XiaoMi-AI文件搜索系统
World File Search Systemcurrent
心冲击图伪影消除，用于同时进行 EEG - ...
1. Mulert, C.、Pogarell, O. 和 Hegerl, U. 同步 EEG-fMRI：精神病学展望。CEN, 39(2)，61–64 (2008)。https://doi.org/10.1177/155005940803900207 2. Shams, N.、Alain, C. 和 Strother, S. 同步 EEG–fMRI 中诱发反应的 BCG 伪影去除方法比较。J. Neurosci. Methods 245, 137–146 (2015) 3. Iannotti GR、Pittau F.、Michel CM、Vulliemoz S. 和 Grouiller F. 基于 EEG 地图拓扑在同步 EEG-fMRI 记录中进行脉冲伪影检测。脑拓扑； 28(1):21-32 (2015) 4. Allen, PJ, Polizzi, G., Krakow, K., Fish, DR 和 Lemieux, L. Identification of EEG events in the MR scanner: the problem of pulse pseudodragon and a method for its subtraction. Neuroimage 8(3), 229–239 (1998) 5. C. Bénar, Y. Aghakhani, Y. Wang 等，Quality of EEG insynchronous EEG–fMRI for epilepsy，Clin. Neurophysiol. 114 (3), 569–580 (2003) 6. K. Niazy, CF Beckmann, GD Iannetti 等, 使用最优基础集从 EEG 数据中去除 FMRI 环境伪影, Neuroimage 28 (3), 720–737 (2005) 7. Kruggel F, Wiggins CJ, Herrmann CS 等, 在 3.0 Tesla 场强下功能性 MRI 期间记录事件相关电位。Magn Reson Med, 44(2): 277-282 (2000) 8. Niazy, RK, Beckmann, CF, Iannetti, GD, Brady, JM 和 Smith, SM, 使用最优基础集从 EEG 数据中去除 FMRI 环境伪影。 Neuroimage 28(3), 720–737 (2005) 9. Li Hu, Zhiguo Zhang: EEG 信号处理和特征提取。Springer Nature (2019) 10. Ibrahim Sadek, Jit Biswas, Bessam Abdulrazak。心冲击信号处理：综述。健康
AI在护理中的集成：解决当前的申请，挑战和未来方向
人工智能越来越影响医疗保健，为护理实践提供了变革的机会和挑战。本次审查批判性地评估了AI在护理中的整合，重点关注其当前的应用，局限性和需要进一步调查的领域。对最近的研究的全面分析强调了AI在临床决策支持系统，患者监测和护理教育中的使用。但是，确定成功实施的几个障碍，包括技术限制，道德困境以及对劳动力适应的需求。文献中的显着差距也很明显，例如，护理特定的工具的发展有限，不可能有效的长期影响评估以及缺乏针对护理环境量身定制的全面道德框架。深入探讨了人工智能重塑个性化护理，在护理中提高机器人技术的潜力，并深入探讨了全球健康挑战。本综述将现有知识融为一体，并确定未来研究的关键领域，强调了将AI进步与护理的特定需求保持一致的必要性。解决这些差距对于充分利用AI的潜力是必不可少的，同时降低相关风险，最终增强护理实践并改善患者的结果。
免责声明：这是当前在同行评审中的手稿的预印本。随着同行评审PR
最近十年的移动脑电图（EEG）的可用性增加了。这些移动系统使研究人员能够在“信封中”进行数据收集，从而减轻了参与者的负担，并可能增加了研究样本的多样性和表示。我们的研究团队使用移动EEG系统从来自低收入背景的400多名12个月大的婴儿完成了家庭数据收集。在本手稿中，我们为收集婴儿的高质量移动脑电图提供了方法和分析指南。具体来说，我们为设备选择，数据收集和数据分析提供了见解和建议，重点介绍了选择移动EEG系统的重要注意事项。示例包括记录设备，电极类型，参考类型和可用蒙太奇的尺寸。我们还重点介绍了围绕围绕脑电图收集的非标准化记录环境的重要建议此外，我们还提供了对分析代码的访问权限，并使用此方法证明了最近一项研究中数据的鲁棒性，其中20个无伪影时代具有良好的内部一致性可靠性。最后，我们为未来的研究提供了建议和公开资源，以收集移动脑电图。
当前教师资助机会.pdf
感兴趣的申请人应尽早联系其 OSP 管理员。W&M 内部项目：SCP 教师奖学金，W&M 战略文化伙伴关系；截止日期 2025 年 4 月 18 日 https://go.wm.edu/ly1FPP Reves 和 Drapers 奖学金，Reves 国际研究中心；截止日期 2025 年 2 月 14 日 https://go.wm.edu/mGcMnS 征集提案：W&M 种子基金申请 -（Emma Gourdie），赞助者：教师研究委员会；截止日期 03/07/2025 https://www.wm.edu/offices/sponsoredprograms/announcements/call-for-proposals-2025-26-wm-seed-funding-application.php 开放探究奖 – 该奖项为教师提供高达 500 美元的资金，用于支持非 COLL 课程的开放探究，包括来宾费用、专业发展、实地考察和课程材料。申请以滚动方式接受。 https://wmsas.qualtrics.com/jfe/form/SV_e5oGWxeVMY5BdAO COLL 教师创新补助金：开放提案，截止日期：滚动； http://www.wm.edu/as/center- liberal-arts/coll-innovation-grants/index.php 人文中心支持教师将他们最具创意和创新性的教学带入他们的 COLL 课程。CLA 提供资金支持教师设计和实施课程，为我们的学生带来最好的人文艺术。我们优先考虑与当前 COLL 课程有具体联系的请求，特别是 COLL 350 和 Campus COLL 300 NSF 研究中心：
绝热横向热电转换通过人工倾斜多层的热电流操纵增强
我们在现象学上制定并在实验上观察到通过人工倾斜多层（ATML）中的热电流重新定位增强了绝热的热电转换。通过交替堆叠具有不同导电性的两种材料，并相对于纵向温度梯度旋转其多层结构，诱导导热性张量中的非分子分量。这种非对角线热传导（ODTC）在绝热条件下产生有限的横向温度梯度，并在绝热条件下产生了seebeck效应诱导的热电器，该温度是由异热横向热电器上置于由外diagonal驱动的热量热电器上的。在这项研究中，我们计算和观察包括热电CO 2 MNGA Heusler合金和BI 2-A SB A TE 3化合物的ATML中的二维温度分布以及所得的横向热电器。通过将倾斜角从0°更改为90°，横向温度梯度显然出现在中间角度，横向热电图在CO 2 MNGA/BI 0.2 MNGA/BI 0.2 SB 1.8 TE 3 te 3 te 3 te的ATML中以45°的倾斜度为45°的ATML，均来自45°的贡献。这种从ODTC得出的混合动作导致横向热电转化率最大降低效率的显着差异从等热极限的3.1％到绝热极限的8.1％。
涵盖 194 种住院药物剂量变化表型的全基因组关联凸显了同时进行药物治疗的多样化遗传背景
Index_drug Codrug rs ID CHR p 值 MAF 最接近的基因变体 ann. A mag.氢氧化物 N 吗啡 rs117944645 8 2,98E-08 0,010 LRRCC1 intronic A 泮托拉唑 A 甲氧氯普胺 rs147504573 10 1,09E-08 0,019 KCNMA1 intronic A 泮托拉唑 C 呋塞米 rs116091351 1 1,23E-08 0,017 TMEM81 intronic A 泮托拉唑 J 环丙沙星 rs117452099 6 2,40E-08 0,019 THBS2 基因间 A 乳果糖 A 匹可硫酸钠 rs12736144 1 1,48E-08 0,034 AJAP1 intronic A 乳果糖 C 呋塞米 rs1871838 8 5,43E-08 0,056 DLC1 基因间 A 硫胺素 J 甲硝唑 rs114942430 5 2,85E-08 0,053 CDH6 基因间 A 硫胺素 N 氯氮卓 rs186107005 12 4,75E-08 0,015 ALG10 基因间 A 钾 chl. A 镁 rs56255127 11 2,06E-08 0,135 NTM 内含子 A 钾 chl. C 呋塞米 rs146985296 6 3,85E-08 0,015 MCM3 基因间 A 钾 chl. J 环丙沙星 rs116132368 4 1,50E-08 0,013 UGT2A3 基因间 A 钾 chl. J 甲硝唑 rs4757645 11 4,85E-08 0,622 LDHA 基因间 A 钾 chl. J 甲硝唑 rs79970770 9 1,10E-08 0,016 ASTN2 内含子 A 钾 chl. N 氯氮卓 rs573836037 16 1,09E-08 0,014 HNRNPA1L3 基因间 B 华法林 C 呋塞米 NA 6 8,19E-09 0,017 NA 基因间 B 替扎肝素 A 钾 chl. rs2511771 11 7,29E-09 0,661 NTM 基因间 B 氯吡格雷 B 乙酰柳.酸 rs149039924 12 1,04E-08 0,011 CEP83 intronic B 氯吡格雷 C 美托洛尔 rs312802 17 5,27E-09 0,149 SEPTIN9 intronic B 氯吡格雷 C 辛伐他汀 rs28636409 4 2,20E-08 0,014 THEGL intronic B 乙酰水杨酸 C 美托洛尔 rs77925157 16 1,72E-08 0,011 GOT2 基因间 B 乙酰水杨酸 C 美托洛尔 rs758010917 19 3,85E-08 0,059 ZNF331 intronic C 地高辛 A 钾氯。 rs145706366 5 4,13E-08 0,022 CDH18 内含子 C 胺碘酮 A 泮托拉唑 rs146704861 8 1,38E-08 0,011 MFHAS1 基因间 C 胺碘酮 A 泮托拉唑 rs370304464 9 4,01E-08 0,159 TLE4 基因间 C 胺碘酮 B 乙酰水杨酸 rs185619351 1 5,36E-08 0,012 IGSF3 内含子
预测法国阿片类药物维持治疗中海洛因使用的预测指标：一项超过11年的多级研究
抽象背景一致的卫生专业人员的报告表明，法国接受阿片类药物维护治疗（OMT）通常使用海洛因，可能会危害其恢复过程。但是，对此事没有正式的流行病学评估。方法我们使用年度更新的汇编，以检索2010年至2020年期间在法国治疗中心接纳的患者的信息。鉴于数据收集的层次结构性质，我们进行了2级改良的泊松回归，以估计OMT患者中过去一个月海洛因使用的风险。结果尽管随着时间的流逝总体趋势总体下降，但OMT患者中海洛因的使用确实很常见，其中一半的患者宣布并发使用。我们的研究揭示了海洛因使用的风险根据OMT的类型而有所不同，与丁丙诺啡相比，美沙酮患者更有可能使用海洛因。使用多级相关的措施还发现了患者特征之间的高异质性，反映了治疗过程中的不同阶段，以及治疗中心之间的差异化实践。结论阿片类药物维持治疗与海洛因的使用有关，特别是当涉及美沙酮时。应特别注意OMT患者的异质性，因为它强调了对卫星干预措施的需求。关键字法国，海洛因，异质性，多级分析，阿片类药物维护处理
螺纹吞噬作用诱导者在复发三重...
摘要：（1）背景：三阴性乳腺癌（TNBC）是乳腺癌的独特亚组，表现出高水平的复发，而新辅助化疗在其治疗管理中是有益的。抗PD-L1免疫疗法改善了新辅助治疗在TNBC中的作用。（2）方法：在铁毒性引起的诱导剂治疗下开发了用于综合的磁法分析的免疫调节和与螺旋病相关的R包装：用螺旋病诱导剂刺激的TNBC细胞（GSE173905（GSE173905）（GSE173905）（GSE154425），单细胞数据（GSE154425），单细胞数据（GESE191911912246）和群体specetrients and Specter sexpsertry sexpsertry stractrienty。临床结合分析是用乳腺肿瘤（TCGA和代理队列）进行的。Protein-level validation was investigated through protein atlas proteome experiments.（3）结果：Erastin/rsl3投动诱导者在TNBC细胞中上调CD274（MDA-MB-231和HCC38）。In breast cancer, CD274 expression is associated with overall survival.表现出高表达CD274的乳腺肿瘤上调了一些与预后相关的铁铁蛋白驱动因素：IDO1，IFNG和TNFAIP3。在蛋白质水平上，在盐霉素治疗下，在乳腺癌干细胞中确定了CD274和TNFAIP3的诱导。在用环磷酰胺处理的4T1肿瘤中，发现CD274的单细胞表达在髓样和淋巴样纤维化细胞中增加，与其受体PDCD1无关。在乳腺肿瘤转录组分层患者预后计算的CD274铁凋亡驱动器评分：在基础亚组中观察到较低的分数，其复发性风险得分较高（OnCotypEDX，GGI和GGI和Gene70评分）。在TNBC亚组中发现了代表队列中的CD274，IDO1，IFNG和TNFAIP3。发现CD274的铁质驱动器评分与总体生存有关，与TNM分类和年龄诊断无关。在蛋白质水平（4）结论中确定了在乳房导管癌的活检中CD274，TNFAIP3，IFNG和IDO1的肿瘤表达：在蛋白质水平（4）结论：螺旋菌病诱导的PD-L1在TNBC细胞中升级PD-L1在TNBC细胞中已知是一种有效的免疫疗法疗程的tnbc患者。基础和TNBC肿瘤高度表达的CD274和铁毒驱动因素：IFNG，TNFAIP3和IDO1。CD274铁质驱动器评分与预后和乳腺癌复发的风险有关。对于反复发作的TNBC提出了抗PD-L1免疫疗法的铁凋亡诱导剂的潜在协同作用。
晚期神经内分泌肿瘤的治疗策略：现状与未来前景
神经内分泌肿瘤（NEN）是来源于肽能神经元和神经内分泌细胞的相对罕见的肿瘤。NEN 具有高度异质性，可发生于身体的任何部位，在消化系统尤为常见。NEN 包括多种肿瘤类型，其生物学行为表现出明显差异。NEN 分为高分化神经内分泌肿瘤（NET）和低分化神经内分泌癌（NEC）。NET 可进一步分为以下三类：低级别 NET，1 级（NET G1）；中级别 NET G2；高级别 NET G3。NEC 包括大细胞型 NEC（LCNEC）和小细胞型 NEC（SCNEC），均被认为是高级别。目前晚期NEN的治疗主要有生物治疗、靶向治疗、化疗以及仍在研发中的免疫治疗、肽受体放射性核素治疗（PRRT）等新疗法。但由于NEN较为罕见，药企投入有限，针对晚期NEN的Ⅲ期临床研究较少，目前的研究多为研究者发起的Ⅰ、Ⅱ期临床试验或大规模回顾性研究。NEN治疗方案繁琐复杂，应谨慎选择，如上所述。本文对晚期NEN治疗方案的临床应用现状及研究进展进行全面总结，尤其是针对晚期NET的治疗方案，可能对临床治疗具有指导意义。
优化云资源分配：将复发性神经网络与模糊逻辑系统
收到的纸张日期：2024年11月15日纸张接受日期：2024年12月16日纸张出版日期：2024年12月22日摘要该研究重点是通过将经过的神经网络（RNN）与模糊逻辑相结合。该研究的主要目标是通过整合两种方法的最佳云资源预测模型的准确性和解释性。通过将RNN序列预测能力与模糊逻辑的多功能性相结合以更好地分类不确定性管理和持续输出的多功能性来实现目标。模糊成员资格功能，并将其分类为模糊集（低，中和高）。使用指标RMSE，MSE，MAE和R-Squared（R²）对经典RNN和LSTM模型进行了基准与经典的RNN和LSTM模型进行了基准测试。从获得的结果中可以清楚地看出，RNN模糊性能比其他两个模型RNN和LSTM更好，就预测的准确性。RNN模型模型的RMSE = 0.003377，MSE = 1.141，MAE = 0.0023，R²= 0.5308，而RNN模型的RMSE = 0.013437，MSE = 0.013437，MMSE = 1.941，MAE = 0.0123，和R²= 0.39908。RMSE为0.023897，MSE为2.843，MAE为0.0223，R²为0.4308，对于LSTM模型而言，所有这些相对较差。这表明使用RNN模型模型时，资源分配预测可显着改善，在减少误差指标并提高可解释性的同时更适合数据。这为云资源优化的模糊逻辑与RNN的集成增加了价值。这是可以得出结论，RNN中的模糊逻辑增强了其减轻歧义的能力，以获得更容易解释的输出，因此是在动态上下文中优化云资源的更好替代方法。关键字：复发性神经网络（RNN），模糊逻辑系统，RMSE，MAE，MSE。简介云计算技术已成为现代数字时代企业和组织的重要工具，以追求可扩展性，效率和灵活性（Khan等，2022）。随着云计算的日益增长，虚拟机的安装和维护在云环境中变得越来越困难。今天，云计算区域复杂环境中的主要问题包括虚拟机迁移优化和有效的资源提供。传统上，资源分配和VM迁移技术始终产生了资源浪费和性能降解的问题，因为它们主要使用静态规则或手动设置，而这些规则或手动设置实际上是根据云环境中不断变化的趋势（Lin等，2024）进行修改的。因此，涉及云计算的最具挑战性的问题之一是利用新颖的技术工具，因为机器学习优化了虚拟机器迁移和动态资源分配。虚拟机迁移是云计算中最重要的技术之一，遵循该领域的任何人都可以看到它的重要性。简而言之，虚拟机迁移促进了资源的动态变化，实现负载平衡并增强了云环境的一般使用和效率（Yousefi＆Babamir，2024）。虚拟机迁移的第二个优点是它可以在云环境中的缺陷中维护，成长或恢复而不会破坏用户服务。（Ghobaei -Arani等，2018）。这会改善系统的可用性。然而，虚拟机迁移并非没有挑战，包括在迁移过程中的绩效丧失，增加的迁移时间以及在迁移过程中引起的潜在数据一致性问题（Ruan等，2019）。传统的虚拟机迁移和资源分配优化通常取决于人类的设置或静态规则，这些规则和限制了许多缺点和限制。首先，静态规则通常无法对云环境中发生的动态变化做出反应。这意味着分配的资源要么不足或过多，影响