XiaoMi-AI文件搜索系统
World File Search Systemgray
腹外侧灰灰色和深中脑网状核参与睡眠状态切换和双重性
Abstract Neurons of the ventrolateral periaqueductal gray (vlPAG) and adjacent deep mesencephalic reticular nucleus (DpMe) are implicated in the control of sleep-wake state and are hypothesized components of a flip-flop circuit that main- tains sleep bistability by preventing the overexpression of non-rapid eye movement (NREM)/REM sleep intermediary states （NRT）。为了确定VLPAG/DPME神经元在维持睡眠双重性方面的贡献，我们将触发器电路的计算机模拟与VLPAG/DPME神经元的局灶性灭活相结合，通过微透析通过GABA A的受体激动剂在自由的肌肉中递送Mycroprogrination n = 25），以进行gaba A受体激动剂（N = 25）的仪器（n = 25）。rem睡眠，与先前的研究一致。但是，我们对体内NRT动力学的分析以及Flop-Flop电路模拟产生的分析表明，当前的思维过于狭窄地集中在REM睡眠不活跃种群对REM睡眠控制中的REM睡眠群体对VLPAG/DPME参与的贡献。我们发现，Muscimol介导的REM睡眠的大部分介导的增加被更恰当地归类为NRT。失去睡眠的丧失伴随着REM睡眠的分裂，这证明了Short Short Rem睡眠爆发数量的增加。rem睡眠碎片化源于源自REM睡眠中的NRT回合的数量和持续时间。相比之下，nREM睡眠回合也不会被VLPAG/DPME失活所破坏。在触发电路电路模拟中，不能仅仅通过抑制REM睡眠不活跃的种群来进行这些变化。取而代之的是，需要对REM睡眠的组合抑制和无效的VLPAG/DPME亚群来复制NRT动力学的变化。
灰质和白质指标表明儿童认知表现差异的独特和互补预测：ABCD的发现（n = 11,876）
儿童认知表现的个体差异是重要的生活成果（例如教育成就和心理健康）的关键预测指标。认知能力的差异部分由大脑结构的变化控制。然而，研究通常集中于人类中的灰色或白质指标，就灰色或白质微观结构是否扮演不同或互补的角色的关键问题，支持认知表现。为了比较灰色和白质在支持认知性能中的作用，我们使用正则化结构方程模型来通过灰质和白质测量来预测认知性能。特别是，我们比较了灰质（体积，皮质厚度和表面积）和白质测量方法（体积，分数各向异性和平均扩散率）如何预测了认知性能的个体差异。在10岁时，对11,876名儿童（ABCD研究； 5,680名女性，6,196名男性）进行了测试。我们发现灰质和白质指标带来了部分不重叠的信息来预测认知表现。只有灰质或白质的模型分别解释了认知性能方差的15.4％和12.4％，而组合模型则解释了19.0％。放大，我们还发现，灰质和白质中的不同指标具有不同的预测能力，并且最可预测认知性能的区域/区域在各个指标之间有所不同。这些结果表明，侧重于灰色或白质中的单个度量的研究研究大脑结构与认知性能之间的联系缺失方程的关键部分。
通过使用灰色关系分析适用于织物行业，研究双粘膜热融化粘合剂和优化的合成研究
摘要：人们穿衣服以进行温暖，生存和现代生活的必要性，但是在现代时代，生态友好，缩短生产时间，设计和智慧也很重要。确定数据系列之间的关系并验证每个数据系列的接近性，灰色关系分析或GRA应用于纺织品，在纺织品中，无缝键合技术增强了组件之间的键。在这项研究中，聚氨酯前聚合物，2-羟基乙基丙烯酸酯（2-HEA）作为终端封顶剂，N-辛基丙烯酸酯（ODA）作为光吸剂用于合成双溶液的聚氨酯热融合粘合剂。taguchi质量工程和灰色关系分析用于讨论NCO的不同摩尔比：OH的影响以及添加丙烯酸丙烯酸甲酯对机械强度的摩尔比的影响。傅立叶变换红外光谱（FTIR）的结果显示了前聚合物的聚合反应的终止，并且在1730 cm -1时的C = O峰强度，表明有效键合与主链。晚期聚合物色谱法（APC）用于研究与丙烯酸丙烯酸甲酯键合的高分子量（20,000–30,000）聚氨酯聚合物聚合物，以达到光热术效应。热重分析（TGA）的结果表明，聚氨酯热融合粘合剂的热分解温度也增加，并且它们显示了多水醇的最高热解温度（349.89℃）。此外，使用双固定光热聚氨酯热融合粘合剂检测到高骨强度（1.68 kg/cm）和剪切强度（34.94 kg/cm 2）值。信噪比也用于生成灰色关系程度。据观察，NCO：OH的最佳参数比为4：1，单体的五摩尔。使用Taguchi质量工程方法来找到单质量优化的参数，然后使用灰色关系计算来获得多质量优化的参数组合，以热固化聚氨酯热融化粘合剂。该研究旨在满足纺织工厂中无缝粘合的要求，并通过设置可以有效提高生产速度并减少处理时间和成本的目标值来优化实验参数设计。
基于灰狼优化的隧道工程围岩挤压分类改进概率神经网络算法
围岩挤压变形是隧道工程中常见且突出的病害，常在TBM掘进过程中诱发盾构卡洞灾害。本文基于139组历史挤压变形案例，建立了混合PCA-IWGO-PNN挤压分类模型。根据挤压变形的影响因素及特点，选取强度应力比、隧道埋深、隧道等效直径、岩体质量指数、支护刚度等建立挤压程度预测指标体系。由于概率神经网络（PNN）要求输入变量独立，因此采用主成分分析（PCA）对原始数据进行预处理，消除预测指标间的相关性并实现降维。扩展系数是PNN中关键的超参数，采用改进的灰狼优化（IGWO）算法实现其高效的自动寻优。然后，将PNN模型应用于工程实际，20个试验样本中仅有1个误判，预测精度达到95%。最后，与人工神经网络（ANN）模型、支持向量机（SVM）模型、随机森林（RF）模型进行对比分析，其中PNN模型的预测精度最高，其次是人工神经网络（85%）、RF（85%）、SVM（80%）。此外，PNN模型的运行速度最快，仅耗时5.6350 s，而ANN、SVM、RF的运行时间分别为8.8340、6.2290、6.9260 s。本研究提出的混合PCA-IWGO-PNN模型为围岩挤压分类提供了一种有效的方法，在预测精度和运行速度方面均具有优势。
从青春期到成年的皮层灰质形态计量的酒精使用与性别特异性成熟之间的关联：两个纵向样品的复制
美国俄勒冈州波特兰市俄勒冈州健康与科学大学，美国b医学信息学和临床流行病学系，俄勒冈州俄勒冈州健康与科学大学，俄勒冈州波特兰市，俄勒冈州俄勒冈州俄勒冈州俄勒冈州俄勒冈州俄勒冈州C中心，SRI International，Menlo Park，CA，美国加利福尼亚州Menlo Park，CA，美国，美国精神病学和行为科学系，美国杜克大学，美国北部，美国北部，美国杜克大学。美国北卡罗来纳州威尔明顿市，匹兹堡大学，匹兹堡大学，宾夕法尼亚州匹兹堡大学，美国宾夕法尼亚州匹兹堡大学，加利福尼亚州圣地亚哥大学，美国心理学和精神病学系，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚州，加利福尼亚州，加利福尼亚大学，加利福尼亚州，加利福尼亚州，加利福尼亚州，加利福尼亚州，加利福尼亚州，加利福尼亚州美国美国俄勒冈州波特兰市俄勒冈州健康与科学大学，美国b医学信息学和临床流行病学系，俄勒冈州俄勒冈州健康与科学大学，俄勒冈州波特兰市，俄勒冈州俄勒冈州俄勒冈州俄勒冈州俄勒冈州俄勒冈州C中心，SRI International，Menlo Park，CA，美国加利福尼亚州Menlo Park，CA，美国，美国精神病学和行为科学系，美国杜克大学，美国北部，美国北部，美国杜克大学。美国北卡罗来纳州威尔明顿市，匹兹堡大学，匹兹堡大学，宾夕法尼亚州匹兹堡大学，美国宾夕法尼亚州匹兹堡大学，加利福尼亚州圣地亚哥大学，美国心理学和精神病学系，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚州，加利福尼亚州，加利福尼亚大学，加利福尼亚州，加利福尼亚州，加利福尼亚州，加利福尼亚州，加利福尼亚州，加利福尼亚州美国美国俄勒冈州波特兰市俄勒冈州健康与科学大学，美国b医学信息学和临床流行病学系，俄勒冈州俄勒冈州健康与科学大学，俄勒冈州波特兰市，俄勒冈州俄勒冈州俄勒冈州俄勒冈州俄勒冈州俄勒冈州C中心，SRI International，Menlo Park，CA，美国加利福尼亚州Menlo Park，CA，美国，美国精神病学和行为科学系，美国杜克大学，美国北部，美国北部，美国杜克大学。美国北卡罗来纳州威尔明顿市，匹兹堡大学，匹兹堡大学，宾夕法尼亚州匹兹堡大学，美国宾夕法尼亚州匹兹堡大学，加利福尼亚州圣地亚哥大学，美国心理学和精神病学系，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚州，加利福尼亚州，加利福尼亚大学，加利福尼亚州，加利福尼亚州，加利福尼亚州，加利福尼亚州，加利福尼亚州，加利福尼亚州美国
IT战略计划 - 华盛顿州卫生部
¶对多氧化虫过敏的人对Novavax和Janssen Covid-19-19疫苗都有禁忌症，并预防了mRNA Covid-19疫苗。在所有其他情况下，对一种类型的Covid-19疫苗的过敏相关的禁忌症是对其他类型的预防措施。考虑与过敏症患者/免疫学家进行咨询，以帮助确定对Novavax疫苗的禁忌症患者是否可以安全接收另一种Covid-19-19-19。医疗保健提供者和卫生部门还可以要求临床免疫安全评估Covidvax项目（https://www.cdc.gov/vaccineafety/ensuringsafety/ensuringsafety/monitoring/cisa/cisa/index.html）进行咨询。这些人的疫苗接种仅应在适当的环境中在医疗保健提供者的监督下进行，以管理严重的过敏反应。这些人的疫苗接种仅应在适当的环境中在医疗保健提供者的监督下进行，以管理严重的过敏反应。
皮质灰质的分形维度超过其他大脑MRI特征，作为轻度认知障碍患者过渡到痴呆症的预测指标
方法：有64名MCI和中度至重度白细胞病的参与者在2年内接受了基线MRI检查和年度神经心理学测试。痴呆症的诊断是基于既定标准。我们评估了基线时人口统计学，神经心理学和几种MRI特征，作为临床转变的预测因素。MRI功能包括视觉评估的MRI特征，例如裂缝，微粒和血管周围空间的数量以及定量MRI特征，例如皮质GM，海马，T 2高强度和脑脑WM的di索指标。此外，我们研究了高级定量特征，例如皮质GM和WM的分形维度（FD），该特征代表了从3D-T 1加权图像得出的组织结构复杂性的指数。为了评估对痴呆症过渡的预测，我们使用Shapley添加说明（SHAP）值采用了基于XGBoost的机器学习系统，以为机器学习模型提供解释性。
使用灰色系统和地球物理记录数据对煤炭工业组件的定量解释：Qinshui Basin的案例研究，中国
煤层工业组件的含量是煤层甲烷（CBM）储层的主要参数之一，在整个煤矿资源探索和开发过程中至关重要。当前，使用地球物理记录数据来确定工业组件的内容是最广泛的方法。在这项研究中，Qinshui盆地中的PZ阻滞被用作评估Ash（AD），固定碳（FC AD），挥发性物质（V DAF）和水分（M AD）在空气干燥（AD）基础状态下基于地球物理级别的组合（1 compents commential Commenting Comment comment comment commential Commential Commential Commential Commential Commential Commential Commential Commential commential）组合。结果表明1）与OBGM（1，N）模型结合的地球物理记录曲线可以准确预测AD和FC AD内容物以及与使用单个地球物理记录曲线进行预测相比，地球物理日志记录曲线类型可以有效地改善模型性能。2）当预测V DAF含量时，使用与AD和FC AD内容的地球物理记录曲线相结合的预测准确性最高。此外，与仅使用地球物理记录曲线或工业组件内容之间的自相关相比，不存在预测偏差。整个评估过程始于对A AD和FC AD内容的评估。然后，使用这两个工业组件与地球物理记录数据相结合的含量评估了V DAF含量。最后，使用体积模型计算M AD含量。3）OBGM（1，N）模型具有获得了对新井的验证的准确应用结果，证明了本研究中描述的方法和过程的效率。
基于体素的形态测量揭示阿尔茨海默病中骨矿物质密度损失与皮质灰质体积减少之间的相关性
骨质疏松症和阿尔茨海默病 (AD) 都是全球性问题，尤其是在老龄人口比例不断增长的发达国家。骨质疏松症和 AD 都会随着年龄的增长而增加，缩短预期寿命 ( Yoshimura 等人，2009 年；Compston 等人，2019 年)。在 AD 中，在计算机断层扫描 (CT)、磁共振成像 (MRI) 和单光子发射断层扫描 (SPECT) 等成像方式上可识别出大脑特定区域的萎缩或低灌注。这些发现是诊断 AD 患者的重要客观生物标志物 ( Ito 等人，2014 年)，意味着参与认知功能的神经网络已被破坏。流行病学研究表明，面积骨密度 (BMD) 降低和骨质流失率增加与认知能力下降和 AD 风险增加有关（ Yaffe 等，1999；Zhou 等，2014；Kang 等，2018；Lv 等，2018）。这种关系的一种解释是，全身稳态依赖于器官之间的串扰，这种串扰对于协调器官活动和确保其生理功能的适当调节至关重要。在这些观点中，最近出现了骨骼和大脑之间的相互作用，即所谓的“骨-脑串扰”（ Rousseaud 等，2016）。骨骼不仅调节磷酸盐和钙的代谢，还分泌一种成骨细胞衍生的分子（例如骨钙素），这种分子似乎是通过调节大脑发育和认知功能来影响中枢神经系统的重要因素（Obri et al., 2018）。目前的研究报告称，低 BMD 与早期 AD 的全脑体积较小和记忆力缺陷有关，这表明与 AD 相关的中枢神经系统退化可能在骨质流失中发挥作用（Loskutova et al., 2009; Bae et al., 2019）。在之前使用脑 SPECT 灌注图像的研究中，我们证实了患有骨质减少和 AD 的老年女性的后扣带皮层存在低灌注（Takano et al., 2020）。尽管一些实质性报告表明骨质疏松症与 AD 之间存在关系，但与人类骨质流失相关的大脑具体地形特征尚未得到广泛描述。尤其是骨质流失是否会影响 AD 相关区域（例如海马、海马旁回、颞顶区、后扣带回和楔前叶）的区域结构改变仍不清楚。因此，我们假设，更好地了解骨质流失与 AD 相关区域地形变化之间的关联将为有效预防和治疗骨质疏松症和 AD 提供策略。
自闭症谱系障碍Leyhausen，J。的内在灰质连通性及其基因组基础的差异； Schaefer，T。； Gurr，c。; b
抽象背景：自闭症是一种异质性神经发育状况，伴随着大脑连通性的差异。自闭症中的结构连通性主要在白质中进行了研究。然而，许多与自闭症相关的遗传变异突出了与突触发生和轴突引导有关的基因，因此也暗示了自闭症中固有（即灰质）连接的差异。可以通过所谓的内在全球和本地布线成本在体内评估内在连接。方法：在这里，我们检查了359名自闭症患者的大脑内部全球和本地布线成本，以及279名健康对照参与者，年龄在欧盟AIMS LEAP（纵向欧洲自闭症项目）的6至30岁之间。freeSurfer用于得出表面网格表示，以计算灰质内大脑所需的估计连接长度。certexwise的组间差异。进行了基于艾伦人脑图集的基因表达解码分析，以将神经解剖学差异与推定的基础联系起来。结果：全球和局部接线成本的群体差异主要是在内侧和侧额前脑区域，下颞区和左颞叶脑交界处观察到的。所产生的神经解剖模式富含以前与遗传和转录组水平上自闭症病因的基因。结论：基于固有的灰质连通性，当前的研究研究了自闭症的复杂神经解剖结构，并将小组间差异与推定的基因组和/或分子机制联系起来，以解析自闭症的异质性，并为未来的亚组方法提供了靶标。