XiaoMi-AI文件搜索系统
World File Search Systemai
父母身份以及大脑和细胞年龄的标记
最近的研究表明，怀孕和父母身份的转变对人类大脑结构特征有显著影响。在这里，我们介绍了一项全面的研究，研究了父母身份和出生/父亲的孩子数量与 36,323 名英国生物库参与者（年龄范围为 44.57 – 82.06 岁；52% 为女性）的大脑和细胞衰老标志之间的关联。为了评估父母身份对大脑的整体影响，我们在 T1 加权磁共振图像上训练了一个 3D 卷积神经网络，并在保留的测试集中估计了大脑年龄。为了研究区域特异性，我们使用 FreeSurfer 提取了皮质和皮质下体积，并运行了层次聚类以根据协方差对区域体积进行分组。来自 DNA 的白细胞端粒长度 (LTL) 被用作细胞衰老的标志。我们采用线性回归模型来评估孩子数量、大脑年龄、区域大脑体积和 LTL 之间的关系，并包括交互项以探究关联中的性别差异。最后，我们将大脑测量值和 LTL 作为二元分类模型中的特征，以确定大脑和细胞老化的标志是否可以预测父母身份。结果显示，无论男女，出生/父亲的孩子数量越多与大脑年龄越小之间存在关联，女性的影响更大。基于体积的分析显示，纹状体和边缘区域存在母体效应，而父亲则没有。我们没有发现孩子数量与 LTL 之间存在关联的证据。父母身份分类显示大脑年龄模型的 ROC 曲线下面积 (AUC) 为 0.57，而使用区域大脑体积和 LTL 作为预测因子的模型显示 AUC 为 0.52。我们的研究结果与之前针对中老年父母的基于人群的研究一致，揭示了父母经验与基于神经影像的大脑健康替代指标之间存在微妙但重要的关联。该研究结果进一步证实了对父母在怀孕和产后进行的纵向队列研究的结果，可能表明父母身份的转变与大脑健康的长期影响有关。
第 74 届洛杉矶县科学与工程博览会
ICP DAS USA, Inc. 南加州社会影响力奖 1000 美元现金奖：第一名 S0816 John Xu、Ziqi Zeng 哈佛西湖学校 – 高级组
lightchain-白皮书.pdf
Lightchain AI 的架构结合了尖端的区块链和人工智能技术，创建了一个统一的去中心化平台，可满足 AI 工作负载的独特需求。这种设计可确保可扩展性、安全性和隐私性，同时促进去中心化 AI 生态系统中的协作和创新。通过利用人工智能虚拟机 (AIVM)、智能证明 (PoI) 共识机制和去中心化存储等组件，Lightchain AI 支持实时 AI 计算、透明治理和包容性参与。
议程项目 09 – 空间与可持续发展
该项目采用全社会参与的方式，涉及地方政府单位 (LGUs)、国家政府机构 (NGAs)、研发机构 (RDIs) 和公民，以及非政府组织，如民间社会组织 (CSOs) 和私营公司，以提供基于空间的服务。最近的一个例子是全国红树林地图的开发和分发，菲律宾国家科学与技术局与菲律宾环境和自然资源部 (DENR) 合作。利用卫星图像、遥感和人工智能技术，菲律宾国家科学与技术局能够快速生成全国地图并将其分发给公众进行地面验证。值得注意的是，这种敏捷的方法通过积极的社区参与和促进公民科学，为可持续发展做出了贡献。菲律宾国家海洋和大气管理局的另一个相关项目是泛亚地理空间空气污染信息项目和潘多拉亚洲网络 (PAPGAPI-PAN)，该项目旨在通过 GEO-KOMPSAT-2B 卫星上的地球静止环境监测光谱仪 (GEMS) 和用于数据验证的地面遥感仪器网络（称为潘多拉）监测空气质量。这是通过我们与韩国的合作实现的，对此，我们表示最崇高的感谢。
随着海洋能的增加，水产养殖结构、运营和维护也发生变化
在暴露和/或遥远的海洋地点进行水产养殖是一个新兴的行业和研究领域，旨在解决提高粮食安全的需求以及城市和沿海利益相关者向近岸和受保护的海洋水域扩张所带来的挑战。这一举措需要创新的解决方案，以使该行业在高能量环境中蓬勃发展。一些创新研究增加了对物理学、流体动力学和结构要求的理解，从而可以开发适当的系统。蓝贻贝 ( Mytilus edulis )、新西兰绿壳贻贝 ( Perna canaliculus ) 和太平洋牡蛎 ( Magallana gigas ) 是商业暴露双壳类水产养殖的主要目标。研究人员和业内成员正在积极推进现有结构，并为这些结构和适合此类条件的替代高价值物种开发新结构和方法。对于大型藻类（海藻）养殖，例如糖海带 ( Saccharina latissimi )、桨草 ( Laminaria digitata ) 或海带属。 （Ecklonia sp.）延绳系统被广泛使用，但需要进一步发展以承受完全暴露的环境并提高生产力和效率。在海洋鱼类养殖中，开放式海洋网箱设计主要有三种：柔性重力网箱、刚性巨型结构、封闭式网箱和潜水式网箱。随着水产养殖进入要求更高的环境，必须集中精力提高运营效率。本出版物考虑了与水产养殖扩展到暴露海域的要求有关的商业和研究进展，特别关注双壳类、大型藻类的养殖以及海洋鱼类养殖技术和结构发展。
Adoption of AI, Blockchain and other emerging technologies within the European public sector
Figure 1. Virtual Worlds' continuum Figure 2. Evolution of the PSTW database from previous publication Figure 3. PSTW composition by technology type Figure 4. Distribution of cases according to their starting date Figure 5. Distribution of cases according to administrative level of application Figure 6. Cases across levels of administration, by technology Figure 7. Distribution of cases according to administrative level and e-government interaction Figure 8. Distribution of cases according to level of administration and status of development Figure 9 . Public value assessment of the cases Figure 10. Public value assessment by type of technology Figure 11. Public assessment subcategories for Improved Public Services Figure 12. Public assessment subcategories for Improved administrative efficiency Figure 13. Public assessment value for Open government capabilities Figure 14. Distribution of AI cases by status of development Figure 15. Distribution of cases by type of e-government service and level of administration Figure 16. Distribution of AI cases by process type and level of administration. Figure 17. Distribution of cases across type of services and functions of government Figure 18. Distribution of AI cases according to application type and function of government. Figure 19. Distribution of AI cases according to technology subdomain. Figure 20. Distribution of Generative AI cases by status of development Figure 21. Geographic distribution of the Generative AI cases and their responsible organisations Figure 22. Distribution of Blockchain-based cases by status of development. Figure 23. Distribution of Blockchain-based cases by level of administration. Figure 24. Blockchain-based cases by e-government type of interaction and level of administration. Figure 25. Blockchain-based cases across type of interaction and function of government. Figure 26. Blockchain-based cases by type of application and function of government. Figure 27. Distribution of AI and Blockchain cases by cross border sector feature Figure 28. Distribution of AI and Blockchain cases by cross sector border feature Figure 29. Distribution of cases of other emerging technologies across functions of government. Figure 30. Cases of emerging technologies by type of service and level of administration.
解释基于深度学习的静息状态功能连接数据表示：重点解释自闭症中的非线性模式
背景：静息态功能性磁共振成像 fMRI (rs- fMRI) 已广泛用于研究精神疾病的大脑功能，从而深入了解大脑组织。然而，rs-fMRI 数据的高维性给数据分析带来了重大挑战。变分自动编码器 (VAE) 是一种神经网络，在提取静息态功能连接 (rsFC) 模式的低维潜在表示方面发挥了重要作用，从而解决了 rs-fMRI 数据的复杂非线性结构。尽管取得了这些进展，但解释这些潜在表示仍然是一个挑战。本文旨在通过开发可解释的 VAE 模型并使用 rs-fMRI 数据在自闭症谱系障碍 (ASD) 中测试其效用来解决这一差距。
引用buzdin aa，Zolotovskaia MA，Roumiantsev SA，Emelyanova AG，Golounina Oo，Pugacheva PA，Luppov DV，Kuzminyh AV，Alexeeeva AO，Alexeeva AO，Emelianova AA，Emelianova AA，No
内分泌疾病，包括糖尿病，甲状腺功能障碍和其他激素失衡，对全球疾病负担显着贡献（1）。这些疾病不仅会影响公共卫生，而且会导致长期残疾和受影响个体的生活质量降低（1）。这些疾病的患病率正在增加，尤其是在人口老龄化和代谢疾病发生率增加的情况下（2，3）。这些疾病可能是由单个基因（孟德尔或单基因疾病）中的罕见变异引起的，由多种遗传变异的综合作用，或环境和生活方式因素（2型糖尿病型糖尿病或肥胖）引起的。新技术（例如基因疗法）在无法用传统药物有效治疗疾病时会提供希望。当已知遗传疾病的病因时，这是可能的。因此，在基因治疗药物的帮助下，将基因的功能副本引入了人体，从而减慢了疾病的进展，在某些情况下甚至可以取得显着改善（4）。近年来，技术的进步促进了广泛种群的基因组多样性的特征（5）。下一代测序（NGS）和基因组广泛的关联研究（GWASS）已被强烈用于研究内分泌疾病的遗传基础（6-9）。为提高诊断，预后和遗传咨询的准确性，越来越多地认识到具有特定诊断患者（12）患者的变异数据库的重要性。然而，使用美国医学遗传学学院和分子病理学协会（ACMG/AMP）广泛推荐的标准对识别变体的解释是具有挑战性的，因为在大多数数据库中，与规格变体相关的详细表型信息在大多数数据库中受到限制（11）。此类数据库构成了遗传变异的系统组织的存储库，并补充了临床数据（13）。通过允许共享有关基因，变体和病理表型的信息，他们促进了研究人员，临床医生和患者之间的沟通（11）。先前的研究创建了数据库，其中包括与特定内分泌病有关的遗传变异。例如，MARGRAF等人开发的MEN2 RET数据库。是一个可公开访问的数据库，其中包含与MEN2综合征以及相关临床数据相关的所有RET序列变体（14）。“ NGS和PPGL研究小组”还收集并在SDHB基因中进行了分类，这是负责