XiaoMi-AI文件搜索系统
World File Search Systemmultivariate
数据科学与分析学期的课程流程图
无无无学期2 DSA5005 - 多元统计分析DSA5006 - 机器学习DSA5007 - 大数据和云计算DSA5011 - AI＆DEEP LEAFTIVE，选择性i
影像组学结合机器学习方法鉴别脑泡型包虫病与脑转移瘤
方法对51例患者（其中室管膜瘤24例、髓母细胞瘤27例）的增强T1WI图像进行分析，提取了188个特征，包括直方图、形状特征和纹理特征。然后使用单变量分析、单变量分析筛选和多变量逻辑回归选择了66个特征。他们建立了四种机器学习模型——随机森林、支持向量机、自适应增强、K最近邻。当使用多元逻辑回归选择的特征进行随机森林时，获得了最高的AUC值（AUC = 0.91）。影像组学和机器学习方法的组合可以很好地区分儿童室管膜瘤和髓母细胞瘤，从而为医生的临床实践提供帮助。在我们的研究中，KNN分类器的AUC分别为0.97、0.94，准确率为0.86和
非小细胞肺癌患者的相关肺炎
结果：有41例患者患有CIP，CIP的发病率为18.5％。单变量和多元逻辑回归分析表明，预处理血红蛋白（HB）和白蛋白（ALB）水平是CIP的独立危险因素。单变量分析表明，胸部放射疗法的病史与CIP的发生率有关。CIP组和非CIP的中值OS分别为15.63个月和30.50个月（HR：2.167; 95％CI：1.355-3.463，p <0.05）。单变量和多变量COX分析表明，高嗜中性粒细胞与淋巴细胞比（NLR）水平，低ALB水平和CIP的发展是独立的预后因素，用于治疗ICIS治疗的晚期NSCLC患者的OS差。此外，早期发作和高级CIP与亚组中的OS较短有关。
菌血症的危险因素及其对复杂社区获得的尿路感染的临床影响
摘要：菌血症在某些感染中与严重程度有关；但是，它对尿路感染预后（UTI）的影响仍然存在争议。我们的目标是确定细菌血症的危险因素及其对复杂社区获得性尿路感染的住院患者的临床影响。，我们对被复杂社区获得的UTI的医院录取的患者进行了前瞻性观察性研究。比较了有或没有菌血症患者的临床变量和结果，并进行了多变量分析以鉴定菌血症和死亡率的危险因素。在279例社区获得性尿道的患者中，有37.6％的人具有阳性的血液培养。通过多变量分析的菌血症的危险因素是温度≥38℃（p = 0.006，或1.3（95％CI 1.1-1.7））和procalcitonin≥0.5ng/ml（P = 0.005，或8.5（95％CI 2.2-39.4））。院内和30天死亡率分别为9％和13.6％。快速沙发（P = 0.030，或5.4（95％CI 1.2-24.9））和Barthel指数<40％（P = 0.020，或4.8（95％CI 1.3-18.2））与30天的死亡率通过多变量分析有关。然而，菌血症与30天死亡率无关（P = 0.154，或2.7（95％CI 0.7-10.3））。我们的研究发现，高热社区获得的UTI和降低的降钙素是菌血症的危险因素。菌血症患者的结局稍差一些，但死亡率没有显着差异。
幼儿时期语音和语义处理的神经基础
在阅读发展的早期阶段，儿童获得语音（字母到声音的映射）和语义知识（词义的储存和检索）。他们的阅读能力迅速变化，同时在学习阅读的过程中，大脑也发生可塑性变化。本研究旨在通过结合单变量和多变量模式分析来确定儿童早期语音和语义加工的神经基础。19 名 5 至 7 岁之间发育正常的儿童在功能性磁共振成像扫描期间执行了视觉词语级语音（押韵）和语义（相关意义）判断任务。我们的多变量分析显示，具有良好阅读能力的幼儿已经调动大脑左半球区域进行语音处理，包括下额叶 (IFG)、上颞叶和中颞叶以及梭状回。此外，我们的多变量结果表明，这两项任务调动了左侧 IFG 的不同子区域。我们的结果表明，额颞叶区域在语音处理和语义处理方面具有左侧化特征。此外，我们观察到在儿童早期，顶叶区域在语义处理方面具有双侧激活特征。我们的研究结果表明，对于正常发育的儿童来说，阅读的神经基础在儿童早期就已开始形成，这可以作为对照基线，用于比较有阅读困难风险的儿童。
CSC 2541：图像的生成AI
（例如，CSC 413/2516）•对神经网和CNN的坚实熟悉•线性代数的固体背景•多元计算和概率•差分方程将有用•编程技能（例如，Tensorflow或Pytorch，如果
评估油价对马来西亚经济的影响
摘要 本文采用向量误差修正模型和多元GARCH（三角BEKK和动态条件相关）模型分析油价变动对马来西亚实际GDP、通胀、财政收入、股市和汇率的影响。研究结果表明，布伦特油价每上涨1美元，实际GDP将增加约6.46亿令吉，CPI水平上升0.03，年度财政收入增加约3.39亿令吉。油价每上涨1%，也会导致股市指数上涨0.04%，令吉明日升值0.03%。多元GARCH模型结果还表明，石油、股票和外汇市场之间存在显著的波动持续性和跨部门波动溢出效应。
不同领域的体育活动与糖尿病肾脏疾病的关联：一项基于人群的研究
结果：在控制所有混杂因素之后，多元逻辑回归分析表明，体育活动的各个领域与糖尿病肾脏疾病的患病率之间缺乏相关性。多个广义线性回归分析表明，PA的持续时间（B = 0.05，95％CI，0.01 - 0.09，P = 0.012）和TPA（B = 0.32，95％CI，0.10 - 0.55，0.55，P = 0.006）与EGFR水平有积极相关的； LTPA持续时间与UACR水平成反比（b = -5.97，95％CI，-10.50 -1.44，p = 0.011）。RCS曲线表明PA，OPA和EGFR之间存在非线性关系，以及PA和ACR之间的非线性相关性。亚组和灵敏度分析在很大程度上与多元广义线性回归的结果一致，从而强调了我们发现的鲁棒性。
To cite: Kerr JR, Schneider CR, Recchia G, et al . Correlates of intended COVID-19 vaccine acceptance across time and countries: results from a serie
抽象目标描述了接受Covid-19疫苗意愿的人口统计学，社会和心理关系。设置在2020年3月至2020年10月之间进行的在线调查系列。参与者通过在线专家小组提供者（n = 25 334）招募了12个不同国家 /地区的25个单独的国家样本（按年龄和性别符合国家的人口）。主要结局指标报告的意愿接受COVID-19疫苗接种。结果报告说，接收疫苗的意愿在样品中差异很大，范围从63％到88％。Multivariate logistic regression analyses reveal sex (female OR=0.59, 95% CI 0.55 to 0.64), trust in medical and scientific experts (OR=1.28, 95% CI 1.22 to 1.34) and worry about the COVID-19 virus (OR=1.47, 95% CI 1.41 to 1.53) as the strongest correlates of stated vaccine acceptance considering pooled data and最一致的国家之间的关系。在英国样本的一部分中，我们表明这些影响在控制了对疫苗接种的态度后是强大的。结论我们的结果表明，信任的负担在很大程度上取决于科学和医学界的肩膀，这对未来的Covid-19-19疫苗接种信息应传达以最大程度地提高吸收。
从脑电图信号识别数字
给定一个从一个人思考/看到从 0 到 9 的数字时记录的多通道 EEG 信号，我们能否识别出用户是否在思考某个特定的数字？这是本研究试图解决的基本问题。然而，这个问题并不简单，而且预计会更具挑战性，因为对这类数据集的研究很少。从机器学习的角度来看，这个问题可以表述为分类问题（二分类和多类）。此外，EEG 信号可以被视为多元时间序列数据，其中不同的通道相当于各种时间序列变量。所以问题归结为多元时间序列分类。根据 [1] 和 [2]，随着深度学习在 BCI 中的引入，从 2015 年到 2020 年，出版物数量急剧增加。这意味着深度学习在基于 EEG 的 BCI 中的应用是社区越来越感兴趣的话题。