XiaoMi-AI文件搜索系统
World File Search Systemgni
重度抑郁症中负面认知偏差的神经机制理论
由 Aaron Beck 提出的抑郁症认知理论得到广泛认可，该理论关注的是信息处理的偏见，强调情感和概念信息的消极方面。当前，人们试图发现这种认知和情感偏见的神经机制，并成功地确定了与情绪、注意力、沉思和抑制控制等几种偏见功能相关的各个大脑区域。然而，抑郁症患者如何发展出这种选择性消极处理的神经生物学机制仍存在疑问。本文介绍了一个以额叶边缘回路为中心的神经学框架，具体分析和综合了杏仁核、海马和内侧前额叶皮质内的活动和功能连接。首先，建立了正反馈回路如何在自动水平上导致抑郁症患者杏仁核持续过度活跃的可能解释。在此基础上，提出了两个假设：假设 1 围绕双向杏仁核海马投射，促进负面情绪和记忆的放大，同时阻碍海马吸引子网络中对立信息的检索。假设 2 强调腹内侧前额叶皮层通过与杏仁核和海马一起概括概念和情感信息，参与建立负面认知框架。本研究的主要目的是改进和补充现有的抑郁症病理模型，推动情感障碍神经科学当前理解的前沿，并最终有助于成功康复令人衰弱的情感障碍。
如果您10岁的孩子感到困扰，您会认出这些标志吗？
尽管近年来对心理健康的讨论很多，但许多成年人发现很难承认幼儿经历了这种挑战。也许孩子自己是自我审查。我们的研究发现，患有心理健康问题的儿童通常不愿意向成年人寻求帮助。他们担心被审判。他们不想给别人负担。有时，他们根本不信任周围的成年人。“（我的父母）会说，‘别疯了，治疗师是为那些在情感上伤害人们的'，他们会认为我（一个）引起注意的人，”另一个12岁的孩子说。即使是寻求帮助的孩子，也发现父母，老师和学校辅导员的担忧也使他们的痛苦恶化了。当他们的孩子试图讨论自己的麻烦时，一些父母完全敌对了。一个孩子告诉我们：“（我的妈妈）在过去的日子里说，没有人帮助她，我很虚弱，要寻求帮助。”一些父母甚至达到了积极阻止孩子获得心理健康服务的程度。这些聊天表明，心理健康挑战可能在孩子的早年时出现，但经常被忽视。父母负责创建安全的空间，并确保孩子获得所需的帮助。可悲的是，他们倾向于错过或误读心理健康困扰的迹象。可以理解的是，父母不像我们应有的那样满足我们孩子的需求。在我们的
2023-2024 CVSL 奖项与表彰
● Ascension Borgess 医院（'23） ● Ascension Genesys 医院（'23） ● Ascension St. John 医院（'23） ● Ascension St. Mary's 医院（'23） ● Ascension Providence 医院 — Novi（'23） ● Ascension Providence 医院 — Southfield（'23）
从土壤、厨余垃圾、落叶中筛选木质素降解菌，
木质素是一种复杂的化学异质聚合物，可形成木质纤维素生物和化学水解的物理屏障，使木质纤维素生物质难以降解。木质素分解微生物通过产生细胞外酶在木质素降解中起着至关重要的作用。木质素过氧化物酶和锰过氧化物酶是在木质素降解中发挥作用的酶。已从土壤、厨余垃圾、落叶和牛粪中分离出 41 种细菌分离株。然而，这些分离株的木质素分解活性尚未被发现。本研究旨在根据木质素过氧化物酶和锰过氧化物酶活性确定从土壤、落叶、厨余垃圾和牛粪中分离出的细菌的木质素分解能力。研究分几个阶段进行：分离株再培养，基于亚甲蓝染料降解的木质素过氧化物酶活性定性和定量测试，以及基于酚红染料降解的锰过氧化物酶活性定性和定量测试。共有 4 株来自土壤的细菌分离物（Tn9、Tn14、Tn16 和 Tn17）和 2 株来自牛粪的细菌分离物（KS2 和 KS5）表现出定性和定量的木质素过氧化物酶活性。4 株来自土壤的分离物（Tn2、Tn6、Tn14 和 Tn16）、1 株来自厨余的分离物（SD1）和 1 株来自牛粪的分离物（KS5）也表现出锰过氧化物酶活性，定性和定量均如此。表现出木质素过氧化物酶和锰过氧化物酶活性的 9 株细菌分离物具有作为木质素降解生物制剂的潜力。关键词：细菌、木质素分解、过氧化物酶
预测意义
糖尿病是全球性的公共卫生问题，发病率和死亡率逐年上升（1），但早期干预可有效延缓和减少高危人群患糖尿病的机会（2-5），而要实现这一目标，及早识别和发现糖尿病高危人群至关重要（6，7）。既往研究表明，糖尿病的患病率和进展存在明显的性别差异（8，9），且这种差异随时间而变化（10，11）。因此，在精准医疗的新时代，量化男女未来糖尿病风险，评估高危人群趋势，为基层医生提供针对性别的干预措施参考，从而降低糖尿病的发病率，刻不容缓。当前，糖尿病正处于迅速蔓延的流行病之中，多数论据支持糖尿病蔓延趋势主要归因于肥胖症的流行（12，13）。肥胖主要表现为皮下脂肪组织 (SAT) 和内脏脂肪 (VAT) 的堆积 (14,15)。然而，越来越多的证据表明，异位沉积的脂肪组织 VAT 与胰岛素抵抗的关联性比 SAT 更强，并且在糖尿病的发展中起着更重要的作用 (16-18)。此外，微环境中内脏脂肪的性别差异显著影响糖尿病的发展 (19,20)。因此，量化内脏脂肪可能提供一种更有效的方法来评估不同性别人群的糖尿病风险，并准确预测其发病率和未来趋势。然而，精确的内脏脂肪测量需要腹部计算机断层扫描或核磁共振成像扫描，而这些扫描价格昂贵且不易获得 (21)，阻碍了它们在大规模人群健康筛查中的应用。因此，开发简单而有效的内脏脂肪评估替代方法势在必行。近年来，Kahn 等人利用腰围 (WC) 和甘油三酯 (TG) 水平计算出的 LAP 已成为评估 VAT 的有效替代方法 ( 22 , 23 )。
建立支持在线英语的认知策略
摘要 随着当前在线学习环境的实施，转向在线教学已成为各国提高教学可持续性的最明显方式。研究表明，英语科目的在线学习和教学影响认知策略环境。本研究旨在确定和探索在线学习环境中实施的认知策略，以支持英语学习者的批判性思维。本研究是一项利用调查方法在线完成的定量描述性研究。样本选择方法是简单随机抽样。本研究通过互联网向 115 名受访者分发问卷来收集原始数据。数据是通过完成调查中提供给所有受访者的问题来收集的。此外，对数据进行了评估，以便对其进行表征和描述。英语讲师调查的数据分析结果表明，在线教学中使用的认知策略是繁荣和挥霍的。实施在线英语学习者的批判性思维所需的认知策略包括程序性、元认知、概念性和战略性。本研究表明，在线学习的认知策略实施在远程教学中通常是有利的。调查显示，只有 73% 的英语讲师认为认知策略在线平台与传统会议一样有利于支持批判性思维。问卷调查获得了积极的回应。此外，该声明与他们的在线教学经验和背景相关，这表明他们对在线学习机制中运作良好的认知策略持良好态度。研究表明，必须发展在线教学法和英语讲师，为未来潜在的真实在线策略铺平道路。这项研究可能说明了在线教育的困难和潜在的改进领域。关键词：认知策略、在线英语学习者、批判性思维、
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招募和指导科学家和实习生以及建立数据和注释伙伴关系。
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招聘和指导科学家和实习生以及建立数据和注释合作伙伴关系。
社会认知和思想理论
在鸟类和哺乳动物中出生后脑发育继续进行。然而，由于两个主要区别，这种发展的结果与人类的结果显着不同。首先，人类独特地体验了脑外脑中最长的大脑时期，持续至18岁。新生的黑猩猩的大脑重量的60％的成人形式，而人类新生儿的大脑仅占成年人类大脑大小的24％。第二个区别在于一个事实，即大脑和心理发展发生在始终后数千年和世代积累的文化环境中。一个延长的童年时期推断神经囊突触发生过程和以下突触修剪，特别是在前额叶叶片中，是根据生活经验来塑造的。这是在社会影响下发生神经发展的证据。3在延长的童年时期，大脑发育受到外部影响，微调大脑对其社会环境的敏感性。这个过程是通过出生后以各种形式积极地传播社会历史文化的。由于这两个因素，人脑完全是“社会大脑”。
一个航天器数据集用于检测，分割和零件识别
现代生活的几乎所有方面都取决于太空技术。多亏了计算机视频的一般和深度学习技术的巨大进步，几十年来，全世界都见证了将深度学习的发展用于解决太空问题的问题，例如自动驾驶机器人，诸如示踪剂，类似昆虫的机器人，类似昆虫的机器人和SpaceCraft的健康监测。这些只是一些在深度学习的帮助下具有高级空间行业的重要例子。但是，深度学习模型的成功需要大量的培训数据才能具有不错的性能，而另一方面，用于培训深度学习模型的公开空间数据集非常有限。当前没有用于基于太空的对象检测或实例分割的公共数据集，部分原因是手动注释对象分割掩码非常耗时，因为它们需要像素级标签，更不用说从空间获取图像的挑战了。在本文中，我们的目标是通过释放数据集以进行航天器检测，实例分割和零件识别来填补这一差距。这项工作的主要贡献是使用太空设置和卫星的图像开发数据集，并具有丰富的注释，包括绑定的航天器和口罩的框架盒对物体部分的水平，这些盒子是通过自动程序和手动努力的混合而获得的。我们还提供了对象检测和Intance Sementation的最新方法作为数据集的基准。可以在https://github.com/yurushia1998/satellitedataset上找到下载建议数据集的链接。