XiaoMi-AI文件搜索系统
World File Search SystemRegression
基于熵的逻辑回归与自动相关性判定，用于稳健的稀疏脑活动解码
摘要 —最近的研究利用稀疏分类从高维大脑活动信号中预测分类变量以揭示人类的意图和心理状态，并在模型训练过程中自动选择相关特征。然而，现有的稀疏分类模型很容易受到大脑记录中固有噪声的影响而导致性能下降。为了解决这个问题，我们旨在在本研究中提出一种新的稳健稀疏分类算法。为此，我们将相关熵学习框架引入基于自动相关性确定的稀疏分类模型，提出一种新的基于相关熵的稳健稀疏逻辑回归算法。为了证明所提算法卓越的大脑活动解码性能，我们在合成数据集、脑电图 (EEG) 数据集和功能性磁共振成像 (fMRI) 数据集上对其进行了评估。大量实验结果证实，所提出的方法不仅可以在噪声和高维分类任务中实现更高的分类准确率，而且可以为解码场景选择更具信息量的特征。将相关熵学习方法与自动相关性确定技术相结合将显著提高对噪声的鲁棒性，从而产生更充分鲁棒的稀疏脑解码算法。它为现实世界的脑活动解码和脑机接口提供了更强大的方法。
通过高斯过程回归中机器学习模型中的不确定性定量：比较研究
[1] Bui-Thanh，Tan等。“由PDE管辖的贝叶斯反问题的极端尺度UQ。”sc'12：高性能计算，网络，存储和分析国际会议论文集。IEEE，2012年。[2] Durrande，Nicolas，David Ginsbourger和Olivier Roustant。“用于高维高斯过程建模的添加剂协方差内核。”Annales de la cociences de Toulouse：Mathématiques。卷。21。编号3。2012。[3] Brown，D。W.等。在造成热处理期间，激光粉末床融合TI-6AL-4V的微观结构的演变。冶金和材料交易A 52（2021）：5165-5181
叙利亚异常临床表现
此病例是尾尾消退综合征的不寻常临床表现，先前未诊断，并且没有随后，这也是一个明显的例子，是由于怀孕女性中未经治疗和未接受的糖尿病而可能影响发育中的胎儿的范围范围很大的例子。由于这种缺陷与糖尿病母亲之间的相关性升高及其在怀孕初期的发育，因此必须在胚胎器官发生期之前甚至在高危患者之前基于牢固的血糖控制，以牢固的血糖控制进行预期方法。此外，适当的方向和植物遗传测试至关重要。治疗是医生和父母的挑战，它需要一种涉及儿科医生，儿科医生，骨科外科医生，骨科医生，内分泌学家，肾脏医生，物理治疗师和泌尿科医生的多学科方法。知道最初的病理无法治愈且不可改变，治疗只有支持性，其独特的目标是实现尽可能正常的生命，并延迟到最可能的严重并发症。
QSAR建模用于预测阿尔茨海默氏病中β-分泌酶1抑制活性，并具有支持载体回归
摘要阿尔茨海默氏病（AD）是一种神经退行性疾病，其特征是认知能力下降，β-淀粉样蛋白（Aβ）斑块的积累在其进展中起关键作用。β-分泌酶1（BACE1）是Aβ产生的关键酶，使其成为AD治疗的主要治疗靶标。但是，由于选择性差和血脑屏障的渗透性有限，设计有效的BACE1抑制剂一直在挑战。为了应对这些挑战，我们在定量结构活性关系（QSAR）模型中使用支持向量回归（SVR）采用了机器学习方法来预测潜在的BACE1抑制剂的抑制活性。我们的模型在Chembl数据库的7,298种化合物的数据集上训练，使用分子描述符准确地预测了PIC 50值，在测试集中实现了R²为0.690。该模型的性能证明了其在优先考虑候选药物的优先级方面的实用性，可能会加速药物发现。这项研究强调了计算方法在优化药物发现方面的有效性，并表明进一步的完善可以增强该模型对AD疗法的预测能力。
在功能性近红外光谱中应用短通道回归时表征脑血流动力学反应的可重复性
它可以测量与任务相关的大脑活动模式相关的脑血液动力学变化。5 近年来，fNIRS 的应用开始从受控的研究实验室转向更自然的环境和现实世界的任务。6 – 8 fNIRS 的可穿戴和不受约束的使用为神经成像应用铺平了道路，例如，用于床边和家庭中监测大脑功能 9、10 或用于脑机接口 (BCI) 设置，以与机器人设备结合使用来协助神经障碍者在日常生活活动中。11 – 13 此类应用需要满足高技术要求的尖端 fNIRS 系统[例如，高信噪比 (SNR)、快速信号处理和消除运动伪影的功能]和可用性（例如，高舒适度和准确的传感器放置）以捕捉日常生活环境中大脑活动的细微变化。 7、14此外，家庭和临床脑活动监测对 fNIRS 测量的稳健性和可靠性/可重复性提出了很高的要求，因为这些因素直接影响灵敏地捕捉神经变化和准确控制 BCI 外部设备的能力。虽然在群体层面上已经发现了良好的可重复性，15-17这足以回答许多研究问题，但尚未提供个人在多天内可重复的 fNIRS 测量的证据。因为单级可重复性对大多数临床和日常应用都至关重要，所以彻底表征它是必不可少的。预计会影响 fNIRS 测量可重复性的主要因素是硬件的信号质量（即 SNR）、18、19 光极的放置和固定、18、20
神经回归、表征相似性、啮齿动物视觉皮层中的模型动物学神经任务
深度神经网络作为小鼠视觉皮层模型的表现如何？迄今为止，大多数研究表明，结果远比灵长类动物视觉皮层建模的结果复杂得多。在这里，我们利用表征相似性分析和神经回归对小鼠视觉皮层中的数十个深度神经网络模型进行了大规模基准测试。利用艾伦大脑观测站的 2 光子钙成像数据集，记录了超过 6,000 个可靠的啮齿动物视觉皮层神经元对自然场景的反应，我们复制了以前的发现并解决了以前的差异，最终证明现代神经网络实际上可以比以前更合理地解释小鼠视觉皮层的活动。使用我们的基准作为图集，我们为有关分析水平的总体问题、有关最能预测整体视觉系统的模型属性的问题以及有关生物和人工表征之间映射的问题提供了初步答案。我们的研究结果为未来小鼠视觉皮层的深度神经网络建模提供了参考点，暗示了映射方法、架构和任务的新组合，以更全面地描述对神经科学如此重要的物种的视觉表征的计算主题，但其感知生理学和生态学与我们在灵长类动物中研究的有显著不同。
考虑异质性头皮血流动力学时，功能性近红外光谱中的短通道回归更为有效
功能性近红外光谱 (fNIRS) 通过监测血液中氧合血红蛋白 ( O 2 Hb ) 和脱氧血红蛋白 ( HHb ) 的浓度变化，能够无创地测量人类大脑活动。1 – 4 fNIRS 已经从一种基础研究工具发展成为一种广泛用于研究非约束环境中大脑活动的技术。5、6 尽管其用途广泛，但仍存在一些挑战，特别是连续波 fNIRS 对非神经元来源的血流动力学变化的敏感性。 2、7-10 这些通常被称为生理“噪音”或“干扰”，包括全身活动，例如心脏脉动（1 至 2 Hz）、呼吸（0.2 至 0.4 Hz）、低频振荡（约 0.1 Hz）和极低频振荡（0.01 至 0.05 Hz），11 以及通过交感神经活动导致的血流增加。12 这些伪影产生的信号变化可能会模仿或掩盖真实的任务诱发的血流动力学反应（HR），并可能导致假阳性或假阴性。8、10、13 近年来，fNIRS 社区已经承认了这一挑战，并认识到了其重要性。 8 尽管对非神经元信号的敏感性特定于 fNIRS 的测量原理，但所有通过血流动力学变化推断大脑活动的技术，即 fNIRS、功能性磁共振成像和正电子发射断层扫描，都会受到影响。作为低频振荡的主要贡献者，Mayer 波 (MW) 是动脉血压中的节律性血流动力学振荡，14 并且大概是某些受试者无法恢复功能性心率的主要原因。15 当针对特定测量协议和任务/刺激持续时间进行适当选择时，可以使用低通滤波器去除心脏和呼吸信号。16、17 其他系统信号的去除更加困难，并且需要应用更复杂的信号处理，因为它们的频率内容与功能性心率重叠。18 – 20 短通道回归方法已被提出作为将大脑活动与全身活动分离的一种方法。 21 , 22 通过短间隔 (SS) 通道（通常 < 15 毫米，理想长度为 8.4 毫米 23 , 24 ）单独测量头皮血流动力学，可获得主要包含全身和最小脑活动的信号。为了从长间隔 (LS) fNIRS 测量（通常为 30 毫米）中提取大脑的贡献，需要从 LS 信号中减去 SS。短通道回归已被证明可以显著提高恢复的功能性脑活动的质量。18 , 21 , 22 , 25
基于高通量定量PCR
Aurore Loquet，RémiLeGuern，Teddy Grandjean，Claire Duboyez，Marvin Baudin等。基于高促销定量PCR的孕妇，用于孕妇的Bacertill阴道病诊断的克拉斯菌和回归树。分子诊断杂志，2021，23（2），pp.234-241。10.1016/j.jmoldx.2020.11.004。hal-03311394
顺序非线性编码：一种低维回归算法，用于基于EEG的驱动疲劳检测
摘要。对现实世界数据的回归分析并不总是一件容易的任务，尤其是当输入向量以非常低的维空间呈现时。基于EEG的疲劳检测涉及低维问题，并且在降低致命事故的风险中起着重要作用。我们提出了一种内核投影追踪回归算法，该算法是一种针对低维问题（例如疲劳检测）量身定制的两步非线性。以这种方式，可以从两个不同的角度研究数据非线性：通过将数据转换为高维中间空间，然后将其样条估计应用于允许数据层次展开的输出变量。种子VIS数据库的实验结果说明了大脑的时间和后区域的平均RMSE值分别为0.1080％和0.1054％。我们的方法是通过对帕金森氏病预测进行的一些实验来验证的，这进一步证明了我们方法的效率。本文提出了一种新型回归算法，以解决高度复杂的低维数据的编码问题，该问题通常在生物神经学预测任务中遇到，例如基于EEG的驱动疲劳检测。
SELECT 试验中索马鲁肽对超重或肥胖但无糖尿病人群血糖回升和进展的影响
结果 在 17,604 名参与者中，8,803 名被分配到索马鲁肽组，8,801 名被分配到安慰剂组。平均±SD 干预暴露时间为 152±56 周，随访时间为 176±40 周。两个治疗组中，参与者的 HbA 1c 平均最低点均为 20 周。此后，两个组的 HbA 1c 增加幅度相似，平均差异为 2-0.32 个百分点（95% CI 2-0.33 至 2-0.30；2-3.49 mmol/mol [2-3.66 至 2-3.32]），并且在整个研究过程中，该差异有利于索马鲁肽组（P < 0.0001）。体重在 65 周时达到稳定，使用索马鲁肽后体重降低了 8.9%。在第 156 周，接受索马鲁肽治疗的患者中，血糖恢复正常的患者比例较大（69.5% vs. 35.8%；P < 0.0001），而到第 156 周时患生化糖尿病的患者比例较小（1.5% vs. 6.9%；P < 0.0001）。需要治疗的患者数量为 18.5 人，才能预防一例糖尿病。病情的逆转和进展都取决于基线血糖，体重减轻的幅度对 24.5% 的进展和 27.1% 的逆转具有重要意义。