XiaoMi-AI文件搜索系统
World File Search Systemstop
Riemer Slart、Michelle Williams、Luis Eduardo Juarez-Orozco、Christoph Rischpler、Marc Dweck 等人。EACVI 和 EANM 关于使用 SPECT/CT、PET/CT 和心脏 CT 进行多模态心血管成像的人工智能应用的立场文件。《欧洲核医学与分子成像杂志》，2021 年，48 (5)，第 1399-1413 页。10.1007/s00259-021-05341-z。hal- 03666321
摘要 在日常临床实践中，临床医生整合可用数据以确定患者疾病或临床结果的诊断和预后概率。对于疑似或已知心血管疾病的患者，通常会执行几种解剖和功能成像技术来协助这项工作，包括冠状动脉计算机断层扫描血管造影 (CCTA) 和核心脏病学成像。正电子发射断层扫描 (PET)、单光子发射计算机断层扫描 (SPECT) 和 CT 硬件和软件的不断改进已导致诊断性能的提高以及这些成像技术在日常临床实践中的广泛应用。然而，人类解释、量化和整合这些数据集的能力是有限的。新标记的识别和机器学习 (ML) 算法的应用，
圣克里斯托弗和圣玛格丽特玛丽教堂
福音默想 — 鼓励更深入地理解圣经 主显节 2025 年 1 月 5 日 你有没有想过，为什么贤士们有黄金、乳香和没药？马太福音告诉我们，“他们就打开宝盒，拿黄金、乳香、没药为礼物献给他”（马太福音 2:11）。为什么这些东西是他们的“宝藏”？一个可能的答案是，他们是魔术师和占星家，这三件物品是他们可疑交易的工具。在把它们献给基督时，他们表明他们将不再使用这些物品来预测或控制生活。他们把这个婴儿——以色列的国王、上帝，置于他们生活的中心，而不是他们自己的控制、操纵和预测手段。这不也是我们需要做的吗？例如，考虑一下金钱的神奇力量，它由贤士的黄金象征。似乎无论我们向金钱提出什么要求，它都能做到。它对世界拥有神一般的力量。它可以通过保证给我们更好的结果来预测未来——这就是为什么它是信奉上帝的一种诱人替代品。问题是，对金钱的绝对信任使我们成为经济力量的奴隶，正是这些经济力量让金钱如此强大。在用“黄金”（即什一税）向耶稣致敬时，我们参与了他对金钱魔力的权威（因此也摆脱了这种魔力）。你用生活中的什么东西来预测或控制你的未来？你生活中的什么东西似乎赋予了你控制世界的力量？那些是你的财富。你厌倦了被它们奴役的感觉吗？找到一种方法来打开它们并将它们交给基督，你就会更自由。——约翰·缪尔神父
Astrid Musnier、Christophe Dumet、Saheli Mitra、Adrien Verdier、Raouf Keskes 等人。应用人工智能加速和降低抗体发现风险。药物发现前沿，2024 年，4，第 1339697 页。10.3389/fddsv.2024.1339697。hal-04672537
与所有科学和工业领域一样，人工智能 (AI) 有望在未来几年对抗体的发现产生重大影响。抗体的发现传统上是通过一系列实验步骤进行的：动物免疫、相关克隆的筛选、体外测试、亲和力成熟、动物模型体内测试，然后是不同的人性化和成熟步骤，产生将在临床试验中进行测试的候选药物。该方案存在不同的缺陷，导致整个过程非常危险，流失率超过 95%。计算机方法的兴起，其中包括人工智能，已逐渐被证明能够以更强大的过程可靠地指导不同的实验步骤。它们现在能够覆盖整个发现过程。在这个新领域的参与者中，MAbSilico 公司提出了一种计算机模拟流程，可以在几天内设计出抗体序列，这些序列已经人性化并针对亲和力和可开发性进行了优化，大大降低了风险并加快了发现过程。
心脏手术后心房颤动
我们饶有兴趣地阅读了 Imashuku 等人 [1] 的论文，题为“术中应用瑞芬太尼可降低冠状动脉搭桥术后心房颤动的发生率”。我们对作者的贡献表示祝贺。我们想对术后心房颤动 (PoAF) 及其风险因素发表一些评论。PoAF 是冠状动脉搭桥术 (CABG) 后可能发生的一个严重问题。除了死亡和脑血管事件风险外，它还会增加治疗费用。因此，风险因素分析非常重要。在最近的一项回顾性研究中，作者表明术中使用瑞芬太尼可降低 PoAF 的风险 [1]。已经开发出各种评分系统来预测 PoAF 的风险 [2, 3]。这些评分中发现的最重要参数是高血压 (HT)、慢性阻塞性肺病 (COPD) 和脑血管意外 (CVA) 病史。作者在研究中没有评估这些变量，这是一个重要的限制。HT 患者的高血管压力和炎症可能对 PoAF 的发展构成重大风险。COPD 的存在可能会通过影响肺动脉压力和右心室功能增加 PoAF 的风险。CVA 病史对 PoAF 构成风险
大学医院子宫内膜癌患者的临床和组织病理学评估：七年经验
简介：子宫内膜癌是发达国家的主要妇科恶性肿瘤之一，在马来西亚变得越来越普遍。这些对妇女有重大影响和对这种疾病的管理。如果它发生在年轻女性上，整体上将成为国民经济和世界的负担。这项研究旨在评估大学医院治疗的女性子宫内膜上皮癌的临床表现和组织病理学特征。材料和方法：从病理部的实验室信息中检索出子宫内膜癌病例。审查了所选病例的组织病理学检查报告，并记录了发现和诊断。使用饼图，条形图和表显示了描述性数据。结果：子宫内膜癌在2022年最高，在其他几年中记录的子宫内膜癌病例少于15例。诊断为50至59岁的子宫内膜癌的妇女的百分比最高（36.6％）。这是女性马来种族人中最普遍的数量最高（89％）。高血压和糖尿病分别在52.5％和37.8％的子宫内膜癌患者中发现。子宫内膜癌患者也超重或肥胖（68.2％）。子宫内膜癌是子宫内膜类药物亚型，肿瘤1级（71.6％）和第1阶段（57.6％）。64.7％的子宫内膜癌患者的肌层侵袭表现出浅表入侵深度低于50％（54.7％）。淋巴血管侵袭。结论：尽管属于绝经后和超重/肥胖类别，但被诊断出患有子宫内膜癌的马来善良妇女仍显示出一些有利的预后指标。
Yris Brice Wandji Piugie、Joël Di Manno、Christophe Rosenberger、Christophe Charrier。人工智能如何用于行为识别？2021 年网络世界国际会议 (CW)，2021 年 9 月，法国卡昂。�hal-03281104�
摘要 — 如今，用户与计算机系统交互。行为生物识别包括分析用户交互以进行识别和验证应用程序。这种方法对于增强安全性和改善用户体验非常有用，并且还涉及许多隐私问题。在本文中，我们解决了考虑用户行为的用户识别问题。经典机器学习方法对此类数据的效率如何？深度学习方法呢？我们在两种行为模式上说明了这项工作，即使用智能手机的人类活动和笔记本电脑上的击键动态。由于大多数行为生物识别模式的准确率低于形态学模式，我们考虑了两种可以表示为时间序列的这些模式的方法：经典机器学习和深度学习技术。我们打算表明，许多算法可以在不同模式下获得非常好的性能，而无需对所考虑的模式进行任何特定的调整。通过这种比较分析，我们可以表明行为生物识别技术可用于安全应用（即谁在访问公司信息系统），但可能会引起隐私问题，因为用户在浏览互联网时可能会被识别。
桥接甲状腺癌组织之间的域间隙
深度学习技术越来越多地用来以高准确性对医学成像数据进行分类。尽管如此，由于训练数据通常有限，这些模型可能缺乏足够的可推广性来预测不同领域中产生的未见测试数据，并具有可观的性能。本研究的重点是甲状腺组织病理学图像分类，并研究了只有156个患者样品训练的生成对抗网络[GAN]是否可以产生高质量的合成图像以充分增强训练数据并改善整体模型的可推广性。利用stylegan2方法，生成网络生成的图像产生了频率创造距离（FID）分数为5.05的图像，匹配的最新gan会导致具有可比数据集尺寸的非医疗域。当对从三个单独的域中采购的外部数据进行测试时，使用这些GAN生成的图像对训练数据进行培训数据增加了模型，将总体精度和AUC分别提高了7.45％和7.20％，而基线模型则分别提高了7.45％和7.20％。最重要的是，在训练有素的病理学家进行分类时，在少数群体图像，肿瘤亚型上观察到了这种绩效改善。
与造口相关的并发症：术后病态事件的频率和与不良结果有关的因素
摘要简介造口位置是一种常见的外科手术程序，可以在紧急和选择性手术的良性和恶性状况的背景下进行，估计发病率在21％至70％之间。方法进行回顾性队列分析，以确定与术后相关并发症和潜在相关因素的良好位置的发生率。这项研究是在墨西哥城的一个三级护理中心进行的，其中包括所有在2016年1月至2023年10月之间进行造型的患者。总共进行了276名患者进行造口结构。80名（29.3％）患者的发病率与造口术有关。多变量分析显示了以下风险因素：与造口相关并发症的高级年龄；肥胖用于发展副疝；伴有疝气和复杂的憩室疾病，以形成粘膜性裂开；肠梗阻和副疝，用于发育垂直脱垂；吻合式渗漏和术前皮质类固醇治疗，用于发展副脓肿；以及末端造口术和重新手术的高龄。讨论造口术的创造具有很高的发病率。术前特征，例如高龄，肥胖，皮质类固醇治疗，手术的指示以及所产生的造口类型，因为它们可以显着影响不良结果的发展。
宽带刺激的拉曼成像基于多通道锁定检测的光谱组织病理学
自发的拉曼显微镜通过直接揭示分子的振动光谱，以无标记和非侵入性方式揭示了样品的化学成分。但是，其极低的横截面可防止其应用于快速成像。刺激的拉曼散射（SRS）得益于非线性过程的连贯性，通过几个数量级扩大信号，从而解开了提供分析信息以阐明具有亚纤维分辨率的生化机制的高速显微镜应用。尽管如此，在其标准实现中，窄带SRS一次只能以一个频率提供图像，这不足以区分重叠的拉曼频段的成分。在这里，我们报告了配备有自制的多通道锁定放大器的宽带SRS显微镜，同时在32频率下测量SRS信号，集成时间降至44μs，从而允许详细的，高空间分辨率的样品映射。我们通过测量单个脂质液滴水平的肝细胞中不同脂肪酸的相对浓度，通过测量不同脂肪酸的相对浓度来区分异质样品的化学成分的能力，并通过将纤维固醇模型中的肿瘤与脑肿瘤组织与周围肿瘤区分开来。©2022作者。所有文章内容（除非另有说明，否则都将根据创意共享归因（cc by）许可（http://creativecommons.org/licenses/4.0/）获得许可。https://doi.org/10.1063/5.0093946
使用组织病理学图像进行个性化医学
大肠癌（CRC）的精确及时诊断对于增强患者预后至关重要。组织样品的组织病理学检查仍然是CRC诊断的金色标准，但这是一种耗时且主观的方法，倾向于观察到观察者间的变异性。本研究探讨了使用组织病理学图像对CRC自动分类的深度学习的使用，尤其是重新结构。我们的研究重点是评估不同的RESNET模型（RESNET-18，RESNET-34，RESNET-50），以提取相关的可见特征。此外，我们使用Grad-CAM热图来了解模型的重点领域，从而确保与已建立的诊断标准保持一致。为了解决有限的数据可用性，我们检查了数据增强技术以提高模型的适应性。我们的分析表明，RESNET-34在模型复杂性和性能之间达到平衡，表明总体，TOP-2和TOP-3精度分类的91.10％，99.11％和100.00％的精度分别超过了较浅的（Resnet-118）和更深的（Resnet-50）模型。这表明在捕获CRC图像的特征方面，模拟深度是实用的。我们的发现对于开发CRC的可解释的AI辅助诊断工具具有重要意义，并有可能提高病理学家的效率和准确性。这种方法旨在自动化图像分析，提供对模型决策的见解，并最终提高Oncol-Ogy的诊断一致性和患者护理。