在美国密苏里州圣路易斯的华盛顿大学血液学系医学系医学系提供了全额资助的博士后职位。康实验室(https://thekanglab.org/)正在寻求一名博士后研究员,研究使用原发性小鼠和人骨髓细胞和患者样品研究造血干和多能细胞中的细胞命运决策机制。我们研究造血茎和多宗祖细胞种群中的细胞命运决策和谱系规范,以调节谱系输出,以实现疾病和衰老环境中的治疗目的。该项目将涉及原代小鼠和人类干细胞分类,多色流式细胞术,小鼠病模型,人类患者样品,3D骨髓类器官模型,单细胞RNA序列,以及一般的分子和细胞生物学技术。成功的候选人应具有良好的发表记录,并且在分子生物学和细胞生物学方面具有强大的背景。有兴趣的候选人应提交他们的课程,研究兴趣声明和三个参考文献的联系信息,通过电子邮件通过电子邮件发送给Yoon-a Kang博士(yoonakang@wustl.edu)。
[14] c o。1 st Y. Ahn*,Jee Seok Yoon*,S。Lee,H.-I。suk J.儿子,Y。sung,Y。Lee,B.-K Kang和H. Kim,“使用门户静脉相计算机断层扫描图像的自动分割和体积测量的深度学习算法”,《韩国放射学杂志》,第1卷。21,编号8,pp。987-997,2020(如果3.179,纸)
摘要 本研究旨在设计基于沟通的有效营销能力模型(案例研究:伊朗国家钻井公司)。研究方法在目的上为适用型;在实施方法上为混合型(定性-定量);在性质和方法上为描述性-调查型;是一种探索性研究类型。研究的统计人群包括伊朗国家钻井公司的 10 名专家、教授和战略经理。定性部分的数据收集通过半结构化访谈进行,定量部分的数据收集通过问卷进行。定性部分的数据分析使用编码,定量部分使用 SPSS 和 Lisrel 软件。研究结果表明,经过核心和可选编码以及主类别和子类别的创建,确定了基于沟通的有效营销能力的六个维度,即战略能力、运营能力、职能能力、公司内部能力、外部能力和沟通作为基于沟通的有效营销能力方法的维度。
为了我的长期研究目标,我一直致力于在动态现实世界环境中发展体现研究兴趣的IED AI系统和多模式基础模型(例如VLM,MLLM,Di usion模型)的终身适应性。这些系统的目的是可靠,改进,互动和组成,以应对实际,现实世界中的挑战,以更好地了解人类的行为并显着影响我们的日常生活。我的研究兴趣包括以下主题:
先进的成像技术已广泛应用于各种生物学研究。目前,生物应用中采用了多种成像方式,包括医学成像、诊断、生物识别和基础生物学研究。因此,对更快、更清晰、更准确的成像技术的需求不断增加,以支持复杂的生物学研究。然而,由于传统光学元件体积庞大,系统复杂性高,成像设备性能的提升受到限制。为了解决这个问题,超表面是一种扁平而紧凑的光学元件,已被视为生物成像的潜在候选者。在这里,我们全面讨论了超表面在生物学中为各种成像应用提供支持的功能,包括它们的工作原理和设计策略。此外,我们将传统成像方式与基于超表面的成像系统进行了比较。最后,我们讨论了当前面临的挑战并提出了超表面的未来前景。
ATPase家族AAA含有域的蛋白3a(ATAD3A)富含线粒体膜,对于维持线粒体结构和功能至关重要。 ATAD3A基因的变体可以导致Harel Yoon综合征(Hayos),这是神经,心血管和其他系统的发育缺陷。 这项研究旨在从患者的体细胞(Zjuchyli001-A)和阴性对照(Zjuchyli002-A)中开发出诱导的多能干细胞(IPSC),作为对ATAD3A变异疾病的病因的进一步研究的有效工具。 我们描述并分析了Proband及其家人的临床表现。 从概率和阴性对照中收集并将其重新编程为IPSC。 此外,我们测量了IPSC中的ATAD3A表达水平,以确认这些细胞系的有效性。 Proband和她的姐姐都病重病,并有复合杂合的ATAD3A变体(F459S/T498NF*13)。 他们的父母是这些变体的载体,没有任何临床表现。 两个变体都位于ATAD3A蛋白的ATPase结构域上。 细胞系Zjuchyli001-A和Zjuchyli002-A呈现多能干细胞的典型特征。 与Zjuchyli002-A相比,Zjuchyli001-A的ATAD3A表达水平显着降低。 这项研究从ATAD3A的复合杂合变体的患者中产生了IPSC,并且是负面对照,作为阐明ATAD3A变体相关疾病的分子机制的有价值工具。ATPase家族AAA含有域的蛋白3a(ATAD3A)富含线粒体膜,对于维持线粒体结构和功能至关重要。ATAD3A基因的变体可以导致Harel Yoon综合征(Hayos),这是神经,心血管和其他系统的发育缺陷。 这项研究旨在从患者的体细胞(Zjuchyli001-A)和阴性对照(Zjuchyli002-A)中开发出诱导的多能干细胞(IPSC),作为对ATAD3A变异疾病的病因的进一步研究的有效工具。 我们描述并分析了Proband及其家人的临床表现。 从概率和阴性对照中收集并将其重新编程为IPSC。 此外,我们测量了IPSC中的ATAD3A表达水平,以确认这些细胞系的有效性。 Proband和她的姐姐都病重病,并有复合杂合的ATAD3A变体(F459S/T498NF*13)。 他们的父母是这些变体的载体,没有任何临床表现。 两个变体都位于ATAD3A蛋白的ATPase结构域上。 细胞系Zjuchyli001-A和Zjuchyli002-A呈现多能干细胞的典型特征。 与Zjuchyli002-A相比,Zjuchyli001-A的ATAD3A表达水平显着降低。 这项研究从ATAD3A的复合杂合变体的患者中产生了IPSC,并且是负面对照,作为阐明ATAD3A变体相关疾病的分子机制的有价值工具。ATAD3A基因的变体可以导致Harel Yoon综合征(Hayos),这是神经,心血管和其他系统的发育缺陷。这项研究旨在从患者的体细胞(Zjuchyli001-A)和阴性对照(Zjuchyli002-A)中开发出诱导的多能干细胞(IPSC),作为对ATAD3A变异疾病的病因的进一步研究的有效工具。我们描述并分析了Proband及其家人的临床表现。从概率和阴性对照中收集并将其重新编程为IPSC。此外,我们测量了IPSC中的ATAD3A表达水平,以确认这些细胞系的有效性。Proband和她的姐姐都病重病,并有复合杂合的ATAD3A变体(F459S/T498NF*13)。他们的父母是这些变体的载体,没有任何临床表现。两个变体都位于ATAD3A蛋白的ATPase结构域上。细胞系Zjuchyli001-A和Zjuchyli002-A呈现多能干细胞的典型特征。与Zjuchyli002-A相比,Zjuchyli001-A的ATAD3A表达水平显着降低。这项研究从ATAD3A的复合杂合变体的患者中产生了IPSC,并且是负面对照,作为阐明ATAD3A变体相关疾病的分子机制的有价值工具。
副副局,1999-2001局初级卫生保健,卫生资源与服务管理局,公共卫生分析师当前研究资金VA国家无家可归者中心无家可归者中心,没有奖励号,“移动医疗单位的评估”。角色:pi。2024-2025。VA心理健康和预防自杀办公室,没有奖励编号:“对移动医疗单位和药物使用障碍结果的评估”。角色:pi。 2024-2025。 VA初级保健办公室,没有奖励号,“社区中使用初级保健的评估”。角色:pi。 2022-2024。 VA健康服务研究与发展IIR-20-093,“使用数据分析并针对整个健康指导,以减少无家可归的退伍军人对急性护理的频繁利用。”角色:联合研究员。 pi:丹尼尔·布洛尼根(Daniel Blonigen)。 2022-2026。 VA初级保健办公室,没有奖励号,“临床资源中心评估”。角色:联合研究员。 pi:卡林·尼尔森(Karin Nelson)。 2020-2025。 VA质量增强研究计划PEC 24-113,“扩大资深赞助计划+以支持高风险过渡的服务人员和退伍军人:一种精确的医学方法。”角色:共同研究器。 pi:约瑟夫·格拉奇(Joseph Geraci)。 2024-2026。VA心理健康和预防自杀办公室,没有奖励编号:“对移动医疗单位和药物使用障碍结果的评估”。角色:pi。2024-2025。VA初级保健办公室,没有奖励号,“社区中使用初级保健的评估”。角色:pi。 2022-2024。 VA健康服务研究与发展IIR-20-093,“使用数据分析并针对整个健康指导,以减少无家可归的退伍军人对急性护理的频繁利用。”角色:联合研究员。 pi:丹尼尔·布洛尼根(Daniel Blonigen)。 2022-2026。 VA初级保健办公室,没有奖励号,“临床资源中心评估”。角色:联合研究员。 pi:卡林·尼尔森(Karin Nelson)。 2020-2025。 VA质量增强研究计划PEC 24-113,“扩大资深赞助计划+以支持高风险过渡的服务人员和退伍军人:一种精确的医学方法。”角色:共同研究器。 pi:约瑟夫·格拉奇(Joseph Geraci)。 2024-2026。VA初级保健办公室,没有奖励号,“社区中使用初级保健的评估”。角色:pi。2022-2024。VA健康服务研究与发展IIR-20-093,“使用数据分析并针对整个健康指导,以减少无家可归的退伍军人对急性护理的频繁利用。”角色:联合研究员。 pi:丹尼尔·布洛尼根(Daniel Blonigen)。 2022-2026。 VA初级保健办公室,没有奖励号,“临床资源中心评估”。角色:联合研究员。 pi:卡林·尼尔森(Karin Nelson)。 2020-2025。 VA质量增强研究计划PEC 24-113,“扩大资深赞助计划+以支持高风险过渡的服务人员和退伍军人:一种精确的医学方法。”角色:共同研究器。 pi:约瑟夫·格拉奇(Joseph Geraci)。 2024-2026。VA健康服务研究与发展IIR-20-093,“使用数据分析并针对整个健康指导,以减少无家可归的退伍军人对急性护理的频繁利用。”角色:联合研究员。pi:丹尼尔·布洛尼根(Daniel Blonigen)。2022-2026。VA初级保健办公室,没有奖励号,“临床资源中心评估”。角色:联合研究员。 pi:卡林·尼尔森(Karin Nelson)。 2020-2025。 VA质量增强研究计划PEC 24-113,“扩大资深赞助计划+以支持高风险过渡的服务人员和退伍军人:一种精确的医学方法。”角色:共同研究器。 pi:约瑟夫·格拉奇(Joseph Geraci)。 2024-2026。VA初级保健办公室,没有奖励号,“临床资源中心评估”。角色:联合研究员。pi:卡林·尼尔森(Karin Nelson)。2020-2025。VA质量增强研究计划PEC 24-113,“扩大资深赞助计划+以支持高风险过渡的服务人员和退伍军人:一种精确的医学方法。”角色:共同研究器。 pi:约瑟夫·格拉奇(Joseph Geraci)。 2024-2026。VA质量增强研究计划PEC 24-113,“扩大资深赞助计划+以支持高风险过渡的服务人员和退伍军人:一种精确的医学方法。”角色:共同研究器。pi:约瑟夫·格拉奇(Joseph Geraci)。2024-2026。
当前可用的药理学抗痴呆疗法仅提供临时且有限的收益。毫不奇怪,患者和专业人员越来越多地探索可能减轻痴呆症状的非药物干预措施。是高压氧疗法(HBOT)。对HBOT在医学中的使用进行了简短的审查,其在痴呆症中的作用方式,特别是阿尔茨海默氏病,以及一名62岁男性的自我激发HBOT的病例报告,患有可能患有阿尔茨海默氏病的临床诊断。他有超过400次HBOT会话[每周2-3次,持续30-50分钟,在一个多大气(ATA)的多个大气室中,绝对(ATA)在7年中,在过去3年中使用多佩齐尔(每天10毫克)在过去的3年中被国民保健服务(NHS)正式诊断。与私人卫生提供者诊断时,患者在7年的随访中的纵向神经认知和神经放射学证据保持稳定(没有重大认知能力和行为改变)。他的驾驶仍未受到影响,他继续独立。这突出了潜在的HBOT益处,包括在阿尔茨海默氏病患者日常生活能力和日常生活的活动中受益的益处。该病例报告提出了对HBOT在阿尔茨海默氏病的临床影响的更广泛的研究。对HBOT使用的讨论是关于阿尔茨海默氏病的抗淀粉样免疫疗法的最新进展,以及通过纳米技术的当前和新型痴呆症药物递送的HBOT增强。
虽然在线视频学习已成为各种学习者广泛采用的方法,但大多数在线视频学习环境为所有学习者提供的都是相同的讲座视频。在千篇一律的设计中,由于学习者先前的知识不同,他们可能会对讲座内容的不同部分感到困难。找到另一个能更好地解释学习者困难点的视频可能是一个解决方案,但这需要学习者搜索这样的视频,从而产生额外的努力。此外,由于学习者是新手,他们可能没有足够的知识来辨别哪个视频可以帮助他们克服困难。缓解学习者因千篇一律的视频设计而产生的各种痛点的一种方法是利用不同的支架提示,这些提示提供提示并向学习者询问学习内容。例如,如果视频对某个概念的解释对学习者来说不够详细,那么学习者就会很难理解内容。有了多样化的提示,如果学习者向在线学习系统寻求有关概念的帮助,那么系统可以提供合适的支架提示,让学习者有机会促进他们对该概念的理解。提示可以让学习者检查他们的理解,保持他们的参与度,并让他们将该概念与他们已经知道的其他概念联系起来[11,12]。最终,对概念的理解将拓宽学习者组织和感知新信息的方案,让学习者全面理解讲座。为了成功提供这种支持,必须准备各种各样的支架提示来应对学习者的各种痛点。然而,由于创作成本高昂,手动创建多样化的支架提示可能是不切实际的,如果没有这种多样性,提示往往无法全面解决讲座中涉及的各种概念。在这项工作中,我们介绍了 Promptiverse,这是一种支架提示生成方法,它使用知识图谱以较低的创作成本大规模创建多样化的提示。 Promptiverse 借助讲座内容的知识图谱,遍历知识实体和关系,同时考虑 Ausubel 理论 [ 4, 6 ] 中有意义的学习模式,这为设计有效的教学提示提供了深刻见解。Promptiverse 不仅从遍历的路径中生成大量提示,而且还通过改变哪些知识元素作为提示提供以及哪些知识元素从学习者那里引出,使提示的内容多样化。例如,在图 1 中,Promptiverse 通过改变遍历的路径生成了两个不同的支架提示(绿色框)。这些不同内容的提示可以为那些可能无法理解视频解释的学习者提供不同的解释。尽管 Promptiverse 有望实现提示的可扩展创建,但构建底层知识图谱需要课程设计人员的手动操作。因此,我们设计了 Grannotate,一款人机混合系统,用于协助课程设计人员
摘要 — 人们对开发更像人类、能够进行自然社交互动的人工智能 (AI) 的兴趣日益浓厚。先前的研究已经提出了关于“栩栩如生”的人工智能的含义的想法,一些研究试图使用游戏环境来测试这些假设。在本文中,我们介绍了“社交人工智能”语音对话系统的开发,该系统可以在合作游戏环境中与人类玩家自主交流和互动(在本例中是一款名为“Don't Starve Together”的社交生存游戏)。基于我们的假设,即人工智能应该包含特定的组件才能被视为更像人类,我们进行了一系列试点测试,以使用数据驱动的方法开发社交人工智能。完成试点测试后,我们根据参与者的互动和反馈确定了六个要添加或修改的组件。这些组件主要包括语音对话系统的功能,这些功能涉及人工智能行为与社会环境背景因素(“游戏状态”)的相互作用。在未来的工作中,我们打算基于这些发现改进社交人工智能。此处的研究强调了使用合作游戏环境进行人工智能代理的语音对话系统的数据驱动开发。