摘要:本文使用使用FlexSIM程序的计算机模拟在铸造厂中介绍了供应链管理的优化。作者在生产过程中分析了与外部实体的合作,重点介绍了原材料,运输服务和存储成本的结算。特别关注将分包商集成到运营生产计划中的生产计划。利用3D Flexsim环境,它们展示了一种优化的模拟模型,以最大程度地减少生产成本,运输和存储对铁铸造生产所必需的合金元素的成本。案例研究说明了在铸造生产过程中,在精炼供应链管理中有效地使用了计算机模拟。关键字:供应链管理,优化,计算机模拟,Flexsim
背景:基于 Transformer 的模型在医学成像和癌症成像应用中越来越受欢迎。许多最近的研究表明,基于 Transformer 的模型可用于脑癌成像应用,例如诊断和肿瘤分割。目的:本研究旨在回顾不同的视觉变换器 (ViT) 如何有助于利用脑图像数据推进脑癌诊断和肿瘤分割。本研究考察了为增强脑肿瘤分割任务而开发的不同架构。此外,它还探讨了基于 ViT 的模型如何增强卷积神经网络在脑癌成像中的性能。方法:本综述按照 PRISMA-ScR(系统评价和荟萃分析扩展范围界定综述的首选报告项目)指南进行研究搜索和研究选择。搜索包括 4 个流行的科学数据库:PubMed、Scopus、IEEE Xplore 和 Google Scholar。搜索词的制定涵盖了干预措施(即 ViT)和目标应用(即脑癌成像)。研究选择的标题和摘要由 2 名审阅者独立完成,并由第三名审阅者验证。数据提取由 2 名审阅者完成,并由第三名审阅者验证。最后,使用叙述方法合成数据。结果:在检索到的 736 项研究中,有 22 项(3%)被纳入本综述。这些研究发表于 2021 年和 2022 年。这些研究中最常见的任务是使用 ViT 进行肿瘤分割。没有研究报告早期发现脑癌。在不同的 ViT 架构中,基于移位窗口变压器的架构最近成为研究界最受欢迎的选择。在所包含的架构中,UNet transformer 和 TransUNet 具有最多的参数,因此需要多达 8 个图形处理单元的集群进行模型训练。脑肿瘤分割挑战数据集是所包含研究中使用的最流行的数据集。ViT 与卷积神经网络以不同的组合使用,以捕获输入脑成像数据的全局和局部背景。结论:可以说,Transformer 架构的计算复杂性是推动该领域发展和实现临床转化的瓶颈。本综述提供了有关该主题的当前知识状态,本综述的结果将有助于医学人工智能及其在脑癌应用领域的研究人员。
图1:在(a)oci-ly3,(b)oci-ly10,(c)TMD8异种移植物模型和(d)原代人CLL细胞中,观察到单药‘565和/或与ibrutinib(ibru)的显着肿瘤生长抑制作用。(E)评估2,4的ABC-DLBCL细胞系的特征。肿瘤体积和抑制%表示为平均值(+/- SEM)。P-values determined by mixed model with either repeated measures performed on the log transformed data followed by Tukey's multiple comparison test at each time point (TMD8), or repeated measures performed on day factor followed by Dunnett's comparison test (OCI-Ly3), or two-way ANOVA with Dunnett's comparison test (OCI-Ly10; *P ≤ 0.05, **P ≤ 0.01, ****P ≤ 0.0001)。
背景:在世界范围内,全球一半以上的人口经历了非传染性疾病,导致过早死亡。医疗保健提供者(HCP)可以使用远程医疗等数字进步来从远处提供医疗。但是,对在包括科威特在内的不同社会经济和文化环境中实施远程医疗解决方案的困难和机会有限。目的:本研究的目的是(1)在HCP和糖尿病患者所感知的糖尿病治疗和管理的背景下,检查远程医疗的障碍和益处; (2)研究糖尿病护理和管理中使用的远程医疗应用的非功能要求; (3)提供建议,以增强远程医疗在科威特医疗保健系统中用于糖尿病护理和管理的整合和采用。方法:该研究使用了定性和探索性设计,半结构化访谈作为主要数据收集方法。参与者是由于COVID-19大流行而通过社交媒体平台在互联网上招募的。使用主题分析和框架方法分析了结果。“创新的扩散”模型被用作解释发现的观点。结果:这项研究中总共包括20名参与者,其中10名HCP和10名糖尿病患者支持远程医疗。HCP报告说,许多糖尿病病例可以通过远程医疗进行管理,只有少数需要面对面就诊。糖尿病患者注意到远程医疗的便利性和节省时间。两组都建议创建类似于流行的社交媒体平台的安全且用户友好的远程医疗系统。此外,参与者强调了远程医疗在大流行期间的重要性,这是优先考虑患者安全的一种方式。结论:这项研究的结果为Kuwait等资源丰富的国家 /地区的HCP和糖尿病患者的需求和偏好提供了宝贵的见解,以采用远程医疗。COVID-19的大流行改变了提供医疗服务的方式,并推动了两组考虑正在进行的糖尿病管理和治疗的数字解决方案。
背景:尽管指南建议在某些2型糖尿病患者(T2D)患者中使用胰高血糖素样肽-1受体激动剂(GLP-1 RAS),但这些患者中的许多患者均未处方。基于Web的持续医学教育(CME)患者模拟已被用来识别临床医生的实践差距并改善了模拟中衡量的临床决策,但是这种格式对现实治疗的影响尚未研究。目的:本研究旨在评估基于模拟的CME干预对内分泌学家和初级保健医师对GLP-1 RAS现实使用的影响。方法:进行了CME模拟的两个评估阶段:第一阶段,CME模拟阶段是对美国435名医师学习者的配对前研究; II阶段是现实世界阶段,是一项回顾性的,匹配的病例对照研究,其中有435位医生中有157位具有索赔数据的研究期。结果:I期CME结果显示,从前反馈到后返还(178/435,40.9%至304/435,69.9%; p <.001)的正确决策中有29个百分点增加,以解决血糖控制和心血管控制和心血管疾病事件的选择。II期结果表明,干预组中157名(24.8%)的医生中有39个增加了GLP-1 RAS的使用,而比较组中的157个(12.7%)中有20名。在干预组中预测GLP-1 RA在教育后使用(优势比4.49; 95%CI 1.45-13.97; p = .001)。结论:基于Web的CME模拟着重于预防T2D患者心血管事件的二次预防与现实世界中基于证据的治疗选择的使用增加有关。
背景:在神经康复中,创新技术的使用为监测和改善严重后天性脑损伤 (SABI) 患者的健康状况提供了许多机会。远程康复可在整个康复周期内提供服务,包括评估、干预、咨询和教育,从而实现早期重新融入并积极提高生活质量 (QoL)。目的:这项多中心随机对照试验的主要目的是测试使用非沉浸式虚拟现实康复系统(即 VRRS HomeKit 设备)提供的高级培训在改善 SABI 患者功能结果方面的有效性。方法:总共有 40 名 SABI 患者及其 40 名护理人员从 2 家意大利康复中心入组,并被随机分为 2 组。在 40 名患者中,20 名 (50%) 使用 VRRS HomeKit 接受实验性训练(远程神经 VRRS 组),而另外 20 名 (50%) 接受常规区域康复治疗 (UTRT;对照组)。为了调查运动和神经心理功能,多学科团队在每次训练之前 (T0) 和结束 (T1) 对 SABI 患者进行评估,采用完整的临床和心理测量工具:巴塞尔指数 (BI)、蒂内蒂量表 (TS)、改良 Ashworth 量表 (MAS)、蒙特利尔认知评估 (MoCa)、额叶评估工具 (FAB)、贝克抑郁量表 II (BDI-II)、简明健康调查表 36 (SF-36) 和心理总体幸福感指数 (PGWBI)。此外,还对每位看护者进行了看护者负担清单 (CBI) 以调查情绪负担状况。结果:与对照组相比,远程神经-VRRS 组在总体和运动结果以及心理健康和生活质量方面均实现了统计学上显着的改善。其中,BI(P <.001)、FAB(P <.001)和 BDI-II(P <.001)是改善效果最好的结果量表。远程神经-VRRS 组(CBI;P <.004)的护理人员负担也显著改善。组间分析显示,PGWBI 的焦虑(效应大小 [ES]=0.85,P <.02)和自我控制(ES=0.40,P <.03)子测试以及 SF-36 的社会角色功能(ES=0.85,P <.02)子测试存在统计学差异,这得到了相当多的中等和较大 ES 的证实。结论:我们的结果表明 VRRS 是一种合适的替代工具或补充工具,或两者兼而有之,可以改善运动(功能独立水平)和认知(额叶/执行能力)结果,减少 SABI 患者的行为改变(焦虑和抑郁症状),同时也对护理人员的负担困扰管理产生有益影响,减轻困扰并促进护理的积极方面。
背景:自从19日大流行以来,远程医疗在美国的门诊环境中被广泛采用。尽管在不同的环境中公开接受远程医疗访问,但从成年人的角度广泛采用远程医疗后,远程医疗是2型糖尿病(T2D)及其提供者。目的:本研究旨在确定糖尿病专业诊所中T2D患者使用远程医疗保持护理连续性的障碍和促进因素。Methods: As the second phase of a multimethod study to understand missed appointments among adults with T2D, we conducted semistructured, individual, in-depth phone or Zoom interviews with 23 adults with T2D (14/23, 61% women; mean age 55.1, SD 14.4, range 35-77 years) and 10 providers from diabetes clinics in a tertiary academic medical center in Maryland.使用研究团队的主题内容分析对访谈进行了音频记录,转录和分析。结果:具有T2D及其提供商的成年人通常报告了远程医疗访问糖尿病护理的积极经历,并带来了一些技术挑战,导致需要面对面就诊。结论:远程医疗通常在糖尿病护理中积极接受,并且可能持续的挑战可能损害糖尿病护理的质量。远程医疗技术和葡萄糖数据平台必须结合用户体验和以用户为中心的设计,以优化在糖尿病护理中的远程医疗使用。临床实践需要考虑远程医疗访问的新工作流程,以促进更轻松的后续时间表和实验室完成。我们确定了以下3个主题:(1)“远程医疗访问的感知益处”,例如便利性,时间和财务效率,以及与看护人的独立性,患者和提供者共享的福利; (2)“远程医疗访问的技术挑战”,例如数字健康素养的差异,不稳定的互联网连接引起的挫败感以及共享葡萄糖数据的困难,患者和提供者所分享的挑战; (3)“远程医疗访问对糖尿病护理质量的影响”,包括缺乏糖尿病的质量指标,需求和亲自访问的偏好,主要是从提供者的角度与某些患者的投入共享。未来研究糖尿病护理中面对面和远程医疗访问之间的理想平衡是有必要提高糖尿病护理质量并优化糖尿病结果的。政策灵活性也应考虑为所有T2D患者扩大获得糖尿病护理的机会。
2023 年 6 月 23 日 131 BW/ALL 备忘录 来自:131AMXS/MXAAV 主题:MSGT 晋升委员会公告,2A974(SUSP:2023 年 8 月 4 日) 1. 第 131 飞机维修中队将于 2023 年 8 月 5 日为航空电子航线工匠 2A974 举行 MSGT 选拔/晋升委员会。 2. 资格和要求:a. 拥有以下 AFSC 的 7 级:2A974 b. 符合委员会要求的候选人必须在向 Wing Commander 和 NGMO-ANG-MP 提交晋升包之时或之前完全具备晋升资格(根据 MOANGI 36-2502)。c.申请材料包要求包括: (1) vMPF 记录审查(所有页面) (2) myFitness 最新健身追踪报告打印件 (3) 主管记分表 (4) 官方 AF 简历 IAW DAFH 33-337,(无照片)3. 选拔和晋升委员会将根据 MOANGI 36-2502 进行。一旦做出选拔,该单位将通知第 131 部队支援中队以验证被选中者是否符合所有资格要求。一旦通过验证,该单位将根据 MOANGI 36-2502 中的适用清单完成晋升材料包并通过适当渠道进行批准。在中校和 NGMO-ANG-MP 收到晋升材料包之前六个月以上进行的任何晋升委员会均不视为有效的委员会日期。 4. 该委员会的联系人 (POC) 是 SMSgt Jeffrey S Tyler / DSN:975-5304,商务 (660) 687-5304,或发送电子邮件至 jeffrey.tyler.7@us.af.mil。候选人应在 2023 年 8 月 4 日之前向委员会 POC 传达申请意向,这样您就可以安排亲自或通过电话与委员会会面。将申请材料通过电子邮件发送至 jeffrey.tyler.7@us.af.mil。MATTHEW S. PAYNE,中校,美国空军指挥官,131 AMXS
摘要 — 最近的研究表明,记忆电容设备网络为储存器计算系统提供了低功耗的理想计算平台。随机、交叉或小世界幂律 (SWPL) 结构是储存器基底计算单个任务的常见拓扑结构。然而,神经学研究表明,与不同功能相关的皮层大脑区域互连形成富俱乐部结构。这种结构允许人类大脑同时执行多项活动。到目前为止,记忆电容储存器只能执行单一任务。在这里,我们首次提出了集群网络作为记忆电容储存器同时执行多项任务。我们的结果表明,在三个任务上,集群网络分别比交叉和 SWPL 网络高出 4.1 × 、5.2 × 和 1.7 × 倍:孤立口语数字、MNIST 和 CIFAR-10。与我们之前和已发表结果中的单任务网络相比,多任务集群网络可以实现类似的准确率,分别为 MNIST、孤立口语数字和 CIFAR-10 的 86%、94.4% 和 27.9%。我们的扩展模拟表明,输入信号幅度和集群间连接都会影响集群网络的准确性。选择信号幅度和集群间链接的最佳值是获得高分类准确率和低功耗的关键。我们的结果说明了记忆电容式大脑启发集群网络的前景及其同时解决多项任务的能力。这种新颖的计算架构有可能使边缘应用程序更高效,并允许无法重新配置的系统解决多项任务。
• 问题系统——产生问题症状 • 干预策略——预期用途的全面视图 • 刺激:反应——“未来”系统的所有可能场景,抑制问题症状,干预系统 • 责任——我们/你愿意做什么来解决问题
