XiaoMi-AI文件搜索系统
World File Search SystemYan
AI 驱动的对话代理增强了精准医学研究的临床和基因组数据集成 Ei-Wen Yang，博士 1，Enrique Velazquez-Villarreal，医学博士，哲学博士，公共卫生硕士 2,3 , *
1 Polyagent，加利福尼亚州旧金山 2 希望之城贝克曼研究所综合转化科学系，加利福尼亚州杜瓦特 3 希望之城综合癌症中心，加利福尼亚州杜瓦特 *通讯作者 摘要 简介：临床癌症研究日益复杂，需要开发能够整合临床和基因组数据并加速发现工作的自动化工具。精准医疗 AI 代理 (PM-AI) 是一个由大型语言模型 (LLM) 提供支持的创新对话式 AI 平台，旨在使领域专家能够通过自然语言输入执行综合数据分析，从而无需编程专业知识。PM-AI 提供强大的分析功能，能够在临床和转化研究中产生可操作的见解。方法：PM-AI 以自然语言解释用户指令并将其转换为可执行代码以分析本地存储的数据。它有助于进行临床患病率和生存分析的子集比较，生成统计输出，例如比值比、Kaplan-Meier 生存曲线和风险比。通过使用 Cancer Genome Atlas (TCGA) 的两项病例对照研究证明了其功能：(1) 分析早期和晚期结直肠癌 (CRC) 患者的 TP53 突变富集情况，以及 (2) 比较接受 FOLFOX 治疗且有或无 RAS 突变的患者的无进展生存期。结果：在第一项研究中，PM-AI 发现与早期 (I/II) 病例相比，晚期 (III/IV) CRC 中 TP53 突变显著富集。在第二项研究中，PM-AI 揭示了 KRAS 突变与接受 FOLFOX 治疗的患者较差的无进展生存期之间存在显著关联。这些发现与既定文献相一致，证明了 PM-AI 能够在没有用户事先假设的情况下独立发现有意义的见解。结论：PM-AI 代表了精准医学研究的变革性进步，为整合临床和基因组数据提供了一个可扩展、用户友好的框架。它的多功能性不仅限于癌症研究，还支持跨不同生物医学领域的应用。未来的增强功能（例如实时数据集成和多组学功能）将进一步巩固其作为推进转化研究和改善患者结果的关键资源的作用。PM-AI 弥合了数据复杂性和研究需求之间的差距，加速了精准医学研究的发现。
Cite this article as: Shaorou Ke, Yajing Zhao, Xin Min, Yanghong Li, Ruiyu Mi, Yangai Liu, Xiaowen Wu, Minghao Fang, and Zhaohui Huang, Highly mass ac
摘要：基于PT的纳米催化剂为各种行业提供了出色的前景。然而，具有出色性能的PT负载低负载，以提高纳米催化剂的高效和稳定的纳米催化剂。在这项研究中，通过原位合成制备了具有超高PT含量，表现性能和碳黑色作为支持的纳米催化剂。这些〜2-nm颗粒在碳黑色和PT之间存在很强的S – P-D轨道杂交，从而均匀且稳定地脱离了碳黑色。这种独特的结构对氢进化反应有益。催化剂在氢进化反应中表现出显着的催化活性，在100 mA·Cm -2时表现出100 mV的电势，与商业PT/C催化剂的催化反应相当。质量活性（1.61 A/mg）是商用PT/C催化剂（0.37 A/mg）的四倍。超大PT加载（6.84wt％）为下一代电催化剂的发展铺平了道路。
个人简历 - Yangqian Yan
PI 量子科学战略计划 GDZX2404004，广东，2024-11 至 2027-10，600,000 CNY 利用超冷原子对物质拓扑态的量子模拟：相互作用和有限温度效应的相互作用 PI@SZRI 空间科学与应用 JC1-0003，中国载人航天工程，2024-09-1 至 2027-08-31，≈ 2,800,000 CNY 微重力条件下相互作用冷原子系统的非厄米量子模拟
Dr. Yanjie Shao
邵燕杰博士摘要：微电子技术是过去 60 年来“数字”革命的支柱。近年来，随着人工智能和物联网的爆炸式增长，开发高性能、最大能效和最小占用空间的电子产品迫在眉睫。为实现这一目标，有两种方法颇具吸引力：（1）低压电子器件和（2）片上丰富的功能集成。在本次演讲中，我们将展示我们在这两个方面的最新研究成果。首先，我们通过利用断带异质结半导体系统（GaSb/InAs）中的量子力学隧穿来实现电源电压 ≤ 0.3 V。我们将展示在垂直纳米线隧穿晶体管配置中可以同时实现亚热电子开启、高驱动电流和最大占用空间可扩展性的组合。在 0.3 V 时，与最先进的 CMOS 技术相比，性能显著提升。其次，我们旨在利用非晶氧化物半导体开发多功能高密度后端 (BEOL) 电子和存储器平台。通过利用等离子体增强原子层沉积 (PEALD)，我们合成了具有创纪录性能的增强型 BEOL 晶体管。此外，我们集成了铁电 (FE) 铪锆氧化物 (HZO) 作为非易失性存储器组件，制造了有源面积级 FE 晶体管，并研究了单域级 FE 开关行为。最后，我们将简要讨论氧化物基 FE 晶体管中 FE 疲劳的可能原因。简介：邵燕杰目前是麻省理工学院 (MIT) 微系统技术实验室 (MTL) 的博士后研究员。他于 2019 年获得中国科学技术大学 (USTC) 的学士学位，2021 年获得麻省理工学院的硕士学位，并获得博士学位。 2023 年获麻省理工学院博士学位。他的研究兴趣包括新兴半导体和电介质、纳米电子学和 AI 硬件。他是 2023 年英特尔杰出研究员奖的获得者。
Yang Liu CV-迈尔 - 北卡罗来纳州中央大学Yang Liu CV-迈尔 - 北卡罗来纳州中央大学
CIS 2400 - 01信息系统的基础。 本科课程，3小时CIS 2400 - 01信息系统的基础。本科课程，3小时
Liu, Junxiu, Li, Mingxing, Luo, Yuling, Yang, Su ORCID: https://orcid.org/0000-0002-6618-7483, Li, Wei and Bi, Yifei (2021) Alzheimer's disease detect
摘要：为了诊断阿尔茨海默病 (AD)，人们采用了磁共振成像等神经成像方法。深度学习 (DL) 在计算机视觉方面的最新进展进一步激发了对机器学习算法的研究。然而，这些算法的一些局限性，例如需要大量的训练图像和强大的计算机，仍然阻碍了基于机器学习的 AD 诊断的广泛使用。此外，大量的训练参数和繁重的计算使得 DL 系统难以与移动嵌入式设备（例如手机）集成。对于使用 DL 进行 AD 检测，目前大多数研究仅侧重于提高分类性能，而很少有研究获得更紧凑、复杂度更低、识别准确率相对较高的模型。为了解决这个问题并提高 DL 算法的效率，本文提出了一种用于 AD 分类的深度可分离卷积神经网络模型。本文使用深度可分离卷积 (DSC) 来代替传统的卷积。与传统神经网络相比，所提出的神经网络的参数和计算成本大大降低。与传统神经网络相比，所提出的神经网络的参数和计算成本显著降低。由于其低功耗，所提出的模型特别适合嵌入移动设备。实验结果表明，基于 OASIS 磁共振成像数据集的 DSC 算法在 AD 检测方面非常成功。此外，本文还采用了迁移学习来提高模型性能。使用两个训练有素的复杂网络模型 AlexNet 和 GoogLeNet 进行迁移学习，平均分类率分别为 91.40%、93.02%，功耗更低。
课程vitae -yang Zhang
螨虫杰出纸奖，ACM IMWUT 2024。观看嘴的荣誉奖，ACM Chi 2024。Forceight演示荣誉奖，ACM UIST 2022。手工接口的荣誉奖，ACM CHI 2022。杰出的光丝纸奖，ACM IMWUT 2021。fibrosight ++的决赛入围者，由2021年设计奖快速公司创新。Wireality的最佳纸张奖，ACM CHI 2020。荣誉提及2020年设计奖Actitouch，快速公司创新。荣誉奖奖学金是姿势吸引笔+触摸互动，ACM CHI 2019。Interferi荣誉奖，ACM CHI 2019。荣誉提及2019年设计奖纸浆，快速公司创新。Wall ++的最佳纸张奖，ACM Chi 2018。荣誉提名奖励奖，ACM UIST 2018。Lumiwatch的决赛入围者，2018年设计奖快速公司创新。高通创新奖学金获奖者，2017年。合成传感器的决赛入围者，2017年设计奖快速公司创新。Skintrack荣誉奖，ACM Chi 2016。人们选择Skintrack的最佳谈判，ACM Chi 2016。最佳的短纸，用于量化屏幕上静电触觉的好处，ACM为2015年。
Yanomami人民土地中的气候变化和环境退化：交叉威胁和改善决策的需求
汉堡应用科学大学欧洲可持续发展科学与研究学院，乌尔曼利埃20，汉堡D-21033，德国B自然科学系，曼彻斯特大都会大学，切斯特街，曼彻斯特街，曼彻斯特街，M1 5GD。国际关系研究生课程。校园大学'Ario Darcy Ribeiro。EDIO OF THE INTERNATIONAL INSTITUTE-NORTH WINGS, BRASILIA, DF 70910-900, BRAZIL D FERNANDO PERSON RESEARCH, INNOVATION AND DEVELOPMENT INSTITUTE (FP-I3ID), UNIVERSITY FERNANDO PERSON Coimbra, Patronato Building, Rua da Matem, 49, Coimbra 3004-517, Portugal F National Institute for Research of Amaz ², biodiversity coordination, av.Andr´和Araújo2936，PetrIlópolis，Manaus，AM 69067-375，巴西G国家空间研究所（INPE），AV。宇航员，1,758-格兰贾花园，乔希和坎波斯1，保罗2227-010，巴西
中国的Bambusicolous miscopathogens，有关分类学多样性，新型物种，致病性和新见解的最新信息
Bambusicolous mycopathogens in China with an update on taxonomic diversity, novel species, pathogenicity, and new insights Yang CL 1,# , Xu XL 1,2,# , Zeng Q 1,# , Liu LJ 1 , Liu F 1 , Deng Y 1 , Wang FH 1 , Sun QR 1 , Jeewon R 3,8 , Hyde KD 4,5 , Jayawardena RS 4 , Mckenzie EHC 6 , Wanasinghe DN 7,9 , Liu YG 1,* , Xiao QG 2 , Han S 1 , Yang H 1 , Li SJ 1 , Liu L 1 , and Xie JL 1 1 Key Laboratory of National Forestry & Grassland Administration on Forest Resources Conservation and Ecological Safety in the Upper Reaches of the Yangtze River, College of Forestry, Sichuan Agricultural University, Chengdu 611130，四川，中国2林业研究所，成都农业与林业科学学院，成都611130，四川，中国3号健康科学系，毛里求斯科学系，毛里求斯大学，毛里求特大学，réduius80837，Mauritius 4 chian 4 chian fungal the fungal the fungal fungal fungal luuang raang raang raang raang raang ra ruang ra fuuang， 5植物学和微生物学系，科学学院，国王沙特大学，P.O。Box 22452, Riyadh 11495, Saudi Arabia 6 Landcare Research New Zealand, Private Bag 92170, Auckland Mail Centre, Auckland 1142, New Zealand 7 Honghe Center for Mountain Futures, Kunming Institute of Botany, Chinese Academy of Sciences, Honghe County 654400, Yunnan, China 8 Department of Zoology, College of Science, King沙特大学框2455，Riyadh 11495，沙特阿拉伯框2455，Riyadh 11495，沙特阿拉伯
13:15 研讨会组织者：Spyros Yannopoulos sny
Benedetto Bozzini 是意大利米兰理工大学应用物理化学教授、电池材料工程实验室协调员和能源系执行委员会成员。他的研究活动涵盖了电化学材料科学和光谱电化学交叉领域的广泛领域，重点关注电池材料，既涉及开发新型材料和电化学装置的电化学合成，也涉及推动在分子水平上理解原位电化学界面的能力。特别是，他专注于电化学储能装置的原位非线性和 X 射线光谱和显微光谱，以及原位 X 射线和中子成像。