XiaoMi-AI文件搜索系统
World File Search Systemmur
Prof.(Dr. M.Balamurugan 教授致辞
知识使用特征减少技术在医疗数据中的作用”。《国际控制理论与应用评论》，ISSN-2229-6093，第 8 卷，第 5 期，第 2153-2160 页。（Scopus 索引）。28. M. Balamurugan 博士和 P. Mathiazhagan，“识别大数据中的核心阶段
穆兰加县气候变化行动计划 2022-2027
气候变化的表现形式包括气温升高、降水变化、干旱、洪水、热浪和森林火灾风险增加，这些都对经济、环境和社区产生了影响。鉴于其地理位置、山区地形形成和人口分布，穆兰加极易受到气候变化的影响，近年来已经受到了明显的不利影响。如果国家和县不采取一致行动，预计该县在中长期内将因气候变化而面临的挑战将加剧。为了应对这场全球危机，政府颁布了《气候变化法案》（2016 年），该法案提供了政策框架，系统地应对社区生活日益严重的威胁及其对环境的影响。《气候变化法案》建立了一个组织结构，即气候变化委员会，并为其重要职能分配预算资源。这些职能包括：制定配合全球应对气候变化的框架战略和方案，将降低气候风险纳入国家、部门和县政府的发展计划和方案，提出气候敏感行业的政策和重点发展投资建议，进行脆弱性评估并推动能力建设。
Larasati, Retno；De Liddo, Anna 和 Motta, Enrico (2021)。人工智能医疗保健系统界面：非专家用户信任的解释设计。在：ACMIUI-WS 2021：ACM IUI 2021 研讨会联合论文集（Glowacka、Dorota 和 Krishnamurthy、Vinayak 编辑），CEUR 研讨会论文集，2903。
摘要研究表明，非专家用户倾向于过度信任或不信任人工智能系统。当人工智能应用于医疗保健时，这引起了人们的担忧，患者信任不可靠系统的建议或完全不信任可靠系统的建议可能会导致致命事故或错过医疗保健机会。先前的研究表明，解释可以帮助用户对人工智能系统的信任做出适当的判断，但如何在医疗支持场景中为非专家用户设计人工智能解释界面仍然是一个悬而未决的研究挑战。本文探讨了一个基于阶段的参与式设计过程，以在人工智能医疗支持场景中为非专家开发一个值得信赖的解释界面。值得信赖的解释是一种帮助用户对医疗保健是否信任人工智能系统做出深思熟虑的判断的解释。本文的目的是确定可以有效地为值得信赖的解释界面的设计提供信息的解释组件。为了实现这一目标，我们进行了三次数据收集，研究了专家和非专家对人工智能医疗支持系统解释的看法。然后，我们开发了一个用户心理模型、一个专家心理模型和一个目标心理模型，描述了非专家和专家如何理解解释，他们的理解有何不同，以及如何将它们结合起来。基于目标心理模型，我们提出了一套 14 条解释设计指南，用于可信的人工智能医疗系统解释，这些指南考虑到了非专家用户的需求、医疗专家的实践和人工智能专家的理解。
Startrace：个性化医学的多重器官Avatar药物测试平台
这项研究是通过Michael J.福克斯帕金森研究基金会（MJFF）。为了开放访问，作者已通过公共版权许可将CC应用于所有作者接受的作者手稿。
儿童心脏杂音
杂音是由于压力梯度或速度变化引起湍流和振动的速度变化引起的。1在评估杂音的孩子时，需要解决一些重要的问题，包括存在或不存在结构异常，血液动力学障碍，功能障碍和治疗选择。心脏杂音可能是儿童明显先天性心脏病（CHD）的第一个临床标志。2除了具有瓣膜功能障碍的急性风湿热（ARF）和风湿性心脏病（RHD），心脏杂音在儿童中大多数获得的心脏病中并不是一致的发现。缺少杂音并不能排除心脏问题。大多数童年的杂音都是无辜的，并且由于正常的流动模式而发生，心脏中没有任何结构性缺陷。相反，病理杂音是由异常的血液流动产生的，可能是由先天性或后心脏异常引起的。本评论提供了有关新生儿和儿童的心脏杂音和相关状况的简化全面更新，重点是CHD。
抗氧化剂，酪氨酸酶抑制活性和不同溶剂类型和浓度的pepino果实提取物（Solanum muricatum aiton）的体外SPF评估
溶剂是影响植物材料（简单）中主动化合物提取有效性的关键因素。这项研究旨在根据抗氧化剂和酪氨酸酶抑制活性的参数以及太阳保护因子（SPF）值来确定用于提取pepino果实的最佳类型和浓度。使用用乙醇或乙酸乙酯作为溶剂进行浸渍法进行了提取，分别以50％，70％和96％的浓度进行提取。使用1,1-二苯基-2-苯羟基羟基（DPPH）方法评估提取物的抗氧化活性。使用体外测试进行了酪氨酸酶的抑制和SPF值的测定。结果表明，就抗氧化活性，酪氨酸酶抑制和SPF值而言，乙酸乙酸乙酯提取物优于乙醇提取物。在乙酸乙酯溶剂中，浓度为96％，提供了最强的抗氧化剂，酪氨酸酶抑制活性，而在SPF测试中则是第二高。可以得出结论，将pepino果实作为防晒霜的有前途化合物提取的最佳溶剂是乙酸乙酯的96％。
心脏杂音和异常PCG检测通过小波散射变换和1D-CNN
摘要 - 这项工作是从Phonocartiogram（PCG）录音中自动且准确的心脏模拟检测。Two public PCG datasets (CirCor Digiscope 2022 dataset and PCG 2016 dataset) from Physionet online database are utilized to train and test three custom neural networks (NN): a 1D convolutional neural network (CNN), a long short-term memory (LSTM) recurrent neural network (RNN), and a convolutional RNN (C- RNN).我们首先进行预处理，其中包括以下关键步骤：使用小波散射变换对PCG段的DeNoising，分割，仅噪声段重新标记，数据归一化以及PCG段的时间频率分析。然后，我们使用PCG 2022数据集进行了四个实验，前三个（E1-E3），使用PCG 2016数据集进行了第四个实验。事实证明，我们的自定义1D-CNN优于其他两个NN（LSTMRNN和C-RNN）。此外，对于实验E3，我们的1D-CNN模型就准确性，加权准确性，F1得分和AUROC而优于相关工作（使用清洁和重新标记的PCG 2022数据集）。对于实验E1（使用原始PCG 2022数据集），我们的模型在加权准确性和F1分数方面非常接近相关工作。
引用：Vo QD、Saito Y、Ida T、Nakamura K、Yuasa S (2024) 10 年间人工智能在基于诱导多能干细胞技术中的应用：系统范围审查。PLoS ONE 19(5): e0302537。https://doi.org/10.1371/ journal.pone.0302537
自 1961 年首次发现骨髓来源的多能干细胞以来，干细胞研究取得了长足进步 [ 1 ]。干细胞是一种独特的细胞，能够通过有丝分裂不断复制，从而形成更多的细胞。该过程会产生两种不同的细胞类型：一种会进化为特定细胞类型，另一种则保留自我更新的能力 [ 2 ]。干细胞大致可分为三类：诱导多能干细胞 (iPSC)、胚胎干细胞 (ESC) 和成体干细胞 (ASC) [ 3 ]。由于 iPSC 和 ESC 能够转化为三个胚层：外胚层、中胚层和内胚层，因此它们被归类为多能干细胞 (PSC)。2006 年，Kazutoshi Takahashi 和 Shinya Yamanaka 通过使用病毒载体引入 Oct4、Sox2、Klf4 和 c-Myc 等特定转录因子，成功将小鼠体细胞转化为 iPSC [ 4 ]。此后，人们使用各种方法将不同类型的小鼠和人类体细胞重新编程为 iPSC [ 5 ]。这种重新编程人类细胞的创新方法引起了科学和医学领域的极大兴趣。iPSC 作为多能细胞来源，为人类 ESC 提供了一种替代方案。诱导多能干细胞的一个显著优势是它们来源于可以非侵入性获得的体细胞。这些细胞携带个体的遗传特征，可以降低免疫排斥的风险 [ 6 ]。现代医学领域对基于 iPSC 的疗法的关注度正在提高。它们在疾病建模、药物筛选和再生医学中的应用正在呈指数级增长 [ 7 ]。iPSC 因其自我更新能力和分化为所有人体细胞类型的能力而在疾病建模中发挥着关键作用。这使得它们成为创建各种疾病模型以供研究的理想选择 [ 8 – 10 ]。患者特异性 iPSC 在制定有针对性的治疗策略和药物开发方面特别有价值。此外，来自正常细胞和患病细胞的 iPSC 可以分化为神经元、肝细胞、心肌细胞等，以评估毒性和副作用，这是治疗分子开发的关键因素 [11]。在再生医学中，iPSC 用于修复或再生受损或退化的组织。这是通过在实验室中从 iPSC 创建器官组织并将其移植到受伤区域来实现的。这种疗法有望用于治疗造血系统疾病、肌肉骨骼损伤、脊髓损伤和肝损伤等疾病 [ 12 – 14 ]。已经开发出各种用于创建 iPSC 的技术，例如使用逆转录病毒或慢病毒进行基因转导和化学诱导。然而，生成 iPSC 的过程通常很慢且效率不高，啮齿动物细胞需要大约 1-2 周，人类细胞需要 3-4 周，成功率通常较低。此外，通过检查菌落形态来评估 iPSC 的质量容易出现人为错误，这是一个重大挑战，在进行进一步的实验或治疗用途之前必须解决这一问题。尽管在提高 iPSC 培养的效率和速度方面取得了进展，但该过程仍然耗费资源，因此需要开发自动化系统以最大限度地减少错误并增强 iPSC 分析。最近，人工智能 (AI) 技术，包括机器学习 (ML) 和深度学习 (DL)，已被用于增强再生疗法。这些 AI 驱动方法的实施可以改进
Hiroto Tamura教授，博士。欢迎来到我的实验室！电子邮件：...Hiroto Tamura教授，博士。欢迎来到我的实验室！电子邮件：...
3）使用CO 2用作资源来生产乙烯的超级环细菌的构建，使用合成生物学'与S. Jindou副教授，Ph。D.，Meijo University的科学技术学院的关键字；蓝细菌，二氧化碳，生物乙烯