XiaoMi-AI文件搜索系统
World File Search System使用结构
使用结构方程模型进行影响评估
Roman Römisch、Stefan Jestl 和 Ambre Maucorps 是维也纳国际经济研究所 (wiiw) 的经济学家。本文的研究由奥地利国民银行周年基金资助（项目编号 17796）。衷心感谢奥地利国民银行为本研究提供的支持。
使用结构因果模型对潜在选择进行建模
选择偏差在现实世界的数据中普遍存在，如果处理不当，可能会导致误导性的结果。我们在结构因果模型 (SCM) 上引入了一个条件操作，以从因果角度对潜在选择进行建模。我们表明，条件操作将具有显式潜在选择机制的 SCM 转换为没有这种选择机制的 SCM，它根据原始 SCM 对所选子群体的因果语义进行部分编码。此外，我们表明这种条件操作保留了 SCM 的简单性、非循环性和线性，并且与边缘化相通。由于这些特性，结合边缘化和干预，条件操作为在因果模型中进行因果推理任务提供了一个有价值的工具，其中潜在细节已被抽象出来。我们通过示例演示了如何将因果推理的经典结果推广到包括选择偏差，以及条件操作如何帮助对现实世界的问题进行建模。
使用结构MRI区分常见的PSP表型：一项机器学习研究
摘要。包括Yolov4和Yolov5在内的Yolo系列对象检测算法在各种医学诊断任务中表现出卓越的表现，在某些情况下超过了人类的能力。但是，他们的黑盒性质限制了他们在需要模型决策的信任和解释性的医学应用中的采用。为了解决这个问题，已经以热图的形式提出了对AI模型的视觉解释，该模型突出了输入区域中最大程度贡献特定决策的输入区域。基于梯度的方法，例如Grad-CAM [1]和非基于梯度的方法，例如EIGEN-CAM [2]，适用于Yolo模型，不需要新的层实现。本文评估了Grad-CAM和EIGEN-CAM在Vindrcxr胸部X射线异常检测数据集上的性能[3]，并讨论了这些方法的局限性，以向数据科学家解释模型决策。
使用结构 MRI 图像对阿尔茨海默病中的渐进性 MCI 进行分类的多流卷积神经网络
摘要 — 早期诊断阿尔茨海默病及其前驱期（也称为轻度认知障碍 (MCI)）至关重要，因为一些患有进行性 MCI 的患者会患上这种疾病。我们提出了一种多流深度卷积神经网络，该网络以基于块的图像数据为输入，以对稳定性 MCI 和进行性 MCI 进行分类。首先，我们将阿尔茨海默病的 MRI 图像与认知正常受试者的 MRI 图像进行比较，以使用多元统计检验识别不同的解剖标志。然后使用这些标志提取块，并将其输入到所提出的多流卷积神经网络中以对 MRI 图像进行分类。接下来，我们使用来自阿尔茨海默病图像的样本在单独的场景中训练架构，这些样本在解剖学上与进行性 MCI 图像和认知正常图像相似，以弥补进行性 MCI 训练数据的不足。最后，我们将训练好的模型权重转移到所提出的架构，以便使用进行性 MCI 和稳定 MCI 数据对模型进行微调。在 ADNI-1 数据集上的实验结果表明，我们的方法优于现有的 MCI 分类方法，F1 分数为 85.96%。
使用结构方程模型预测军人家庭子女的适应力水平、求助态度和照顾者关系对其自杀倾向评分的影响
使用结构方程模型预测军人家庭子女的适应力水平、求助态度和照顾者关系与其自杀倾向评分的关系 作者：JESSICA L. TINSTMAN JONES ED.S./M.ED.，佛罗里达大学，2015 年 提交的论文部分满足了中央佛罗里达大学社区创新与教育学院咨询师教育和学校心理学系哲学博士学位的要求 佛罗里达州奥兰多 2021 年春季学期 主要教授：Laurie O. Campbell 和 Glenn W. Lambie
文章类型：原创研究 如何引用本文：Rostami M, Kadivar P, Sharifirad GH. (2024). 药物使用结构模型的开发
目的：本研究旨在开发一种基于感知社会支持和行为抑制/激活系统 (BAS/BIS) 的药物使用倾向结构模型，由感知压力介导，研究对象为德黑兰青春期女孩。方法：在当前的相关描述研究中，研究的统计人群包括德黑兰 5、7 和 15 区的 14 至 18 岁青春期女学生，2023 年下半年选出约 35,000 名个体。本研究采用多阶段随机抽样方法。首先，随机选择德黑兰 5、7 和 15 区，然后从每个区随机选择两所女子高中。最后，根据 Krejcie 和 Morgan 表并考虑到人口规模，从每所高中随机选择三个班级，从每个班级随机选择 20 名学生，总样本为 360 名参与者。数据分析采用相关性检验、回归和结构方程模型。结果：结果表明，感知压力在德黑兰青春期女孩感知社会支持与吸毒倾向的关系中起着间接中介作用。此外，研究发现，感知压力间接调节德黑兰青春期女孩行为抑制/激活系统与吸毒倾向之间的关系。结构方程模型的拟合优度检验表明，Gof 值为 0.69，反映出该模型的整体拟合度很高。结论：本研究结果表明，感知压力显著调节青春期女孩感知社会支持和行为抑制/激活系统 (BIS/BAS) 与吸毒倾向之间的关系。关键词：吸毒、社会支持、行为抑制/激活系统、感知压力
CO - PO - PSO映射B.E.计算机科学和...
课程成果列表CO1：演示有关C编程结构的知识。二氧化碳：使用基本构造在C中开发简单的应用程序。CO3：使用数组和字符串设计和实施应用程序。 CO4：使用函数在C中开发和实现模块化应用程序。 co5：使用结构和指针在C中开发应用。 co6：使用顺序和随机访问文件处理设计应用程序。CO3：使用数组和字符串设计和实施应用程序。CO4：使用函数在C中开发和实现模块化应用程序。 co5：使用结构和指针在C中开发应用。 co6：使用顺序和随机访问文件处理设计应用程序。CO4：使用函数在C中开发和实现模块化应用程序。co5：使用结构和指针在C中开发应用。co6：使用顺序和随机访问文件处理设计应用程序。
CS687 2023-24 II
此外，我们将表明，不可压缩的对象包含许多我们期望从随机对象中的正确物体。[4个讲座]我们将引入经典信息The-Ory的一些基本不平等。[3个讲座]课程的后半部分将集中在列内物体的随机性上。我们将使用结构度量[5个讲座]引入Martin-Lof随机性的概念，并涵盖相对随机性的符号的重要特性，即van lambalgen定理[5个讲座]和kucera-gacs定理[5个讲座]。
靶向河马信号通路的自然和合成化合物呈现的癌症的治疗机会
摘要：通过YAP-TEAD蛋白 - 蛋白质相互作用复合物的破坏，抗癌治疗的新趋势被认识到。yap已被视为河马信号通路的关键调节器。YAP与转录因子TEAD的结合可能会导致疾病进展，因为它驱动细胞增殖并触发抗凋亡信号传导。 最近的研究发现了各种小分子的有希望的活性，用于调节河马信号通路的成分。 通过使用结构阐明和计算方法，一些小分子能够在Yap-tead相互作用界面上结合并抑制河马途径。 这篇评论强调了我们目前对天然和合成分子如何调节河马信号传导活性的理解，并提出了当今可用的植物化学化合物如何靶向YAP-TEAD蛋白质相互作用复合物来消除癌细胞。YAP与转录因子TEAD的结合可能会导致疾病进展，因为它驱动细胞增殖并触发抗凋亡信号传导。最近的研究发现了各种小分子的有希望的活性，用于调节河马信号通路的成分。通过使用结构阐明和计算方法，一些小分子能够在Yap-tead相互作用界面上结合并抑制河马途径。这篇评论强调了我们目前对天然和合成分子如何调节河马信号传导活性的理解，并提出了当今可用的植物化学化合物如何靶向YAP-TEAD蛋白质相互作用复合物来消除癌细胞。
为何90%的临床药物研发都会失败以及如何改善？
摘要 尽管实施了许多成功的策略，但仍有 90% 的临床药物开发失败，这引出了一个问题：靶点验证和药物优化中是否忽略了某些方面？目前的药物优化过分强调使用结构-活性关系（SAR）的效力/特异性，而忽略了使用结构-组织暴露/选择性关系（STR）的疾病/正常组织中的组织暴露/选择性，这可能会误导候选药物的选择并影响临床剂量/疗效/毒性的平衡。我们提出结构-组织暴露/选择性活性关系（STAR）来改进药物优化，它根据药物的效力/选择性、组织暴露/选择性和平衡临床疗效/毒性所需剂量对候选药物进行分类。I 类药物具有高特异性/效力和高组织暴露/选择性，需要低剂量即可实现卓越的临床疗效/安全性和高成功率。 II类药物特异性/效力高，组织暴露/选择性低，需要大剂量才能达到临床疗效，但毒性大，需要谨慎评估。III类药物特异性/效力相对较低（足够），但组织暴露/选择性高，需要低剂量才能达到临床疗效，毒性可控，但经常被忽视。IV类药物特异性/效力低，组织暴露/选择性低，疗效/安全性不足，应尽早终止。STAR可以改善药物优化和临床研究，以确保临床药物开发的成功。