XiaoMi-AI文件搜索系统
World File Search Systemindices
![2- [18F] FDG PET/CT的半定量指数在评估...](/simg/4/44f252eda93fc3f4236ea7395dcbf8ecf77894bf.webp)
2- [18F] FDG PET/CT的半定量指数在评估...
©作者2023。本文是根据Creative Commons归因4.0国际许可证的许可，该许可允许以任何媒介或格式的使用，共享，适应，分发和复制，只要您适当地归功于原始作者和来源，就可以提供与Creative Commons许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/。
Microsoft Word-使用LIDAR POINT CLOUDS.DOC
摘要 - Terrain表面粗糙度是一个抽象的概念，其定量描述通常是模糊的。因此，文献中使用了各种粗糙度指数，其选择通常在应用中具有挑战性。本研究比较了通过五个常用粗糙度指数量化的地形表面粗糙度图，并探索了它们在四个不同表面复杂性的四个地形表面的相关性。这些表面由使用空中激光雷达（光检测和范围）数据构建的数字高程模型（DEM）表示。这项研究的结果揭示了得出的局部表面粗糙度图的全局模式的相似性以及其局部模式的区别。后者表明在研究中考虑多个指数的重要性，在该研究中，局部粗糙度值是随后分析的关键输入。
外周血指标可预测晚期小细胞肺癌患者使用安罗替尼进行后续治疗的 PFS/OS
摘要 目的：在 II 期 ALTER-1202 (NCT03059797) 试验中，与安慰剂组相比，安罗替尼显著改善了至少接受过 2 个化疗周期的晚期小细胞肺癌 (SCLC) 患者的无进展生存期 (PFS) 和总生存期 (OS)。为了确定预测安罗替尼治疗疗效和预后的潜在因素，我们分析了基线血液学指标和安罗替尼治疗过程中的不良事件 (AE)。方法：数据收集自 2017 年 3 月至 2019 年 4 月的一项随机、双盲、安慰剂对照、多中心安罗替尼 II 期试验。符合条件的患者按 2:1 的比例随机分配接受安罗替尼或安慰剂治疗，直至病情进展、出现无法耐受的毒性或撤回同意。患者每3周口服安罗替尼(12 mg)或类似物胶囊(安慰剂)，每日一次，共14 d。记录基线血液学指标和前2个治疗周期发生的AE。采用Kaplan-Meier检验和Cox回归模型评估生存差异。结果：共82例患者(81例资料完整)随机分配接受安罗替尼治疗，38例接受安慰剂治疗作为对照。多因素分析显示，基线时中性粒细胞/淋巴细胞升高比值> 7.75、乳酸脱氢酶> 254.65 U/L是PFS的独立危险因素；基础天冬氨酸转氨酶升高> 26.75 U/L、神经元特异性烯醇化酶> 18.64 ng/mL、纤维蛋白原> 4.645 g/L是OS的独立危险因素。治疗期间，γ-谷氨酰转移酶升高和低磷血症是PFS较差的独立预测因素，γ-谷氨酰转移酶升高和高胆固醇血症是OS的独立预测因素。结论：本研究初步明确了晚期SCLC患者安罗替尼治疗期间及治疗期间影响PFS和OS的潜在因素，为筛选优势人群及安罗替尼治疗的动态疗效监测提供了依据。关键词 小细胞肺癌；安罗替尼；预测因素；PFS；OS
外周血指数用Anlotinib预测PFS/OS作为晚期小细胞肺癌的后续治疗
摘要目的：在II阶段Alter-12202（NCT03059797）试验中，Anlotinib显着改善了小型小细胞肺癌（SCLC）患者的无进展生存率（PFS）和总生存期（OS），他们接受了至少2个先前的化学疗法疗法，而与一个地位组相比，他们接受了至少2个先前的化学疗法。为了确定通过Anlotinib治疗预测功效和预后的潜在因素，我们在Anlotinib治疗过程中分析了基线和不良事件（AES）的血液学指数。方法：从2017年3月到2019年4月收集数据，是从Anlotinib的随机，双盲，安慰剂对照，多中心，II期试验中收集的。合格的患者被随机分配2：1，接受Anlotinib或安慰剂，直到疾病进展，无法忍受的毒性或撤回同意。患者每天每3周接受一次酸（12 mg）或类似胶囊（安慰剂）14天。记录了基线时的血液学指数和在最初2个治疗周期中发生的AE。使用Kaplan-Meier检验和Cox回归模型来评估生存差异。结果：将共有82例患者（81例具有完整数据的患者）随机分配接受藻替尼，其中38例接受安慰剂作为对照。多变量分析表明，基线时中性粒细胞与淋巴细胞比> 7.75和乳酸脱氢酶> 254.65 U/L是PFS的独立风险因素。基底升高天冬氨酸氨基转移酶> 26.75 U/L，神经元特异性烯醇酶> 18.64 ng/ml，纤维蛋白原> 4.645 g/L是OS的独立危险因素。在治疗过程中，γγ-谷氨酸转移酶升高和低磷酸血症是PFS较差的独立预测因子，γ-谷氨酸转移酶和高胆固醇血症升高是OS的独立因素。结论：我们的研究初步定义了潜在因素，这些因素在晚期SCLC患者的基线和Anlotinib治疗期间影响了PFS和OS。我们的发现为筛查主要人群和通过Anlotinib治疗进行动态疗效监测提供了基础。关键字小细胞肺癌； Anlotinib;预测因素； PFS; OS
“使用太空技术对迈索尔·塔鲁克（Mysore Taluk）的森林和农业部门的影响及其对森林和农业部门的影响”
摘要通过使用遥感技术来评估迈索尔·塔卢卡（Mysore Taluka）的水资源，土壤水分以及植被指数进行了一项研究。研究区域位于12.630°N的纬度和76.607°E的纬度之间，涵盖了约79,788公顷的面积。土地使用和土地覆盖（LULC）地图是从Landsat图像和地面真相结合使用的。也尝试找出与气候参数有关的LULC和温度对农业的影响。使用Landsat图像使用用于分析NDVI，NDWI和NDMI图。相反，使用相对湿度，土壤水分，太阳辐射和水径径的数据进行NCEP重新分析。该研究的结果表明，年度最高温度从2000年到2016年升高，而在此期间，年度最低温度和年降雨量减少。2000-2016的NDVI分析表明它是增加的。在NCEP重新分析的情况下，在此期间的相对湿度，土壤水分和水径流的年平均值中观察到降低。年度太阳辐射也显示出增加。发现在迈索尔·塔鲁克（Mysore Taluk）减少了用于谷物，小米，豆类，油种子，棉花和粒土植物的裁剪区域。另一方面，迈索尔·塔卢卡（Mysore Taluka）的水果，蔬菜和甘蔗的裁剪区域显示出来。GCM模型的C-MMAC预测，迈索尔·塔卢克（Mysore Taluk）分别降雨和2020年和2030年的温度下降。关键词：土地使用和土地覆盖，归一化差异植被指数，NCEP重新分析和MODIS数据。
多哥：人类活动造成的土地退化状况 = 人类引起的土地退化状况：1:500000 退化指数图说明 = 土地退化指数图说明
该地图显示，世界某些地区的土地退化状况被高估，特别是非洲和亚洲。我们可以提出两个原因：一方面，缺乏可以对一个国家与另一个国家的土地退化进行比较的参考资料；另一方面，国家服务部门故意希望增加已公布的退化土地面积，以获得可能的国际或国家融资。此外，我们知道媒体往往通过呈现干旱、饥荒和荒漠化等灾难性情景来夸大非洲土地退化的状况。面对这种“虚假信息”的升级，科学家必须尽可能获得可靠和客观的数据。