XiaoMi-AI文件搜索系统
World File Search Systemdet
实时3D对象检测的轻量级卷积神经网络在道路和铁路环境中
抽象的智能移动性和自动驾驶汽车（AV），必须非常精确地了解环境，以保证可靠的决策，并能够将公路部门获得的结果扩展到铁路等其他领域。为此，我们基于Yolov5引入了一个新的单阶段单眼3D对象检测卷积神经网络（CNN），该卷积神经网络（CNN）致力于公路和铁路环境的智能移动性应用。要执行3D参数回归，我们用混合锚盒替换了Yolov5的锚点。我们的方法有不同的模型大小，例如yolov5：小，中和大。我们提出的新模型已针对实时嵌入DED约束（轻巧，速度和准确性）进行了优化，该模型利用了被分裂注意的改进（SA）卷积所带来的改进（称为小型分裂注意模型（SMALL-SA）。为了验证我们的CNN模型，我们还通过利用视频游戏Grand Theft Auto V（GTAV）来引入一个新的虚拟数据集，以针对道路和铁路环境。我们在Kitti和我们自己的GTAV数据集上提供了不同模型的广泛结果。通过我们的结果，我们证明了我们的方法是最快的3D对象检测，其准确性结果接近Kitti Road数据集上的最新方法。我们进一步证明，GTAV虚拟数据集上的预训练过程提高了实际数据集（例如Kitti）的准确性，从而使我们的方法比最先进的方法获得了更高的准确性，该方法具有16.16％的3D平均均衡性精度，而硬CAR检测的推理时间为11.1 MS/rtx 3080 gpu的推理时间为11.1 s/simage。
使用LSTM在巴西进行预测和爆发检测：整合人类流动性和气候因素
背景登革热是全球主要的健康问题，由于其有利的气候因素，社会环境状况以及人类流动性的增加，巴西反复发生和严重爆发。准确的登革热案件和爆发风险对于预警系统和有效的公共卫生干预至关重要。传统的预测模型主要依赖于历史案例数据和气候变量，通常忽略了人类运动在病毒传播中的作用。本研究通过将人类流动性数据纳入基于深度学习的登革热预测框架来解决这一差距。方法开发了一种基于LSTM的模型，以预测每周的登革热病例并检测到选定的巴西城市的爆发。该模型整合了历史登革热案例，滞后气候变量（温度和湿度）以及人类移动调整后的进口案例，以捕获时间趋势和空间传播动态。根据三种替代模型评估其性能：（1）仅使用登革热案例数据的LSTM，（2）结合气候变量的LSTM，以及（3）LSTM集成气候和地理邻里效应的LSTM。使用平均值溶质误差（MAE），平均绝对百分比误差（MAPE）和连续排名的概率得分（CRP）评估了预测准确性，而使用准确性，灵敏度，特异性和F1分数评估了爆发分类。结果在登革热案例预测和爆发检测中，提出的提出的迁移率增强的LSTM模型始终超过所有基线。在所有城市中，它都达到了较低的MAE和MAPE值，表明准确性提高，同时也表现出了出色的CRP性能，反映了良好的校准不确定性估计值。在爆发分类中，该模型达到了最高的灵敏度和F1分数，与仅依赖病例趋势，气候变量或地理位置的模型相比，它在检测爆发期间的有效性。结果强调了登革热预测中赋予移动性数据的重要性，尤其是在人口较高的城市中心。
在多种细胞和疾病状态中基因表达的解码序列决定因素
序列功能模型可预测基因组DNA序列的基因表达，已证明对许多生物学任务有价值，包括了解顺式调节语法和解释非编码遗传变异。然而，当前的最新模型已在很大程度上接受了来自健康组织或细胞系的散装表达谱的培训，并且还没有学会在大型单细胞转录组数据集中捕获的精确细胞类型和状态的特性。因此，他们缺乏在各种组织和疾病环境中的特定细胞类型或状态下执行这些任务的能力。为了解决这一差距，我们提出了Decima，该模型可以从其周围的DNA序列中预测基因的细胞类型和条件 - 特异性表达。decima在超过2200万个细胞的单细胞或单核RNA测序数据上进行了训练，并成功地基于其序列成功预测了看不见基因的细胞类型特异性表达。在这里，我们证明了Decima揭示驱动细胞类型特异性基因表达的顺式调节机制及其在疾病中的变化，以预测细胞类型分辨率下的非编码变异效应，并使用精确调谐的，情境特异性功能设计调节性DNA元件。
大脑进化中的过渡：空间，时间和熵
摘要：shot弹枪蛋白质组学已被证明是识别病原体和表征其产生的抗菌耐药基因的有吸引力的替代方法。由于其性能，预计通过串联质谱法对微生物的蛋白质打字将成为现代医疗保健中必不可少的工具。通过培养物学从环境中分离出来的蛋白质型微生物也是开发新生物技术应用的基石。系统性培训是一种新策略，可估计样品中存在的生物体之间的系统发育距离并计算其共同肽的比率，从而改善其对生物量的贡献的定量。在这里，我们确定了基于记录几种细菌的MS/MS数据的串联质谱蛋白观察的限制。使用我们的实验设置的沙门氏菌邦戈里的检测极限为4×10 4菌落形成单元，来自1 ml的样品体积。这种检测极限与每个细胞的蛋白质量直接相关，因此取决于微生物的形状和大小。我们已经证明，细菌通过系统肽学对细菌的鉴定独立于其生长阶段，并且在存在相同比例的其他细菌的情况下，该方法的检测极限不会降解。
改善了凝聚素Hichip方案和生物信息学分析，用于强大检测染色质环和条纹
。cc-by-nc-nd 4.0国际许可证（未获得同行评审证书）获得的是作者/资助者，他已授予Biorxiv授予Biorxiv的许可，以永久显示预印本。是
最初发表于：范妮的金发女郎； Kraege，Vanessa；卡瓦西尼（Matthias）； Damas Fernandez，José； Vollenweider，彼得； Wandeler，吉尔斯；霍夫曼，
结果：包括三千八百fire T2D无PWH（男性78.5％，39.9 11.3岁）。中位随访4。8年（四分位间范围2.2-7.8）后，有62名参与者（1.6％）开发了T2D，对应于每1000人年的3.18（95％的浓度间隔间隔1.47-2.47-4.08）。开发T2D的参与者年龄较大（48.7 12.4 vs. 39.8 11.2岁），更有可能肥胖（22.6％vs. 7.4％），腹部肥胖（9.7％vs. 1.5％），并且比没有T2D的糖尿病家族史（32.3％vs. 19.1％）。入射T2D的AUC介于0.72（Kraege 16）和0.81（SDA，Findrisc2和Balkau）之间。敏感性在3.2％（Balkau）至67.7％（Findrisc1）之间，而特定范围在80.9％（Findrisc1）和98.3％（Balkau）之间。所有分数的阳性预测值低于20％，而负预测值高于98％。
冷却技术的进步，以提高太阳能光伏面板的效率：详细的综合审查和创新分类
太阳能光伏（PV）细胞已成为生产绿色电力的主要技术。这项创新利用了直射的阳光来产生动力，其安装灵活性已在PV面板上进行了大量投资。尽管有许多好处，但这些细胞因细胞温度升高而导致的效率下降而阻碍。因此，研究人员对旨在使用多种技术增强光伏细胞性能的可能解决方案进行了广泛的研究。本评论论文对光伏面板的冷却技术进行了彻底的分析。它涵盖了被动和主动冷却方法，包括水和空气冷却，相变材料以及各种不同的方法。在每个类别中，它都深入研究详细的子类别，例如蒸发冷却，浸入水，浮动系统，水管，冷却通道，喷水机，喷射撞击，地热冷却以及通过PV设计增强的自然对流。它还使用冷却管，散热器和空气收集器覆盖强制对流，以及相变材料（PCM），纳米流体，辐射冷却，热电方法，热管，热泵，热泵和其他创新技术的整合。用特定的示意图说明了每种方法，并进行了彻底讨论和比较。此外，本文介绍了适用于光伏面板的这些冷却方法的原始分类系统，为未来的研究提供了宝贵的指导，并洞悉提高效率。关键字：综合；比较;审查;光伏面板；冷却技术。
错失的机会：急性住院患者高风险饮酒和非法药物使用的检测和管理
高风险的酒精和非法药物使用是疾病和住院并发症的危险因素。本研究调查了临床医生是否在急性住院内科患者的电子记录中记录药物使用情况。研究样本包括 2016 年 11 月至 2017 年 12 月期间在挪威奥斯陆一家内科医院接受治疗的 2,872 名患者，前瞻性地收集了药物使用数据，从而确定了酒精和非法药物阳性患者。医院工作人员不知道这些数据。对于研究证实的酒精使用量超过低风险指南（酒精使用障碍识别测试 4 评分 [AUDIT-4] 女性≥ 5，男性≥ 7）和/或非法药物使用（液相色谱-质谱 [LC-MS] 分析检测到一种或多种非法药物）的患者，检查了医生是否记录了定量的药物使用评估和干预措施。在 548 名经研究证实的酒精阳性患者中，医生记录了 43.2%（n = 237）患者的使用数量和频率 (QF)，22.0%（n = 121）患者的干预措施。酒精干预与有害饮酒（AUDIT-4 ≥ 9 分；调整后的优势比 [AOR] = 4.87；95% CI：2.54 – 9.31；p < 0.001）和 QF 评估（AOR = 3.66；95% CI：1.13 – 11.84；p = 0.02）相关。在 157 名非法药物阳性患者中，34.4%（n = 54）定量描述了药物使用情况，26.0%（n = 40）描述了干预措施。医院医生对酒精和非法药物使用的定量评估率较低，因此干预率较低。错过了减少或干预酗酒和非法药物滥用风险的重要机会。
自适应免疫和动脉粥样硬化：十字路口衰老
具有最佳能量分辨率的低能X射线对低能X射线的有效检测需要应用硅漂移检测器（SDDS）和高级应用程序特定的集成电路（ASIC）。与专门的基础科学项目一起，它们在物质科学中的广泛使用长期以来仅限于在低温下工作的单个选择的SDD元素。这是因为在相当详尽的平面技术生产过程中产生的限制，并且需要达到非常低的泄漏电流水平，以及对高度专业化的读取电子产品的需求。我们在这项审查工作中描述了RedSox合作的努力的具体结果，以开发基于多像素单片硅漂移探测器和定制设计的高级读数电子设备，能够处理用于高光谱的高光谱，但适用于应用程序的高光谱，但可用于代表各种应用程序。
在整个鼠标脑图像数据集中用于3D细胞检测的深度学习算法
了解神经系统的功能需要绘制其由功能，解剖学或基因表达定义的其组成细胞的空间分布。最近，组织制备和显微镜的发展使整个啮齿动物大脑都可以成像细胞种群。但是，手动映射这些神经元很容易偏见，并且通常不切实际。在这里，我们提出了一种开源算法，用于使用标准台式计算机硬件在鼠标全脑显微镜图像中完全自动化的3D检测神经元somata。我们通过绘制通过通过逆行反式突触病毒感染表达的细胞质荧光蛋白标记的大型细胞的大脑范围来证明我们方法的适用性和功能。