XiaoMi-AI文件搜索系统
World File Search SystemSurrogates
心力衰竭患者的血液体积测量
由于肾脏液体保留率或静脉储层的血液体积重新分布而导致的临床充血的发展是慢性心力衰竭（HF）患者的复发情况。因此，充血的治疗（通常是通过攻击性利尿治疗）是HF患者管理中的一线问题。然而，临床充血和体积超负荷与物理体征和症状以及其他体积评估的替代物的关联具有准确性的局限性，因此，可靠性可靠性直接进行适当的干预措施。量化血管内体积并确定HF患者体积曲线的可变性的能力可以唯一地为个性化的体积管理和有助于风险分层。该工具由当代基于核医学的BVA-100方法提供，该方法使用了良好的指标稀释原则，并且是本综述中要求讨论的主题。
生化和生物物理研究通信
人工智能（AI）对我们的社会产生了革命性的影响。它正在帮助人类面对本世纪的全球挑战。传统上，AI是在软件或硬件中通过神经形态工程开发的。最近，已经提出了一种全新的策略。是所谓的化学AI（CAI），它利用了湿软件中的分子，超分子和系统化学的分子化学化学。在这项工作中，描述了两种有前途的CAI的有前途的方法。一个人指的是设计和实施可以通过光学或化学信号进行通信的神经替代物，并引起网络以进行计算目的并开发微/纳米型。另一种方法涉及可以在包括未来纳米米医学在内的各种情况下用于应用的“自下而上的合成细胞”。这两个主题均以基本层面的形式提出，主要是为了向广泛的非专家们介绍，并赞成对这些边界主题的兴趣兴起。
衍生的异种移植和类器官用于癌症药理学
由癌症干细胞 (CSC) 驱动的患者来源肿瘤异种移植 (PDX)/类器官 (PDO) 被视为转化肿瘤学最具预测性的模型。人们已经创建了能够反映患者群体的大型 PDX 集合，并广泛用于测试各种研究疗法，包括作为体内替代对象的群体试验。PDO 被认为是适合高通量筛选 (HTS) 的患者的体外替代品。我们通过转换现有的 PDX 库建立了一个癌症 PDX 衍生类器官 (PDXO) 生物库，并证实了 PDXO 与亲本 PDX 在基因组学、组织病理学和药理学方面具有高度相似性，表明两者之间存在“生物等效性或可互换性”。我们在此展示了 PDXO 生物库在 HTS“矩阵”筛选中的应用，包括先导化合物和适应症、免疫细胞共培养用于免疫治疗以及工程化实现体外/体内成像。这个大型生物库包含 550 多个不同癌症的 PDX/PDXO 配对，可能成为未来癌症药物研发的有力工具。
将配体功效指数与化合物药代动力学特征相结合，以获得整体化合物质量评分
小分子是否适合作为口服药物，通常通过简单的物理化学规则、配体功效评分（结合物理化学特性和效力）或基于物理化学化合物特性的多参数综合评分来评估。这些规则和评分是经验性的，通常缺乏机制背景，例如药代动力学 (PK) 信息。我们引入了一种新型化合物质量评分（具体称为剂量评分和 c max 评分），其中明确包括预测的或在可用时通过实验确定的 PK 参数，例如分布容积、清除率和血浆蛋白结合。结合靶向效力，这些评分可替代估计剂量或相应的 c max。这些化合物质量评分可用于在测试级联中对化合物进行优先排序，通过整合基于机器学习的效力和 PK 预测，这些评分可用于对合成进行优先排序。我们通过项目实例展示了现有效率指标（如配体效率分数）的互补性，并且在大多数情况下具有优越性。
数字保存战略 2022-2026
美国国家档案与记录管理局 (NARA) 负责识别、保存和提供对美国政府大量档案记录的访问。我们保存这些记录是为了保护公民的权利、确保政府问责制和记录国家经验。NARA 保管的电子记录包括文本材料、电子邮件、数据文件、地图、航拍和静态照片以及电影、声音和视频记录。这些记录属于公众，我们的使命是通过公众访问高价值的政府记录来推动开放、培养公众参与和加强我们国家的民主。保存 NARA 的数字资产（包括原生数字记录（最初以电子格式创建的记录）和数字替代记录）是实现这些目标的基础。保存和确保未来可以访问这些记录也直接支持 EO 13985 中定义的政策，即通过联邦政府促进种族平等和支持服务不足的社区。
治疗目标：负责开发儿童和青少年精神病学反应和耐受性的生物标志物。
摘要 当前儿童心理健康危机的特点是抑郁、焦虑和自杀率惊人。除此之外，儿童和青少年抑郁和焦虑症的一线药物干预产生了不同的反应，五分之二的青少年没有反应。鉴于儿童抑郁和焦虑症的治疗反应的异质性，药效学生物标志物对于开发精准疗法是必不可少的，因为它可以确定明确的靶点来指导治疗。这篇小型综述总结了候选生物标志物及其在儿童心理健康状况中的发展。还介绍了这些生物标志物如何与儿童和青少年的安全性、有效性（例如临床终点的替代物）、耐受性或靶点参与（即药物作用）相关的框架。总之，越来越多的数据表明，在患有各种精神疾病的儿童和青少年中，药效学生物标志物可以促进开发针对特定人群的明确靶点的药物，
ftorch：耦合pytorch型号的库
•在Fortran中复制一个网络，以使用Pytorch开发的模型，并仅使用Fortran重新实现它，从而从文件中加载了节省的权重。这可能需要大量的开发工作，重写已经存在的代码，以及缺少使用Torch的多样化和高度优化功能的机会。重新实施可能是错误的来源，需要其他测试以确保正确性。如果总体目标是将ML纳入Fortran，而不是使用Pytorch特定，那么另一种方法是利用基于Fortran的ML框架（例如Neural-Fortran）（Curcic，2019）。尽管它不允许与Pytorch相互作用，但神经fortran提供了许多直接在Fortran中建造网的神经网络组件。但是，一组功能并不像Pytorch那样丰富，而GPU卸载目前不受支持。目前，菲亚斯（Rouson＆Rasmussen，2024年）库是直接在Fortran中开发，培训和部署ML模型的另一种方法，目前是实验性GPU支持。
中重度创伤性脑损伤成人危重患者的神经预测指南
摘要背景：中度至重度创伤性脑损伤 (msTBI) 在世界范围内具有很高的发病率和死亡率。准确的神经预测对于指导临床决策至关重要，包括患者分诊和过渡到舒适措施。在这里，我们提供了有关 msTBI 神经预测中常用的主要临床预测因子和预测模型的可靠性的建议，指导临床医生为代理决策者提供咨询。方法：使用建议评估、制定和评估等级 (GRADE) 方法，我们对文献中引用的临床最相关的预测因子和预测模型进行了系统的叙述性回顾。审查涉及制定特定人群/干预/比较/结果/时间/环境 (PICOTS) 问题并采用严格的全文筛选标准来审查文献，重点关注四个 GRADE 标准：证据质量、结果的可取性、价值观和偏好以及资源使用。此外，还起草了针对神经预测关键原则的良好实践建议。结果：在筛选了 8125 篇文章后，有 41 篇符合我们的资格标准。我们选择了 10 个临床变量和 9 个评分量表。许多文章对“不良”功能结果的定义各不相同。为了保持一致性，我们将“不良”视为“不利”。尽管许多临床变量与 msTBI 的不良结果有关，但只有在入院时双侧瞳孔无反应，且评估准确且不受药物或损伤影响的情况下，才被认为对于为代理人提供有关 6 个月功能结果或住院死亡率的咨询具有中等可靠性。在预测模型方面，严重头部受伤后皮质类固醇随机化 (CRASH)-basic、CRASH-CT（CRASH-basic 通过计算机断层扫描功能扩展）、国际 TBI 临床试验预后和分析任务 (IMPACT)-core、IMPACT-extended 和 IMPACT-lab 模型被推荐为在预测 14 天至 6 个月死亡率和 6 个月及以后的功能结果方面具有中等可靠性。当使用“中等可靠性”的预测因子或预测模型时，临床医生必须承认预后存在“相当大的”不确定性。结论：这些指南为临床医生在为 msTBI 患者的代理人提供咨询时，就个别预测因子和不良结果预测模型的正式可靠性提供了建议，并提出了神经预测的广泛原则。
WITS科学体育场计划：1月21日，星期二...
Pretoria大学Schalk Kok教授，“替代建模的最新进展”摘要Schalk Kok教授将对替代建模的个人观点展示。 他已经从事代理模型工作了近三十年。 他的第一次接触替代模型发生在1996年的硕士研究期间，当时他使用多项式替代物代替了瞬时的热弹性有限元模型。 下一步在2009年遇到了代孕，他参与了网状运动项目。 径向基函数用于在流体结构相互作用（FSI）求解器中移动流体网格。 最近（2022-2024），Kok教授和Nico Wilke教授监督博士生Johann Bouwer，以发展近乎最佳的梯度增强了代理人。 特定值得注意的是开发数据预处理步骤，该步骤使用缩放和旋转来转换数据集。 目的是将数据集转换为更多各向同性，这使得径向基函数替代（由各向同性基函数的求和组成）更有可能准确地近似数据。 Schalk Kok教授是机械工程领域的经验丰富的学者，目前是比勒陀利亚大学机械和航空工程系的教授兼负责人。 目前，他还被任命为EBIT教师工程学院主席。 Kok教授完成了他的B.Eng。 和M.Eng。 Kok教授的专业旅程跨越了学术界和应用研究。Pretoria大学Schalk Kok教授，“替代建模的最新进展”摘要Schalk Kok教授将对替代建模的个人观点展示。他已经从事代理模型工作了近三十年。他的第一次接触替代模型发生在1996年的硕士研究期间，当时他使用多项式替代物代替了瞬时的热弹性有限元模型。下一步在2009年遇到了代孕，他参与了网状运动项目。径向基函数用于在流体结构相互作用（FSI）求解器中移动流体网格。最近（2022-2024），Kok教授和Nico Wilke教授监督博士生Johann Bouwer，以发展近乎最佳的梯度增强了代理人。特定值得注意的是开发数据预处理步骤，该步骤使用缩放和旋转来转换数据集。目的是将数据集转换为更多各向同性，这使得径向基函数替代（由各向同性基函数的求和组成）更有可能准确地近似数据。Schalk Kok教授是机械工程领域的经验丰富的学者，目前是比勒陀利亚大学机械和航空工程系的教授兼负责人。目前，他还被任命为EBIT教师工程学院主席。Kok教授完成了他的B.Eng。 和M.Eng。 Kok教授的专业旅程跨越了学术界和应用研究。Kok教授完成了他的B.Eng。和M.Eng。Kok教授的专业旅程跨越了学术界和应用研究。Kok教授的专业旅程跨越了学术界和应用研究。比勒陀利亚大学的学位，然后是博士学位。在伊利诺伊大学Urbana-Champaign大学，得到包括富布赖特奖在内的著名奖学金的支持。从2003年到2009年，他在2009年至2013年的科学与工业研究委员会（CSIR）工作，并于2013年返回比勒陀利亚大学。自返回UP以来，他的研究集中在计算固体力学和材料建模上，这是有限元分析和材料参数识别等领域的。他的贡献也扩展到了专业服务，包括在南非理论和应用机械师协会（SAAM）中的领导角色。他是Saam的前任总裁，连续三年任职（2010-2016）。
使用人工智能和联合仿真优化雾计算环境的性能
本教程介绍了一种性能工程方法，该方法使用人工智能和耦合仿真来优化边缘/雾/云计算环境的服务质量 (QoS)，该仿真是联合仿真型容器编排 (COSCO) 框架的一部分。它介绍了基本的人工智能和联合仿真概念、它们在雾计算背景下的 QoS 优化和性能工程挑战中的重要性。它还讨论了如何将人工智能模型（特别是深度神经网络 (DNN)）与模拟估计结合使用以做出最佳资源管理决策。此外，我们还讨论了一些使用 DNN 作为替代方法来估计关键 QoS 指标的用例，并利用此类模型在分布式雾环境中构建动态调度策略。本教程使用 COSCO 框架演示了这些概念。COSCO 中的指标监控和模拟原语展示了基于人工智能和模拟的调度程序在雾/云平台上的有效性。最后，我们为雾管理领域出现的资源管理问题提供了人工智能基线。