XiaoMi-AI文件搜索系统
World File Search Systemaware
在线访问http://www.tjpr.org http://dx.doi.org/10.4314/tjpr.v23i12.15原始研究文章对知名度，感知和
目的：确定医疗学生（HCS）对人工智能（AI）的观点，知识和观点。方法：旨在评估HCS对AI的意识，看法和意见的横断面调查是在2023年4月至6月之间进行的。一份经过预先测试的，经过验证的结构化问卷是通过电子方式分配给沙特阿拉伯不同大学的HCS的。使用5点李克特量表编制了响应。Cronbach的Alpha评分为0.80来确定问卷的可靠性。平均分数是通过计算汇编的感知中的每个项目来确定的。结果：大多数HCS对医疗保健的AI有积极的看法，并同意AI可以提高诊断准确性（73.4％），减少医疗实践中的错误（65.2％）并促进患者教育（70.8％）。然而，一些担忧表明，AI对医疗保健从业者与患者的关系和潜在的道德意义有害（44.3％），并且还使患者可以增加对健康的控制（51％）。大多数学生（85％）认为，如果AI纳入医疗保健，就有失业的风险。The analysis of multiple linear regression shows that course of study (B = 0.311; SE = 0.132; t = 2.360; p = 0.019; CI = 0.052 to 0.570), awareness of AI (B = -1.822; SE = 0.785; t = -2.320; p = 0.021; CI = - 3.366 to -0.279) were predictors of perception人工智能得分。结论：医疗保健学生对AI表现出积极的看法，并同意AI在医疗保健的各个方面有帮助。但是，学生透露了对AI的一些担忧。因此，解决与道德，劳动力影响和患者隐私有关的问题对于成功实施医疗保健领域至关重要。关键字：人工智能，医疗保健，学生，感知，意识
在线可访问 http://www.tjpr.org http://dx.doi.org/10.4314/tjpr.v23i12.15 原创研究文章 评估医疗保健学生对人工智能 (AI) 的认识、看法和意见——沙特阿拉伯的一项横断面研究
目的：确定医疗保健学生 (HC) 对人工智能 (AI) 的看法、知识和意见。方法：2023 年 4 月至 6 月期间进行了一项横断面调查，旨在评估 HC 对 AI 的认识、看法和意见。一份经过预先测试和验证的结构化问卷以电子方式分发给沙特阿拉伯不同大学的 HC。使用 5 点李克特量表编制答复。Cronbach's alpha 分数 0.80 用于确定问卷的可靠性。通过计算编制的看法中的每一项来确定平均分数。结果：大多数 HC 对医疗保健中的 AI 持积极看法，并同意 AI 可以提高诊断准确性 (73.4%)、减少医疗实践中的错误 (65.2%) 并促进患者教育 (70.8%)。然而，一些人担心 AI 会对医疗保健从业者与患者的关系产生有害影响和潜在的伦理影响 (44.3%)，同时也会让患者增强对自己健康的控制 (51%)。大多数学生（85%）认为，如果将人工智能融入医疗保健，就会有失业的风险。多元线性回归分析表明，学习课程（B = 0.311；SE = 0.132；t = 2.360；p = 0.019；CI = 0.052 至 0.570）、对人工智能的认识（B = -1.822；SE = 0.785；t = -2.320；p = 0.021；CI = - 3.366 至 -0.279）是人工智能感知得分的预测因素。结论：医疗保健专业的学生对人工智能持积极态度，并同意人工智能有助于医疗保健的各个方面。然而，学生们也对人工智能表达了一些担忧。因此，解决与道德、劳动力影响和患者隐私相关的问题对于在医疗保健领域成功实施人工智能至关重要。关键词：人工智能、医疗保健、学生、看法、意识
特拉华州
注意：阿拉巴马州、阿拉斯加州、亚利桑那州、阿肯色州、佛罗里达州、乔治亚州、爱达荷州、印第安纳州、爱荷华州、堪萨斯州、肯塔基州、路易斯安那州、缅因州、密西西比州、密苏里州、蒙大拿州、内布拉斯加州、新罕布什尔州、北达科他州、俄亥俄州、俄克拉荷马州、南卡罗来纳州、南达科他州、田纳西州、德克萨斯州、犹他州、佛蒙特州、西弗吉尼亚州和怀俄明州有“无证携带”规定。任何根据州和联邦法律可以合法持有枪支的人都可以在这些州携带枪支而无需许可证。请查看每个州的页面，了解可能适用的年龄或其他限制。该州认可的许可证/执照如下 阿拉斯加州 阿肯色州 亚利桑那州 科罗拉多州 佛罗里达州 爱达荷州 1 堪萨斯州 肯塔基州 缅因州 密歇根州 密苏里州 新墨西哥州 北卡罗来纳州 北达科他州 1 俄亥俄州 俄克拉荷马州 南达科他州 1 田纳西州 德克萨斯州 犹他州 西弗吉尼亚州
人工智能作为媒体素养教育工具：培养关键技术意识
随着人工智能 (AI) 与教学的融合，本文探讨了将人工智能纳入媒体素养教育的可能性，主要是为了在当今复杂且高度计算机化的社会中培养学生的传统技术意识。本研究旨在了解学生如何从人工智能作为教学辅助手段中受益，从而培养分析人工智能介导的媒体内容以及算法和道德推理的能力。本研究采用混合方法研究设计与准实验设计，将接受媒体素养与人工智能教学相结合的实验组与接受传统媒体素养教学的对照组进行比较。分析显示，定量数据显示实验组对偏见、人工智能创作材料评估以及算法对内容创作和消费的影响有了实质性的了解。
CALIPERS：用于表型分析实验和再生研究的细胞周期感知活体成像
1. 意大利帕维亚大学合成生理学实验室 2. 意大利米兰人类科技城 3. 意大利都灵大学“Guido Tarone”分子生物技术中心 * 通讯作者：francesco.pasqualini@unipv.it；moises.disante@unipv.it 摘要 在活细胞成像中测量细胞结构和功能以及细胞周期进程一直很有挑战性，因为荧光泛素细胞周期指示剂 (FUCCI) 和大多数表型传感器都使用绿色 (GFP) 和红色 (RFP) 荧光蛋白。我们介绍了 CALIPERS，一种用于表型分析实验和再生研究的细胞周期感知活细胞成像方法。CALIPERS 使用一种名为 FUCCIplex 的定制 FUCCI 传感器，该传感器与基于 GFP 和 RFP 的传感器进行光谱多路复用。为了证明 CALIPERS 的广泛应用范围，我们用上皮和人类诱导性多能干细胞多色报告基因系在增殖、迁移、心脏药物检测和再生医学研究中对其进行了验证。正文组学和成像技术的融合为基础科学 1,2 、药物检测 3 和再生医学 4 中的细胞表型的高级评估提供了动力。此外，参考人类诱导性多能干细胞 (hiPSC) 和多谱系分化的强大协议（例如心肌细胞、hiPSC-CM）增强了可重复性 5 ，并将表型分析工作扩展到类器官 6,7 和器官芯片 8,9。然而，细胞周期 (CC) 可能会混淆这些研究，因为随着细胞在分裂后生长（G1 期）、复制其 DNA（S）、在随后的分裂前生长（G2）或分裂（M）10 ，基因表达、形态和行为会发生变化。这在分子表型分析中得到了很好的解决，因为由于同时测量许多 CC 基因/蛋白质 11 ，大多数组学研究都具有 CC 感知能力。然而，基于成像的 CC 感知表型分析具有挑战性。通过对 G1/S/G2/M 标记物进行特定染色，可以使化学固定样品的结构表型分析具有 CC 感知能力 12 。然而，功能表型分析只有通过活细胞成像 13,14 才有可能，目前很难使用标准荧光显微镜同时评估 CC 以及细胞结构和功能。事实上，绿色和红色荧光蛋白 (GFP、RFP) 为荧光泛素细胞周期指标 (FUCCI) 10 和大多数表型传感器 15 提供动力。在这里，我们引入了一个可复用的 FUCCI 传感器 FUCCIplex，并展示了 CC 感知实时成像，用于人类上皮细胞（HaCaT，图 1）和 hiPSC（图 2）中的表型分析实验和再生研究（CALIPERS）。为了创建 FUCCIplex，我们将 fastFUCCI 传感器 16 中的 GFP 和 RFP 替换为 miRFP670（iRFP）和 mTurquoise2（CFP）。因此，FUCCIplex 细胞的细胞核在 G1 中包含 CFP，在 G1-S 过渡期包含 CPF 和 iRFP，在 S/G2/M 期仅包含 iRFP（图 1a）。为了展示 CALIPERS，我们在 HaCaT 细胞中共表达了 FUCCIplex 和肌动蛋白结合肽 RFP-LifeAct 17，并使用 40 小时以上的活细胞荧光成像来追踪细胞在每个 CC 期所花费的时间（图 1b 和补充视频 1 和 2）。我们证实 HaCaT 细胞约 40% 的时间处于 G1 期，其余时间处于 S/G2/M 期，这与使用 FUCCIplex 或 DNA 标记在静态图像和流式细胞术实验中测得的 CC 期占有率一致（图 1c-d 和扩展图 1）。此外，我们开发了一个开源插件，可将 CFP 和 iRFP 强度转换为 FUCCIphase 信号，该信号可追踪 CC 完成百分比并实现 CC 感知的形态和运动分析（图 1e、补充视频 3 和扩展图 2）。
特拉华地区商会 2025 年 1 月通讯
大使是那些性格活泼、迷人、积极主动的人，他们可以让最害羞的人也感到舒适和受欢迎。大使为他们的公司和商会树立积极的形象，并享受在专业的环境中获得乐趣。大使有信心与任何商会成员进行个人联系，鼓励其他人成为商会成员，并参加剪彩和其他商会活动。这些职责还提供了很好的机会来享受片刻的乐趣并与社区中其他有影响力的人物建立联系。商会大使通常是新商会成员遇到的第一位社区代表，因此这是通过非主动打电话的途径建立新业务联系的绝佳机会。大使还可以联系那些不太活跃的成员，鼓励他们参加活动或只是联系一下、打个招呼并听听他们的想法。
2024 - 2028 年特拉华州能源计划
2. 特拉华州能源概况 ................................................................................................................................................ 5 2.1 总体能源消耗 ................................................................................................................................................ 5 2.2 特拉华州终端能源消耗 ................................................................................................................................ 5 2.3 电力 ............................................................................................................................................................. 6 2.3.1 电网 ............................................................................................................................................................. 6 2.3.2 特拉华州电力公用事业 ................................................................................................................................ 7 2.3.3 电力供应 ............................................................................................................................................. 7 2.3.4 发电 ................................................................................................................................................ 8 2.3.5 可再生能源 ............................................................................................................................................. 9 2.3.6 海上风电规划 ............................................................................................................................................. 9 2.4 天然气 ............................................................................................................................................................. 10 2.5 液体燃料................................................................................................................................................10
蛋白质的界面感知分子生成框架...
©作者2024。Open Access本文在创意共享属性下获得许可 - 非商业 - 非洲毒素4.0国际许可证，该许可允许以任何中等或格式的任何非商业用途，共享，分发和复制，只要您与原始作者提供适当的信誉，并为您提供了符合创造性共识许可的链接，并提供了持有货物的启动材料。您没有根据本许可证的许可来共享本文或部分内容的适用材料。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在材料的信用额度中另有说明。如果文章的创意共享许可中未包含材料，并且您的预期用途不允许法定法规或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：//创建ivecommons。org/licen ses/by-nc-nd/4。0/。
立体化学 - 感知弦乐的分子发电
本研究研究了在分子生成建模中纳入立体化学信息和计算药物发现和材料设计的关键方面的影响。我们使用遗传算法和基于增强学习的技术进行了立体化学感知和常规立体化学 - 基于弦的生成方法的全面比较。为了评估这些模型，我们介绍了专门设计的新型基准，以评估立体化学感知的生成建模的重要性。我们的结果表明，立体化学感知模型通常在各种立体化学敏感任务上与常规算法相同或超越常规算法。但是，我们还观察到，在立体化学作用不太关键的情况下，立体化学感知模型可能会由于必须导航的化学空间的复杂性增加而面临挑战。这项工作为将立体化学信息纳入分子生成模型中所涉及的权衡提供了见解，并为根据特定的应用要求提供了选择适当方法的指导。
3D云通过地理空间意识到的蒙版自动编码器
swath（1.4 km）。此外，凭借其太阳同步轨道，Cloudsat在同一当地时间经过赤道，将观察结果限制为在一天中的特定时间内“快照”。相比之下，成像仪器在更广泛的视野和更高的时间分辨率上进行测量，但它们仅提供“自上而下”的视角，并且不会直接测量大气曲线。但是，将不同光谱通道中的图像与大气轮廓重叠的测量结合在一起，可以推断雷达轨道以外的垂直轮廓。Barker等。[3，4]通过强度像素匹配，开发了一种将地球保健曲线扩展到3D的算法。最近的工作[5，6，7]使用了基于ML的方法（例如U-NET，CGAN，线性回归，随机森林，XGBoost），以从“自上而下”的测量中估算垂直云信息。特别是Brüning等人。[5]从MeteoSat第二代（MSG）旋转增强的可见和红外成像仪（Seviri）的卫星图像进行了训练，并具有Cloudsat Cloud Cloud Radar（CPR）反射率，重建3D云结构。对于所有方法，模型训练需要数据源之间的精确空间和时间对齐。由于雷达卫星的立交桥有限（图1b），轮廓测量值少于可用的图像（为了进行比较，MSG/Seviri每年产生40 TB的图像数据，而CPR每年产生150 GB）。然后，我们使用匹配的图像profile对进行了3D云重建任务的预训练模型。自我监督学习（SSL）的最新进展（SSL）在大型未标记数据集的训练前模型中表现出了希望，但它们在云研究中的应用仍然不足。在这项工作中，我们将SSL方法（MAE，MAE，[8]）和GeoSpatemance Authewawe AutoCododers（基于Satmae，[9]）应用于2010年的多光谱MSG/SEVIRI数据。我们的结果表明，预训练始终提高此任务的性能，尤其是在热带对流带等复杂地区。具有地理空间意识的预训练模型（即时间和坐标编码），尤其是胜过随机初始化的网络和更简单的U-NET体系结构，从而改善了重建结果。该代码将在接受后提供。