XiaoMi-AI文件搜索系统
World File Search SystemViering
实现自然和阳性的未来
Laura Erdtsieck和Nick Beston，persvoorlichting@uva.nl， +31-20-5253193（Amsterdam，GMT +1）亚利桑那大学出版社联系Mikayla Mace Kelley，Mikaylamace@arizone@arizona.edu， +1-1-520-621-188（Tucson forsson，tucson forsson，tucson forsson，tucson forsson， Climate Impact Research press contact Jonas Viering, Jonas.Viering@pik-potsdam.de , presse@pik-potsdam.de , +49 331 288 25 07 (Potsdam, GMT+1) Stockholm Resilience Centre press contact Johannes Ernstberger, Johannes.Ernstberger@su.se , +46 76 496 09 03 （斯德哥尔摩，GMT+1）论文详细信息：标题：实现自然和人阳性的未来链接：（禁运时可用）doi：10.1016/j.oneear.2022.11.013作者：David obura-1,2,3，* Xuemei Bai-11，Stuart Bunn-12，Kristie L.Ebi-13，Lauren Gifford-14，Chris Gordon-15 Lisa Jacobson-16，Timothy M. Lenton-17，Diana Liverman-17，Diana Liverman-18，Awaz Mohamed-19，Awaz Mohamed-19，Awaz Mohamed-19，Klaudia-prodani-8 Boris Sakschewski-21，Ben Stewart-Koster-12，Detlef Van Vuuren-23，Ricarda Winkelmann-21,24，Caroline Zimm-25。
数据集大小和长期基于 ECoG 的 BCI 使用对深度学习解码器性能的影响
通过思维与效应器进行交互，可以使这些患者在日常生活中恢复一定的自主权。例如，基于运动想象的 BCI 已被用于控制脊髓损伤后截瘫或四肢瘫痪患者的上肢（ Hochberg 等人， 2012 年； Collinger 等人， 2013 年； Wodlinger 等人， 2014 年； Edelman 等人， 2019 年）、下肢（ López-Larraz 等人， 2016 年； He 等人， 2018 年）和四肢（ Benabid 等人， 2019 年）的假肢或外骨骼。在本研究中，我们重点研究基于皮层脑电图 (ECoG) 的运动 BCI，这是一种很有前途的工具，与更具侵入性的方法相比，它可以实现神经假体控制的连续 3D 手部轨迹解码，同时降低植入风险 ( Volkova 等人，2019)。BCI 记录神经元活动并将其解码为效应器的控制命令。解码器通常以监督的方式使用机器学习算法进行训练。在绝大多数研究中，由于对记录的访问有限，训练数据集受到严格限制。同时，数据集大小是机器学习分析中的一个重要因素，会极大地影响整个系统的性能。与最近的计算机视觉和自然语言处理研究（Kaplan 等人，2020 年；Rosenfeld 等人，2020 年；Hoiem 等人，2021 年）相比，对于 BCI，很少研究训练数据的最佳数量，即解码器性能在给定应用中达到稳定状态的数量（Perdikis and Millan，2020 年）。尤其是学习曲线，它提供了对模型性能和训练集大小之间关系的洞察，但却很少被提出。学习曲线可用于模型选择、减少模型训练的计算量或估计向训练数据集添加更多数据的理论影响（Viering and Loog，2021 年）。考虑到人类记录的数据集的访问权限有限，最后一点在 BCI 中尤为重要。如果不知道系统性能和数据集大小之间的关系，就很难确定提高解码器准确性的策略：增加训练数据量还是增加模型容量。对于基于 ECoG 的运动 BCI，大多数模型的容量有限。所使用的解码器是卡尔曼滤波器（Pistohl 等人，2012 年；Silversmith 等人，2020 年）并且大多是线性模型的变体（Flamary 和 Rakotomamonjy，2012 年；Liang 和 Bougrain，2012 年；Nakanishi 等人，2013 年、2017 年；Chen 等人，2014 年；Bundy 等人，2016 年；Eliseyev 等人，2017 年）。在大多数这些研究中，解码器优化都是在包含几分钟或几十分钟信号的数据库上进行的。这会产生可用的模型，但并未提供有关可以通过更多数据实现的性能提升的任何信息，也没有比较多个解码器之间的数据量/性能关系。在 BCI 中，模型特征和学习曲线并不是影响解码器性能的唯一因素。人类生成独特脑信号模式的能力对于 BCI 系统至关重要。近年来的研究主要集中在开发越来越高效的解码器上，例如深度学习 (DL)（Bashivan 等人，2015 年；Elango 等人，2017 年；Schirrmeister 等人，2017 年；Du 等人，2018 年；Lawhern 等人，2018 年；Pan 等人，2018 年；Xie 等人，2018 年；Zhang 等人，2019 年；Rashid 等人，2020 年；´ Sliwowski 等人，2022 年），而不是耐心学习或共同适应（Wolpaw 等人，2002 年；Millan，2004 年），尽管一些研究表明
血浆中 C1 抑制剂水平高与未来静脉血栓栓塞风险降低相关
[1] Naess IA、Christiansen SC、Romundstad P、Cannegieter SC、Rosendaal FR、Hammerstrom J。静脉血栓形成的发病率和死亡率：一项基于人群的研究。J Thromb Haemost。2007；5：692-9。[2] Arshad N、Isaksen T、Hansen JB、Braekkan SK。从一般人群中招募的大型队列中静脉血栓栓塞症发病率的时间趋势。Eur J Epidemiol。2017；32：299-305。[3] Winter MP、Schernthaner GH、Lang IM。静脉血栓栓塞症的慢性并发症。J Thromb Haemost。2017；15：1531-40。 [4] Schulman S、Lindmarker P、Holmstrom M、Larfars G、Carlsson A、Nicol P、Svensson E、Ljungberg B、Viering S、Nordlander S、Leijd B、Jahed K、Hjorth M、Linder O、Beckman M. 首次静脉血栓栓塞症发作后用华法林治疗 6 周或 6 个月 10 年的血栓后综合征、复发和死亡。J Thromb Haemost。2006；4：734-42。[5] Klok FA、van der Hulle T、den Exter PL、Lankeit M、Huisman MV、Konstantinides S. 肺栓塞后综合征：肺栓塞慢性并发症的新概念。血液评论。2014；28：221-6。 [6] Jorgensen H、Horvath-Puho E、Laugesen K、Braekkan S、Hansen JB、Sorensen HT。丹麦发生静脉血栓栓塞症后永久性工作相关残疾养老金的风险：一项基于人群的队列研究。PLoS Med。2021；18：e1003770。[7] Cushman M。静脉血栓形成的流行病学和风险因素。Semin Hematol。2007；44：62-9。[8] Lijfering WM、Rosendaal FR、Cannegieter SC。静脉血栓形成的危险因素——从流行病学角度看目前的认识。Br J Haematol。2010；149：824-33。 [9] Kearon C、Ageno W、Cannegieter SC、Cosmi B、Geersing GJ、Kyrle PA。抗凝控制和血栓性疾病预测与诊断变量小组委员会。将患者分为诱发性或非诱发性静脉血栓栓塞症：ISTH SSC 指导。J Thromb Haemost。2016；14：1480 – 3。https://doi.org/10.1111/jth.13336 [10] Christensen DM、Strange JE、Phelps M、Schjerning AM、Sehested TSG、Gerds T、Gislason G。2005 年至 2021 年丹麦心肌梗死发病率的年龄和性别特定趋势。动脉粥样硬化。 2022；346：63-7。[11] Sulo G、Igland J、Vollset SE、Ebbing M、Egeland GM、Ariansen I、Tell GS。挪威急性心肌梗死发病趋势：使用 CVDNOR 项目的国家数据对 2014 年进行更新分析。Eur J Prev Cardiol。2018；25：1031-9。[12] Munster AM、Rasmussen TB、Falstie-Jensen AM、Harboe L、Stynes G、Dybro L、Hansen ML、Brandes A、Grove EL、Johnsen SP。不断变化的形势：2006-2015 年静脉血栓栓塞症住院患者发病率和特征的时间趋势。Thromb Res。2019；176：46-53。 [13] Ghanima W、Brodin E、Schultze A、Shepherd L、Lambrelli D、Ulvestad M、Ramagopalan S、Halvorsen S。2010-2017 年挪威静脉血栓栓塞的发病率和患病率。血栓研究。 2020;195:165 – 8 。 [14] 万德尔 P，福斯伦德 T，Danin Mankowitz H, Ugarph-Morawski A, Eliasson S, Braunschwieg F, Holmstrom M. 2011-2018 年斯德哥尔摩静脉血栓栓塞症：人口统计学研究。《血栓溶解杂志》。2019；48：668 – 73。