我的研究兴趣广泛在于计算机视觉,机器学习,认知科学和医学图像分析。我目前的研究重点是解码大脑信号和生成模型的潜在应用。我对认知科学与机器学习的交集很感兴趣,我致力于开发可靠的机器学习系统。
亚马逊,美国西雅图的应用科学家实习生,美国05/2021-08/2021•我们提出了一个基于相互信息共同培训(MICO)的选择性搜索框架(通过相似性将文档聚集到群体,并仅在其最相关的组中搜索每个查询)。与搜索所有文档相比,我们将搜索成本降低到5%,达到99%的准确性。•MICO是端到端的学习模型。其目标函数是查询的两个组索引及其相关文档之间的共同信息,这两者都是可训练的神经网络的输出。•在我的实施中,该模型将BERT表示为输入(查询或文档标题)作为输入,并且可以在巨大的数据集(数百GB)上有效培训,并且BERT也可以进行列出。•MICO的论文被Coling 2022接受为口头呈现(10%)。
摘要目的是使用合并框架(CFIR)框架来研究导致或阻碍院内运输准备和管理项目的因素。设计半结构化访谈用于定性描述性研究。在2023年12月至2024年1月之间,进行了此研究。参与者有目的的抽样来招募22位参与院内运输的医生和护士。主要和次要结果测量了一种内容分析技术来转录和分析所有收集的数据。迭代方法用于数据收集和分析。结果39实施决定因素 - 11个障碍,25个促进因子和3个中性因素。这些确定因素与26个CFIR构建体中的23个和5个CFIR域对齐。在四个主要领域中确定了促进者:易于实施,科学和项目完成,患者的优势以及增强的安全和专业转移能力。此外,在干预特征,外部设置和内部设置的CFIR领域中确定了障碍。这些障碍包括培训和动员不足,信息系统不足,不清楚的奖励和惩罚政策,缺乏劳动和物质资源以及缺乏既定的奖励和惩罚法律。结论本研究确定了影响急诊室内部运输计划和管理项目实施的因素。尽管遇到了许多障碍,但该项目为推进院内运输计划和管理提供了明显的途径。
[3] 主要研究者:Yuankai Huo。联合主要研究者:Bennett Landman、Mary Ellen Koran、Braadley Malin、Daniel Moyer、Shunxing Bao、Anuj Kapadia、Xiao Wang、Muralikrishnan Gopalakrishnan Meena、Isaac Lyngaas。“保护医疗保健隐私:渲染大规模不可学习的医学影像数据以防止数据泄露”。国家人工智能研究资源试点 (NAIRR) 分配,05/01/24-12/31/24,Summit 超级计算机上分配 100,000 个节点小时。
摘要背景:宫颈癌(CC)是一种普遍且致命的妇科恶性肿瘤。前MRNA处理因子19(PRPF19)与多种癌症的进展有关,并证明在调节DNA损伤反应中起作用。然而,PRPF19及其相关途径在CC发展中的特定调节作用仍然很少了解。方法:通过蛋白质印迹检查蛋白质表达。通过菌落形成测定法检查了生存部分和菌落数量。通过免疫荧光(IF)测定,γ-酮H2A家族成员X(γH2AX)的荧光强度得到了验证。通过Transwell分析测试了细胞侵袭和迁移。结果:在这项研究中,分析了来自基因表达分析的互动分析(GEPIA)和对癌症基因表达数据(UALCAN)在线数据库的用户友好分析工具,并且发现发现在颈椎鳞状癌(CESC)组织中,PRPF19显着过表达。此外,我们证实了CC中PRPF19的表达升高,抑制PRPF19可以提高CC细胞对X射线处理的敏感性。此外,X射线暴露后PRPF19敲低增强了DNA损伤,这是通过γH2AX荧光强度增加的增加,P- DNA-蛋白激酶(PK)和RAD51重物组织酶(RAD51)的水平降低了。PRPF19抑制也抑制了细胞迁移和侵袭。从机械上讲,PRPF19通过下调P-SRC/SRC和YAP1水平,促进了肉瘤(SRC) - YES相关蛋白1(YAP1)途径的激活。结论:PRPF19抑制作用会损害肿瘤发生,降低放射线并破坏CC中的DNA损伤修复,部分是通过调节SRC-YAP1途径的调节,从而支持PRPF19作为CC治疗的一种前瞻性生物目标。
摘要背景:卵巢癌 (OC) 是一种常见的妇科恶性肿瘤。据报道,SHC-衔接蛋白 (SHC) 结合和纺锤体相关蛋白 1 (SHCBP1) 的异常表达在各种癌症中都至关重要,而其在 OC 中的作用尚不清楚。在这里,我们研究了 SHCBP1 在 OC 中的作用。方法:使用生物信息学分析 SHCBP1 在 OC 中的表达和 OC 患者的生存概率。通过细胞计数试剂盒 8 (CCK-8) 和菌落形成来评估细胞生长。使用伤口愈合和 Transwell 测定检查细胞运动能力。通过球体形成试验评估 OC 细胞的干性。使用免疫印迹分析与无翼 (Wnt)/β-catenin 轴相关的关键因素。SHCBP1 在 OC 中的表达升高,并且 SHCBP1 与 OC 患者的生存概率相关。结果:沉默 SHCBP1 可抑制 SKOV3 和 A2780 细胞的增殖、迁移和侵袭。此外,敲低 SHCBP1 会损害 OC 细胞的干性。此外,SHCBP1 敲低会抑制 OC 细胞中的 Wnt/β-catenin 轴。我们的研究结果表明,沉默 SHCBP1 通过抑制 Wnt/β-catenin 轴来抑制 OC 细胞的生长、运动和干性。结论:OC 中 SHCBP1 的丰度增强。沉默 SHCBP1 通过抑制 Wnt/β-catenin 通路来抑制 OC 细胞的增殖、迁移、侵袭和干性。这些结果表明 SHCBP1 可能是 OC 中的一个潜在靶点。
中国嫦娥六号着陆器上月球背面的首个激光反射器以及未来嫦娥七号极地任务中的部署。 Y. Wang 1 , S. Dell'Agnello 2 , K. Di 1 , M. Muccino 2 , H. Cao 3 , L. Porcelli 2 , X. Deng 3 , L. Salvatori 2 , J. Ping 4 , M. Tibuzzi 2 , Y. Li 5 , L. Filomena 2 , Z. Kang 6 , M. Montanari 2 , Z. 孟 3 , L. Mauro 2 , B. 谢 1,7 , M. Maiello 2 , 1 中国科学院空天信息研究所遥感科学国家重点实验室,北京,100101,中国 (dikc@aircas.ac.cn), 2 国家核电研究所 - 弗拉斯卡蒂国家实验室 (INFN–LNF),通过费米40,00044,意大利弗拉斯卡蒂(simone.dellagnello@lnf.infn.it),3 中国空间技术研究院北京空间飞行器总体工程研究所,北京,100094,中国,4 中国科学院国家天文台,北京,100101,中国,5 中国科学院云南天文台,昆明,650216,中国,6 中国地质大学土地科学与技术学院,北京,100083,中国,7 中国科学院大学,北京,100101,中国。
德克萨斯大学达拉斯分校的纳文·金德尔管理学院马萨诸塞州IDSS,达拉斯大学2024/04 IDSS,德克萨斯州奥斯汀大学2023/10麦考姆斯商学院麦考姆斯商学院2023/10 †2022/10纽约大学斯特恩商学院†2022/05 W.P. 亚利桑那州立大学的凯里商学院†2021/12纳文·金德尔管理学院,德克萨斯大学达拉斯大学达拉斯大学2021/12 MSO研讨会,伦敦商学院,伦敦商学院†2021/05纽约大学斯特恩商学院†2021/02 Desautels Managem McGill University,McGill Univers,Indin beloom Univers,SYARING 2020/2020/12。 2020/10 AI-IoT Seminar, University of Florida † 2020/10 IDSS, Massachusetts Institute of Technology 2019/12 Microsoft Research New York City 2019/07 Department of Statistics, Pennsylvania State University 2019/04 NUS Business School, National University of Singapore 2018/12 School of Information Systems, Singapore Management University 2018/12 Sauder School of Business, University of British Columbia 2018/12麦吉尔大学2018/12 Desautels管理学院佛罗里达大学沃灵顿商学院2018/11计算机科学系,伊利诺伊州Urbana-Champaign大学2018/11 2018/11马萨诸塞州IDSS,达拉斯大学2024/04 IDSS,德克萨斯州奥斯汀大学2023/10麦考姆斯商学院麦考姆斯商学院2023/10 †2022/10纽约大学斯特恩商学院†2022/05 W.P.亚利桑那州立大学的凯里商学院†2021/12纳文·金德尔管理学院,德克萨斯大学达拉斯大学达拉斯大学2021/12 MSO研讨会,伦敦商学院,伦敦商学院†2021/05纽约大学斯特恩商学院†2021/02 Desautels Managem McGill University,McGill Univers,Indin beloom Univers,SYARING 2020/2020/12。 2020/10 AI-IoT Seminar, University of Florida † 2020/10 IDSS, Massachusetts Institute of Technology 2019/12 Microsoft Research New York City 2019/07 Department of Statistics, Pennsylvania State University 2019/04 NUS Business School, National University of Singapore 2018/12 School of Information Systems, Singapore Management University 2018/12 Sauder School of Business, University of British Columbia 2018/12麦吉尔大学2018/12 Desautels管理学院佛罗里达大学沃灵顿商学院2018/11计算机科学系,伊利诺伊州Urbana-Champaign大学2018/11 2018/11
由于细胞学家的短缺,资源匮乏地区的妇女无法平等地获得宫颈细胞学检查,而宫颈细胞学检查是宫颈癌筛查中的关键作用。新兴研究表明人工智能辅助系统在资源有限的情况下促进细胞学检查实施的潜力。然而,在评估人工智能对提高细胞学家工作效率的帮助方面还存在不足。本研究旨在评估人工智能排除细胞学阴性玻片的可行性,并提高玻片解释的效率。纳入了带有良好注释的玻片,以开发分类模型,该模型用于对验证组的玻片进行分类。近 70% 的验证玻片被人工智能系统报告为阴性,并且这些玻片均未被专家细胞学家诊断为高级别病变。在人工智能系统的帮助下,每张玻片的平均解释时间从 3 分钟减少到 30 秒。这些发现表明人工智能辅助系统在加速大规模宫颈癌筛查中的幻灯片解释方面具有潜力。
1 暨南大学医学院公共卫生与预防医学系,广州,中国 2 中山大学肿瘤防治中心,广州,中国 3 暨南大学信息科学与技术学院,广州,中国 4 暨南大学国际学院,广州,中国 5 中山大学国际关系学院,广州,中国 6 暨南大学新闻与传播学院,广州,中国 7 格罗宁根大学经济与商学院,格罗宁根,荷兰 8 布莱根妇女医院妇产科,波士顿,美国 9 哈佛大学医学院麻省总医院基因组医学中心,波士顿,美国 10 香港中文大学妇产科,香港,香港 11 香港大学公共卫生学院,香港,香港 12 香港中文大学流行病学与公共卫生系环境与健康多学科合作研究中心英国伦敦帝国理工学院圣玛丽校区公共卫生学院生物统计学专业 * 这些作者的贡献相同