AI系统的程度差异很大。这表明需要超越当前归因方法的定量改进，朝着开发互补方法的发展，这些方法为人类最终用户提供了质量不同的信息来源。
预测氨基酸组成的微生物生长条件
在实验室中生长微生物的能力可以使其遗传学的可重复研究和工程化。不幸的是，由于识别培养条件所需的努力，生命树中的大多数微生物仍然没有耕种。对指导实验测试的可行生长条件的预测将是非常可取的。虽然可以通过注释的基因在计算上预测碳和能源，但很难预测其他生长的要求，例如氧，温度，盐度和pH。在这里，我们开发了基于基因组的计算模型，能够预测氧耐受性（92％平衡精度），最佳温度（r 2 = 0.73），盐度（r 2 = 0.81）和pH（r 2 = 0.48），而新的分类微生物家族无需功能基因注释。使用15,596种细菌和古细菌的生长条件和基因组序列，我们发现氨基酸频率可预测生长需求。只有两个氨基酸可以预测氧气耐受性，其精度为88％。使用蛋白质的细胞定位来计算氨基酸频率改善了pH的预测（r 2增加0.36）。由于这些模型不依赖于特定基因的存在或不存在，因此可以将它们应用于不完整的基因组中，仅需要10％的完整性。我们应用模型来预测所有85,205种测序细菌和古细菌的增长需求，发现未养殖物种富含嗜热，厌氧菌和嗜酸菌。这项工作指导了对不同微生物实验室种植的生长限制的识别。最后，我们将模型应用于具有元基因组组装的基因组的3,349个环境样品，并表明社区中的个别微生物具有不同的增长需求。
各种深层神经网络都预测了人类的劣等...
■接受对象识别训练的深神经网络（DNNS）提供了高级视觉皮层的最佳当前模型。尚不清楚的是，诸如网络架构，训练和对大脑数据的拟合等实验性选择有多么强烈的选择，这有助于观察到的相似性。在这里，我们将九种DNN体系结构的多样化集与它们解释人类下颞皮层中62个对象图像的代表性几何形状（hit）的能力，如用fMRI所测量的。我们将未经训练的网络与他们的任务训练的对应物进行了比较，并通过在每层内特征的主要成分进行加权组合，并将其层次的加权组合得以评估，并评估了击中的效果。对于训练和拟合的每种组合，我们使用独立的