XiaoMi-AI文件搜索系统
World File Search Systemlength
机器学习实时从动态超声图像中提取肌束长度变化
通过 B 型超声进行动态肌束长度测量已变得流行，因为它们可以提供关于肌肉骨骼结构功能的非侵入性生理见解。然而，当前的实践通常需要耗时的后处理来跟踪来自 B 型图像的肌肉长度变化。实时测量工具不仅可以节省处理时间，而且还可以帮助铺平道路，实现基于体内肌肉长度变化模式驱动的反馈信号的闭环应用。在本文中，我们对一种结合传统机器学习 (ML) 模型和 B 型超声记录的方法进行基准测试，以实时获得肌束长度变化。为了衡量该框架对于“在环”应用的实用性，我们评估了提取的肌肉长度变化信号与来自标准事后自动跟踪算法的时间序列的准确性。
升高的空腹血清木糖醇水平与中国人群中糖尿病患者的2型糖尿病风险较低有关
产前USG的重要优势之一是对异常的早期检测。在最近的一项研究中，Weisbach等。在13-19个妊娠期的CC长度测量中建立了参考间隔，并将病例定义为14周时CC异常。在同一研究中，他们只能在80％的情况下在适当的部分中可视化CC（14）。据我们所知，这是唯一在妊娠13-15周进行早期筛查的研究。 除了这项研究外，文献中只有两项研究在妊娠16周和17周建立了CC参考间隔（15; 16）。 尽管文献中有许多CC列图研究，但只有三项研究在妊娠早期（例如妊娠16-17周）研究了参考间隔。 我们认为，当妊娠初期没有足够的研究时，我们的研究可能是这方面的重要参考。据我们所知，这是唯一在妊娠13-15周进行早期筛查的研究。除了这项研究外，文献中只有两项研究在妊娠16周和17周建立了CC参考间隔（15; 16）。尽管文献中有许多CC列图研究，但只有三项研究在妊娠早期（例如妊娠16-17周）研究了参考间隔。我们认为，当妊娠初期没有足够的研究时，我们的研究可能是这方面的重要参考。
用于长度估计、消化道视觉评估和计数的人工智能辅助自动化管道水产养殖中的虾类生产
摘要：养虾是水产养殖生产中一个世纪以来的实践。在过去的几年里，传统的养殖方法得到了一些改进，然而，它仍然主要涉及密集的手工劳动，这使得传统养殖既不省时也不省钱。因此，需要一种持续的监测方法来提高养虾的效率。本文提出了一种使用深度学习和图像处理方法自动监测虾的流程。自动监测包括长度估计、虾的消化道评估和计数。此外，还设计了一个移动系统来监测各种养殖池中的虾。这项研究显示了有希望的结果，并展现了人工智能在自动化虾监测方面的潜力。
孟德尔随机化意味着白细胞端粒长度和肌萎缩性侧索硬化症之间没有直接因果关系
我们利用孟德尔随机化（MR）来评估白细胞端粒长度（LTL）和肌醇侧面硬化症（ALS）之间的因果关系以及基因组范围研究的汇总统计数据（n = 〜38,000 n = 〜38,000 for ltl and 〜31,000 for ltl and 〜81,000，欧洲人群中的ltl;我们进一步评估了脂质在从LTL到ALS的途径中的介导作用。在欧洲人群中，ALS上LTL的每标准偏差降低为1.10（95％CI 0.93-1.31，p = 0.274），在亚洲人群中为0.75（95％CI 0.53–1.07，p = 0.116）。在欧洲人口中的LTL和额颞痴呆之间也发现了这种无效的关联。但是，我们发现LTL对ALS的间接影响可能是由低密度脂蛋白（LDL）或总胆固醇（TC）介导的欧洲人群。这些结果对广泛的灵敏度分析是可靠的。总的来说，我们的MR研究不支持LTL与ALS风险之间的直接因果关系，而是为LDL或TC对LTL和ALS在欧洲人群中的影响提供了暗示性的证据。
在临床笔记中挖掘主题，以识别表型并预测患有心力衰竭的患者的住院时间
MIA CAJITA学院伊利诺伊州芝加哥芝加哥大学护理学院，美国芝加哥，McAjit2@uic.edu摘要 - 心力衰竭是一种综合症，当心脏无法泵入血液和氧气以支持身体中的其他器官时发生。 患者心力衰竭的治疗和管理包括了解这些患者在住院期间的诊断代码和程序报告。 在这些诊断代码和程序报告中识别基本主题可以揭示与心力衰竭相关的临床表型。 这些主题还可以帮助临床医生使用其临床笔记来预测患者的住院时间。 根据这些主题了解临床表型，对于基于患者的类似特征而言，这也可能有助于预测诸如住院时间之类的患者结局。 这些临床表型通常具有概率的潜在结构，因此，由于以前没有使用概率框架在心力衰竭患者临床注意事项中识别表型的工作，并且无法使用基于数据驱动的人工智能的方法来预测这些患者的住院时间，我们将对自然语言处理技术进行诊断，并在诊断中诊断为诊断，并在诊断中诊断出诊断，并在诊断中识别诊断。伊利诺伊大学医院与健康科学系统（UI Health）。 主题建模在诊断代码和过程报告中确定了十二个主题。 我们使用了这些主题及其贡献的百分比来预测住院时间。MIA CAJITA学院伊利诺伊州芝加哥芝加哥大学护理学院，美国芝加哥，McAjit2@uic.edu摘要 - 心力衰竭是一种综合症，当心脏无法泵入血液和氧气以支持身体中的其他器官时发生。患者心力衰竭的治疗和管理包括了解这些患者在住院期间的诊断代码和程序报告。在这些诊断代码和程序报告中识别基本主题可以揭示与心力衰竭相关的临床表型。这些主题还可以帮助临床医生使用其临床笔记来预测患者的住院时间。根据这些主题了解临床表型，对于基于患者的类似特征而言，这也可能有助于预测诸如住院时间之类的患者结局。这些临床表型通常具有概率的潜在结构，因此，由于以前没有使用概率框架在心力衰竭患者临床注意事项中识别表型的工作，并且无法使用基于数据驱动的人工智能的方法来预测这些患者的住院时间，我们将对自然语言处理技术进行诊断，并在诊断中诊断为诊断，并在诊断中诊断出诊断，并在诊断中识别诊断。伊利诺伊大学医院与健康科学系统（UI Health）。主题建模在诊断代码和过程报告中确定了十二个主题。我们使用了这些主题及其贡献的百分比来预测住院时间。这些主题揭示了有关与心力衰竭的各种观点相关的不同表型的信息，这可以帮助研究患者的概况并发现医学概念之间的新关系。每个主题都有一组关键字，每个临床注释都标有两个主题 - 一个主题与其诊断代码相对应，另一个对应于其程序报告以及其百分比贡献。我们发现，使用主题建模在诊断代码和程序报告中发现的主题能够预测患者的住院时间，准确度为61.1％，并且在接收器操作特征曲线（ROC AUC）下方的面积为0.828。
根据停电持续时间的概率确定大学建筑的燃料电池-电池备用系统的规模
氢是一种光明的能源载体，对于脱碳和应对气候变化至关重要。这种能源发展涉及多个领域，包括电力备用系统，以便在停电期间为优先设施负载供电。由于建筑物现在集成了复杂的自动化、家庭自动化和安全系统，能源备用系统引起了人们的兴趣。基于氢的备用系统可以在多日停电的情况下供电；但是，备用系统的大小应适当，以确保基本负载的生存和低成本。从这个意义上讲，这项工作提出了一种使用停电历史的低压 (LV) 建筑燃料电池 (FC) 备用系统的尺寸。历史数据允许拟合概率函数以确定负载的适当生存。建议的尺寸应用于带有光伏发电系统的大学建筑作为案例研究。结果表明，在通常的 330 分钟停电情况下，安装的 FC 电池备用系统的尺寸比仅使用电池的系统便宜 7.6%。如果发生异常的 48 小时停电情况，则可节省 59.3%。它确保在停电期间有 99% 的概率供应基本负载。它证明了 FC 备用系统在应对长时间停电和集成电池以支持突然的负载变化方面的相关性。这项研究的重点是使用实际停电的历史数据来定义具有总服务概率的基本负载的生存。它还可以确定非优先负载的充分生存。所提出的尺寸适用于其他建筑物，并可以量化备用系统的可靠性，以增强电气系统的弹性。
健康足月婴儿出生后头两年的纵向端粒长度和身体组成
端粒是位于染色体末端的非编码重复 DNA 序列，可保护基因组 DNA 保持稳定性 [1]。由于 DNA 聚合酶不能完全复制染色体末端，端粒会随着细胞分裂而缩短，因此会随着年龄的增长而缩短。当端粒缩短到临界长度时，细胞会进入停滞状态（细胞衰老）[2]。因此，端粒长度可作为生物衰老和死亡的指标 [3]，尽管它不是衰老的唯一生物标志物。多种因素可加速 LTL 的缩短，如炎症、（氧化）应激、肥胖、毒素和辐射 [4]。端粒较短与心血管疾病 (CVD) 风险增加有关，但尚不确定端粒长度是否可以作为 CVD 的预后标志物 [3]。早期体重快速增加也与成年期肥胖和 CVD 风险增加有关[5-9]。我们已经表明，在生命最初 6 个月内（肥胖编程的关键窗口期），FM% SDS 快速增加会导致婴儿期 FM % 轨迹更长[10]。出生时的体型和成年期的 LTL 之间无关联[11]，但目前尚不清楚端粒长度及其随时间的变化是否与婴儿期纵向测量的身体成分以及肥胖编程关键窗口期 FM% 的增加有关。到目前为止，另一项研究纵向调查了健康足月婴儿出生后头两年的白细胞端粒长度 (LTL)[12]，这是婴儿发育的重要时期[13]。但这项研究并未调查纵向 LTL 与身体成分之间的关系。一些针对婴儿和儿童的研究在婴儿出生后[14-16]或儿童期[17]直接测量了脐带血中的 TL。获取健康足月婴儿生命早期的 LTL 纵向值以及纵向身体成分测量结果，对临床和研究具有重要意义。多种疾病和综合症都与端粒长度改变和不良身体成分有关，例如早产儿[18]、小于胎龄儿[15]和患有各种综合症的婴儿[19]。本研究的主要目的是调查 3 个月至 2 岁婴儿的纵向端粒长度。我们的次要目标是调查端粒长度与胎龄、出生体重和生育次数等潜在影响因素以及生命前 2 年的纵向身体成分和腹部脂肪量之间的关联。我们假设，脂肪量较多、特别是内脏脂肪量较多的婴儿在生命出生后的前两年内，端粒长度缩短得更快。
通过DNP增强固态NMR N-H键长度测量的双链DNA中的氢键
许多生物学过程和机制取决于DNA中碱基配对和氢键的细节。氢键由于难以可视化氢原子位置而通过X射线晶体学和冷冻EM进行量化，但可以通过溶液中的NMR光谱探测到位点特异性，而固态的固态，后者特别适合大型，缓慢滚动的DNA复合物。最近，我们表明低温动态核极化（DNP）增强的固态NMR是在本机样条件下在各种DNA系统中区分Hoogsteen碱基对（BPS）与规范的Watson-Crick BPS的有价值工具。在此使用12型摩尔DNA双工，在Watson-Crick或Hoogsteen确认中含有两个中央腺嘌呤 - 胸腺氨酸（A-T）BPS，我们证明了DNP固态NMR测量值，这些NMR的测量值是胸腺胺N3-H3键的长度，这些长度与N-H-H-H的详细信息敏感，并允许NH-H·n-H·的n-H·n-H·的水性键合敏感。相同的DNA序列上下文。对于此DNA双链体，对于Watson-Crick A-T和HOOGSTEEN A-T和HOOGSTEEN A（SYN）-T碱基对的有效相同的TN3-H3键长的长度为1.055±0.011Å和1.060±0.011Å，相对于参考磁键长度为1.015±0.010Å，分别为N-Acety-ny-acetyl ny-acetyl ny-acetyl ny-acetyl，分别为watson-Crick a-t和hoogsteen a（syn）a（syn）-t碱基对。非常明显的是，在模型DNA双链体的背景下，这些结果表明，watson-Crick和Hoogsteen BP构型构象异构体之间N-H··N-t a-t氢键没有显着差异。考虑到零点运动的先前量子化学计算预测有效较长的肽n-h键长度为1.041Å，与溶液和环境温度下的肽和蛋白质的固态NMR研究一致，以促进这些早期的研究tn3-h3键长度的直接比较。 Watson-Crick A-T和Hoogsteen A（Syn）-t BPS相对于1.041Å参考肽N-H键长。更一般地，基于低温DNP固态NMR的方法对N-H键长度进行高精度测量有望促进对一系列DNA复合物和基本配对环境的氢键的详细比较分析。
使用人工智能预测患者住院时间，协助医疗专业人员进行资源规划和调度决策
人工智能 (AI) 通过改善结果、提高效率和提高资源利用率，极大地改变了全球医疗保健行业。人工智能的应用影响着医疗保健运营的各个方面，尤其是资源分配和容量规划。本研究提出了一个基于人工智能的多步骤框架，并将其应用于真实数据集，以预测住院患者的住院时间 (LOS)。结果表明，所提出的框架可以预测 AUC 为 0.85 的 LOS 类别，预测其实际 LOS，平均绝对误差为 0.85 天。该框架可以支持提供住院护理的医疗机构的决策者做出更好的前端运营决策，例如资源容量规划和调度决策。预测 LOS 在当今的医疗保健供应链 (HSC) 系统中至关重要，因为资源稀缺，而由于各种全球危机和流行病，需求旺盛。因此，本研究的结果对人工智能和 HSC 管理具有实际和理论意义。
HTLV-1和HTLV-2感染显着改变无症状载体中的小RNA表达
目的：与普通人群相比，患有学习障碍的人（LD）通常面临更高的过早死亡率和长时间住院的发生率。预测LD患者和多个长期疾病（MLTC）的住院时间（LOS）对于改善患者护理和优化医疗资源分配至关重要。但是，关于机器学习（ML）模型在该人群中的应用（ML）的研究有限。此外，专为普通人群设计的方法通常缺乏通用性和公平性，尤其是在其同类中跨敏感群体中应用时。方法：本研究使用SAIL数据库中的电子健康记录（EHR）分析了威尔士9,618例LD患者的住院治疗。开发了一个随机森林（RF）ML模型，以预测医院LO，并结合人口统计学，药物病史，生活方式因素和39个长期条件。为了解决公平关注点，应用了两种偏置缓解技术：一种后处理阈值优化器和使用型梯度的临时减少方法。这些方法旨在最大程度地减少各个种族的绩效差异，同时确保稳健的模型绩效。结果：RF模型的表现优于其他最先进的模型，男性达到0.759的面积，女性达到0.756，男性为0.224，女性为0.229，男性为0.229，男性的平衡精度为0.690，男性为0.689，女性为0.689。偏差缓解算法降低了族裔群体的预测表现差异，阈值优化者产生了最显着的改进。性能指标，包括假阳性率和平衡的准确性，显示出男性队列公平性的显着增强。结论：这项研究证明了应用ML模型预测LD和MLTC患者的LOS的可行性，同时通过缓解偏见的技术来解决公平。发现使用EHR数据突出了进行公平医疗保健预测的潜力，为改善临床决策和资源管理铺平了道路。