XiaoMi-AI文件搜索系统
World File Search Systemusal
有条件的概率和干扰有或没有确定因果秩序的广义测量
在广义测量理论的背景下，格里森 - 布希定理确保了相关概率函数的独特形式。最近，在Flatt等人中。物理。修订版a 96，062125（2017），随后的测量值已被衍生而来的案例及其概括（克劳斯更新规则）。在这里，我们调查了随后测量的特殊情况，其中中间测量是两个测量值（A或B）的组成以及未定义因果秩序的情况（A和B或B和A）。在两种情况下都可能出现干扰效应。我们表明，关联的概率不能单一写，并且其参数上的分布属性不能被视为理所当然。两个概率表达式对应于出生规则和经典概率；它们与获得中间测量的定义结果的内在可能性有关。对于有限的因果秩序，还推导了因果不平等。在使用玩具模型的框架内研究了两种情况之间的边界，该框架是带有可移动束分配器的马赫 - 齐汉德干涉仪。
生物学和医学中的人工智能，以及放射保护研究：耶路撒冷的观点
虽然AI广泛用于生物医学研究和医学实践，但其使用被限制为少数特定的实用领域，例如放射线学。研究人员和从业人员的研讨会的参与者（耶路撒冷，2月14日至15日，2023年2月14日至15日），旨在通过探索AI的进步，挑战和观点来建立整体景象，并为AI II应用程序提供新的文件。演示展示了大语言模型（LLM）在产生分子结构，预测蛋白质 - 配体相互作用以及促进AI发展的民主化方面的潜力。医疗决策中的道德问题也得到了解决。在生物学应用中，多词和临床数据的AI整合阐明了低剂量电离辐射的健康相关效果。贝叶斯潜在建模识别未观察到的变量之间的统计关联。医学应用突出了用于非侵入性诊断的液体活检方法，常规实验室测试以鉴定被忽视的疾病以及AI在口腔和颌面成像中的作用。可解释的AI和多样化的图像处理工具改进了诊断，而文本分类在博客文章中检测到了厌食症的行为。研讨会促进了知识共享，讨论，并强调了在放射保护研究中进一步发展AI的需求，以支持新兴的公共卫生问题。组织者计划继续作为年度活动继续该计划，促进协作并解决AI应用程序中的问题和观点，重点是低剂量辐射保护研究。参与辐射保护研究的研究人员和相关公共政策领域的专家被邀请在下一个研讨会上探索AI在低剂量辐射研究中的实用性。
使用3D激光雷达传感器对人的有效检测和跟踪
持续的注意力描述了我们不断专注于给定任务的能力。这种能力由我们的唤醒生理状态调节。尽管持续注意力的失误与唤醒失调有关，但潜在的生理学机制仍不清楚。新兴的工作表明，在睡眠状的慢波清醒中的入侵是向睡眠过渡的标记，可以机械地解释注意力失误。这项研究旨在通过对单胺系统的药理学操纵暴露，类似睡眠的慢波发生与持续注意力失败的行为结合之间的关系。在四个独立的实验性课程中，在一项双盲，随机控制试验中，有32名健康的男性参与者接受了甲式化甲酯，阿诺西汀，西妥位或安慰剂。在每个会话期间，脑电图（EEG）用于测量神经活动，而参与者完成了需要持续关注的视觉任务。甲化酯增加了皮质和皮质下区域的促唤醒的多巴胺和去甲肾上腺素，改善了行为性能，而原子氨酸却可以增加多巴胺和去甲肾上腺素，主要增加了额叶皮质的高度超过额叶。此外，增加促进睡眠的5-羟色胺的西妥位导致了更多的试验。基于脑电图记录，西妥位酰胺也与睡眠状的慢波增加有关。重要的是，与诸如功率之类的经典唤醒标记相比，只有慢速波会在特定区域特异性的时期中差异预测的错过和更快的响应。这些结果表明，唤醒的减少会导致清醒期间局部睡眠侵入，这可能与冲动性和迟钝性有关。
小鼠中的微生物群耗竭，作为探索因果关系的工具小鼠中的微生物群耗竭，作为探索因果关系的工具
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。
Mendelian随机分析发现因果关系...
越来越多的证据表明，精神疾病中大脑结构连接素异常，但因果关系仍然没有被逐渐解散。我们进行了双向两样本的孟德尔随机分析（MR）分析，以研究206个白物连通性表型（n = 26,333，UK Biobank）和13个主要精神病学疾病（n = 14,307至1,222,882）之间的因果关系。正向MR分析确定了遗传上预测的五种白质结构连通性表型对六种精神疾病的因果关系，并且关联是显着或暗示性的。例如，左 - 半球额叶控制网络与右左右默认模式网络之间的结构连通性与自闭症谱系障碍的风险显着呈负相关，而右 - 半球前层控制网络和海马型的结构连通性的增加与厌食症的厌食症和厌食症的使用显着相关。反向MR分析揭示了两种精神疾病的风险与四种不同的白色含量结构连通性表型之间的因果关系。例如，发现神经性厌食症的敏感性与左 - 半球视觉网络和粒子之间的结构连通性有显着负相关。这些发现为精神疾病的病因提供了新的见解，并突出了在大脑结构连接水平上早期检测和预防的潜在生物标志物。
Toda-Yamamoto 因果关系检验
本研究使用 Toda-Yamamoto 因果关系检验来检验土耳其可再生能源消费与预期寿命之间的因果关系。通过分析 1990 年至 2019 年的数据，该研究探讨了这些变量之间的关系。Toda-Yamamoto 因果关系检验的结果表明，可再生能源消费与预期寿命之间没有 Granger 因果关系，表明可再生能源消费对土耳其的预期寿命没有显著影响。然而，研究发现预期寿命与可再生能源消费之间存在 Granger 因果关系，这表明预期寿命的提高可能导致土耳其可再生能源消费的增加。这项研究意义重大，因为它提供了有关可再生能源消费与土耳其预期寿命之间关系的见解。结果强调了在检查公共卫生结果时考虑可再生能源消费以外的因素的重要性。该研究的结果可以为政策制定者提供参考，帮助他们制定优先考虑公共卫生结果和促进可持续能源实践的能源政策。
从便携式脑电图耳机解码效价和唤醒的神经特征
近年来，使用脑电图 (EEG) 数据和机器学习技术进行情绪分类的现象日益增多。然而，过去的研究使用的是医疗级 EEG 设置的数据，这些设置时间较长，且环境受限。本文重点介绍使用各种特征提取、特征选择和机器学习技术在效价-唤醒平面上对情绪进行分类。我们评估了不同的特征提取和选择技术，并提出了用于情绪识别的最佳特征和电极集。OASIS 图像数据集中的图像用于引发效价和唤醒情绪，并使用 Emotiv Epoc X 移动 EEG 耳机记录 EEG 数据。分析是在公开可用的数据集上进行的：DEAP 和 DREAMER 用于基准测试。我们提出了一种新颖的特征排名技术和增量学习方法来分析性能对参与者数量的依赖性。进行了留一交叉验证，以识别情绪引发模式中的受试者偏见。计算了不同电极位置的重要性，可用于设计用于情绪识别的耳机。收集的数据集和管道也已发布。我们的研究在 DREAMER 上取得了 0.905 的均方根得分 (RMSE)，在 DEAP 上取得了 1.902 的均方根得分 (RMSE)，在我们的数据集上取得了 2.728 的价标签得分，在 DREAMER 上取得了 0.749 的得分，在 DEAP 上取得了 1.769 的得分，在我们提出的数据集上取得了 2.3 的唤醒标签得分。
睡眠不足会削弱同理心
睡眠不足在现代社会中十分普遍。睡眠不足与严重的身心健康后果以及认知功能受损有关。人们对睡眠与情绪和人际行为之间的关系了解甚少。在这项研究中，我们调查睡眠不足是否会损害同理心，而同理心是人类互动和亲社会行为的重要组成部分。我们旨在捕捉睡眠不足对同理心各个方面的影响：特质和状态、情感和认知。研究 1（n = 155）评估了几天的日常习惯性睡眠以及过去一个月的整体睡眠质量。报告睡眠质量较差的参与者表现出较低的同理心关怀和换位思考特质。研究 2（n = 347）诱导了一夜的睡眠连续性中断，以测试睡眠与同理心之间的因果关系。睡眠中断状态下的参与者必须在夜间短暂醒来五次，而睡眠充足的对照组则睡眠正常。第二天早上，研究人员评估了参与者的同理心和亲社会意图。与睡眠充足的对照组相比，睡眠中断组的参与者表现出较低的同理心敏感性和较少的亲社会决策能力。这项研究的主要贡献在于有力地证明了睡眠不足对特征和状态同理心的多方面不利影响。我们的研究结果表明，睡眠不足会削弱对他人痛苦的同理心反应。这些研究结果强调，公众需要更多地关注充足的睡眠，这可能会在社会层面上影响同理心。
基于CVAE的因果表示从视网膜底面图像学习与年龄相关的黄斑变性（AMD）预测
摘要 - 关于相对较差的预后和急性视力障碍，分析与年龄相关的黄斑变性或AMD是视网膜疾病分析中最重要的任务之一。尤其是，构建分析和预测湿AMD的方法，其特征是由于新血管形成而导致新科学家造成的快速RPE损害，数十年来一直是许多眼科医生的一项艰巨任务。最近，随着ML/DL框架和计算机视觉AI的进步，这些先前的努力现在导致了AMD预测和机制分析的急剧增强。具体来说，使用基于注意机制的CNN或XAI方法的使用在预测AMD状态和可靠解释方面会导致更高的性能。在最先进技术的使用中，这项研究实施了一种新型的潜在因果表示学习框架，以进一步增强基于AI的模型，以了解仅访问视网膜底面图像的复杂因果AMD机制，同时构建了更可靠的AMD预测模型。结果表明，基于有效的卷积VAE和GAE的显式潜在因果建模可以导致基本AMD机制的成功因果关系，同时返回基本的因果因素，这些因素可以可靠地可靠地区分正常的基础和AMD底层图像，例如诊断预测。