XiaoMi-AI文件搜索系统
World File Search SystemUtilizing
使用深度学习架构和
摘要： - 心血管疾病是全球死亡的主要原因，心律不齐是一种特别致命的疾病。通过分析心电图数据对心律不齐的有效鉴定对于有效治疗至关重要。心律不齐。本研究提出了一种新型的方法，可以自动诊断心律不齐和窦性心律充血性心力衰竭。所提出的方法涉及利用带有比例图的多尺度滤波器库，该库利用了预处理的ECG数据和未加权的，未加权的，预先训练的卷积神经网络。时间频率纹理提供了来自单铅ECG记录的基本特征的两维表示。随后，专门为心律不齐分类设计的深度学习神经网络用于标记和分类特征数据的集合。本研究研究了深度学习模型从心电图数据分类心律不齐的功效。该研究探讨了不同的卷积神经网络体系结构使用多尺度滤波器库和基于比例图的表示如何工作。预先训练的网络产生的分类模型在概括方面既准确且比原始网络更有效。比较已经训练的模型和未经培训的模型表明，预先训练的网络，尤其是VGG16，在许多方面表现更好，例如准确性和精度。这表明有可能改善基于ECG的诊断，为高级，个性化的医疗保健解决方案铺平了道路。
概述了在阿拉斯加室内利用地热能量的努力
阿拉斯加内部的极端寒冷温度对当地社区使用的供暖和能量系统施加了很大的压力。由于危险的低温，加热系统的失败会导致严重的后果。作为原位热资源，地热能源/资源将提高供应和能源系统的弹性，但是阿拉斯加内部独特的地质和环境条件会在深层和浅水技术的勘探和开发过程中不确定性。这需要开发新技术以及缺乏高温热资源的极端冷区域的考虑。本文对国防部（DOD）的整体看法（国防部）为识别和评估在其装置中利用地热资源的可能性进行了识别和评估。这包括探测低焓，放射性热资源以及极端寒冷环境中浅水技术的考虑。还考虑了未来的发展，包括讨论现有的知识差距，以及在Wainwright堡的地下热量储能（UTES）进行地热区供暖和冷却（GDHC）进行的持续努力。在阿拉斯加内部独特条件下的地热技术证明了利用该地区和其他冷区域的地热区将显着脱离风险，这对寒冷地区社区会带来很大的好处。
使用极化光栅的波导和光纤之间的垂直耦合
手稿于2023年12月12日收到；接受出版日期2024年1月10日；当前版本的日期2024年1月23日。Gilles Freddy Feutmba和Yu-tung Hsiao的工作得到了研究基金会的博士学位赠款基础研究 - 根据赠款1S68218和赠款1SHF924N的支持。（通讯作者：Jeroen Beeckman。）Xiangyu Xue, Brecht Berteloot, Yu-Tung Hsiao, Kristiaan Neyts, and Jeroen Beeckman are with the Liquid Crystals and Photonics Research Group, ELIS Department, Ghent University, 9052 Ghent, Belgium (e-mail: Xiangyu.Xue@UGent.be; Brecht.Berteloot@UGent.be; yutung.hsiao@ugent.be; kristiaan.neyts@ugent.be;Enes Lievens and Gilles Freddy Feutmba are with the Liquid Crystals and Photonics Research Group, ELIS Department, Ghent University, 9052 Ghent, Belgium, and also with the Photonics Research Group, Department of Information Technology, Ghent University-imec, 9052 Ghent, Belgium (e-mail: Enes.Lievens@UGent.be; GillesFreddy.Feutmba@UGent.be).lukas van Iseghem和Wim Bogaerts与比利时Ghent University-IMEC信息技术系的光子研究小组一起，比利时Ghent（电子邮件：lukas.vaniseghem@ugent.be; wim.bogaerts; wim.bogaerts@ugent.be）。本信中一个或多个数字的颜色版本可从https://doi.org/10.1109/lpt.2024.3352278获得。数字对象标识符10.1109/lpt.2024.3352278
检测利用机器学习的网络威胁...
摘要： - 在当代社会中，我们对互联网对日常生活各个方面的广泛依赖导致了在线活动的显着增长。然而，这种互联网使用中的激增同时导致网络威胁和网络犯罪的流行率更高。网络犯罪分子持续设计了逃避安全协议的方法，使常规方法不足以识别攻击，尤其是那些利用未公开的漏洞的攻击。为了面对这个问题，已经设计了大量的机器学习技术，以加强网络安全性并发现网络犯罪的实例。本研究专门集中于评估三种广泛采用的机器学习方法：信念网络，决策树和支持向量机器。它们在辨别垃圾邮件消息中的功效，检测到计算机系统的入侵以及使用通常用于基准测试目的的已建立数据集评估恶意软件。
利用深度学习模型基于基因组和表观基因组特征来识别增强子和超级增强剂
抽象的超级增强剂是转录因子和染色质调节剂密集地占据的活性超增强剂的类别，可控制疾病相关基因的表达和细胞身份。最近的研究表明，各种因素和超级增强剂，尤其是在各种癌症中形成复杂结构。然而，我们目前对超级增强剂的了解，例如其基因组位置，与其他超级增强剂区域的因素，功能和区别的相互作用仍然有限。这项研究旨在采用深度学习技术来基于基因组和表观基因组特征来检测和区分超级增强剂和增强剂，并将结果的准确性与本研究中的其他机器学习方法进行比较，除了评估算法外，我们还培训了一组基因组和表观基因组和表观学算法 - DNA序列中的超级增强剂。我们以更高的精度和精度成功地预测了序列中超级增强剂的存在。
利用机器学习进行生存分析来确定COVID-19重症监护病房的危险因素：阿拉伯联合酋长国的回顾性队列研究
COVID-19的大流行于2019年12月在武汉（中国）首次开始，并已扩展到每个居住的大陆[1，2]。在2020年3月，世界卫生组织（WHO）将其归类为全球大流行，其发病率和死亡率非常高[1-3]，迄今为止，受感染者的总数为6,831,756次，死亡人数为683,955,862。到目前为止，支持护理是可用的主要治疗方法。开发了不同的Covid-19疫苗，目前用于减少感染的敏感性[1]。大流行在全球范围内彻底挑战了医疗保健系统。受影响个体数量的增加对卫生部门施加了重大压力，特别是在重症监护病房（ICU）的限制[2]。健康专业的主要挑战是确定在大流行初期更有可能从轻度到重度或猝死的病例。了解严重疾病的危险因素可以帮助临床医生提供及时有效的干预措施，包括适当利用ICU设施。自大流行以来，使用电子健康记录（EHR）进行了巨大的定量研究（EHR），例如患者出院时间预测等不同目标[2]，死亡率风险预测[4]和covid-19 [5]的早期检测模型。几项研究报告了严重疾病的临床特征和相关风险因素。先前的作品报告了与19岁严重程度相关的几个风险。我们最好的在马来西亚队列中[6]，慢性肾脏疾病，慢性肺部疾病，发烧，咳嗽，腹泻，呼吸困难，呼吸症，静tacypnoea，胸部射线照相异常，高血清CRP和高血清CRP（5 mg/dl）在医院入院时被确认使用Univariate和Mulivivariate的严重疾病时，将其作为危险因素确认为5次和多次疾病。对来自英格兰的17,278,392例患者[3]的另一项研究报告了性别，年龄，糖尿病和哮喘，该研究使用多变量的COX比例危害模型与严重的Covid-19病例有关。重点关注糖尿病人口的英格兰[7] [7]（n = 3,138,410）的第二项回顾性研究表明，Covid-19疾病的严重程度与心血管疾病的病史，性别，年龄，肾脏，肾脏损害，非白人，非白人族裔，社会经济剥夺，不良的口腔质量控制和高体积危险药物（BM）（BM）（BM）（BM）相关。苏格兰代表性队列[8]也适用于糖尿病患者，由5,463,300名患者组成，报道使用逻辑回归，即与致命或重症监护单位治疗的Covid-19的风险相关的风险因素是：性别，吸烟，生活，生活在住院治疗，恢复性，肾小球疗法，肾脏功能降低或更差的疾病中，或疾病的疾病，疾病或更差的糖尿病，疾病或疾病。对哈萨克斯坦糖尿病种群的回顾性研究[1]（n = 1961）表明，糖尿病患者的Covid-19的严重程度较高，在糖尿病患者中，他们的心血管病理学和肾脏病的核心率更高。也，与非糖尿病匹配组相比，该组最坏的临床症状，例如呼吸受损，恶心/呕吐和无力/嗜睡。严重案件的常见风险因素是年龄和性别。这些风险因素在各个国家 /地区各不相同。本研究旨在探索和报告患者医院入院医疗信息与患者访问ICU的恶化之间的关联。
利用音乐疗法来增强神经疾病并发症的康复
神经音乐疗法（NMT）已证明有助于从多种神经系统疾病的患者中恢复并发症。将音乐和虚拟现实与标准康复疗法相结合可增强患者的依从性，并使治疗更加愉快。听音乐的行为不仅可以减少癫痫样的排放，还可以放大大脑可塑性。此外，音乐会引起音乐家与非音乐家之间大脑解剖结构的可辨认变化。作为一种具有成本效益的干预措施，音乐疗法显着有助于加速，有效地恢复后冲程后患者，尤其是在活动结束后迅速应用时。大量证据支持将音乐整合到康复计划中，从而促进手功能，灵巧，空间运动，认知功能，情绪，协调，步幅长度和记忆的恢复。诸如学习单词，旋律语调疗法和唱歌之类的技术在加快失语症患者的康复中起着至关重要的作用。是康复团队的宝贵成员。NMT作为一种有效的，基于证据的治疗方法的批准强调了其在增强患者预后的重要性。
表征和利用量子技术与非地面网络之间的相互作用
摘要 — 量子技术越来越多地被公认为突破性的进步，它利用纠缠和隐形传态等量子现象，重新定义计算、通信和传感领域。量子技术提供了一系列有趣的优势，例如无条件安全性、大通信容量、无与伦比的计算速度和超精确传感能力。然而，它们的全球部署面临着与通信范围和地理边界相关的挑战。非地面网络 (NTN) 已成为解决这些挑战的潜在解决方案，它通过提供自由空间量子链路来规避光纤固有的指数损耗。本文深入研究了量子技术与 NTN 之间的动态相互作用，以揭示它们的协同潜力。具体而言，我们研究了它们的集成挑战以及促进量子和 NTN 功能共生融合的潜在解决方案，同时确定了增强互操作性的途径。本文不仅对相互优势提供了有用的见解，而且提出了未来的研究方向，旨在启发进一步的研究并推进这种跨学科合作。
改善了使用生理胰岛素脱敏的HOMA-IR胰岛素敏感性和血糖控制
2型糖尿病（T2DM）是一种慢性代谢疾病，导致由于胰岛素抵抗，缺乏胰岛素分泌或两者而无法调节葡萄糖代谢。不幸的是，全球糖尿病的新病例主要是由于肥胖症的增加。未经治疗的慢性高血糖可能导致毁灭性的微血管并发症，例如心脏病，中风，肾衰竭，失明和糖尿病神经病。T2DM的标志是进行性胰岛素抵抗和代谢功能障碍，在这种情况下发现的无数并发症中起着核心作用。通过胰岛素抵抗（HOMA-IR）的体内稳态模型评估来计算一种简单的胰岛素抵抗。是根据公式计算的：空腹葡萄糖（NMOL/L）X空腹胰岛素（microu/l）/22.5。大于1.9表示早期的胰岛素抵抗，而大于2.9表示明显的胰岛素抵抗。在T2DM的情况下，逆转胰岛素抵抗可能在改善这种慢性疾病的并发症方面起关键作用。 因此，生理胰岛素复敏（PIR）已被用作一种治疗患有进行性胰岛素耐药性和后期T2DM并发症患者的新方法。 在此案例研究中，我们提出了一个T2DM患者的病例系列，该患者改善了使用PIR的HOMA-IR和A1C血糖控制。在T2DM的情况下，逆转胰岛素抵抗可能在改善这种慢性疾病的并发症方面起关键作用。因此，生理胰岛素复敏（PIR）已被用作一种治疗患有进行性胰岛素耐药性和后期T2DM并发症患者的新方法。在此案例研究中，我们提出了一个T2DM患者的病例系列，该患者改善了使用PIR的HOMA-IR和A1C血糖控制。
利用CD44V6和V600EBRAF-MON命名甲状腺癌的体外靶向组合疗法
目的：这项研究的目的是通过免疫组织化学和突变分析来评估甲状腺癌的靶向治疗，首次探索患者材料中潜在目标BRAF，EGFR和CD44V6。材料和方法：评估了由七个乳头状（PTC），八个偏型（ATC）和七个卵泡（FTC）甲状腺癌组成的患者队列（n = 22）。此外，分析了八个甲状腺癌细胞系的CD44V6表达以及对多激酶抑制剂索拉非尼（Nexavar®）的敏感性，该抑制剂（Nexavar®）靶向许多丝氨酸/苏氨酸和酪氨酸激酶，包括RAF家族激酶。在3D多细胞肿瘤球体中评估了使用131 I-ABN44V6（一种新型抗CD44V6抗体和/或索拉非尼）的靶向治疗。结果：在两个细胞表面蛋白EGFR和CD44V6中，后者在> 80％的样品中过表达，而EGFR表达水平仅在少数样品中最中等。BRAF突变在PTC患者样品中比在ATC样品中更为普遍，而FTC样品没有含有BRAF突变。与患者样品相比，甲状腺癌细胞系中 CD44V6表达水平的异质性更高，而BRAF突变状态与原始肿瘤类型一致。 3D多细胞ATC肿瘤球体中的单一疗法具有131 I-ABN44V6或索拉非尼导致球体生长延迟。 131 I-ABN44V6和索拉非尼的组合是最有效的，并导致球体生长受到明显损害。CD44V6表达水平的异质性更高，而BRAF突变状态与原始肿瘤类型一致。3D多细胞ATC肿瘤球体中的单一疗法具有131 I-ABN44V6或索拉非尼导致球体生长延迟。131 I-ABN44V6和索拉非尼的组合是最有效的，并导致球体生长受到明显损害。结论：在体外ATC 3D多细胞肿瘤球体中，“概念验证”有针对性的治疗研究表明，将CD44V6用于分子放射疗法作为单一疗法和与索拉非尼结合使用。