XiaoMi-AI文件搜索系统
World File Search SystemRupa
curriculum vitae -rupa chaudhuri
人类健康的质量：在加尔各答裸露人群中探索与肺癌有关的可能的PM2.5诱发途径”，在Dona Sinha博士的指导下，Dona Sinha博士，Chittaranjan国家癌症研究所的受体生物学和肿瘤转移的HOD。•在PM2.5，PM10，SO2和NO2监视环境空气的3个月实习
尼泊尔卡斯基鲁帕乡中年人口心血管疾病及相关因素：一项以社区为基础的横断面调查
图尔西·拉姆·班达里 1* ;格里什·波德尔 2 ;希希尔·波德尔 3 ;阿尼莎·查利斯 4 ;布山·卡蒂瓦达 5 ;珍妮·奥贾 1 ;纳瓦拉·查帕盖恩 1 ; Uday Narayan Yadav 6 1 博克拉大学健康与相关科学学院，尼泊尔博克拉 2 中央昆士兰大学健康医学与应用科学学院，澳大利亚悉尼 3 中央科学技术学院公共卫生系，尼泊尔加德满都 4 环境健康与人口活动研究中心（CREHPA），Kusunti，尼泊尔拉利特布尔 5 托伦斯大学，皮尔蒙特校区，澳大利亚悉尼 6 澳大利亚国立大学国家流行病学和人口健康中心，澳大利亚首都领地堪培拉 * 通讯作者电子邮件：tulsib2004@gmail.com ORCID：https://orcid.org/0000-0003-0774-0899 摘要 心血管疾病（CVD）是导致死亡的主要原因，不仅给卫生系统带来压力，而且阻碍了尼泊尔的社会经济发展。本研究旨在评估尼泊尔鲁帕乡中年人群心血管疾病（心绞痛和心肌梗死）的现状及其相关因素。2020 年 8 月至 12 月期间，采用简单随机抽样，对尼泊尔鲁帕乡 525 名中年（35-60 岁）人口进行了一项社区横断面研究。使用 WHO STEPS 调查工具收集社会经济和行为特征，使用 10 项验证的玫瑰心绞痛问卷 (RAQ) 评估心绞痛 (AI) 和心肌梗死 (MI)。采用多元逻辑回归分析确定与 AP 和 MI 相关的因素。研究受访者的平均（SD）年龄为 47.29（±8.354）岁。AP 和 MI 的患病率分别为 9.1% 和 2.5%。与年龄在 35-44 岁且每周吃蔬菜 ≥ 4 天的人群相比，55 岁及以上人群（OR A：3.20，CI：1.41-7.29）和每周吃蔬菜少于 4 天的人群（OR A：2.15，CI：1.12-4.11）的 AP 患病率明显较高。在尼泊尔，CVD 事件（MI 和 AP）的患病率有所增加。患 AP 的风险随着年龄的增长而增加，并且在每周吃蔬菜少于四天的受访者中也增加。本研究的结果呼吁在初级医疗保健层面实施 CVD 风险评估干预，以便及早发现和预防心血管疾病。该研究进一步强调了教育举措，以促进农村地区的健康饮食习惯和生活方式的改变，这可能会降低 CVD 的风险。
Priti Gupta 博士 1*、Chakrala Sreelatha 博士 2、A. Latha 3、Shilpi Raj 博士 4、Aparna Singh 博士 5 1* 经济学系研究生助理教授，Bhupendra Narayan Mandal 大学（西校区）研究生中心，Saharsa，比哈尔邦，852201 2 统计学系助理教授，Rajendra 大学，Pragna vihar，Balangir 区，Odisha，邮编：767002 3 数学系助理教授，KSR 工程学院，Tiruchengode，Namakkal Dt，邮编：637215 4 助理教授，Amity 商学院，Amity 大学巴特那，Rupaspur，巴特那，比哈尔邦，邮编：801503 5 博士后研究员（PDF），贝拿勒斯印度教大学管理学院，瓦拉纳西 IM，Banaras Hindu大学，兰卡，瓦拉纳西，邮编：221005 引用：Priti Gupta 博士等人 (2024) 探索教育的未来：人工智能对师生关系的影响，教育管理：理论与实践，30(4)，6006-6013，Doi：10.53555/kuey.v30i4.2332
Priti Gupta 博士 1*、Chakrala Sreelatha 博士 2、A. Latha 3、Shilpi Raj 博士 4、Aparna Singh 博士 5 1* 经济学系研究生助理教授，Bhupendra Narayan Mandal 大学（西校区）研究生中心，Saharsa，比哈尔邦，852201 2 统计学系助理教授，Rajendra 大学，Pragna vihar，Balangir 区，Odisha，邮编：767002 3 数学系助理教授，KSR 工程学院，Tiruchengode，Namakkal Dt，邮编：637215 4 助理教授，Amity 商学院，Amity 大学巴特那，Rupaspur，巴特那，比哈尔邦，邮编：801503 5 博士后研究员（PDF），贝拿勒斯印度教大学管理学院，瓦拉纳西 IM，Banaras Hindu大学，兰卡，瓦拉纳西，邮编：221005 引用：Priti Gupta 博士等人 (2024) 探索教育的未来：人工智能对师生关系的影响，教育管理：理论与实践，30(4)，6006-6013，Doi：10.53555/kuey.v30i4.2332
推荐引用 推荐引用 Bardis, Michelle D; Houshyar, Roozbeh; Chang, Peter D; Ushinsky, Alexander; Glavis-Bloom, Justin; Chahine, Chantal; Bui, Thanh-Lan; Rupasinghe, Mark; Filippi, Christopher G; 和 Chow, Daniel S，“人工智能在前列腺多参数 MRI (mpMRI) 中的应用：当前和新兴趋势。”《癌症》（巴塞尔）。12，5。1204 (2020)。https://digitalcommons.wustl.edu/open_access_pubs/9270
摘要：前列腺癌是全球最常见的癌症之一。多参数磁共振成像 (mpMRI) 是一种非侵入性工具，可以改善前列腺病变的检测、分类和体积量化。机器学习 (ML) 是人工智能的一个分支，可以快速准确地分析 mpMRI 图像。ML 可以提供更好的标准化和一致性来识别前列腺病变并增强前列腺癌管理。本综述总结了 ML 在前列腺 mpMRI 中的应用，并重点关注前列腺器官分割、病变检测和分割以及病变表征。进行了文献检索，以查找将 ML 方法应用于前列腺 mpMRI 的研究。迄今为止，前列腺器官分割和体积近似已经使用各种 ML 技术很好地执行。前列腺病变检测和分割对于 ML 来说是更具挑战性的任务，并在多项研究中进行了尝试。由于数据稀缺和当前 ML 算法的局限性，它们在很大程度上仍未解决。相比之下，由于数据可用性更高，前列腺病变表征已在多项研究中成功完成。总体而言，ML 完全有能力成为一种提高放射科医生准确性和速度的工具。