XiaoMi-AI文件搜索系统
World File Search Systemallen
针对性疗法的新希望和挑战和原发性中枢神经系统淋巴瘤的免疫疗法
原发性中枢神经系统淋巴瘤（PCNSL）是与中枢神经系统相关的非霍奇金淋巴瘤（NHL）。大多数患者最终出现复发/难治性（R/R）PCNSL，PCNSL的总体预后仍然令人沮丧。最近，基因测序，转录组测序和单细胞测序平台提供了大量数据，揭示了PCNSL中发病机理和耐药性的基础机制，包括肿瘤细胞中NF-K B信号途径的激活，肿瘤细胞，肿瘤的异质性和免疫质量tumoremronosemronosmorodronenment。PCNSL分子病理学研究的进步已导致确定新的治疗靶标并开发新的药物。新的治疗策略，例如创建小分子靶向剂，免疫调节药物，免疫检查点抑制剂和嵌合抗原受体T（CAR-T）细胞疗法，为PCNSL患者带来了新的希望，尤其是R/R PCNSL。本综述提出了PCNSL治疗，审查和讨论有针对性治疗和免疫疗法的效率和挑战的最新进展，并为PCNSL治疗策略的未来发展提供了前景。
移动 NPU 上的实时量化图像超分辨率，移动 AI 2021 挑战赛：报告
图像超分辨率是最流行的计算机视觉问题之一，在移动设备上有许多重要的应用。虽然已经为这项任务提出了许多解决方案，但它们通常甚至没有针对常见的智能手机 AI 硬件进行优化，更不用说通常仅支持 INT8 推理的更受限的智能电视平台了。为了解决这个问题，我们推出了第一个移动 AI 挑战赛，其目标是开发一种基于端到端深度学习的图像超分辨率解决方案，该解决方案可以在移动或边缘 NPU 上展示实时性能。为此，为参与者提供了 DIV2K 数据集和训练过的量化模型，以进行高效的 3 倍图像升级。所有模型的运行时间都在 Synaptics VS680 智能家居板上进行评估，该板具有能够加速量化神经网络的专用 NPU。所提出的解决方案与所有主流移动 AI 加速器完全兼容，能够在 40-60 毫秒内重建全高清图像，同时实现高保真度结果。本文提供了挑战赛中开发的所有模型的详细描述。
![文章标题：在药物重新使用中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Ber](/simg/2/2867641feba13bf24711be4221be8a75a718a686.webp)
文章标题：在药物重新使用中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Ber
文章标题：药物重新培训中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Bernett [2]，Adrian Freeman [3]，Markus List [2]，LucíaPrietoSantamaría[4]，Auntorrarhman Tanoli [4] Bonnin [1]分支机构：发现与转化科学（DTS），Clarivate Analytics，巴塞罗那（西班牙）[1]，《系统生物学数据科学》，慕尼黑技术大学，慕尼黑技术大学，德国（德国）[2] Biopharmaceuticals R＆D，阿斯利康，剑桥（英国）[3]，EscuelaTécnicasuperior de gegenierossismorlosinformáticos，Madrid大学（西班牙）大学（西班牙） （FIMM），Hilife，Hilife，赫尔辛基大学（芬兰），Bioicawtech，赫尔辛基（芬兰）[5] [5] Orcid ID：0000-0003-0694-1867 [1] [1]，0000-0001-501-5812-8013 [2] 0000-0002-0941-4168 [2], 0000-0003-1545-3515 [4], 0000-0003-2435-9862 [5], 0000-0001-5159-2518 [1] Contact e-mail: Sarah.bonnin@clarivate.com Journal: Drugrxiv review statement:手稿目前正在审查中，应由酌处权对待。手稿提交日期：2024年3月12日关键字：机器学习，神经网络，人工智能，药物repurost
人工智能设计挑战赛评分标准
我确定了 AI 如何成为问题的创造性解决方案。我在设计过程中考虑了限制因素。在设计过程中，我预见并解决了解决方案面临的挑战。我从头到尾规划并考虑了用户的体验。我反思了从我的设计经验中获得的见解和成长领域。
非生物压力和植物免疫力 - 气候变化的挑战
植物在自然界中不断受到各种环境压力，这会影响其生长，繁殖，产量和生存。全球变暖和气候变化使背景应力水平加剧，使植物对压力组合的反应成为紧迫的关注点（Mora等，2015； Mankin等，2019）。在未来几十年中，由于温室气体和气溶胶排放方案的不同，适合种植某些植物的地理区域可能会发生重大变化（图1在美国提供了一个特定的例子）。植物需要感知，分类和交流多种压力信号，然后激活下游响应，同时分配资源。因此，需要研究对多种压力暴露的反应，以应对气候变化的巨大挑战。在这个研究主题问题中，已经涵盖了非生物压力和植物免疫力的几个重要方面，这可以提供一些提示，以应对养育不断增长的世界人群的极端挑战。大米，小麦，玉米和马铃薯是世界上消费最广泛的主食，提供了超过60％的全球粮食卡路里，并且在养活不断增长的人群方面发挥了关键作用。鉴于它们对全球粮食安全的重要性，必须了解这些农作物将如何受到气候变化的影响，并制定有效的策略来管理相关风险。Singh等。 此信息对于开发有效的疾病管理实践至关重要，这些疾病管理实践可以改变环境状况，并确保美国和世界各地的小麦生产的可持续性。Singh等。此信息对于开发有效的疾病管理实践至关重要，这些疾病管理实践可以改变环境状况，并确保美国和世界各地的小麦生产的可持续性。提供了有关美国重要小麦疾病的全面摘要，涵盖了其宿主范围，症状，有利的疾病，疾病管理和综合疾病管理策略，同时考虑了未来几十年气候变化的潜在影响。高温会加剧生物应激对植物的影响。最近的研究表明，包括钙调蛋白结合蛋白CBP60G在内的胞质钙信号传导在确保植物对高温的韧性方面起着至关重要的作用（Kim等，2022），以及介导生物和非生物压力和非生物压力的感知（Marcec等人（Marcec et al。，2019年）。Carpentier等。回顾了有关生物胁迫和温度对钙信号传导的总综合作用的当前文献。作者强调了钙信号中的几个分子成分，它们在植物反应中起重要作用
应用人工智能挑战_社交媒体风格指南
不要错过赢得奖项和协助机构采用#AI及相关技术（如#NLP #ML）以更好地服务美国人民的机会！快点！@GSA_TTS 的#AppliedAIChallenge 还剩一周，详情请见：（插入 challenge.gov 链接）
自动威胁检测，反应和道德挑战
1。Introduction................................................................................................. 1
人工智能/机器学习在医疗健康领域的挑战：偏见、普遍性、隐私
另请参阅：可穿戴传感器在 SARS-CoV-2 感染检测中的表现：系统评价，Mitratza 和 Goodale 等人。《柳叶刀数字健康》
LED 照明的前景与挑战：实用指南
新的技术能力往往伴随着意想不到的挑战。大多数白光 LED 照明都含有大量潜在有害蓝光。IDA 于 2010 年发布了一份报告，详细说明了已知和疑似富含蓝光的白光光源的危害。[i] 多年来，科学证据逐渐形成其结论。众所周知，富含蓝光的白光光源会增加眩光并损害人类视力，尤其是对老年人的眼睛。[ii]、[iii] 这些灯光会给驾驶员和行人带来潜在的道路安全问题。在自然环境中，研究表明，如果在错误的时间接触到夜间的蓝光，会对野生动物的行为和繁殖产生不利影响。[iv]、[v] 这种情况在城市尤其如此，因为城市通常是鸟类等迁徙物种的中途停留站。
在快速发展的大流行中部署人工智能模型的挑战
胡一鹏 1,2,4 约瑟夫·雅各布 1,3 杰弗里·JM·帕克 1,5,6 大卫·J·霍克斯 1,2,4 约翰·R·赫斯特 3 丹奈尔·斯托亚诺夫 1,2,5 1 伦敦大学学院医学图像计算中心，2 威康/EPSRC 介入和外科科学中心，3 伦敦大学学院呼吸科，4 医学物理和生物医学工程系，5 计算机科学系，伦敦大学学院，Gower Street，伦敦 WC1E 6BT，英国 6 Bioxydyn Limited，Pencroft Way，曼彻斯特，M15 6SZ，英国 通信：yipeng.hu@ucl.ac.uk 由严重急性呼吸系统综合症冠状病毒 2 引起的 COVID-19 大流行，发生在一个被基于大数据、计算能力和神经网络的人工智能（AI）迅速改变的世界。近年来，这些网络的目光越来越多地转向医疗保健领域的应用。COVID-19 是一种全球性疾病，对健康和经济造成破坏，或许不可避免地会吸引全球学术界和工业界的计算机科学家的关注和资源。AI 支持应对疫情的潜力已在广泛的临床和社会挑战 [1] 中提出，包括疾病预测、监测和抗病毒药物发现。随着疫情对世界人民、工业和经济的影响不断扩大，这种情况可能会持续下去，但对当前疫情的一个令人惊讶的观察是，迄今为止，AI 在 COVID-19 管理中的影响有限。本通讯重点探讨了在前线医疗服务中未能成功采用为 COVID-19 诊断和预后开发的 AI 模型的潜在原因。我们强调了模型在疫情的不同阶段必须解决的不断变化的临床需求，并解释了将模型转化为反映当地医疗环境的重要性。我们认为，基础研究和应用研究对于加速人工智能模型的潜力都至关重要，在迅速发展的疫情期间尤其如此。 从这个角度看，对 COVID-19 的反应，或许可以让我们一窥全球科学界应如何应对未来的疾病爆发，以更有效地应对。