XiaoMi-AI文件搜索系统
World File Search SystemRecurrent
医生 AI：通过循环神经网络预测临床事件
利用电子健康记录 (EHR) 中的大量历史数据，我们开发了 Doctor AI，这是一种通用预测模型，涵盖观察到的医疗状况和药物使用情况。Doctor AI 是一种使用循环神经网络 (RNN) 的时间模型，开发并应用于 8 年来来自 26 万名患者和 2,128 名医生的纵向时间戳 EHR 数据。就诊记录（例如诊断代码、药物代码或程序代码）被输入到 RNN 中，以预测后续就诊的（所有）诊断和药物类别。Doctor AI 评估患者的病史以进行多标签预测（每个诊断或药物类别一个标签）。根据单独的盲测试集评估，Doctor AI 可以执行鉴别诊断，召回率高达 79%@30，明显高于几个基线。此外，我们通过将生成的模型从一个机构调整到另一个机构，而不会损失大量准确性，证明了 Doctor AI 具有很强的通用性。
使用数据约束的循环神经网络模型推断全脑交互
行为源自多个在解剖学和功能上不同的大脑区域的协调活动 1,2 。现代实验工具 3–5 使我们能够前所未有地接触大量神经群，甚至是横跨全脑许多相互作用区域的神经群 2 。然而，要理解如此大规模的数据集，不仅需要稳健、可扩展的计算模型来提取区域间通信的有意义特征，还需要原则性理论来解释这些特征。在这里，我们介绍了基于电流的分解 (CURBD)，这是一种使用数据约束的循环神经网络模型 6 推断全脑相互作用的方法，该模型一旦经过训练，就会自主产生与实验获得的神经数据一致的动态。CURBD 利用从这些模型推断出的功能相互作用来同时揭示多个大脑区域之间的定向电流。我们首先表明，CURBD 可以在具有已知连接和动态的模拟真实网络中准确地隔离区域间电流。然后，我们将 CURBD 应用于从广泛的神经数据集（斑马鱼幼虫 7 、小鼠 8 、猕猴 9 和人类 10 ）获得的多区域神经记录，以证明 CURBD 在解开全脑相互作用和行为背后的区域间通信原理方面的广泛适用性。
使用循环神经网络对人类事件相关电位进行建模的指导教程
摘要：在认知神经科学研究中，事件相关电位 (ERP) 的计算模型可以提供一种为观察到的波形开发解释性假设的方法。然而，接受过认知神经科学培训的研究人员在实施这些模型时可能会面临技术挑战。本文提供了有关开发 ERP 波形的循环神经网络 (RNN) 模型的教程，以促进计算模型在 ERP 研究中更广泛地使用。为了举例说明 RNN 模型的使用，检查了在通道 Pz 处测量的目标和非目标视觉事件引起的 P3 成分。实验事件的输入表示和相应的 ERP 标签用于在监督学习范式中优化 RNN。将一个输入表示与多个 ERP 波形标签链接起来，然后优化 RNN 以最小化均方误差损失，会导致 RNN 输出近似于总平均 ERP 波形。然后可以将 RNN 的行为评估为 ERP 生成背后的计算原理的模型。除了拟合这样的模型之外，本教程还将演示如何根据 RNN 的隐藏单元的时间响应对其进行分类，并使用主成分分析对其进行表征。统计假设检验也可以应用于这些数据。本文重点介绍建模方法以及随后使用公开数据和共享代码以操作指南的形式对模型输出进行分析。虽然对 P3 响应生成的具体解释的关注相对较少，但结果引发了一些有趣的讨论点。
用于婴儿脑部 MRI 图像变形配准的循环组织感知网络
可变形配准是纵向和基于人群的图像分析的基础。然而，由于婴儿时期大脑发育迅速，精确配准同一受试者的纵向婴儿大脑 MRI 图像以及不同受试者的横截面婴儿大脑 MRI 图像具有挑战性。在本文中，我们提出了一种可循环使用的深度神经网络来配准婴儿大脑 MRI 图像。我们提出的方法有三个主要亮点。（i）我们使用脑组织分割图而不是强度图像进行配准，以解决生命第一年脑组织对比度快速变化的问题。（ii）单个配准网络以一次性方式训练，然后多次循环应用于推理，从而可以逐步恢复复杂的变形场。（iii）我们还在配准网络中提出了自适应平滑层和组织感知反折叠约束，以确保估计变形的生理合理性，而不会降低配准精度。与最先进的配准方法相比，实验结果表明，我们提出的方法实现了最高的配准精度，同时仍保持了变形场的平滑度。我们提出的配准网络的实现可在线获得。
贝伐单抗和鲁卡帕里的II期试验在子宫颈或子宫内膜的复发性癌中
目标。这项研究的目的是检查复发性宫颈癌或子宫内膜癌患者的贝伐单抗鲁卡巴氏疗法的耐受性和效率。患者和方法。33例复发性宫颈癌或子宫内膜癌的患者被招募。首先治疗转移性或复发性疾病后，患者必须在肿瘤进展。rucaparib每天两次以600毫克的竞标给予rucaparib。bevacizumab在每个21天周期的第1天以15 mg/kg的速度给予。主要终点是效率，由客观响应率或6个月的无进展生存期确定。结果。在33名患者中，可评估28名患者。子宫内膜癌患者的缓解率为17％，而宫颈癌患者的缓解率为14％。中值无进展生存期为3.8个月（95％C·I 2.5至5.7个月），中位总生存期为10.1个月（95％C·I 7.0至15.1个月）。ARID1A突变患者的反应率（33％）和6个月的无进展生存率（PFS6）率（67％）比整个研究人群。观察到的毒性类似于先前对贝伐单抗和鲁卡巴里的研究。结论。在所有复发性宫颈癌或子宫内膜癌患者中，贝伐单抗与鲁卡巴氏的结合并未显示出明显增加的抗肿瘤活性。然而，ARID1A突变患者的缓解率较高，PFS6表明该亚组可能会从贝伐单抗和鲁卡帕里的组合中受益。需要进一步的研究来确认这一观察结果。没有看到新的安全信号。©2022 Elsevier Inc.保留所有权利。
受中脑启发的稳健变化检测循环神经网络模型
我们提出了一种受生物启发的循环神经网络 (RNN)，它可以有效检测自然图像中的变化。该模型具有稀疏拓扑连接 (st-RNN)，与“中脑注意网络”的电路架构紧密相关。我们将 st-RNN 部署到一个具有挑战性的变化视盲任务中，该任务必须在一系列不连续的图像中检测变化。与传统 RNN 相比，st-RNN 的学习速度提高了 9 倍，并且以减少 15 倍的连接实现了最佳性能。低维动力学分析揭示了假定的电路机制，包括全局抑制 (GI) 基序对成功变化检测的关键作用。该模型再现了关键的实验现象，包括中脑神经元对动态刺激的敏感性、刺激竞争的神经特征以及中脑微刺激的标志性行为效应。最后，该模型在变化盲视实验中准确预测了人类注视点，超越了最先进的基于显着性的方法。st-RNN 提供了一种新颖的深度学习模型，用于将变化检测背后的神经计算与心理物理机制联系起来。
利用循环神经网络从神经测量中重建计算动力学
使用循环神经网络从神经测量重建计算动力学 Daniel Durstewitz 1,2,3,*、Georgia Koppe 1,4、Max Ingo Thurm 1 1 海德堡大学医学院中央精神卫生研究所理论神经科学系 2 海德堡大学跨学科科学计算中心 3 海德堡大学物理与天文学院 4 海德堡大学医学院中央精神卫生研究所精神病学和心理治疗诊所* 通讯作者：daniel.durstewitz@zi-mannheim.de 关键词：动力系统理论、机器学习、循环神经网络、吸引子、混沌、多个单元记录、神经生理学、神经成像 摘要 神经科学中的机械和计算模型通常采用微分或时间递归方程组的形式。此类系统的时空行为是动力系统理论 (DST) 的主题。 DST 提供了一个强大的数学工具箱，用于描述和分析从分子到行为的任何级别的神经生物学过程，几十年来一直是计算神经科学的支柱。最近，循环神经网络 (RNN) 成为一种流行的机器学习工具，用于研究神经或行为观察背后的非线性动力学。通过在与动物受试者相同的行为任务上训练 RNN 并剖析其内部工作原理，可以产生关于行为的神经计算基础的见解和假设。或者，可以直接在手头的生理和行为时间序列上训练 RNN。理想情况下，一旦训练好的 RNN 将能够生成具有与观察到的相同的时间和几何属性的数据。这称为动态系统重建，这是机器学习和非线性动力学中一个新兴的领域。通过这种更强大的方法，就其动态和计算属性而言，训练过的 RNN 成为实验探测系统的替代品。然后可以系统地分析、探测和模拟训练过的系统。在这里，我们将回顾这个令人兴奋且迅速发展的领域，包括机器学习的最新趋势，这些趋势在神经科学中可能还不太为人所知。我们还将讨论基于 RNN 的动态系统重建的重要验证测试、注意事项和要求。概念和应用将通过神经科学中的各种示例进行说明。简介理论神经科学的一个长期原则是，神经系统中的计算可以用底层的非线性系统动力学来描述和理解（Amit & Brunel，1997；Brody & Hopfield，2003；Brunel，2000；Durstewitz，2003；Durstewitz 等，1999、2000、2021；Hodgkin & Huxley，1952；Hopfield，1982；Izhikevich，2007；Machens 等，2005；Miller，2016；Rinzel & Ermentrout，1998；Wang，1999，2002；Wilson，1999；Wilson & Cowan，1972）。相关思想可以追溯到 40 年代 McCulloch & Pitts (1943)、Alan Turing (1948) 和 Norbert Wiener (1948) 的工作，并在 80 年代早期通过 John Hopfield (1982) 的开创性工作获得了发展势头，该工作将记忆模式嵌入为简单循环神经网络中的固定点吸引子。Hopfield 网络的美妙之处在于它们免费提供了生物认知系统的许多特性，例如自动模式完成、通过部分线索进行内容可寻址记忆检索或对部分病变和噪声的鲁棒性。通过动态系统理论 (DST) 的视角来观察神经计算特别有力，因为一方面，许多（如果不是大多数）物理和生物过程都是自然形式化的
onc201（dordaviprone）在复发性H3 K27M - 突变弥漫性中线神经胶质瘤
Isabel Arrillaga-Romany，医学博士，博士1;莎朗·加德纳（Sharon L. Gardner），医学博士2； Yazmin Odia，医学博士，MS，FAAN 3；多莉·阿奎莱拉（Dolly Aguilera），医学博士4；约书亚·E·艾伦（Joshua E. Allen），博士5； Tracy Batchelor，医学博士，MPH 6； Nicholas Butowski，MD 7；马里兰州克拉克·陈（Clark Chen），博士8； Timothy Cloughesy，医学博士9； Andrew Cluster，MD 10；约翰·德·格鲁特（John de Groot），医学博士7； Karan S. Dixit，MD 11; Jerome J. Graber，医学博士，MPH 12； Aya M. Haggiagi，医学博士13;丽贝卡·哈里森（Rebecca A. Harrison），医学博士14； Albert Kheradpour，医学博士15； Lindsay Kilburn，医学博士16； Sylvia C. Kurz，医学博士，博士17;广播Lu，MBBS 18； Tobey J. MacDonald，医学博士4； Minesh Mehta，医学博士3; Allen S. Melemed，MD 5； Phioanh Leia Nghiemphu，医学博士9; Samuel C. Ramage，博士5； Nicole Shonka，医学博士19； Ashley Sumrall，医学博士，FACP 20； Rohinton Tarapore，博士5； Lynne Taylor，医学博士，Faan，Fana 12； Yoshie Umemura，医学博士21；以及医学博士Patrick Y. Wen，PhD 6
使用数据约束的复发神经网络模型推断大脑互动
4加利福尼亚州帕萨迪纳市加州理工学院 *通信：kanaka.rrajan@mssm.edu抽象行为来自许多解剖学和功能上不同的大脑区域的协调活动。现代的实验工具允许空前访问跨越许多相互作用区域的大型神经种群。然而，了解这样的大规模数据集需要两个可扩展的计算模型来提取区域通信的有意义的特征和原则性理论来解释这些特征。在这里，我们引入了基于电流的分解（CurbD），这是一种使用数据约束的复发性神经网络模型来推断大脑相互作用的方法，该模型直接重现实验性的神经数据。Curbd利用了此类模型推断出的功能相互作用，以揭示多个大脑区域之间的定向电流。我们首先表明Curbd准确地隔离了具有已知动力学的模拟网络中的区域间电流。然后，我们将路缘应用于跑步过程中从小鼠获得的多区域神经记录，在帕夫洛维亚调节过程中的猕猴以及记忆回收期间的人类，以证明Curbd在各种神经数据集中脱离了Curbd对脑部互动的广泛适用性。在发育过程中引入，即使是小生物的神经系统也会组织成非常复杂的结构。大脑具有结构模块性（例如，脑区域，层状组织，细胞类型），具有系统发育跨模块的专业化。大脑区域具有惊人的专业化和独特的功能特征。但是，单个大脑区域也经常与整个大脑中的许多其他区域相互作用2。这些宏观电路通过直接投影，多节日回路和更广泛的间接效应（例如NeuroModulator版本3）反复连接。因此，在理论上，大脑甚至在简单的行为中都处于活跃状态，从理论上讲，只有一个较小的区域4-6介导的大脑。得出对行为神经基础的理解需要考虑大脑活动的分布性质。，尽管现代实验技术提供了大规模的多区域数据集，但研究人员仍缺乏一种全面的，统一的方法来推断全脑部相互作用和信息流。在这里，我们引入了基于电流的分解（CURBD），这是一个计算框架，利用多区域神经记录的复发性神经网络（RNN）模型来推断
r e v e e 2型糖尿病相关的危险因素和药物在肝细胞癌中的作用
细菌持久细胞是高度耐受性抗生素的休眠表型变体的亚群，对感染控制提出了重大挑战。研究抗生素持久性的机制对于制定有效的治疗策略至关重要。在这里，我们发现了耐受性频率与先前感染的牛乳腺炎之间的显着关联。上一个。金黄色葡萄球菌感染导致s。金黄色葡萄球菌耐受性在随后在体内和体外感染中被利福平杀死。实际上，受过训练的免疫的激活导致s的利福平持久性。金黄色葡萄球菌在继发性感染中，降低了抗生素治疗的有效性和疾病严重程度的增加。机械，我们发现S。金黄色的持久性是由受过训练的免疫力引起的富马酸盐的积累来介导的。与二甲双胍和利福平的组合疗法促进了消灭持久性的疗法，并提高了经常性s的严重程度。金黄色葡萄球菌感染。这些发现提供了对训练的免疫与S之间关系的机械洞察力。金黄色的持久性，同时提供概念证明，表明训练的免疫是涉及持续病原体的复发细菌感染中的治疗靶标。