XiaoMi-AI文件搜索系统
World File Search System俱知安
精确医学的基于条件的知识图
*相应的作者。Quoqing Zhang。国家基因组学数据中心和生物医学大数据中心，中国科学院计算生物学主要实验室，上海营养与健康研究所，中国科学院，中国科学院，中国科学院，Yueyang Road，320 Yueyang Road，Xuhui区，XUHUI区，XUHUI区，200031年，中国Xuhui区。电子邮件：gqzhang@sinh.ac.cn; Yunchao Ling。 国家基因组学数据中心和生物医学大数据中心，中国科学院计算生物学主要实验室，上海营养与健康研究所，中国科学院，中国科学院，中国科学院，Yueyang Road，320 Yueyang Road，Xuhui区，XUHUI区，XUHUI区，200031年，中国Xuhui区。 电子邮件：lingyunchao@sinh.ac.cn; ping xu。 上海生命科学信息中心，上海营养与健康研究所，中国科学院，中国科学院，中国科学院，XUHUI区320 Yueyang Road，Shanghai，200031，中国。 电子邮件：xuping@sinh.ac.cn。 ‡同等贡献。电子邮件：gqzhang@sinh.ac.cn; Yunchao Ling。国家基因组学数据中心和生物医学大数据中心，中国科学院计算生物学主要实验室，上海营养与健康研究所，中国科学院，中国科学院，中国科学院，Yueyang Road，320 Yueyang Road，Xuhui区，XUHUI区，XUHUI区，200031年，中国Xuhui区。电子邮件：lingyunchao@sinh.ac.cn; ping xu。 上海生命科学信息中心，上海营养与健康研究所，中国科学院，中国科学院，中国科学院，XUHUI区320 Yueyang Road，Shanghai，200031，中国。 电子邮件：xuping@sinh.ac.cn。 ‡同等贡献。电子邮件：lingyunchao@sinh.ac.cn; ping xu。上海生命科学信息中心，上海营养与健康研究所，中国科学院，中国科学院，中国科学院，XUHUI区320 Yueyang Road，Shanghai，200031，中国。电子邮件：xuping@sinh.ac.cn。 ‡同等贡献。电子邮件：xuping@sinh.ac.cn。‡同等贡献。
利用多模式数据和知识图
自然产品研究是一种多样化的主题，可产生和利用大量不同类型的数据。基因组，蛋白质组学，代谢组，光谱或（Bio）化学数据可能每个人都可以从不同的角度照亮相同的生化实体，并有能力相互告知。例如，基因组学可以揭示生物体中天然产物产生的遗传基础，而代谢组学可以揭示产生的代谢产物。光谱数据可以提供对这些分子结构特征的见解，并且生化数据可以阐明所涉及的酶促途径。这些综合观点可以对自然产品结构和功能进行更全面的理解。但是，可以表征自然产品科学数据格局
CTC体温检测AI解决方案
・使用通用设备（Raspberry Pi）测量体表温度 ・设备体积小、重量轻，无需大量安装工作 ・AI 面部识别仅测量面部 ・根据体表温度估算人的体温，同时考虑到安装环境的室温等（*）
安全车
据世界卫生组织 (WHO) 最近报告，智能手机、多媒体系统或广告牌等智能设备的大量使用导致驾驶时注意力分散，并因此导致致命事故。基于脑电图的脑机接口 (BCI) 已被提议作为一种有前途的分心检测方法。然而，现有的解决方案并不适合驾驶场景。它们没有考虑互补数据源（例如上下文数据），也没有保证组件之间实时通信的真实场景。这项工作提出了一种使用 BCI 和逼真的驾驶模拟器检测分心的自动框架。该框架采用不同的监督机器学习 (ML) 模型，使用脑电图 (EEG) 和汽车传感器收集的情境驾驶数据（例如越线或物体检测）对不同类型的分心进行分类。已经使用无分心的驾驶场景和类似的场景对该框架进行了评估，其中对十个受试者产生了视觉和认知分心。所提出的框架使用 EEG 实现了 83.9% 的二分类 𝐹 1 得分，使用 EEG 实现了 73% 的多分类模型，通过将情境驱动纳入训练数据集，二分类提高了 7%，多分类提高了 8%。最后，神经生理学研究证实了结果，结果显示选择性注意和多任务处理中的电压明显更高。
生命科学的开源知识图生态系统
翻译研究需要生物组织多个尺度的数据。测序和多摩学技术的进步提高了这些数据的可用性，但研究人员面临着重大的整合挑战。知识图（kgs）用于对复杂现象进行建模，并存在自动构造它们的方法。但是，解决复杂的生物医学整合问题需要在知识建模的方式上灵活。此外，现有的KG施工方法提供了强大的工具，以固定或有限选择的成本在知识表示模型中。pheknowlator（表型知识翻译器）是一个语义生态系统，用于自动化公平（可访问，可访问，可互操作和可重复使用的）本体理学基础KGS的构建，具有完全可定制的知识表示。生态系统包括kg施工资源（例如，数据准备API），分析工具（例如，SPARQL端点资源和抽象算法）和基准（例如，预构建KGS）。我们通过系统地将其与现有的开源kg施工方法进行了系统的比较，并分析其计算性能时，我们评估了生态系统。具有灵活的知识表示，Pheknowlator可以完全自定义的KG，而不会损害性能或可用性。
生物医学知识图：域的调查，任务...
生物医学知识图（BKG）已成为组织和利用整个生物医学领域发现的庞大而复杂的数据的强大工具。然而，当前对BKG的评论通常将其范围限制在特定的领域或方法上，从而忽略了更广泛的景观和快速的技术进步来重塑它。在本调查中，我们通过从三个核心角度提供对BKG的系统审查来解决这一差距：域，任务和应用程序。我们首先研究了如何从不同的数据源构建的BKG，包括分子相互作用，药理数据集和临床记录。接下来，我们讨论BKGS启用的基本任务，重点是知识管理，检索，推理和解释。最后，我们重点介绍了精确医学，药物发现和科学研究中的现实世界应用，这说明了BKG在多个领域的翻译影响。通过将这些观点综合为一个统一的框架，这项调查不仅阐明了BKG研究的当前状态，而且为将来的探索建立了基础，从而实现了创新的方法论进步和实践实现。