摘要 目的在产科超声 (US) 扫描中,学习者根据二维 (2D) US 图像在脑海中构建胎儿的三维 (3D) 地图的能力代表了技能习得中的重大挑战。我们的目标是构建一个 US 平面定位系统,用于 3D 可视化、训练和引导,而无需集成额外的传感器。方法我们提出了一个回归卷积神经网络 (CNN),使用图像特征来估计任意方向的 US 平面相对于胎儿大脑中心的六维姿势。该网络在从幻影 3D US 体积获取的合成图像上进行训练,并在真实扫描上进行微调。训练数据是通过将 US 体积在 Unity 中以随机坐标切成成像平面并在标准经脑室 (TV) 平面周围更密集地切片来生成的。结果使用幻影数据,随机平面和靠近 TV 平面的平面的中位误差分别为 0.90 mm/1.17 ◦ 和 0.44 mm/1.21 ◦。对于真实数据,使用具有相同胎龄 (GA) 的不同胎儿,这些误差为 11.84 mm/25.17 ◦。平均推理时间为每平面 2.97 毫秒。结论所提出的网络可靠地定位了幻影数据中胎儿大脑内的超声平面,并成功地从与训练中类似的 GA 中推广了看不见的胎儿大脑的姿势回归。未来的发展将扩大预测范围,以预测整个胎儿的体积,并评估其在获取标准胎儿平面时基于视觉的徒手超声辅助导航的潜力。
它可以测量与任务相关的大脑活动模式相关的脑血液动力学变化。5 近年来,fNIRS 的应用开始从受控的研究实验室转向更自然的环境和现实世界的任务。6 – 8 fNIRS 的可穿戴和不受约束的使用为神经成像应用铺平了道路,例如,用于床边和家庭中监测大脑功能 9、10 或用于脑机接口 (BCI) 设置,以与机器人设备结合使用来协助神经障碍者在日常生活活动中。11 – 13 此类应用需要满足高技术要求的尖端 fNIRS 系统[例如,高信噪比 (SNR)、快速信号处理和消除运动伪影的功能]和可用性(例如,高舒适度和准确的传感器放置)以捕捉日常生活环境中大脑活动的细微变化。 7、14此外,家庭和临床脑活动监测对 fNIRS 测量的稳健性和可靠性/可重复性提出了很高的要求,因为这些因素直接影响灵敏地捕捉神经变化和准确控制 BCI 外部设备的能力。虽然在群体层面上已经发现了良好的可重复性,15-17这足以回答许多研究问题,但尚未提供个人在多天内可重复的 fNIRS 测量的证据。因为单级可重复性对大多数临床和日常应用都至关重要,所以彻底表征它是必不可少的。预计会影响 fNIRS 测量可重复性的主要因素是硬件的信号质量(即 SNR)、18、19 光极的放置和固定、18、20
将人类 apoA1 和 MPO 氧化剂抗性的 4WF 异构体转基因小鼠与 LDL 受体缺陷 (LDLr KO) 小鼠交配,并喂食西方饮食。在 LDLr KO 背景下,这些人类 apoA1 异构体的高水平表达不会导致 HDL 胆固醇水平升高。在雄性和雌性小鼠中,研究了病变随时间推移的进展情况,与 LDLr KO 小鼠相比,apoA1 和 4WF 转基因小鼠的病变进展明显延迟,非 HDL 胆固醇降低。使用病变面积相等的时间点,通过给小鼠喂食含有微粒体甘油三酯转移蛋白抑制剂的低脂控制饮食 7 周来启动病变消退。与 LDLr KO 相比,雄性 apoA1 和 4WF 转基因小鼠的病变消退得更厉害,但 4WF 亚型在促进病变消退方面并不优于未修饰亚型。
在机器视觉和认知神经影像中的快速同时进步提供了一个无与伦比的机会,以评估人工视觉系统的人工模型的当前状态。在这里,我们对85个现代深神经网络模型进行了大规模的基准分析(例如剪辑,Barlowtwins,Mask-Rcnn)以强大的统计能力来表征 - 插座和训练任务的差异如何有助于预测人类视觉系统的16个不同区域的人类fMRI活动。我们发现:一个,甚至是鲜明的建筑差异(例如在变压器和MLP混合物中缺乏卷积)在与大脑数据的紧密拟合中几乎没有影响。第二,任务的差异具有明显的效果 - 分类和自我监督模型表现出相对较强的大脑预测性;第三,该功能重新恢复会导致大脑预测性的实质性改善,而不会过度拟合 - 产生模型对脑回归权重,这些重量在相同水平的对大脑响应水平的新图像以上的预测性水平上概括。从广义上讲,这项工作为现代深度神经网络模型的特征空间与人类视觉系统固有的代表性结构之间的特征空间之间的紧密对应呈现了一条陆地。
目的:探索基于梯度提升决策树的人工智能方法,用于预测重症监护病房的全因死亡率,并将其性能与文献中最近的逻辑回归系统以及在同一平台上构建的逻辑回归模型进行比较。方法:使用重症监护医学信息集市数据库训练和测试梯度提升决策树模型和逻辑回归模型。在重症监护病房 5 小时内收集的成年患者 1 小时分辨率生理测量值包括八个常规临床参数。该研究探讨了模型如何学习对患者进行分类,以预测 12 小时内重症监护病房的死亡率或存活率。使用准确度统计数据和接收者操作特征曲线下面积来评估性能。结果:梯度提升树的接收者操作特征曲线下面积为 0.89,而逻辑回归的曲线下面积为 0.806。梯度提升树的准确度为 0.814,而逻辑回归的准确度为 0.782。梯度提升树的诊断比值为 17.823,而逻辑回归的诊断比值为 9.254。梯度提升树的 Cohen's kappa、F 测量值、Matthews 相关系数和显著性更高。结论:梯度提升树的判别能力非常出色。在重症监护病房死亡率预测方面,梯度提升树的表现优于逻辑回归。在所研究的不平衡数据集中,梯度提升树的高诊断比值和显著性值非常重要。
对话角色对语音 AI 和人类对话者语音对齐的影响 标题:角色和对话者影响对齐 Georgia Zellou、Michelle Cohn 和 Tyler Kline 语音实验室,加利福尼亚大学戴维斯分校语言学系 469 Kerr Hall,One Shields Ave.,戴维斯,CA 95616,美国 通讯作者电子邮件:gzellou@ucdavis.edu 摘要 两项研究调查了对话角色对人类和语音 AI 对话者语音模仿的影响。在单词列表任务中,给予者指示接收者将单词放在两个列表中的哪一个上;这个对话任务类似于用户与语音 AI 系统进行的简单口头交互。在地图任务中,参与者与对话者一起完成填空工作表,这是一项更复杂的交互任务。参与者与两个对话者完成了两次任务,一次作为信息提供者,一次作为信息接收者。通过相似性评级评估语音对齐,并使用混合效应逻辑回归进行分析。在单词列表任务中,参与者在更大程度上仅与人类对话者保持一致。在地图任务中,仅作为给予者的参与者更多地与人类对话者保持一致。结果表明,语音对齐由对话者的类型介导,并且对话角色的影响因任务和对话者而异。关键词:语音对齐、语音-AI、人机交互、对话角色
从脑结构MRI和年代年龄估计的大脑年龄之间的抽象差异与广泛的神经认知失误有关。大脑年龄估计的性能在很大程度上取决于预定义或手工制作的功能。尽管已经提出了基于3D卷积神经网络(CNN)方法,但它们需要高计算成本,大记忆负载和众多图像。将预先训练的2D CNN耦合用于转移学习的转移学习与建立的相关性向量机进行回归方法可以极大地增强模型的能力。采用了几种重要策略,包括特征传递学习,3D特征串联和降低维度。估计的大脑年龄是通过594个正常健康老年人(50 - 90岁)的结构磁共振成像(SMRI)建模的。我们提出并表现出预先训练的Alexnet作为可靠的特征提取器。此外,通过应用3D功能串联和减少数据,可以避免开发3D CNN的可观成本。所提出的方法以旧受试者的平均绝对误差为4。51年,可实现出色的性能。预测的大脑年龄也表现出高测试可靠性(类内相关系数为0.979)。对所提出模型的有效性和鲁棒性进行了充分的研究。所提出的方法可以与这些最先进的方法竞争甚至胜过表现,并且功能转移学习策略可以将新的观点引入一些具有预定义或手工制作的功能的知名脑周龄预测模型。
摘要背景:PGF2α 对于诱导黄体退化至关重要,而黄体退化又会降低孕酮的产生。早期生长反应 (EGR) 蛋白是 Cys2-His2 型锌指转录因子,与细胞增殖、存活和凋亡密切相关。在给予黄体溶解剂量的 PGF2α 后,观察到 EGR1 的快速升高。EGR1 参与许多基因的转录激活,包括 TGFβ1,它在黄体退化过程中起着重要作用。方法:本研究在水牛黄体细胞中进行,旨在更好地了解 EGR1 在 PGF2α 诱导的黄体退化过程中对 TGFβ1 转录激活的作用。培养水牛中期黄体的黄体细胞,并用不同剂量的 PGF2α 处理不同时间。分析了编码孕酮生物合成途径内酶 (3βHSD、CYP11A1 和 StAR)、Caspase 3、AKT 的 mRNA 相对表达以确认黄体溶解事件的发生。为了确定 EGR1 是否通过诱导 TGFβ1 表达参与 PGF2α 诱导的黄体退化,我们使用 CRISPR/Cas9 敲除了 EGR1 基因。结果:本实验确定了黄体细胞中的 EGR1 蛋白表达是否对 PGF2α 治疗有反应。对 EGR1 和 TGFβ1 mRNA 的定量分析显示在 PGF2α 诱导后 12 小时水牛黄体细胞中显著上调。为了验证 PGF2α 通过 EGR1 依赖机制刺激 TGFβ1 表达的作用,我们敲除了 EGR1。用 PGF2α 刺激 EGR1 切除的黄体细胞,观察到 EGR1 KO 不调节 PGF2α 诱导的 TGFβ1 表达。在 PGF2α 处理的 EGR1 KO 黄体细胞中,与维持 12 小时的 PGF2α 处理的野生型黄体细胞相比,Caspase 3 的 mRNA 表达显着增加。我们还研究了 EGR1 对类固醇生成的影响。用 PGF2α 处理的 EGR1 KO 黄体细胞与用 PGF2α 处理的野生型黄体细胞相比,孕酮浓度或 StAR mRNA 表达均无显着差异。结论:这些结果表明,EGR1 信号传导并不是在调节 PGF2α 诱导的 TGFβ1 信号传导以进行黄体溶解中发挥作用的唯一因素。关键词:水牛,黄体,EGR,CRISPR/Cas9,黄体溶解
我们研究低秩相位恢复问题,我们的目标是从一系列无相位线性测量中恢复 ad 1 × d 2 低秩矩阵。这是一个四阶逆问题,因为我们试图恢复通过一些二次测量间接观察到的矩阵因子。我们提出了使用最近引入的锚定回归技术解决该问题的方法。这种方法使用两种不同类型的凸松弛:我们用多面体搜索代替无相位测量的二次等式约束,并通过核范数正则化强制执行秩约束。结果是 d 1 × d 2 矩阵空间中的凸程序。我们分析了两种特定场景。在第一种情况下,目标矩阵为秩 1,观测结构对应于无相位盲反卷积。在第二种情况下,目标矩阵具有一般秩,我们观察一系列独立高斯随机矩阵的内积幅度。在每个问题中,我们都表明,只要我们能够访问质量足够好的锚定矩阵,锚定回归就能从接近最优数量的测量中返回准确的估计值。我们还展示了如何在无相盲反卷积问题中从最优数量的测量中创建这样的锚定,并针对一般秩问题给出了这方面的部分结果。
使用线性最小二乘回归技术,以 250 米的空间分辨率概括了经多尺度卷积、形态和纹理变换过滤的免费数字高程模型 (DEM) 全球数据中建筑区的垂直分量估计值。选择了六个测试案例:香港、伦敦、纽约、旧金山、圣保罗和多伦多。根据 60 种线性、形态和纹理过滤组合以及不同的概括技术,对五个全球 DEM 和两个 DEM 复合材料进行了评估。引入了四种广义的建筑区垂直分量估计值:平均建筑总高度 (AGBH)、平均净建筑高度 (ANBH)、建筑总高度标准差 (SGBH) 和净建筑高度标准差 (SNBH)。研究表明,ANBH 和 SNBH 给出的净 GVC 最佳估计值总是比 AGBH 和 SGBH 给出的相应总 GVC 估计值包含更大的误差,无论是平均值还是标准差。在本研究评估的源中,使用单变量线性回归技术估计建筑区 GVC 的最佳 DEM 源是使用联合运算符 (CMP_SRTM30-AW3D30_U) 的 1 弧秒航天飞机雷达地形测绘任务 (SRTM30) 和先进陆地观测卫星 (ALOS) 世界 3D-30 米 (AW3D30) 的组合。使用 16 颗卫星开发了一个多元线性模型