XiaoMi-AI文件搜索系统
World File Search Systemeight
肠促胰岛素药物对超重或肥胖成人及有/无 2 型糖尿病患者的血糖控制、体重和血压的比较效果：系统评价和网络荟萃分析
方法：在 PubMed、Cochrane、Web of Science、Embase、CNKI 和万方数据库中进行系统搜索，检索日期截至 2024 年 5 月 12 日。纳入干预时间至少为 12 周的随机对照试验 (RCT)。目标人群包括超重或肥胖的个体，无论是否患有 2 型糖尿病。符合条件的研究将多受体药物与安慰剂或其他多受体药物进行了比较。主要结果是减轻体重、糖化血红蛋白 (HbA 1c )、空腹血糖 (FPG)、血压变化和不良事件。使用 Cochrane 偏倚风险工具 (ROB2) 第 2 版评估偏倚风险，并使用频率学派方法进行随机效应网络荟萃分析。使用网络荟萃分析置信度 (CINeMA) 框架评估效果估计的置信度。
使用重叠块和多类加权交叉熵的基于深度学习的选择性注意的全自动脑肿瘤分割
Mostefa Ben Naceur、Mohamed Akil、Rachida Saouli、Rostom Kachouri。使用重叠块和多类加权交叉熵，通过基于深度学习的选择性注意实现全自动脑肿瘤分割。医学图像分析，2020 年，�10.1016/j.media.2020.101692�。�hal-02533454�
使用电阻RAM使用单一感官操作实现三元重量
摘要 - 实施具有新兴记忆（例如电阻随机访问记忆（RRAM））的系统设计的系统是减少人工智能能源消耗的重要铅。为了在此类系统中实现最大的能量效率，应尽可能紧密地集成逻辑和内存。在这项工作中，我们关注三元神经网络的情况，其中突触权重假设三元值。我们提出了一种使用预感的两种晶体管/两抗记忆体系结构，其中可以在单个感觉操作中提取重量值。基于对具有这种感觉放大器的杂交130 nm CMOS/RRAM芯片的实验测量，我们表明该技术在低供应电压下特别适合，并且对于处理，电压和温度变化具有弹性。我们表征了方案中的位错误率。我们基于CIFAR-10图像识别任务的神经网络模拟显示，三元神经网络的使用显着提高了神经网络的性能，而对于二进制二进制，这通常是推理硬件而言是优先的。我们最终证明了神经网络对我们方案中观察到的位误差的类型免疫，因此可以在没有误差校正的情况下使用。
粉虫（Tenebrio Molitor L.）变化重量的影响
摘要背景：废物管理涉及系统和可持续的实践，包括回收日常固体废物。在全球范围内，一种常见的塑料废物类型，广泛用于包装和食品服务。在2022年，其生产能力为1544万吨，预计到2026年增加，由于其不可生物降解的性质和对污染的贡献，面临着重大的环境挑战。关于这个问题，粉虫（Tenebrio Molitor L.）显示出降解泡沫聚苯乙烯，将其转化为Co 2，粪便和最小生物质的潜力。方法：这项研究调查了粉虫的泡沫聚苯乙烯降解及其对其生长和养分含量的影响，重点是基于粉虫重量的降解效率。使用没有对照组的预测试和后期设计，以100、200和300 g的重量测试粉虫。该研究测量了降低聚苯乙烯泡沫塑料的体重，并增加了虫的体重，以及残留物和粉虫中的重金属含量。结果：结果显示出降解率的显着差异：100 g的2.72％，200 g的54.25％和300 g处理的70.37％，在300 g治疗中降低了最高的降低，证明了粉虫重量与眼镜瘤降解之间的显着关系。重金属分析表明，通过残留物来排泄大多数重金属，有效地将泡沫聚苯乙烯转化为生物质，CO 2和排泄物。结论：这些发现突出了粉虫作为可持续塑料废物管理解决方案的潜力。这项研究有助于关于创新塑料废物管理策略的论述。未来的研究应重点介绍虫虫消耗前后的粉虫含量分析，以了解营养的影响。关键字：固体废物，造型泡沫，Tenebrio，larva，生物量引用：Kamaludin A，Iqbal M，Kahar K，Kahar K，AripinS。粉虫的重量不同（Tenebrio Molitor L.）对Styrofoam Decradation的影响。环境健康工程与管理期刊。2025; 12：1385 doi：10.34172/ehem.1385。
临床生物标志物状态从儿童期到青少年期的转变——对来自八个欧洲国家的儿童的前瞻性研究
1 德国不来梅莱布尼茨预防研究和流行病学研究所 — BIPS，2 德国新勃兰登堡应用技术大学农业与食品科学学院营养学系，3 意大利阿韦利诺国家研究委员会食品科学研究所，4 爱沙尼亚行为与健康科学中心国家健康发展研究所，爱沙尼亚塔林，5 儿童健康研究与教育研究所，斯特罗沃洛斯，塞浦路斯，6 匈牙利佩奇大学医学院儿科系，7 瑞典哥德堡大学萨尔格伦斯卡学院医学研究所公共卫生与社区医学系流行病学和社会医学系，8 瑞典哥德堡大学萨尔格伦斯卡学院临床科学研究所儿科系，9 根特大学公共卫生系，比利时，10 GENUD（生长、运动、营养和发展）研究组，健康科学学院，萨拉戈萨大学，阿拉贡农业研究所 (IA2)，阿拉贡卫生研究所 (IIS 阿拉贡)，萨拉戈萨，西班牙，11 Centro de Investigacio´n Biome´dica en Red de Fisiopatologı´a de la Obesidad y Nutricion´n (CIBEROBn)，马德里，西班牙，12 统计研究所，数学和计算机科学学院，不来梅大学，不来梅，德国
现实主义的抗精神病药干预措施的抗精神病学干预措施是患有严重精神疾病的人2
作者：毛拉·麦克菲（Maura Macphee）（不列颠哥伦比亚大学），乔·豪（Aston University）*，Hafsah Habib 3（阿斯顿大学），Emilia Piwowarczyk（不列颠哥伦比亚省大学），Geoff University，Geoff Wong（牛津大学），44牛津大学）伯明翰），Sheri Oduola（东英吉利大学），Alex Kenny（McPin Foundation），6 Annabel Walsh（McPin Foundation）（McPin Foundation），Rachel Upthegrove（伯明翰大学，早期介入7 Service，伯明翰妇女和儿童NHS NHS NHS基金会NHS Foundation） Health 9 Foundation Trust），Justine Lovell（伯明翰和Solihull NHS心理健康基金会信托基金），Ian 10 Maidment（Aston University）11
引用：Gao Q, Liang B, Li H, et al. 代谢健康超重/肥胖（无代谢异常和高血糖发生率）在中国
摘要 目的 探讨代谢健康性超重（MHOW）和/或代谢健康性肥胖（MHO）是否会增加中国各年龄段人群的高血糖风险。设计 回顾性队列研究。设置 对DATADRYAD数据库的数据进行二次分析，该数据库包含2010年至2016年中国32个地区和11个城市参与者的健康检查记录。参与者 共入选47 391名代谢健康、均无任何代谢异常的参与者。结果测量 高血糖包括新发糖尿病和空腹血糖受损（IFG）。糖尿病诊断为空腹血糖≥7.0 mmol/L，且有典型临床症状和/或在随访期间自我报告。IFG的空腹血糖水平为5.6至6.9 mmol/L。结果 平均随访3.06年，5274人（11.13%）在144 804人年中出现高血糖症，发病率为36.42/1000人年。调整模型显示，与代谢健康的正常体重组相比，MHOW组（HR=1.23，95% CIs 1.16～1.30）和MHO组（HR=1.49，95% CI 1.33～1.67）发生高血糖症的风险较高。体质指数每增加1个单位，高血糖症风险增加6%（HR=1.06，95% CI 1.04～1.07）。分层分析和交互作用检验显示关联的稳健性，且女性的关联更强（交互作用p值<0.001）。结论 MHOW 和 MHO 表型与该人群的高血糖风险呈正相关，并且在女性中这种关联尤其强。
非典型症状，SARS-COV-2测试结果和456名面对Covid-19疫情的八个疗养院的居民的免疫率
Hubert Blain，Lucie Gamon，Edouard Tuaillon，Amandine Pisoni，Nadia Giacosa等。非典型症状，SARS-COV-2测试结果以及来自八个面临的共同199次爆发的八名养老院的456名居民的免疫率。 年龄和衰老，2021，50（3），pp.641-648。 10.1093/老化/AFAB050。 hal-03160497Hubert Blain，Lucie Gamon，Edouard Tuaillon，Amandine Pisoni，Nadia Giacosa等。非典型症状，SARS-COV-2测试结果以及来自八个面临的共同199次爆发的八名养老院的456名居民的免疫率。年龄和衰老，2021，50（3），pp.641-648。10.1093/老化/AFAB050。hal-03160497
使用转移学习和注意力的高级种族分类：实时指标，错误分析和可视化的轻量级学习
背景和目标：深度学习技巧极大地推动了面部图像的种族分类进步。尽管取得了这些进步，但许多现有方法依赖于复杂的模型，这些模型需要大量的计算成本并表现出缓慢的处理速度。本研究旨在通过利用转移学习以及结合了基于注意力的学习的改进的有效网络模型来介绍一种有效，强大的种族分类方法。方法：在这项研究中，有效的网络被用作基本模型，应用转移学习和注意机制来增强其在种族分类任务中的功效。有效NET的分类器组件在战略上进行了修改，以最大程度地减少参数计数，从而在不损害分类精度的情况下提高处理速度。为了解决数据集不平衡，我们实施了广泛的数据增强和随机的过采样技术。修改模型经过严格培训和在全面的数据集上进行了评估，并通过准确性，精度，召回和F1得分指标进行了评估。结果：修改后的有效网络模型表现出显着的分类精度，同时显着降低了UTK-FACE数据集的计算需求。具体来说，该模型的准确度为88.19％，反映了基本模型的增强2％。此外，它证明记忆消耗和参数计数减少了9-14％。此外，提出的方法增强了培训样本少约50％的班级测试准确性约5％。实时评估显示，处理速度的速度比基本模型快14％，并且达到了最高的F1得分结果，这强调了其对实际应用的有效性。结论：本研究提出了一个基于改进的有效网络体系结构的高效种族分类模型，该模型利用转移学习和基于注意力的学习来实现最先进的表现。所提出的方法不仅持有高精度，还可以确保快速处理速度，使其非常适合实时应用。调查结果表明，这种轻巧的模型可以有效地与更复杂和计算密集的最新方法相抗衡，从而为实践种族分类提供了宝贵的资产。
