XiaoMi-AI文件搜索系统
World File Search Systemraj
青少年和年轻成人精神病学的心理病理轨迹
青春期构成了生活中的关键时期，其生物学和成熟力对成年后的生理和心理过程的批判性影响。进入成年时，人们会面临重要的个人和社会挑战，例如探索生活方向和成人承诺。经常在这些年龄的情况下观察到规范性调整模式的改变，导致精神病疾病可能在以后的生活中显示出持久的影响。在这方面，超过四分之一的人可能在青少年和年轻时代表现出精神病（1，2）。此外，在年轻人中的精神病状况的发展（无论达到临床意义上如何）可能会增加生命后期另一种状况的风险的12倍（3）。此外，通过自杀行为的发展，精神健康障碍的存在与直接或间接死亡率的风险增加有关。自杀行为和非自杀的自我伤害（NSSH）越来越普遍。最后，近几十年来，年轻人的疾病负担和功能丧失（即丧生的年生命）增加了35％（4）。从终生的角度来看，对青春期和青年的心理健康状况的研究对于理解早期的精神病理学和精神病学表现以及整个生命周期的进一步发作至关重要。Casey等。此外，对周期的保护性和风险预订的识别可能有助于改善诊断工具，并优化治疗方案和随访方案。（5）强调，专注于心理病理发展的关键时期，研究整个生命周期的精神疾病的自然过程，以确定与环境影响不断相互作用的潜在发展级联。在这方面，神经发育过程的过程可能描绘出不同形状，整个生命周期都有明显的峰值。这些峰可能代表敏感时期或受限的开发窗口，
引文 Sendilraj V、Pilcher W、Choi D、Bhasin A、Bhadada A、Bhadadaa SK 和 Bhasin M (2024) DFUCare：糖尿病足溃疡深度学习平台
糖尿病足溃疡 (DFU) 是影响糖尿病患者的一种严重并发症，超过一半的 DFU 都有感染风险。在这些感染中，约 20% 需要截肢 (1、2)。这是一个值得关注的重要问题，因为因 DFU 而截肢的患者的死亡率很高，预计超过一半的患者会在五年内死亡 (3)。此外，治疗和管理 DFU 及其并发症的经济负担超过了五大癌症，仅在美国，每年的费用就超过 110 亿美元 (4)。随着糖尿病 (DM) 患病率的持续上升，DFU 预计将成为全球卫生系统的更大负担，并且可能是最昂贵的糖尿病并发症之一 (5)。尽管在确定 DFU 治疗的新疗法方面取得了显着进步，但对 DFU 的根本病因和管理的早期诊断仍然具有挑战性。 DFU 愈合受损是一种复杂的发病机制，由多种因素引起，包括糖尿病足部感染、伤口缺血、免疫系统衰竭和血糖控制不佳（6-8）。DFU 管理需要在多个时间点评估感染和缺血情况以便更好地管理，但由于其侵入性，目前这种方法受到限制。由于农村地区无法接触到 DFU 伤口中心和临床专家，这个问题更加严重。因此，临床对用于分析伤口感染和缺血检测的非侵入性工具的需求尚未得到满足，这两个关键因素是伤口愈合受损。近年来，深度学习算法在疾病的检测和诊断方面表现出巨大的潜力，特别是在医学成像、放射学和病理学方面（9-11）。这导致了深度学习图像分析作为一种辅助工具的出现，它支持临床医生进行决策，提高疾病诊断和治疗的效率和准确性（12）。深度学习在糖尿病足溃疡的分类和定位方面也显示出了良好的效果。它在缺血和感染分类方面取得了很高的准确率，分别为 87.5% 至 95.4% 和 73% 至 93.5%（13-16）。此外，研究人员在糖尿病足溃疡定位方面也取得了重大进展，平均精度 (mAP) 值在 0.5782 至 0.6940 之间，F1 分数在 0.6612 至 0.7434 之间（17、18）。尽管取得了这些进展，但其中许多工具仍处于开发的早期阶段，缺乏预测感染、缺血和其他对糖尿病足溃疡伤口管理至关重要的身体特征的自动分析能力。此外，目前的伤口分析平台依赖于专有硬件附件，例如热扫描仪（例如 Pod Metrics 的 SmartMat）、使用结构光或激光的 3D 扫描仪（例如 Ekare.ai 的 Insight 3D 和 Swift Medical 的 Ray 1），和光学相干断层扫描 (OCT) 用于可视化和量化与糖尿病足溃疡形成相关的微血管结构 ( 19 , 20 )。这些专门附件的需求可能会限制普通人群获得糖尿病足溃疡治疗的机会。为了解决这些限制，开发一种非侵入性和自动化的工具至关重要，即使在资源有限的地区，也可以全面分析伤口组织。本研究旨在
用于多智能体轨迹预测的二阶图微分方程
多智能体轨迹预测是一项基础任务，可应用于自动驾驶、物理系统建模和智慧城市等各个领域。该任务具有挑战性，因为智能体交互和底层连续动力学共同影响其行为。现有方法通常依赖图神经网络 (GNN) 或 Transformer 来提取智能体交互特征。然而，它们往往忽略了智能体之间的距离和速度信息如何动态地影响它们的交互。此外，以前的方法使用 RNN 或一阶常微分方程 (ODE) 来模拟时间动态，这可能缺乏对每个智能体如何受交互驱动的解释性。为了应对这些挑战，本文提出了 Agent Graph ODE，这是一种显式模拟智能体交互和连续二阶动力学的新方法。我们的方法采用变分自编码器架构，在编码器模块中结合了具有距离信息的时空Transformer和动态交互图的构建。在解码器模块中，我们采用具有距离信息的GNN来建模智能体交互，并使用耦合的二阶微分方程(ODE)来捕捉底层的连续动力学，该微分方程通过建模加速度和智能体交互之间的关系来构建模型。实验结果表明，我们提出的Agent Graph ODE在预测精度方面优于最先进的方法。此外，我们的方法在训练数据集中未见的突发情况下也表现良好。
VK简历-NETET KOSARAJU
2019 Tau Beta Pi Engineering Honor Society Actoric＆Community Service，授予斯坦福工程大三学生的前12.5％。2019年2020年计算机视觉和模式识别（CVPR）2019年神经信息处理系统的进步（NEURIPS）旅行奖（500美元）2018年最佳纸质奖（CS230）〜1000级学生2017年第二名$ 10K奖学金获得者2015美国计算机奥林匹克（USACO）黄金部2014年西门子地区决赛，其中30个项目中有1个项目
如何引用。Barajas-Gamboa JS。重新定义数字手术时代：人工智能、增强现实和机器学习的作用
然而，一个限制是，AI系统需要大量高质量数据来最大限度地减少其结果的偏差。在外科领域实施AI的其他担忧是在数据处理和分析时存在保密风险和患者信息完整性丧失的风险。对此，世界卫生组织明确了其在医学领域使用AI的道德立场。他们强调根据正义、仁慈、患者自主和非恶意原则实施AI使用的重要性。关于在医学中使用AI的法律框架，世界上最先进的卫生系统已经出台了新的法规。然而，这一领域在不久的将来仍将不断发展（1,6）。近年来，AR和虚拟现实（VR）在改善外科领域的教学过程方面发挥了重要作用。这些日益普及的技术进步使医学生、住院医生和研究员能够沉浸在模拟和控制的场景中，从而获得培训过程中所需的手术技能和能力。AR 和 VR 的优势包括缩短学习曲线时间、通过不将真实患者暴露于学习目的来减少可能的手术并发症以及使用先前建立和验证过的课程 (8)。同样，
引文 Teimouri A, Ebrahimpour Z, Feizi A, Iraj B, Saffari E, Akbari M 和 Karimifar M (2025) NAFLD 中的糖尿病前期和心血管危险因素
非酒精性脂肪性肝病 (NAFLD) 是世界上最常见的慢性肝病 (1)。在没有酒精过量使用和其他导致肝脏脂肪变性的原因的情况下，如果脂肪饱和度超过肝脏重量的 5% (2)，即可诊断为 NAFLD。NAFLD 可发展为 NASH (非酒精性脂肪性肝炎)、晚期纤维化、肝硬化，并最终发展为肝细胞癌 (3)。全球 NAFLD 的发病率估计为 25%，而美国的 NAFLD 病例数呈上升趋势，从 2015 年的 8300 万增加到 2030 年的 1.01 亿 (4)。NAFLD 主要发生在中东和南美洲 (5)。伊朗 NAFLD 的发病率估计为近 33.9%，伊斯法罕 39.3% 的人口患有此病 (6-8)。此外，由于肥胖症的流行，全世界患 NAFLD 的人口正在增加（9）。NAFLD 可导致原发性胰岛素抵抗，也可能是胰岛素抵抗的结果，因此它与代谢综合征的组成部分密切相关，包括肥胖、胰岛素抵抗、血脂异常和高血压（10）。此外，糖尿病前期个体患糖尿病的风险最高可增加两倍。胰岛素抵抗是糖尿病病理生理的主要因素（11-13），在 NAFLD 和糖尿病之间很常见（14）。动脉粥样硬化是一种持续的炎症过程，导致动脉壁上形成斑块。动脉粥样硬化形成的病理生理是多因素的；尽管如此，所有过程都是由于促炎、内皮床功能障碍和氧化应激相互作用而发生的（15、16）。查阅文献显示，胰岛素抵抗与动脉粥样硬化形成之间存在直接而重要的关联。鉴于此，胰岛素抵抗与血清中促炎因子（如白细胞介素 1 (IL-1)、IL-6 和肿瘤坏死因子 α (TNF- α)）以及导致氧化应激的自由氧自由基水平升高有关。此外，在胰岛素抵抗患者中，不适当的血小板聚集和动脉内膜中层钙斑块沉积导致内皮功能障碍已得到充分阐明（17）。理论上，由于在 NAFLD 和糖尿病前期中都可以检测到胰岛素抵抗的痕迹，两者的巧合可能使个体越来越容易患上 CVD。最近对 7 年间 34,000 名患有 NAFLD 和胰岛素抵抗的患者进行的荟萃分析发现，NAFLD 和胰岛素抵抗使 CVD 死亡和发病的风险增加了 65%。事实上，NAFLD 患者最常见的死亡原因是心血管原因（18）。尽管如此，研究 NAFLD 和糖尿病前期对 CVD 发病率影响的研究者数量有限，本回顾性病例对照研究旨在评估这一问题。
·）Meenakshi Sundararajan工程学院
土木工程系成立于2002年，我们学院的土木工程系是一家学术卓越和研究创新的灯塔。在M.E.建筑工程和管理，该部门致力于将高级技术和可持续实践整合到其课程中。该部拥有最先进的实验室和强大的行业合作。该系的毕业生在国内和国际上为土木工程做出了重大贡献，并通过坚定不移的卓越承诺继续塑造学科的未来。
库存，起源和未来的轨迹隐藏土壤有机碳在高山高山地区的块状田野中
多年冻土由于全球温度的升高而变暖，从而改变了这些环境中的碳循环。研究主要集中于北极冻土，但我们缺乏有关高山冻土区潜在C积累和释放的时间和幅度的数据。这些环境在带有和没有图案的地面上包含山顶（> 2900 m）上的块状场，这些地面主要不含植被，因此被认为不含土壤有机碳（SOC）。以冰冻和融化的粗糙和细材料分离的事实，我们的目的是测试没有植被的高山区域是否确实不含SoC，或者它们是否含有隐藏的碳，这可能代表气候变暖后可能代表CO 2来源。通过在相同或稍低的海拔地区采样植被土壤，我们想测试在不久的将来，在气候变暖下，Blockfields中的SOC股票将如何发展。