XiaoMi-AI文件搜索系统
World File Search Systemauto
糖尿病患者心脏自主神经病的患病率...
Imphal，印度曼尼普尔邦。抽象背景：糖尿病自主神经病是糖尿病的隐秘并发症。罐。糖尿病自主神经病患者的死亡率是没有自主神经病的糖尿病患者的三倍。这项研究的目的是确定2型糖尿病患者心脏自主神经病的患病率，其早期检测到简单的床边测试，以及与糖尿病持续时间的关联。方法：50例糖尿病患者在一年内不带任何并发症出现在OPD的情况下，其中包括在研究中。通过进行以下测试来评估心脏自主神经病的存在：深呼吸期间的心率变化，从仰卧为站立的心率变化，valsalva操纵期间的心率变化，姿势性低血压的存在以及响应于持续手柄的痛苦BP。结果：12例患者患有心脏自主神经病，而38例（76％）的患者在测试心脏自主神经病变时具有1或没有测试阳性。在17例持续时间糖尿病> 5年的患者中，有9名（52.94％）有耐药的证据，而在其余33例持续时间糖尿病患者中，有3年<5年，有3个（9％）的糖尿病。在16（32％）中发现了姿势头晕，并且是所有自主症状中最常见的。其他症状是胃轻瘫12（24％），夜间腹泻4（8％），促肌扰动障碍11（24％），神经发生膀胱9（18％）和勃起弱。在34例BMI <25患者中，只有3例（8％）可以，而16例BMI> 25患者中，有9名（56％）患有可以。在12例CAN患者中，有6例（50％）患有蛋白尿，在38例没有CAN的患者中，有8例（21％）患有蛋白尿。根据进行的测试，27例（28.57％）的2型糖尿病患者中有9个可以，而13型糖尿病患者中只有13例（13.63％）中只有3例。结论：随着糖尿病持续时间的增加，心脏自主神经病的患病率增加了。超重患者的心脏自主神经病发病率更高。患者的性别与心脏自主神经病的患病率之间没有连续。关键字：心脏自主神经病，糖尿病，床头测试。
可穿戴能量自主RF微波系统-IRIS
摘要：在下一个未来，我们将在日常生活中包围着许多相对便宜的计算设备，配备了无线通信和感应，并以“ Pervasive Intelligence”的概念为基础，在这些基础上，我们可以从这些基础上设想出我们的未来世界作为所有事物的Internet（Iot/IoE）（Iot/IOE）（Iot/IOE），而消费者/IOT/IOT/IOE IOT/IOE IOE和ioe ioe and Industrial and Industrial Iot and ioe and iotial iot iot iot iot iot。实际上，物联网是具有无限应用潜力的技术范式，它越来越成为能够提高企业竞争力，公共行政部门效率和生活质量的现实。在过去的几年中，已经开发了许多IOT启发的系统，并且应用领域已经扩展和深刻发展：智能家居，智能建筑，智能计量，智能工厂，智能汽车，智能汽车，智能环境，智能农业，智能农业，智能农业，智能物流，智能物流，生命环保，智慧零售和智能健康。物联网无线传感器节点的关键所需特征之一是它可以自主从能量收集（EH）进行自主操作的能力，而不是依靠寿命有限的笨重电池。此外，对于许多上述场景，可以预见可穿戴的解决方案，以进一步增加物联网范式的普遍扩散，从而使许多设备和个人相互连接。成功开发成功的RF自主系统（可能可穿戴）的关键字如下：
内源性精子的激增对于雷帕霉素诱导的自噬和寿命至关重要
一个分子生物科学研究所，纳维·格拉兹（Nawi Graz），格拉兹大学，格拉兹，奥地利； B Biotechmed-Graz，格拉兹，奥地利； C卓越领域BioHealth，格拉兹大学，奥地利格拉兹大学； D研究与技术基金会分子生物学与生物技术研究所 - 希拉斯，希腊，希腊； e希腊赫拉克里昂克里特大学科学与工程学院生物学系； f奥地利格拉兹医科大学心脏病学系； G，格拉兹大学，奥地利格拉兹大学药学化学科学研究所G； h马里博尔大学，马里波尔大学医学院生理学研究所；斯洛文尼亚； I基础科学司，希腊赫拉克里翁克里特大学医学院； J Center de Recherche des Cordeliers，ÉquipelabelliséeParla Ligue Conte le cancer，deParisité大学，索邦内大学，INSERM U1138，法国，法国大学，法国，法国，法国； k代谢组学和细胞生物学平台，法国维勒维夫大学的古斯塔夫·鲁西癌中心，法国维勒维夫大学； L Institut du Cancer Paris Carpem，生物学系，HôpitalEuropéenGeorges Pompidou，AP-HP，巴黎，法国，
基因编辑方法阐明了线粒体如何驱动自噬
除了加深对细胞代谢的理解外，这些发现为潜在的治疗应用铺平了道路。通过特定药物或化合物调节自噬可能对治疗肥胖症和2型糖尿病等代谢疾病的治疗有影响，这与脂质和蛋白质产生和降解的失衡有关。此外，提高自噬功能具有通过保持细胞器质量并防止肌肉减少症和其他与年龄相关的疾病来减慢细胞衰老的潜力。
人们对标记为AI生成的头条持怀疑态度，即使是真实的或人为的，因为他们假定完全AI自动化
生成AI工具的兴起引发了有关AI生成内容的标签的辩论。然而，此类标签的影响仍然不确定。在我们和英国参与者之间进行了两个预先核实的在线实验（n = 4,976），我们表明，尽管参与者并未将“ AI生成”等同于“ false”，但标记为AI生成的标签降低了他们所感知的准确性，并降低了他们的准确性，并且参与者愿意分享他们，无论是在headline是否是由True of True of True of True of True of True of True of True of Flunans或An an Humans或Anii创建的。标签标题为AI生成的影响的影响是将其标记为假的三倍。这种AI的厌恶是由于预期被标记为AI生成的头条的期望完全由AI撰写，没有人为监督。这些发现表明，应谨慎对待AI生成的内容的标签，以避免对无害甚至有益的AI生成的内容的意外负面影响，并且有效的标签部署需要透明度就其含义。
机器学习完全自动化的正畸照片分析
简介：颅面人体测量比在牙科，颌面外科，发育研究和整形外科等科学中非常有用。分析面部照片的手动方法需要大量时间和精度。这项研究的目的是引入一种应用工具，该工具完全自动化面部照片的分析并将其与手动方法进行比较。材料和方法：在这项横断面研究中，数据库由395张个人资料照片，271张微笑的额叶照片和346张额叶照片组成。使用具有里程碑意义的两阶段完全卷积网络体系结构。在测量8个变量的测量中比较了两种手动和自动分析方法，包括颊走廊空间，中间的高度与面部下部的高度的比率，总面部凸角，面部凸角，鼻腔侧面角度，刺激性角度，刺激性角度和鼻孔角度。使用配对t检验和类内相关系数（ICC）评估两种方法之间的一致性。p <0.05的值被认为是显着的。结果：对于总面部凸度（p = 0.005），鼻叶（p = 0.001）和鼻labial（p = 0.02）角，两种方法之间的差异很大。然而，两种面部凸，刺，鼻孔，鼻孔，颊走廊空间的两种方法之间没有发现显着差异，并且中间的高度与面部下部的高度之比没有两种方法之间的显着差异。除了鼻角角外，所有变量的ICC大于0.69。对于大多数测量变量，自动方法的准确性与手动方法相似。结论：机器学习有可能用于临床软组织分析。它提供了在大图像数据集上执行可靠且可重复分析的能力。关键字：正畸，面部，摄影，机器学习引用了本文：Soleiman Mezerji M，Sheikhzadeh S，Mirzaie M，Gholinia H.通过机器学习完全自动化的正畸照片分析。caspian j dent res 2023; 12：70-81。©作者。出版商：Babol医学科学大学
AI，自动化和税收
本文中表达的任何观点都是作者的意见，而不是Iza的意见。本系列发表的研究可能包括对政策的看法，但IZA没有任何机构政策立场。IZA研究网络致力于研究完整性的IZA指导原则。IZA劳动经济学研究所是一家独立的经济研究所，在劳动经济学领域进行研究，并就劳动力市场问题提供基于证据的政策建议。在德意志邮政基金会的支持下，伊扎（Iza）拥有世界上最大的经济学家网络，其研究旨在为我们这个时代的全球劳动力市场挑战提供答案。我们的主要目标是在学术研究，决策者和社会之间建造桥梁。IZA政策论文通常代表初步工作，并被散发以鼓励讨论。引用这种论文应解释其临时特征。可以直接从作者那里获得修订版。
研究论文抑制自噬促进了超声靶向的微泡破坏诱导的胰腺癌细胞凋亡
在胰腺癌的治疗研究中，超声靶向的微泡破坏（UTMD）在促进凋亡作为一种安全和非侵入性辅助治疗方面可能显示出潜力。自噬是一种细胞应激反应和存活的调节机制，在肿瘤发育，进展和治疗中起双重作用。然而，自噬在UTMD诱导的胰腺癌细胞凋亡中的作用尚不清楚。在这项研究中，将自噬抑制剂氯喹（CQ）与UTMD结合使用，以治疗体外和体内胰腺癌，并通过Western blot和Tunel染色评估了凋亡的变化。结果表明，UTMD在胰腺癌细胞中诱导了凋亡和自噬。值得注意的是，抑制自噬显着增强了UTMD诱导的凋亡，而抑制凋亡并不影响UTMD诱导的自噬。这些发现表明自噬可降低UTMD在治疗胰腺癌中的有效性。这项研究提供了有关治疗胰腺癌的UTMD的新观点，这表明将自噬抑制剂结合起来可能是提高胰腺癌治疗有效性的有前途的策略。
氨基酸饥饿抑制脂质液滴中的自噬 -
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
Miguel Realpe，Boris X. Vintimilla和Ljubo Vlacic。 （2015）。自动驾驶汽车的传感器故障检测和诊断。在第二国际同盟
Miguel Realpe，Boris X. Vintimilla和Ljubo Vlacic。（2015）。传感器故障检测和自动驾驶汽车的诊断。在第二届国际机电一体化，自动化和制造业会议上（ICMAM 2015），国际会议，新加坡，2015年（第1卷30，pp。1-6）。EDP科学。