XiaoMi-AI文件搜索系统
World File Search Systemtrajectories
肾功能轨迹和LVAD植入后正确的心力衰竭
方法和结果：我们确定了从2014年7月1日至2017年12月31日在机械辅助循环支持（Intermacs）数据集的机构间注册中，从2014年7月1日到2017年12月31日收到了主要连续流量的植入。使用Intermacs定义在1和3个月时确定了RHF的事件RHF，并归类为瞬态或持久性。肾脏功能轨迹在RHF发作前后，以及基线肾功能与不同时间点的RHF风险的关系。我们确定了符合纳入标准的8076 LVAD接收者。事件RHF在1个月以26.4％出现。有4850名在3个月时随访的人，其中RHF的事件为4.2％。肾脏功能轨迹与RHF类别的LVAD前植入到1个月的随访不同，而发展持续性RHF的基线肾脏功能没有改善。对于3个月的RHF确定时间之前的轨迹，对于患有和没有RHF的人来说，这种形状相似，而开发RHF的人的肾小球过滤率较低。基线估计的肾小球过滤率水平低于正常范围，与1和3个月的RHF风险更高有关。
MORC驱动的转录开关控制弓形虫发育轨迹和性承诺
T. gondii具有复杂的生命周期，该生命周期是脊椎动物发生的无性发育，并且仅在FELID中发生的有性繁殖，因此研究较少。发育过渡依赖于基因表达模式的变化，最近的研究为包括组蛋白修饰在内的染色质塑料作用，在为每个给定阶段建立特定的表观遗传程序中。在这里，我们将T. gondii Microrchidia（Morc）蛋白确定为性承诺的上游转录阻遏物。MORC与Apetala（AP2）转录因子合作，显示出募集组蛋白脱乙酰基酶HDAC3，从而阻碍了预定的基因的染色质可及性，该基因预定了在性阶段独家表达。我们发现，缺乏Morc的细胞发生了明显的转录变化，从而表达了特定的基因曲目，并揭示了从无性增殖到性别分化的转变。MORC充当指导次级AP2因子层次表达的主调节剂，后者可能有助于
合成进化揭示了中和抗体和SARS-COV-2
COVID-19大流行展示了人类免疫系统和SARS-COV-2之间的共同进化种族，反映了进化生物学的红皇后假设。免疫系统产生靶向SARS-COV-2峰值蛋白的受体结合结构域（RBD）的中和抗体，对于宿主细胞的浸润至关重要，而病毒会逃避抗体识别。在这里，我们建立了一个合成的协同进化系统，该系统结合了抗体和RBD变体库的高通量筛选与蛋白质诱变，表面显示和深层测序。此外，我们训练一种蛋白质语言机器学习模型，该模型可以预测抗体逃离RBD变体。合成进化揭示了中和抗体和SARS-COV-2变体的拮抗和补偿性突变轨迹，从而增强了对这种进化冲突的理解。
多变量病变症状映射，以预测从失语症中恢复的轨迹
中风后失语症的人倾向于在某种程度上恢复其语言；但是，可靠地预测长期将发生的恢复的性质和程度仍然充满挑战。这项研究的目的是定量预测语言结果的第一年，从多个语言的多个领域和中风后多个时间点恢复。我们招募了217名失语症患者，急性左半球缺血或出血性中风，并使用快速的Aphinia电池急性电池评估了他们的语音和语言功能，然后在势利点最多获得纵向后续数据，最多三个时间点：1个月（n = 102）（n = 102），3个月（n = 98）（n = 98）（n = 98）和1年（n = 74）（n = 74）。我们使用支持矢量回归来使用急性临床成像数据，人口统计学变量和初始失语症的严重程度作为输入来预测每个时间点的语言结果。我们发现，可以使用这些模型来预测长期（1年）失语症的60％的差异，并具有有关病变位置的详细信息，重要的是有助于这些预测。在1个月和3个月的时间点上的预测基于病变位置的准确性较小，但在模型中包括初始APHA SIA的严重性时，在1年时间点的预测中达到了可比的准确性。语言的特定子域除了总体严重程度外，还具有不同的准确性，但通常相似的准确性。我们的发现证明了使用支持矢量回归模型具有带有一方面的交叉验证的可行性，以对长期恢复失语症进行个性化预测，并提供有价值的神经解剖基线，以在此基准上建立未来模型，并将未来的模型纳入超出神经解剖学和人际预测因素以外的信息。
使用贝塞尔曲线为运输飞机生成曲率连续轨迹
摘要：随着空中交通的增加，更好地管理和组织空中交通对于提高交通安全和空域容量至关重要。因此，需要对更复杂、更灵活的飞机轨迹进行临时描述，以允许高交通密度并限制环境影响。该方法包括通过拼接多条贝塞尔曲线从预先存在的控制点生成平滑的 4D 路径，同时确保接头处的 G2 连续性。此外，由于控制点和拟议轨迹之间的欧几里得距离由轨迹的最佳重塑控制，因此需要考虑轨迹的曲率-速度-负载因子之间的权衡。生成的轨迹旨在补充常规飞行计划，帮助解决空中交通冲突并通过更好的时间安排提高空中运力。Matlab 模拟证实了该方法的可行性，当为重塑算法定义距离范围时，显示出有希望的结果。
从颅内脑电图解码言语产生过程中的发音轨迹
简介：语音脑机接口 (BCI) 是一种可以帮助神经系统障碍患者恢复交流能力的技术，旨在从脑信号合成语音。大多数研究都集中于直接解码文本或语音片段，如音素或单词。然而，目前尚不清楚语音生成过程是否在神经记录中以这种形式呈现。一种有趣的方法是模拟声道的行为，该行为已从多个大脑区域成功解码。声道由称为发声器官的不同生理结构组成（即下颌、软腭和嘴唇）。所有发声器官的位置和运动的组合决定了语音生成过程中听到的声音。最近的进展使得从这些发声器官的时间轨迹重建语音成为可能，使它们成为构建语音 BCI 的良好候选者。本研究将探讨从微创脑电图解码发声轨迹的可能性。材料与方法：通过这项工作，我们将系统地评估从神经信号中解码发声轨迹，从而评估构建以发声轨迹为中间表示的语音 BCI 的可行性。我们计划使用 Verwoert 等人 [2] 提出的 SingleWordProductionDutch (SWPD) 数据集，其中 10 位参与者读出单个单词，同时测量立体定向脑电图 (sEEG) 和音频数据。结果：我们使用 Gao 等人 [1] 提出的模型从音频中提取发声轨迹。从 sEEG 记录中提取高伽马功率，其中包含有关语音过程的高度本地化信息。图 1 显示了 SWPD 数据集中植入其中一名受试者的 sEEG 电极的位置，以及来自一次记录的发声轨迹。我们训练一个线性回归模型，直接从神经数据预测发音轨迹，并通过与实际轨迹的相关性来评估重建。
使用生成对抗网络的生成合成飞机着陆轨迹
摘要 - 空中交通管理（ATM）系统的需求增加和复杂性需要在自动化方面取得重大进步，以确保安全和效率。人工知识（AI）和机器学习（ML）正在成为管理这种日益复杂性的有希望的解决方案，提供了增强的决策和预测能力。但是，ML模型在ATM中的有效性在很大程度上依赖于广泛的高质量数据的可用性。在许多情况下，此类数据是稀缺或不完整的，这为训练强大的模型带来了主要障碍。合成数据生成（SDG）是解决此问题的可行解决方案，从而可以创建解锁ML值求主的现实数据集。终端操纵区域（TMA）是空域的关键部分，其特征是交通密度高和轨迹类型，需要颗粒状数据才能准确地对这些情况进行建模。这项工作的主要研究目标是调查时机在产生合成的4维飞机着陆轨迹方面的适用性，能够捕获该空域中的交通模式，从而有助于分析空域约束并延迟传播。根据数据多样性，保真度和实用性评估了所得的合成轨迹。研究期间确定的主要挑战是数据类别的不平衡，这影响了模型准确捕获数据模式的能力，尤其是在较不频繁的情况下。这项工作证明了时刻在产生多种现实的轨迹方面的能力，这些轨迹难以与实际历史数据区分开。基于单独的分组生成合成数据显示了解决这些不平衡的希望，尽管这种方法对组的名称敏感。关键字 - 空气流量管理，深层生成模型，生成对抗网络，多元时间序列序列，合成数据质量评估
体育活动轨迹与老年人的主要心血管疾病的关联
摘要引言从体育活动中获得的心血管益处是众所周知的，但目前尚不清楚后期生活中的体育锻炼轨迹是否与心血管疾病的不同风险有关。方法Progetto veneto anziani（pro.v.a.）是一项针对3099年年龄≥65岁的意大利人的队列研究，在1995 - 1997年间进行了基线评估，并在4岁和7岁时进行了随访。通过与医院和死亡率记录的联系将监视扩展到2018年。通过临床检查，问卷或医院记录鉴定出患病和事件心血管疾病（冠心病，心力衰竭和中风）。中度至剧烈的体育活动被认为是时变变量。体育锻炼轨迹被分类为：稳定，高位，低增长和稳定的高温。还评估了70、75、80和85年的暴露。总体上，体育活动与较低的入射心血管疾病率有关。男性中存在大量降低的风险，并且在后期（70 - 75年）早些时候更强。稳定高体育锻炼的轨迹与男性心血管结局的风险显着降低（HR 0.48，95％CI 0.27至0.86）相比，与稳定的轨迹相比（趋势0.002的P）。没有发现中风的显着关联。观察到最大的心血管风险降低> 20分钟/天的体育活动，并在70年时更明显。结论越来越活跃的体育活动轨迹与较低的心血管疾病率和总体死亡率有关。在晚期早期至少促进20分钟/天的体育活动似乎提供了最大的心血管益处。
发育轨迹和大脑相关的指向遗忘22Q11.2缺失综合征
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
学习轨迹对制定早期学习框架v2.0
澳大利亚v2.0（EYLF）的早期学习框架指导教学法和练习，从出生到5岁的孩子，随着时间的流逝，儿童与“越来越复杂的思想”互动（第29页）。具有5个学习成果和8种实践原则，这要求教育工作者在促进儿童与日益复杂的知识和能力方面的参与方面高度熟练。它以所有教育工作者有能力认识到儿童的理解表现，知道可能先于这种理解之前的知识（或能力），以及接下来会发生什么。作为框架，此特定信息不包括在EYLF中。澳大利亚教育研究组织（AERO）学习轨迹可以帮助教育工作者认识到知识和能力的证明，并更好地使他们能够计划在儿童近端发展区域内的差异化教学机会。专注于学习轨迹，因此支持形成性评估和计划的学习以及反思性实践。本文借鉴了语言和交流学习轨迹，以讨论学习轨迹对教学实践的贡献以及从出生中学习的连续性。