XiaoMi-AI文件搜索系统
World File Search SystemUnivariate
原创研究人工智能（AI）在基于 CT 图像的 COVID-19 筛查和评估中的助力作用
目的：本研究旨在探讨针对新冠肺炎CT影像特点设计开发的人工智能系统在新冠肺炎筛查与评估中的作用。方法：研究团队采用改进的U型神经网络，通过多层卷积迭代，对CT影像中的肺部及肺炎病灶进行分割。然后选取合适的159例病例建立并训练模型，使用Dice损失函数与Adam优化器进行网络训练，初始学习率为0.001。最后选取39例病例（29例阳性，10例阴性）进行对比测试。实验组：主治医生a和副主任医生a在人工智能系统的帮助下阅读CT影像对新冠肺炎进行诊断。对照组：主治医生b和副主任医生b仅凭经验进行诊断，未借助人工智能系统。记录每位医生诊断所用时间及诊断结果。统计学分析采用配对t检验、单因素方差分析、卡方检验、受试者工作特征曲线、logistic回归分析。结果：不同组别的诊断时间差异有统计学意义（P<0.05）。对于诊断结果最优组，单因素和多因素分析均提示各变量间无显著相关性，可能是AI系统的辅助、流行病学史等因素发挥了重要作用。结论：我们研发的AI系统因应新冠肺炎而诞生，具有一定的临床实用性，值得推广。关键词：CT、新冠肺炎、智能分析、AI、助力作用
主要抑郁症的功能连通性特征：两个多中心神经成像研究的机器学习分析
机器学习的承诺激发了开发精神病学诊断工具的希望。初步研究表明，具有静止状态连接性的主要抑郁症（MDD）鉴定高精度，但由于缺乏大型数据集，进步受到了阻碍。在这里，我们使用常规的机器学习和先进的深度学习算法来区分MDD患者与健康对照的患者，并在两个最大的MDD静止状态数据集中确定抑郁症的神经生理学特征。我们从REST-META-MDD（n = 2338）和PSYMRI（n = 1039）联盟中获得了静止状态功能磁共振成像数据。分类，并使用5倍的交叉验证评估了性能。使用GCN解释器，一项消融研究和单变量t检验来可视化特征。结果显示，MDD与对照组的平均分类精度为61％。分类（非）药物亚组的平均准确性为62％。性别分类的精度在数据集中取得了明显的更好（73 - 81％）。结果的可视化表明，分类是由两个数据集中更强的丘脑连接驱动的，而几乎所有其他连接都较弱，单变量效应大小较小。这些结果表明，整个大脑静息状态的连通性是MDD的可靠生物标志物，但可能是由于疾病异质性所致，因此使用相同的方法进一步支持了性别分类的较高准确性。深度学习表明，在两项多中心研究中，丘脑性超连接性是抑郁症的突出神经生理学特征，这可以指导未来的研究中生物标志物的发展。
Rohit Mauria BS； Randall Hlubek MD
患者在我们机构进行了回顾性确定。纳入标准：冠状Cobb> 20°，矢状垂直轴（SVA）> 5 cm，骨盆倾斜（PT）> 25°或胸腔后脑（TK）> 60°，并完成前瞻性收集的跌倒风险问卷。排除标准：无法行走，神经退行性疾病，脊髓损伤或中风。使用经过验证的Morse秋季量表（MFS）确定跌倒风险。人口统计学，射线照相和健康相关的生活质量（HRQOL）措施，例如Oswestry残疾指数（ODI）和脊柱侧弯研究协会（SRS-22）。单变量和逻辑回归分析用于评估跌落的独立预测指标。
相关签名-IU Indianapolis Scholarworks
急性髓样白血病（AML）是最常见的造血恶性肿瘤之一，其结果不利，复发率很高。自噬在对白血病的发展和治疗反应中起着至关重要的作用。这项研究确定了潜在的自噬相关签名来监测AML患者的预后。转录组促进液（GSE37642）作为训练集，而TCGA-AML和GSE12417则用作验证同类。单变量回归分析和多变量逐步回归分析分别应用于确定与自噬相关的签名。识别与患者的总体生存率（OS）显着相关的单变量COX回归分析（ARGS）识别32个自噬相关基因（ARGS），并且主要在自噬，p53，ampk和TNF的信号传导途径中富含。一个预后签名，包括八个ARG（BAG3，Calcoco2，Camkk2，Canx，Canx，Dapk1，P4HB，TSC2和ULK1），并且通过Lasso - Cox spepwise Recression分析建立了良好的预测能力。发现高风险患者的OS比低风险组的患者短得多。调整临床病理参数后，该签名可以用作独立的预后预测指标，并在两个外部AML集合进行验证。在两组中分析的差异表达基因参与了炎症和免疫信号通路。潜在的可药物与OS相关的ARG。本研究对肿瘤效果免疫细胞的分析证实了高危患者具有强烈的免疫抑制微环境。
2020; 11(23): 6802-6811. doi: 10.7150/jca.48536 研究论文泛素特异性肽酶 5 增强 STAT3 信号传导并促进迁移和侵袭
目的：据报道，泛素特异性肽酶 5 (USP5) 可促进多种恶性肿瘤的进展。它可能通过调节细胞周期和集落形成来影响癌症的发展。在胰腺癌中，USP5 的生物学功能，特别是在迁移和侵袭方面的作用仍不清楚。方法：使用免疫组织化学 (IHC) 检测原发性胰腺癌和淋巴结转移组织中 USP5 蛋白的表达水平。使用 χ 2 检验、Kaplan-Meier 分析、单变量和多变量分析来评估 USP5 表达与临床病理特征之间的关系。进行 RT-qPCR 以定量胰腺癌细胞系中 USP5 的 mRNA 表达水平。进行 CCK8 和集落形成试验以证明 USP5 在增殖中的作用。通过 Transwell 和划痕愈合试验评估肿瘤转移。通过蛋白质印迹检测 EMT 和 STAT3 信号相关标志物。结果：（1）USP5蛋白表达水平与肿瘤分化程度、CEA及CA19-9水平相关。（2）单因素及多因素分析均显示USP5高表达是胰腺癌的不良预后因素，Kaplan–Meier分析直接表明USP5高表达患者总生存期较短。（3）USP5表达增高与胰腺癌的增殖和转移均相关。（4）USP5被证实介导胰腺癌细胞中的STAT3信号传导。结论：研究结果提示USP5在胰腺癌患者中高表达并可能具有临床意义。USP5高表达通过激活STAT3信号传导促进进展和转移。因此，USP5可能是胰腺癌治疗的潜在靶点。
不确定性评估 - NPL 出版物
本指南提供了评估计量学中不确定度的最佳实践，以及通过统计建模对此主题的支持。其编写主要基于两点考虑。首先，尽管不确定度评估的主要指南，即 ISO 发布的《测量不确定度表示指南》（GUM），有望得到非常广泛的应用，但它主要认可的方法存在一些局限性。另一个原因是，根据作者与计量学界从业人员的大量接触，显然我们所遇到的重要问题都受到这些限制。进一步的考虑是，实践中遇到的测量模型超出了 GUM 中介绍的模型类型（即单变量、显式和实数）的范围。
不确定性评估 - NPL 出版物
本指南提供了计量学中不确定度评估的最佳实践，以及统计建模对此主题的支持。它基于两个主要考虑。首先，尽管不确定度评估的主要指南，即 ISO 发布的“测量不确定度表达指南”（GUM），可以预期具有非常广泛的适用性，但它主要认可的方法存在一些局限性。另一个原因是，根据作者与计量学界从业人员的大量接触，显然会遇到受这些限制影响的重要问题。进一步的考虑是，在实践中遇到的测量模型超出了 GUM 中介绍的模型类型（即单变量、显式和实数）的范围。
博士后助理 - 脂质组学
Develop novel techniques (mass spectrometric, chromatographic, vibrational spectroscopy and lipid imaging) to understand the roles of lipid metabolism (spatial, qualitative, and quantitative) in the strategies used by plants, animals and/or microbes to overcome exposure to environmental stressors (disease, climatic, toxins, dietary or nutrient imbalance).食物代谢组学，重点是饮食脂质。 在日常样本分析中培训和支持研究生。 成为脂质生物信息学，功能性食品创新和大脑健康研究计划的管理团队的核心成员。 与工业，学术界和政府的合作者合作，以促进和进行脂质组学和测试样本中的抗氧化分析。 进行脂质生物信息学分析，包括脂质建模，多变量/单变量分析，回归，网络和途径分析。食物代谢组学，重点是饮食脂质。在日常样本分析中培训和支持研究生。 成为脂质生物信息学，功能性食品创新和大脑健康研究计划的管理团队的核心成员。 与工业，学术界和政府的合作者合作，以促进和进行脂质组学和测试样本中的抗氧化分析。 进行脂质生物信息学分析，包括脂质建模，多变量/单变量分析，回归，网络和途径分析。在日常样本分析中培训和支持研究生。成为脂质生物信息学，功能性食品创新和大脑健康研究计划的管理团队的核心成员。 与工业，学术界和政府的合作者合作，以促进和进行脂质组学和测试样本中的抗氧化分析。 进行脂质生物信息学分析，包括脂质建模，多变量/单变量分析，回归，网络和途径分析。成为脂质生物信息学，功能性食品创新和大脑健康研究计划的管理团队的核心成员。与工业，学术界和政府的合作者合作，以促进和进行脂质组学和测试样本中的抗氧化分析。 进行脂质生物信息学分析，包括脂质建模，多变量/单变量分析，回归，网络和途径分析。与工业，学术界和政府的合作者合作，以促进和进行脂质组学和测试样本中的抗氧化分析。进行脂质生物信息学分析，包括脂质建模，多变量/单变量分析，回归，网络和途径分析。
EMT相关基因及lncRNA在结直肠癌预后、免疫及药物治疗中的作用综合分析
在TCGA数据中通过单因素cox-Lasso回归分析筛选出9个与预后相关的EMT-RDGs，计算各基因得分，以各基因表达量*风险得分构建CRC风险预后模型，将GEO数据对应值代入公式验证模型效果（Riskscore=TCF15*0.006387445+SIX2*0.000957825+NOG*0.016976643+FGF8*0.047052635+TBX5*0.00178245+SNAI1*0.000456714+PHLDB2*1.08E-05+TIAM1*6.55E-05+TWIST1*6.70E-05）。将GEO数据对应值代入上式验证模型，TCGA训练集低危组总生存期（OS）较长（图2A、C）、GSE40967（HR=0.54857，95%CI=0.41328-0.72814）（图3B）、GSE12954组