XiaoMi-AI文件搜索系统
World File Search SystemSample
对粪便样品的代谢组筛查是对婴儿过敏的牛奶蛋白过敏的临床试验的替代方法
牛奶蛋白过敏（CMPA）是食物过敏的最复发性儿科疾病之一，这是幼儿时期发生的。诊断并不容易，需要口服食物挑战测试（OFC）。在寻找可以用作CMPA的生物标志物的可能的肠道代谢产物时，评估了来自怀疑CMPA的婴儿的粪便样品的24个代谢组谱。儿童先前被诊断出患有OFC。粪便样品，并使用FT-Orbitrap质谱仪直接通过超高分辨率质谱（HRMS）直接分析。代谢组谱，该分析在区分样品以提出诊断方面并不有效。然后，在负面分析模式下获得的特定M/Z范围的代谢组谱成功地经受了正交部分最小二乘判别分析（OPLS-DA），该分析在没有CMPA的情况下将两组分开。模型拟合为R²= 0.88，在测试中具有Q²= 0.52的预测能力，其置换为2000排列，显着性p值<0.05。在这项初步研究中，使用代谢组谱获得的模型显示出显着的验证值，这表明有可能区分两组感兴趣的验证值，这表明其用作CMPA患者的可能诊断工具。
通过定量溶解动态核极化
摘要：超极化的核磁共振（NMR）提供了一组方法，可以显着解决NMR的灵敏度问题。溶解动态核极化（D-DNP）提供了一种独特而通用的方法，可检测13 C NMR信号，其灵敏度通过几个数量级增强。D-DNP的扩展应用范围现在涵盖了自然13 C丰度时对复杂混合物的分析。但是，在该区域中，它仅限于代谢物提取物。在这里，我们报告了自然丰度时生物氟-urine-的第一个DNP增强的13 C NMR分析，为这种具有挑战性的样本提供了前所未有的分辨率和敏感性。我们还表明，可以通过标准添加程序检索有关多个靶向代谢物的准确定量信息。
计算机科学博士论文：通过人类反馈提高强化学习的样本效率
随着人工智能的快速发展，这项技术已经走出工业和实验室，进入了人们的日常生活。一旦人工智能和机器人代理进入日常家庭，它们就需要能够考虑人类的需求。借助诸如强化学习人类反馈 (RLHF) 之类的方法，代理可以通过学习奖励函数或直接基于其反馈优化策略来学习理想的行为。与受益于互联网规模数据的视觉模型和大型语言模型 (LLM) 不同，RLHF 受限于所提供的反馈量，因为它需要额外的人力投入。在本论文中，我们研究如何减少人类提供的反馈量，以减轻他们在估计奖励函数时的负担，同时又不降低估计值。我们从基于偏好的学习角度研究了反馈的信息量和效率之间的根本权衡。为此，我们介绍了多种方法，这些方法可以分为两类：隐式方法，无需额外的人力投入即可提高反馈质量；显式方法，旨在通过使用更多反馈类型来大幅增加信息量。为了隐式地提高偏好反馈的效率，我们研究如何利用主动学习 (AL)，通过变分自编码器 (VAE) 从已学习表征的不同聚类中策略性地选取样本，从而提高样本的多样性。此外，我们利用偏好对之间的独特关系，通过在 VAE 的潜在空间上进行插值来执行数据合成。虽然隐式方法具有无需额外工作量的优势，但它们仍然存在偏好本身所能提供的信息量有限的问题。轨迹偏好的一个局限性是没有折扣，这意味着如果一条轨迹是偏好的，则假设整个轨迹都是偏好的，从而导致偶然的混淆。因此，我们引入了一种称为亮点的新反馈形式，让用户在轨迹上显示哪些部分是好的，哪些部分是坏的。此外，利用 LLM，我们创建了一种方法，让人类通过自然语言解释他们的偏好，以推断哪些部分是偏好的。总体而言，本论文摆脱了互联网规模数据的假设，并展示了如何通过较少的人工反馈实现一致性。
计算机科学中的博士论文提高了从人类反馈中学习的样本效率
随着人工智能的快速发展，该技术已从工业和实验室环境中转移到了日常人的手中。一旦AI和机器人代理人被安置在日常家庭中，就需要考虑到人类的需求。使用诸如从人类反馈（RLHF）中学习的方法，代理可以通过学习奖励功能或直接基于其回馈来优化策略来学习理想的行为。与互联网规模数据受益的视觉模型和大型语言模型（LLM）不同，RLHF受到提供的反馈量的限制，因为它需要额外的人为努力。在本文中，我们研究了如何减少人类提供的反馈数量，以减轻奖励功能而不会降低估计值时减轻负担。我们从基于偏好的学习角度来解决反馈的信息和效率之间的基本权衡。在这方面，我们介绍了可以分为两组的多种方法，即在没有额外的人类努力的情况下提高反馈质量的隐式方法，以及旨在通过使用其他反馈类型来大幅增加信息内容的明确方法。为了暗中提高偏好反馈的效率，我们研究如何利用主动学习（AL）来通过从差异自动编码器（VAE）中从差异化表示中挑选出差异的群集来提高样品的多样性。此外，我们还利用了优先对对通过在VAE的潜在空间上插值执行数据综合之间的独特关系。虽然隐式方法具有不需要额外努力的好处，但它们仍然遭受单独提供的信息提供的有限信息。对轨迹的偏好的一个局限性是没有折扣，这意味着如果首选轨迹，则为整个轨迹是首选，导致休闲混乱。因此，我们引入了一种称为“亮点”的新形式的反馈形式，该反馈使用户可以在轨迹上显示，哪一部分是好的，哪一部分不好。此外，利用LLMS创建了一种让人通过自然语言解释其偏好的方法，以推断出哪些部分是首选的。总的来说，本论文远离了互联网规模数据的假设，并展示了我们如何从人类较少的反馈中实现一致性。
表示不规则采样的时间序列，具有分类和转移学习的生成语言模型
摘要。人类活动识别在包括医疗保健和智能家居在内的各个领域都起着至关重要的作用。随着配备环境传感器的智能房屋的越来越多，人们对利用人工智能技术的兴趣越来越兴趣，以理解和认识到这些环境中的人类活动。但是，环境传感器收集的数据的规则和嘈杂性质提出了独特的挑战。为了应对这些挑战，我们建议使用接受传感器激活序列训练的预训练的嵌入式嵌入，通常是基于类似于GPT的架构的算法，以证明在智能家庭中日常生活的分类表现。此外，我们利用从一个环境中获得的知识来增强另一个环境的活动识别，研究转移学习的概念。结果表明，GPT变压器解码器的方法在多个数据集的精度和平衡精度方面优于其他算法。这些发现还突出了转移学习的潜力，从干净且大的数据集中，GPT跨解码器预先训练的嵌入在各种情况下显示出令人鼓舞的结果。
葡萄：学习为可伸缩图神经网络示例图
图形神经网络（GNNS）学会通过汇总邻居的信息来表示节点。随着GNNS的深度增加，它们的接受场成倍增长，导致高度记忆成本。文献中提出的几件作品旨在解决通过抽样或使用历史嵌入来解决这一缺点。这些方法主要集中在同质图上的单标签节点分类的基准上，其中相邻的节点通常共享相同的标签。但是，这些方法中的大多数都依赖于可能不会在不同的图形或任务上概括的静态启发式方法。我们认为，采样方法应具有自适应，并适应每个图的复杂结构特性。为此，我们引入了葡萄，这是一种自适应抽样方法，该方法学会识别一组对于训练GNN至关重要的节点。葡萄通过优化下游任务目标来训练第二个GNN，以预测节点采样概率。我们评估涉及同质图和异地图的各种淋巴分类基准的葡萄。我们证明了葡萄在准确性和可伸缩性中的有效性，尤其是在多标签异质图中。此外，葡萄的使用数量级比基于历史嵌入的强基线要少。与其他采样方法不同，葡萄的精度也很高，即使样本量较小，因此可以扩展到大量图。我们的实施在线公开可用。1。
比较嵌入结直肠癌筛查计划中的微生物分析的粪便样品收集方法
然而，为了有可能告知建立基于大肠癌筛查计划的国际研究，需要进行其他方法学工作来测试适合和标本收集卡，这些标本收集卡在其他国家采用了不同的拟合方法和筛选程序。因此，我们评估了存储在室温下的粪便标本中的微生物稳定性，并评估了来自两个不同标本收集卡（用于阿富汗）的微生物组指标的准确性，以及在正在进行的国际大型癌症筛查程序中使用的四个不同的拟合管（在法国和大多数欧洲国家，摩洛哥，土耳其，火鸡和伊朗）。此外，我们研究了结直肠癌筛查程序和替代运输温度（例如夏季和冬季温度）对微生物组准确性和稳定性确定的影响。
小脑和认知功能：来自转诊样本的解剖学证据
在人类功能，病变和动物数据中抽象的多行证据表明，小脑角色，尤其是Crus I，Crus II和Lobule VIIB，在认知功能中。然而，缺少将认知功能的不同方面映射到小脑结构。我们分析了来自健康脑网络（HBN）的结构神经影像学数据。小脑包裹。规范相关分析（CCA）检查了与认知功能相关的区域灰质体积（GMV）差异（用NIH工具箱认知域，NIH-TB量化），对心理病理学的严重程度，年龄，性别，性别，性别，扫描位置和内部体积进行了考虑。多变量CCA发现了两个需要潜在认知规范（NIH-TB子量表）和脑规范变量（小脑GMV和颅内体积，ICV）的两个组件之间的显着相关性。组件对应于部分共享的小脑 - 认知功能关系，其中的第一个映射涉及认知灵活性（r = 0.89），处理速度（r = 0.65）以及与CRUS II（r = 0.57）和LOBULE X（r = 0.59）的区域GMV相关的工作记忆（r = 0.52），包括crus x（r = 0.59）。 r = 0.49）与工作记忆相关（r = 0.51）。我们展示了在转诊样品中认知功能的小脑形态的结构性典型化的证据。
下一个样本跟踪的遗传性别验证...
©作者2024。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：//创建ivecommons。org/licen ses/by/4。0/。Creative Commons公共领域奉献豁免（http：//创建ivecommons。Org/publi cdoma in/Zero/1。0/1。0/）适用于本文中提供的数据，除非在数据信用额度中另有说明。
糖尿病与全髋关节置换术结局之间的关联：使用美国国家住院样本
抽象目的是研究糖尿病与接受原发性全髋关节置换术（THA）患者的术后结局的关联。设计回顾性队列研究使用美国国家住院样本（NIS）的数据。设置研究队列是美国原发性THA的住院，这是NIS 2016 - 2020年确定的。参与者我们在2016 - 2020年NIS中确定了2 467 215名成年人，他们使用国际疾病分类，第10个修订代码接受了主要的THA。原发性医院被分析为整体组，并通过对THA的基本诊断进行了分层。结果措施的结果度量是医院住院时间>中位数，总医院费用>中位数，住院死亡率，非顾问出院，需要输血，人工骨折，假体脱位和术后感染，包括围产期围卷围产期关节感染，深层外科手术部位感染，深层外科手术。在2 467 215例接受初次THA的患者中，平均年龄为68.7岁，女性为58.3％，白人为85.7％，有61.7％的Medicare付款人，有20.4％的Deyo-Charlson Index（适应为2或更高的糖尿病）。416 850（17％）患者患有糖尿病。我们注意到无血管坏死和炎症性关节炎队列中缺乏某些关联（p> 0.05）。结论糖尿病与原发性THA后的医疗保健利用率增加，输血和术后感染风险有关。需要进行较大的研究，在经历原发性THA的血管坏死和炎症性关节炎队列中。在整个队列中多变量调整的逻辑回归中，糖尿病与更长的住院时间更长（调整或（AOR）1.38; 95％CI 1.35至1.41）有关输血（AOR 1.19; 95％CI 1.15至1.23），术后感染（AOR 1.62; 95％CI 1.10至2.40）和人心理联合感染（AOR 1.91; 95％CI CI 1.12至3.24）。通过术前医疗管理和/或特定术后途径的糖尿病优化可以改善这些结果。