XiaoMi-AI文件搜索系统
World File Search SystemSaveetha
ICSME 24 FINS.CDRICSME 24 FINS.CDR
DR。 N. Vijayan，NPL新德里博士N. Ayyadurai，Clri，钦奈教授R. Jayvel，安娜大学，钦奈教授P. Ramasamy，钦奈教授SSN工程学院Bharathiar大学博士K. Srinivasan P. Dhanasekaran，Bharathiar大学教授M. Arivanandham，安娜大学，钦奈教授P. Murugavel，IITM，钦奈教授R. Illangovan，马德拉斯大学博士R. Yuvakkumar，Alagappa大学，Karaikudi教授D. Rajan Babu，Vit，Vellore教授L. Kavitha，泰米尔纳德邦中央大学，蒂鲁瓦拉尔博士SSN工程学院Muthu Senthil Pandian，钦奈博士钦奈博士总统学院T. Alagesan P. Ananddan，Tkgac，Virudhachalam Dr. S. Kalpana，钦奈Saveetha工程学院K. Thangaraj，Nit，Warangal教授Mihir J. Joshi，Sourashtra University Dr. K. Selvakumar，Annamalai University Dr. K. Sakthipandi，SRM TRP工程学院，Trichy Dr. K. A. Rameshkumar，塞勒姆·佩里亚尔大学（Periyar University） V. N. Vijayakumar，Bannari Amman理工学院，Sathy Dr. B. Mahesh，JSS技术教育学院，班加罗尔博士Swatibaruah，Assam Kaziranga University，Assam Dr. L. Saravanan，Saveetha医学与技术科学研究所，Kanchipuram。DR。 N. Vijayan，NPL新德里博士N. Ayyadurai，Clri，钦奈教授R. Jayvel，安娜大学，钦奈教授P. Ramasamy，钦奈教授SSN工程学院Bharathiar大学博士K. Srinivasan P. Dhanasekaran，Bharathiar大学教授M. Arivanandham，安娜大学，钦奈教授P. Murugavel，IITM，钦奈教授R. Illangovan，马德拉斯大学博士R. Yuvakkumar，Alagappa大学，Karaikudi教授D. Rajan Babu，Vit，Vellore教授L. Kavitha，泰米尔纳德邦中央大学，蒂鲁瓦拉尔博士SSN工程学院Muthu Senthil Pandian，钦奈博士钦奈博士总统学院T. Alagesan P. Ananddan，Tkgac，Virudhachalam Dr. S. Kalpana，钦奈Saveetha工程学院K. Thangaraj，Nit，Warangal教授Mihir J. Joshi，Sourashtra University Dr. K. Selvakumar，Annamalai University Dr. K. Sakthipandi，SRM TRP工程学院，Trichy Dr. K. A. Rameshkumar，塞勒姆·佩里亚尔大学（Periyar University） V. N. Vijayakumar，Bannari Amman理工学院，Sathy Dr. B. Mahesh，JSS技术教育学院，班加罗尔博士Swatibaruah，Assam Kaziranga University，Assam Dr. L. Saravanan，Saveetha医学与技术科学研究所，Kanchipuram。
糖尿病疫苗——我们的现状如何？
1 国际医科大学药学院生命科学系，吉隆坡 57000，马来西亚 2 阿治曼大学药学院与健康科学学院药学系，阿治曼 Al-Jruf，阿治曼 PO Box 346，阿拉伯联合酋长国 3 阿治曼大学医学与生物相关健康科学研究中心，阿治曼 Al-Jruf，阿治曼 PO Box 346，阿拉伯联合酋长国 4 圣玛丽药学院，圣玛丽机构集团贡土尔，Chebrolu，贡土尔 522212，印度 5 阿治曼大学医学与生物相关健康科学研究中心牙科学院临床科学系，阿治曼 Al-Jruf，阿治曼 PO Box 346，阿拉伯联合酋长国 6 国际医科大学健康科学学院，吉隆坡 57000，马来西亚 7 阿达玛斯大学生物技术系，加尔各答 700126，印度 8 印第安纳大学外科学系医学院，印第安纳波利斯，印第安纳州 46202，美国 9 国际医科大学药学院，吉隆坡 57000，马来西亚 10 国际医科大学药学院制药技术系，吉隆坡 57000，马来西亚 11 马来亚大学海洋与地球科学研究所 C302，吉隆坡 50603，马来西亚 12 Suresh Gyan Vihar 大学药学院，斋浦尔 302017，印度 13 萨维塔牙科学院药理学系，萨维塔大学医学和技术科学研究所，钦奈 600077，印度 14 北方邦大学药学科学研究所，德拉敦 248007，印度 15 洛夫利专业大学药学院，贾朗达尔-德里 GT 路，帕格瓦拉 144411，印度补充与综合医学，悉尼科技大学健康学院，悉尼，新南威尔士州 2007，澳大利亚 17 药学学科，悉尼科技大学健康研究生院，悉尼，新南威尔士州 2007，澳大利亚 * 通讯地址：dinesh_kumar@imu.edu.my (DKC)；r.bhandareh@ajman.ac.ae (RRB)；电话：+60-12-636-1308 (DKC)；+971-6-705-6227 (RRB)
关于丙戊酸钠的病例报告在躁狂症的情况下诱导的年轻发作高血压
该病例报告检查了丙戊酸钠，通过FDA批准的双极性疾病和癫痫的药物之间的关联，以及患有躁狂症状的年轻患者中的高血压发作。在Saveetha医学院医院进行的这项回顾性研究重点是一名18岁男性，强调了监测接受丙丙酸钠的患者血压的重要性。在丙戊酸钠的启动与高血压的发展之间观察到了明确的时间关系，在药物调整后无需降压药物而解决。该病例强调了临床医生对丙戊酸钠的心血管副作用和倡导者进行进一步研究的必要性，以增强患者的安全性并优化治疗方法。
研究文章利用可持续资源利用智能技术促进环境中的能源效率
1 Department of Electronics and Communication Engineering, Sathyabama Institute of Science and Technology, Chennai, 600 119 Tamil Nadu, India 2 Department of Electrical Engineering, Gujarat Power Engineering & Research Institute, Mehsana, 382710 Gujarat, India 3 Department of Civil Engineering, Sri Sairam Engineering College, Chennai, 600044 Tamil Nadu, India 4 Department of Electrical及电子工程，LD工程学院，Navrangpura，艾哈迈达巴德380015，印度5，5电子和电子工程系，孔瓜工程学院，Perundurai，Erode，Erode，638060 TAMIL NADU，印度泰米尔纳德邦，印度6印度6号计算机科学和工程学系埃塞俄比亚哈瓦萨大学技术研究所制造
印度在 QS 世界大学排名中大放异彩（2025 年）
位置，得分为 58.5。● 安娜大学在每个学院的引用量指标中表现出色，以满分 100 分排名全球第二。此外，它在国际研究网络指标中超越其他印度机构，以 89.2 的令人印象深刻分数获得第 181 位。● 德里大学在就业成果指标中表现出色，在全球排名第 44 位，并且是该参数中唯一进入前 100 名的印度机构。此外，在可持续性指标中，它在印度机构中排名最高，位列第 220 位。● Symbiosis International（视为大学）在雇主声誉指标中在印度机构中得分最高，排名第 31 位，得分为 95.6。● 萨维塔医学和技术科学研究所（视为大学）在国际教师指标中在印度机构中排名最高，排名第 210 位，得分为 87.1。
JMSCR VOL || 04 ||发行|| 05 || Page 10398-10405 || 2016年5月
高胆固醇水平长期以来一直被认为是心血管疾病的独立危险因素。 糖尿病，尤其是2型糖尿病，占成人糖尿病人群的97％以上。 缺乏运动，糖果，软饮料以及水果和蔬菜消费量的增加，越来越多地导致年轻人和成人的超重和肥胖。 吸烟和高血压是心血管疾病连续体的良好危险因素。 几乎没有任何研究评估导致心血管疾病的危险因素。 因此，本综述将有助于确定负责心血管疾病连续体的因素。 关键词：心血管，高血压，糖尿病，吸烟高胆固醇水平长期以来一直被认为是心血管疾病的独立危险因素。糖尿病，尤其是2型糖尿病，占成人糖尿病人群的97％以上。缺乏运动，糖果，软饮料以及水果和蔬菜消费量的增加，越来越多地导致年轻人和成人的超重和肥胖。吸烟和高血压是心血管疾病连续体的良好危险因素。几乎没有任何研究评估导致心血管疾病的危险因素。因此，本综述将有助于确定负责心血管疾病连续体的因素。关键词：心血管，高血压，糖尿病，吸烟
将随机森林算法与k-nearest进行比较...
和技术科学，Saveetha University，Chennai，印度泰米尔纳德邦，Pincode：602105。摘要目的：本文的主要目的是使用新型的K-Neareb-Nearper机器学习算法提高中风预测的准确性，与随机森林算法相比。材料和方法：本文中使用的两个组是新型的K-Neartible算法和随机森林算法。数据集由5000多个患者医学和个人记录记录组成。这里进行了预测功能分析，进行了80％，CI值为95％，两组n = 10迭代的样本量。结果：新型的K-Neart邻居算法95.70％在预测使用的中风预测数据集时，而随机森林为94.80％。存在两组之间统计上无关的差异（p = 0.204； p> 0.05）。因此，随机森林比最近的邻居更好。结论：与随机森林相比，新颖的K-最近的K-最近的邻居算法更好，既是精度和准确性关键词：机器学习，新颖的K-北端邻居，随机森林，中风预测，分类，决策树。简介
病因因素和眩晕的管理
摘要简介：眩晕和头晕是各种潜在条件的症状，从良性到严重，影响多达40％的成年人。了解与这些症状相关的病因因素和人口统计学特征对于提高诊断准确性和管理至关重要。本研究旨在确定在临床环境中导致眩晕和头晕的病因学因素，并评估治疗策略的有效性。材料和方法：在2022年9月至2024年3月，在印度泰米尔纳德邦的Thandalam，Thandalam，Thandalam，Thandalam，Thandalam Saveetha医学院医院的ENT和Head＆Neck Surgery部门进行了回顾性队列研究。我们包括出现眩晕或头晕的患者，不包括那些患有非染色性头晕或不完整病历的患者。我们分析了患者记录中的人口统计数据，病史和临床发现。进行数据分析。连续变量。结果：该研究包括268名患者，主要是女性（57.8％）和40-50岁（29.9％）的患者。良性阵发性位置眩晕（BPPV）是最常见的病因因素（41.0％），其次是正常失调（17.2％）和前庭外周外功能障碍（VPD）（VPD）（16.0％）。临床表现和结果随基本病因而变化。总体而言，91.0％的患者在治疗后表现出改善，7.1％的患者达到了完全康复。1这些症状不是疾病本身，而是一系列结论：这项研究强调了眩晕和头晕的复杂性，这些复杂性受到各种因素和人口统计的影响。这强调了量身定制的管理策略和以患者为中心的多学科方法的重要性，强调定制治疗以改善患者的预后。关键字：头晕，眼球震颤，BPPV，前庭，梅尼埃氏病引入眩晕和头晕是复杂的症状，在临床环境中代表了诊断和管理方面的重大挑战。
IAP的共识声明 - 神经发育疾病的神经发育章节，关联过程：预防战略计划，早期
1 Nims-Spectrum-Child开发研究中心（CDRC）NIMS药物，Thiruvananthapuram，喀拉拉邦和名誉教授，Allied Health Science，Niche，Niche，Kumarakovil，Kumarakovil，Kanyakumari District，Kanyakumari District，Tamil Nadu； 2阿萨姆邦古瓦哈蒂印度儿科学院神经发育学会主席； 3北方邦加兹阿巴德印度儿科学院神经发育局霍尼秘书分会； 4彩虹诊所，高知，喀拉拉邦； 5喀拉拉邦高知的Indira Gandhi合作医院；马哈拉施特拉邦孟买的6个New Horizons儿童发展中心； 7 UMMEID小组的儿童发展中心，Madhya Pradesh Bhopal； 8新德里甘加拉姆医院的儿童发展中心； 9新德里的Bright Beginnings儿童发展中心； 10 Bharati Vidyapeeth医学院和医院，马哈拉施特拉邦浦那；马哈拉施特拉邦孟买的11个儿童发展中心； 12号希望单位，儿童发展中心，圣约翰班加罗尔，卡纳塔克邦； 13 Karnataka班加罗尔伊吉奇儿童发展中心； 14泰米尔纳德邦钦奈的Saveetha医学院儿童发展中心； 15 Karthikeyan儿童发展部，泰米尔纳德邦Sriher，Sriher； 16喀拉拉邦特里万德鲁姆儿童发展中心； 17儿童发展中心，泰米尔纳德邦CMC Vellore； 18号马哈拉施特拉邦纳维孟买的儿童发展中心； 19，拉贾斯坦邦斋浦尔的儿童发展中心； 20 Prateeksha儿童发展中心，喀拉拉邦Kottayam区的Pusphpagiri医学科学研究所； 21喀拉拉邦高知的阿斯特药物儿童发展中心； 22喀拉拉邦高知的科钦医院； 23 Nims-Spectrum-Child开发研究中心（CDRC）NIMS药物，喀拉拉邦Thiruvanthanapuram； 24 DELHI OKHLA International International； 25泰米尔纳德邦CMC Vellore精神病学系。
胎儿脑异常的识别和分类
E. Saraswathi a、S.Kalaiarasi b 和 A. Sharmila Agnal ca,c 印度钦奈 SRM 科学技术学院计算机科学与工程系助理教授 b 研究学者/CSE，Saveetha 工程学院 文章历史： 收到日期：2021 年 1 月 10 日；修订日期：2021 年 2 月 12 日；接受日期：2021 年 3 月 27 日；在线发表日期：2021 年 4 月 20 日 _____________________________________________________________________________________________________ 摘要：在当今世界，不仅成人、儿童、青少年患有不同的疾病，而且尚未出生的婴儿也患有各种异常。我们听到很多案例，孩子出生时就患有某种残疾，由于发现和治疗残疾的延迟，残疾变成了永久性的。每千名妇女中，就有三名怀上了异常孩子。如果我们以某种方式在胎儿阶段检测到孩子的异常并据此进行手术和用药，那么就可以非常有效和高效地治疗异常。我们的论文讨论了使用各种深度学习技术和算法检测和分类胎儿大脑异常的相同概念。之前也有类似的研究，但其他人使用的技术包括机器学习，它有一些缺点，可以使用深度学习技术解决。深度学习比机器学习更高效、更有优势。在我们的检测方法中，我们借助 MRI（磁共振成像）技术首先捕捉胎儿的大脑图像。然后我们执行各种预处理步骤来提取 ROI（感兴趣区域）。然后我们使用特征提取和缩减技术来获得更清晰、更详细的胎儿图像。我们将图像与正常的胎儿大脑图像进行比较，以对异常进行分类和检测。我们使用深度学习技术的 CNN（卷积神经网络）分类器算法来实现高水平的准确性。 CNN 算法优于机器学习技术的 k 均值聚类和 SVM 分类器算法。我们的工作显示出比以前的模型更高的准确性，我们未来的工作将涉及增加分类和数据。关键词：MR 图像、CNN 分类器、胎儿脑、DWT、预处理、分割。