铅锌矿工人对比敏感度和色觉评估 Fattahi Farzaneh*、Khabazkhoob Mehdi**、Jafarzadehpour Ebrahim*** ****、Mirzajani Ali***、Yekta AbbasAli***** *伊朗德黑兰诺尔眼科医院诺尔眼科流行病学研究中心 **伊朗德黑兰 Shahid Beheshti 医科大学护理与助产学院外科护理系 ***伊朗德黑兰伊朗医科大学康复学院验光系 ****伊朗德黑兰诺尔眼科研究中心 *****伊朗马什哈德医科大学辅助医学学院验光系 通讯作者:Ebrahim Jafarzadehpur,博士,伊朗医科大学康复学院验光系德黑兰,伊朗,德黑兰 Hemat 高速公路 Milad 塔旁 14496,邮编 14535,伊朗,电子邮件:jafarzadehpour.e@iums.ac.ir 接受日期:2019 年 11 月 10 日摘要目的。本研究旨在确定铅锌矿工的无色差对比敏感度和色觉。方法。总共 230 名在矿场工作且接触矿物至少 1 年的男性工人被视为病例组,年龄匹配的 90 岁未接触矿物的男性被视为对照组。在低中间光条件下,通过两个光栅和 Landolt C 刺激,使用弗莱堡测试在 1、5 和 15 度三个频率下评估对比敏感度。在高中视觉条件下,使用 Farnsworth D-15 测试评估色觉。两项测试均为单眼进行。使用 SPSS 22 版软件进行数据分析。结果 . Landolt C 刺激在 1、5 和 15 周期/度三个频率上研究组之间存在显著差异(p=0.009、p=0.016 和 p=0.003)。使用光栅刺激,两组在 1 和 15 周期/度频率上有显著差异,但在 5 周期/度频率下存在边界差异(p˂0.0001、p=0.051 和 p=0.008)。两组的颜色混淆指数之间存在显著差异(p˂0.0001)。结论 . 长期接触铅锌矿中的矿物可能导致色觉缺陷和对比敏感度下降。建议将 Farnsworth D-15 和 Freiburg 对比敏感度测试用于接触矿物的工人的神经退行性和视觉障碍的早期诊断。关键词:对比敏感度、色觉、铅锌矿工引言
farzaneh Zare Mehrabadi 1·Mohammad Ali Haddad 1,2·Najmeh sadat hosseini motlagh 3 Hagheralsadat 6 div>
学习参数共享与张量分解和稀疏Cemüyük,Mike Lasby,Mohamed Yassin,Utku Evci,Yani Ioannou Arxiv:2411.09816 11月14日,2024年11月14日,蒸馏后剩下什么?知识转移如何影响公平性和偏见,艾达·穆罕默德夏(Yani ioannou arXiv):2410.08407 10月10日,10月10日,2024年10月10日,可信赖的和负责人的AI,用于人体以人为中心的自主决策系统制定系统制造系统Farzaneh Dehghani,farzaneh dehghani,farzaneh dehghani,mahsa dibaji,mahsa dibaji,fibaji,fahim fiahim,fahim jean seyean liily niily dey and lily dey,克里斯托夫·布歇(Christophe Boucher),史蒂夫·德鲁(Steve Drew),莎拉·埃莱恩·伊顿(Sarah Elaine Eaton),理查德·弗雷恩(Richard Frayne),古里·金德(Gouri Ginde),阿什利·哈里斯(Ashley Harris),Yani Ioannou,凯瑟琳·勒贝尔(Catherine Lebel Zaman Wahid,Mark Ungrin,Marina Gavrilova,Mariana Bento Arxiv:2408.15550 9月2日,2024年,
摘要 肝细胞癌 (HCC) 是癌症导致死亡的第二大原因。肝移植、肝切除术、化疗和放疗是治疗 HCC 的主要方法。然而,这些方法无法限制 HCC 细胞的生长、存活和转移。多种信号通路控制着 HCC 的传播、转移和复发。最近的研究已经建立了使用 miRNA 技术预防和治疗 HCC 的新方法。microRNA 是一类平均有 22 个核苷酸的非编码 RNA,在控制各种生物过程中的基因表达方面发挥着关键作用。miRNA 可以诱导或抑制 HCC 增殖、迁移、转移和肿瘤发生。分子药物的抗癌作用可以直接在动物模型中评估,也可以通过注射用抗癌药物治疗的 HCC 细胞系间接评估。用 miRNA 靶向癌症特异性信号通路可以成为治疗 HCC 的新策略。这项研究提供了在体外和体内模型中使用 miRNA 控制肝细胞癌的最新发现。关键词:癌症、肝细胞癌、miRNA、信号通路引用本文为:Farzaneh Z、Farzaneh M。使用 miRNA 预防和治疗肝细胞癌。Arch Iran Med。2022;25(2):133-138。doi:10.34172/aim.2022.23
作者感谢为本报告贡献时间和专业知识的个人(及其组织):Amelia Andersdotter、Sébastien Bachollet、Farzaneh Badii、Stéphane Bortzmeyer、Chris Buckbridge、Alissa Cooper、Ross Creelman、William Drake、Jim Dratwa、David Frautschy、Lise Fuhr、Valentin Grimaud、Alexandra Laffitte、Riccardo Nanni、Mark Nottingham、Niels ten Oever、Maarit Palovirta、Oriane Piquer-Louis、Julia Pohle、Lars Steffen、Adrien Tournier、Peter Van Roste 和 Rigo Wenning。他们还感谢 Nizar Larabi 和 Simon Bourdieu-Apartis,他们分别为法国国家科学研究院在默东-法兰西岛代表团和 Centre Internet et Société 提供行政支持。最后,他们感谢独联体研究网络互联网治理与监管工作组以及全球互联网治理学术网络(Giga-Net),在本报告的研究和撰写过程中与他们的成员进行了富有成效的交流。
本书中的材料受到了几种丰富的资源的启发。我会想承认安德鲁·恩格(Andrew Ng Ng)对本书中多个部分的影响,尤其是一些基本的贝叶斯配方和示例。弗朗索瓦·乔利特(Francois Cholett)的出色书籍与python有关深度学习的深度学习,既建议对深度学习技术的精彩解释和在凯拉斯的实施。我们通过对Baydin,Pearlmutter,Radul和Siskind的审查(JMLR 2018)进行了大部分介绍自动差异化(JMLR 2018)。许多同事为这本书做出了巨大贡献。尤其要感谢Paul Hollensen,Patrick Connor和Hossein Parvar在手稿的一些非常粗糙的初始草稿中提供了很多帮助。感谢Aditi Nair的仔细阅读和好的问题,并感谢Justin Tam指出了一些粗糙的部分。我要感谢Will Stone的好主意并制作图1.7B,以及Evangelos Milios的进一步建议。非常感谢Farzaneh Sheikhnezhad Fard。她清楚地实施了基本概念和深入强化学习的讨论,塑造了相应的章节的大部分内容。最后,非常感谢我所有在过去几年上上课的学生,并挑战我对机器学习的更深入思考,并调查我们做出的假设的根源。
Michael Hawrylycz ID 1 * , Maryann E. Martone ID 2,3 * , Giorgio A. Ascoli 4 , Jan G. Bjaalie 5 , Hong-Wei Dong 6 , Satrajit S. Ghosh 7 , Jesse Gillis 8 , Ronna Hertzano 9,10,11 , David R. Pangso 12 , Pangso R. Yong . o Kim 14 , Ed Lein 1 , Yufeng Liu 15 , Jeremy A. Miller 1 , Partha P. Mitra 16 , Eran Mukamel 17 , Lydia Ng 1 , David Osumi-Sutherland 18 , Hanchuan Peng 15 , Patrick L. Ray 1 , Raymond Sanchez 19 , Rev. Alexevski 0 , Richard H. Scheuermann 21 , Shawn Zheng Kai Tan 18 , Carol L. Thompson 1 , Timothy Tickle 22 , Hagen Tilgner 23 , Merina Varghese 13 , Brock Wester 24 , Owen White 11 , Hongkui Zeng 1 , David Averman , 215 , Thomas L. Athey 27 , Cody Baker 28 , Katherine S. Baker 1 , Pamela M. Baker 1 , Anita Bandrowski 2 , Samik Banerjee 16 , Prajal Bishwakarma 1 , Ambrose Carr 25 , Min Chen 29 , Roni Choudhury , 26 , Jon Heather Creah , 11 ence D'Orazi 25 , Kylee Degatano 22 , Benjamin Dichter 28 , Song-Lin Ding 1 , Tim Dolbeare 1 , Joseph R. Ecker 30 , Rongxin Fang 31 , Jean-Christophe Fillion-Robin 26 , Timothy P. Gilles 29 , James Gilles 29 Gouwens 1 , Guo-Qiang Zhang 32 , Yaroslav O. Halchenko 33 , Nomi L. Harris 34 , Brian R. Herb 11 , Houri Hintiryan 6 , Gregory Hood 20 , Sam Horvath 26 , Bingxing Huo 16 , Dorota Jare 7 , Jian Khazan 22 , Elizabeth A. Kiernan 22 , Huseyin Kir 18 , Lauren Kruse 1 , Changkyu Lee 1 , Boudewijn Lelieveldt 35,36 , Yang Li 37 , Hanqing Liu 30 , Lijuan Liu 15 , Anup Markuhar 11 , Mathew Mathew , 12 , James L. Mezias 16 , Michael I. Miller 27 , Tyler Mollenkopf 1 , Shoaib Mufti 1 , Christopher J. Mungall 34 , Joshua Orvis 11 , Maja A. Puchades 5 , Lei Qu 15 , Joseph P. Receveur 11 , Bing Ren 37 , Nat Brian Squist 13 , Daniel Squist , 39 ward 40 , Cindy TJ van Velthoven 1 , Quanxin Wang 1 , Fangming Xie 41 , Hua Xu 42 , Zizhen Yao 1 , Zhixi Yun 15 , Yun Renee Zhang 21 , W. Jim Zheng 42 , Brian Zingg 6
盖茨小,奥罗拉大学;博伊西州立大学汤姆·加蒂克(Tom Gattiker); TEM PLE大学的Mark Gershon;西密歇根大学的达马达·戈尔哈尔(Damodar Golhar);杰克逊维尔州立大学罗伯特·格雷厄姆(Robert Graham);马萨诸塞大学达特茅斯大学的Angappa Gunasekaran; Haresh Gurnani,迈阿密大学;宾夕法尼亚州立大学特里·哈里森(Terry Harrison);东湾的加利福尼亚州立大学的Vishwanath Hegde;佐治亚州立大学克雷格·希尔(Craig Hill);伊利诺伊大学芝加哥大学的吉姆·霍(Jim Ho); Seong Hyun Nam,北达科他州的Uni Cersity;乔纳坦·琼(Jonatan Jelen),慈悲学院;拉萨尔大学Pra Fulla Joglekar; Vijay Kannan,犹他州盖茨小,奥罗拉大学;博伊西州立大学汤姆·加蒂克(Tom Gattiker); TEM PLE大学的Mark Gershon;西密歇根大学的达马达·戈尔哈尔(Damodar Golhar);杰克逊维尔州立大学罗伯特·格雷厄姆(Robert Graham);马萨诸塞大学达特茅斯大学的Angappa Gunasekaran; Haresh Gurnani,迈阿密大学;宾夕法尼亚州立大学特里·哈里森(Terry Harrison);东湾的加利福尼亚州立大学的Vishwanath Hegde;佐治亚州立大学克雷格·希尔(Craig Hill);伊利诺伊大学芝加哥大学的吉姆·霍(Jim Ho); Seong Hyun Nam,北达科他州的Uni Cersity;乔纳坦·琼(Jonatan Jelen),慈悲学院;拉萨尔大学Pra Fulla Joglekar; Vijay Kannan,犹他州