XiaoMi-AI文件搜索系统
World File Search Systemmeasurements
加利福尼亚大学
目标：评估与临床相关结果或出血有关的扩张和疏散（D＆E）程序是否进行定量失血（QBL）。研究设计：我们使用删除的数据库来审查2019年4月至2020年3月在加州大学戴维斯卫生部执行的D＆E程序。外科医生在手术过程中确定了QBL，并且在治疗后恢复期间过度估计失血。我们提取了患者人口统计和相关信息。我们将临床上相关的出血定义为治疗后24小时内与出血相关的干预措施，包括使用≥2个子宫核酸，tranexamic Advistration，需要修复的颈椎损伤，子宫气球润肤膜，血液传输，子宫栓塞，臀部型，臀部或返回房间，或返回手术室，或返回手术室，或返回室内;后5个标准定义出血。我们使用χ2测试来评估出血结果。结果：我们评估了431个程序，其平均胎龄为19周零3天。在6/319（2％），15/97（15％）和7/12（58％）总失血率<250ml，250ml，250-500ml和> 500ml的患者中发生了临床相对的出血结果（p <0.0001）； 11患有与宫颈损伤有关的出血。出血分别发生在0、4/97（4％）和5/12（42％）的患者中（P <0.0 0 01）。患有相对出血结果的患者的QBL范围从150-1800ml（中值QBL 312.5ml，零食间范围[IQR] 250-550ml），而没有临床相关的出血的患者范围为10-900ml（中位QBL 150ml，IQBL 150ML，IQR，IQR，IQR 75-200ml）。结论：大多数患有临床相关的出血结果的患者（75％）的QBL≤500ml。尽管较高的QBL与临床干预措施相关，但应使用D＆E程序来定义明显的干预措施而不是犯罪失血量。的含义：最好由临床出血来定义，而不是任何量化数量的失血量所需的必要临床干预措施。©2022 Elsevier Inc.保留所有权利。
Metrohm Autolab Duocoin细胞持有人具有EIS测量在商业电池上
aut.coin2.hld.s- autolab duocoin细胞持有人自动映射Duocoin细胞持有人具有4点开尔文镀金触点，以确保用于电池研究的最高精度测量值。可以容纳所有标准单元的多功能配件，可用于一次处理较大和较大的非标准单元和两个单元的能力。 POTENTIONSTAT /GALVANOSTAT电缆颜色。autolab对细节的关注反映在Autolab Duocoin细胞支架底部的硅表面抓地力中，以在建立的复杂实验中提供稳定性。
在酒精使用障碍患者中进行的“稳赢还是赌一把”决策任务中，颅内亚秒多巴胺测量结果表明
目的 据作者所知，尚无关于酒精使用障碍 (AUD) 患者亚秒时间尺度上多巴胺波动的数据报道。在本研究中，在“稳操胜券” (SBORG) 决策任务中监测了 2 名有 AUD 病史和 2 名无 AUD 病史的患者的多巴胺释放，以开始描述 AUD 对反事实信息（与后悔和解脱的心理概念相关）的亚秒级多巴胺反应如何改变。 方法 使用人体伏安法每 100 毫秒测量一次细胞外多巴胺水平。在有 AUD，n = 2）或无 AUD，n = 2 病史的患者中，在深部脑刺激电极植入手术（用于治疗运动障碍）期间对其尾状核进行测量。参与者执行了 SBORG 决策任务，他们在稳操胜券的结果和有 50% 机会的金钱赌博结果之间做出选择。结果发现，多巴胺水平快速变化，似乎受“本可能发生的事情”和患者的 AUD 状态调节。积极的反事实预测误差（与缓解相关）将有无 AUD 病史的患者区分开来。结论有无 AUD 病史的患者对反事实信息的多巴胺能编码似乎有所不同。本研究的主要局限性是样本量有限，但这些数据为成瘾患者在实时决策过程中的多巴胺能生理学提供了难得的见解。作者希望未来的工作能够扩大样本量并确定当前结果的普遍性。
基于PMU测量和多任务学习
相量测量单元和机器学习算法的总用法为开发基于响应的宽区域系统完整性保护方案提供了针对电源系统中短暂不稳定性的机会。但是，文献中通常只预测瞬态稳定性状态，这不足以实时决策以基于响应的紧急控制。在本文中，提出了一种综合方法。首先提出了基于GRU的预测指标，以用于扰动后触及瞬态稳定性预测。在此基础上，提出了一个多任务学习框架，以识别不稳定的机器以及对生成脱落的估计。对IEEE 39总线系统的案例研究表明，除了瞬态稳定性预测的基本任务外，提出的基于GRU的多任务预测器可以正确预测不稳定机器的分组。此外，根据估计的发电量，生成的补救控制动作可以保留电力系统的同步。
标题 使用锆-铍对活化探测器进行等离子体聚焦中子能量和各向异性测量 作者 SV Springham、R. Verma、
图 4：（蓝色）脉冲高度分析仪 (PHA) 光谱，来自锆激活 BGO 探测器，位于 PF 轴 0° 处，累积了 7 个系列的拍摄，每个系列 16 次拍摄，每个拍摄的门间隔为 3.0 秒，连续 112 次 PF 拍摄的累计有效时间 = 336 秒。（绿色）实验室背景辐射的 PHA 光谱，有效时间 = 160 分钟 = 9600 秒，但缩小到 336 秒有效时间。在次轴上：（红色）净（背景减去）PHA 光谱，和（黑色）MCNP5 模拟的 BGO 能量光谱，用于 ¦¦¦ 发射的 γ 射线。灰色虚线框表示 SCA 能量窗口。 SCA 能量窗口内每次发射的计数为： 、 、 、 、 、 。 。 。 PHA bin 宽度为 1.93 keV。
使用Monte Carlo方法估计红外热成像和K型热元测量引起的温度不确定性
摘要。这项研究的主要目的是使用Monte Carlo方法估算表面温度测量的不确定性。计算基于一组具有共同加热壁的平行微型通道中流体流动过程中传热的实验研究。使用红外热力计和K型热元同时进行加热壁表面上的温度分布。红外热成像是非接触式温度测量方法，而热元测量是接触方法（在选定点的测量）。提出并讨论了两种温度测量方法的示例结果。在计算中，使用蒙特卡洛方法来估计表面温度测量不确定性的不确定性。对蒙特卡洛模拟结果和不确定性扩散方法进行了比较分析。发现从这两种方法获得的结果是一致的。
通过 3D 超声扫描自动测量胎儿颅内容积
三维胎儿超声通常用于研究大脑结构的体积发育。迄今为止，只有有限数量的自动程序可用于描绘颅内容积。因此，三维超声图像中的颅内容积测量主要通过手动完成。在这里，我们介绍并验证了一种从三维胎儿超声扫描中提取颅内容积的自动化工具。该程序基于将大脑模型与受试者大脑进行配准。受试者的颅内容积是通过将最终变换的逆应用于大脑模型的颅内掩模来测量的。自动测量结果与同一受试者在两个孕周（即大约 20 和 30 周）的手动描绘结果显示出高度相关性（线性拟合 R 2（20 周）= 0.88，R 2（30 周）= 0.77；组内相关系数：20 周 = 0.94，30 周 = 0.84）。总体而言，自动颅腔容积大于手动划定的颅腔容积（84 ± 16 cm 3 vs. 76 ± 15 cm 3 ；274 ± 35 cm 3 vs. 237 ± 28 cm 3 ），这可能是由于小脑划定的差异所致。值得注意的是，自动测量结果既复制了胎儿大脑生长的非线性模式，也复制了年龄较大胎儿的个体间差异性增加。相比之下，在性别二态性差异的大小方面，手动和自动划定之间存在一些分歧。本文介绍的方法提供了一种相对有效的自动划定胎儿大脑结构（如颅腔容积）体积的方法。它可以用作研究工具，在大型队列中研究这些结构，最终有助于了解胎儿结构性人脑发育。
可以通过量子误差校正中的综合征测量来估计泡利通道
如果可以获得有关噪声的详细信息，则可以显著提高量子纠错的性能，从而优化代码和解码器。有人提出，在量子纠错过程中，无论如何都要根据已完成的综合征测量来估计错误率。虽然这些测量保留了编码的量子态，但目前尚不清楚可以通过这种方式提取多少有关噪声的信息。到目前为止，除了消失错误率的极限外，只为某些特定代码建立了严格的结果。在这项工作中，我们严格解决了任意稳定器代码的问题。主要结果是，稳定器代码可用于估计由纯距离给出的量子比特数之间的相关性泡利信道。该结果不依赖于消失错误率的极限，即使高权重错误频繁发生也适用。此外，它还允许在量子数据综合征代码框架内测量误差。我们的证明结合了布尔傅立叶分析、组合学和初等代数几何。我们希望这项工作能够开辟有趣的应用，例如解码器对时变噪声的在线适应。
使用数字化手动和基于网络的人工智能头颅测量追踪软件进行头颅测量的比较
目的：针对不同的矢状骨性错颌畸形，比较手动数字化头颅测量分析（DM）和通过在线人工智能（AI）平台进行的自动化头颅测量分析所进行的测量结果。方法：纳入 105 名随机选择的个体（平均年龄：17.25 ± 1.87 岁）的头颅测量 X 光片。采用Dolphin Imaging软件进行DM头颅测量分析，采用WebCeph平台进行基于AI的头颅测量分析。总共评估了 10 个线性测量和 12 个角度测量。使用配对 t 检验、单因素方差分析和组内相关系数来评估两种方法之间的差异。显著性水平设定为p<0.05。结果：除参数 SNB、NPog、U1.SN、U1.NA、L1-APog、I/I 和 LIE 外，其余所有参数在两种方法之间均显示出显著不同的值（ p < 0.05）。在 I 类错颌畸形组中，两种方法的 SNA 和 SNB 测量值没有差异（p > 0.05），但在 II 类错颌畸形组中，两种方法之间存在差异。然而，在 III 类错颌畸形组中，只有 SNA 存在差异（p < 0.05）。三个错颌畸形组的 ANB 角存在显著差异。除 CoA 和 CoGn 外，两种方法的所有参数均表现出良好的相关性。结论：虽然两种头颅测量分析方法在某些测量结果上存在显著差异，但并非所有差异都具有临床意义。基于人工智能的头颅测量分析方法需要改进，对每个错颌畸形具有更高的特异性。
使用单拷贝测量学习量子态的下限
我们研究了量子断层扫描和阴影断层扫描的问题，方法是对未知 d 维状态的各个相同副本进行测量。我们首先重新审视已知的量子断层扫描下限 [ HHJ + 17 ]，精度为 ϵ（迹线距离），此时测量选择与先前观察到的结果无关，即，它们是非自适应的。我们通过适当分布之间的 χ 2 散度简洁地证明了这些结果。与之前的工作不同，我们不要求测量值由秩一运算符给出。当学习者使用具有恒定数量结果的测量值（例如，两个结果测量值）时，这会导致更强的下限。特别是，这严格建立了民间传说“泡利断层扫描”算法在样本复杂度方面的最优性。在非自适应情况下，我们还分别推导出使用任意和恒定结果测量学习秩为 r 的状态的 Ω ( r 2 d / ϵ 2 ) 和 Ω ( r 2 d 2 / ϵ 2 ) 的新界限。除了样本复杂度之外，学习量子态的一个具有实际意义的资源是所需的唯一测量设置的数量（即算法使用的不同测量的数量，每种测量可能具有任意数量的结果）。基于这种考虑，我们采用合适分布的 χ 2 散度测度集中来将我们的下限扩展到学习者从一组固定的 exp ( O ( d )) 个可能测量中执行可能的自适应测量的情况。这尤其意味着自适应性不会给我们带来使用可有效实现的单拷贝测量的任何优势。在目标是预测给定可观测量序列的期望值的情况下，我们也得到了类似的界限，这项任务称为阴影层析成像。最后，在可利用多项式大小电路实现的自适应单拷贝测量的情况下，我们证明了基于计算给定可观测量的样本均值的直接策略是最佳的。