XiaoMi-AI文件搜索系统
World File Search System分级
利用集成分子数据的病理图像深度神经网络分析增强胶质瘤分类和分级
神经胶质瘤是源自神经胶质细胞的原发性脑肿瘤。对这些肿瘤的分类和分级对于预后和治疗计划至关重要。世界卫生组织 (WHO) 于 2016 年推出了现行的中枢神经系统 (CNS) 神经胶质瘤分类标准。该神经胶质瘤分类标准需要将组织学与基因组学相结合。2017 年，中枢神经系统肿瘤分类分子和实用方法信息联盟 (cIMPACT-NOW) 成立，旨在为中枢神经系统肿瘤分类提供最新的建议，预计 WHO 将在即将发布的分类中采纳这些建议。在这项工作中，我们提出了一种新颖的神经胶质瘤分析方法，这是文献中首次根据最新的 WHO 标准将从脑组织病理学图像数字分析中获得的细胞特征与分子特征相结合。我们首先提出了一种新颖的过度分割策略，用于在大型组织病理学全幻灯片图像 (WSI) 中选择感兴趣区域 (ROI)。然后，基于深度神经网络 (DNN) 的分类方法将分子特征与细胞特征融合，以提高肿瘤分类性能。我们使用来自癌症基因组图谱 (TCGA) 数据集的 549 个患者病例对所提出的方法进行了评估。使用常规 DNN 对低级别胶质瘤 (LGG) 和高级别胶质瘤 (HGG) 的交叉验证分类准确率为 93.81%，使用残差神经网络 (ResNet) DNN 对 LGG II 和 LGG III 的交叉验证分类准确率为 73.95%。我们的实验表明，深度学习的类型对 LGG II 与 LGG III 之间的肿瘤亚型区分有显著影响。这些结果优于对 LGG II 与 LGG III 进行分类的最先进方法。 LGG III，在文献中区分 LGG 与 HGG 方面具有竞争力。此外，我们还研究分子
基于图像的胶质瘤分级的机器学习工具及其报告质量：挑战与机遇
1 耶鲁大学医学院放射学和生物医学成像系，333 Cedar Street，PO Box 208042，纽黑文，CT 06520，美国；sara.merkaj@uni-ulm.de（SM）；ryan.bahar@yale.edu（RCB）；tal.zeevi@yale.edu（TZ）；mingde.lin@yale.edu（ML）；ichiro.ikuta@yale.edu（II）；gabriel.cassinellipetersen@yale.edu（GICP）；lawrence.staib@yale.edu（LS）； sam.payabvash@yale.edu (SP) 2 乌尔姆大学神经外科系，Albert-Einstein-Allee 23, 89081 Ulm，德国 3 Visage Imaging, Inc.，12625 High Bluff Dr, Suite 205，San Diego，CA 92130，美国 4 Visage Imaging, GmbH.，Lepsiusstraße 70, 12163 Berlin，德国；kbousabarah@visageimaging.com 5 加州大学旧金山分校放射学和生物医学成像系，505 Parnassus Ave.，San Francisco，CA 94143，美国；john.mongan@ucsf.edu (JTM)；soommee.cha@ucsf.edu (SC) * 通信地址：mariam.aboian@yale.edu；电话：+650-285-7577 † 这些作者对这项工作做出了同等贡献。
一种以孔隙为中心的分级多孔材料吸附描述方法
本文介绍了基于金属有机骨架 (MOF) 晶体表征的孔径分布分析，这些金属有机骨架具有分级孔系统 DUT-32、DUT-75、UMCM-1 和 NU-1000，并利用它来了解这些独特孔结构中的气体吸附。统计分析用于有效地将孔隙空间划分为由孔径标记的不同区域。在模拟 87 K 氩气吸附期间，该孔描述用于发现吸附质相对于不同孔隙的位置。为了进一步研究吸附行为，开发了一种聚类孔隙环境以定位孔隙中心的方法。这些孔隙中心用于观察孔隙内气体的分布，从孔隙中心的独特视角描述填充事件期间的吸附质位置。本文介绍的方法提供了有关孔隙结构和吸附特性的无与伦比的信息，这些信息无法通过现有方法获得，现在可以应用于新材料以揭示新的吸附过程。
非二氧化硅分级多模中的两个八度超脑生成
报道了在非二元分级多模具纤维中从可见的到中红外（700–2800 nm）产生的两幅度超脑（700–2800 nm）。纤维设计基于纳米结构的核心，该核心由两种类型的铅孔 - 孔 - 玻璃棒，具有不同的折射率。与二氧化硅纤维相比，这种结构产生了有效的抛物线指数，扩展的传输窗口和十倍非线性。使用正常和异常分散体的波长在波长下进行脉搏泵，对定期自我成像播种的超核生成机制和不稳定性进行了详细的研究。显着地，发现高功率状态下合适的注射条件会导致输出光束发射显示出从非线性模式混合中自我清洁的明确签名。实验观测是使用广义非线性schrödinger方程的时空3+1d Nu-Merical模拟来解释的，并且模拟光谱与完整的两座光谱带宽的实验非常吻合。这些结果证明了一种新的途径，可以在中红外产生明亮的超人物光源。
分级组装分子纳米片的合成及纳米级表征
此类材料可用于传感器技术[3–6]、能量存储和转换[7–12]、催化[13,14]以及光学和光电设备等各个领域。[15] 此类材料合成的主要挑战之一是化学功能单元的定制整合。石墨烯等二维碳材料在这方面引起了人们的极大兴趣。[16,17] 然而，石墨烯作为组装分级材料的平台的应用受到限制，特别是由于其化学惰性以及在功能化后物理性质的恶化。[15,18,19] 因此，分子纳米片越来越受到关注，因为它们可以由各种有机化合物灵活组装并本质上提供功能基团。 [20,21] 在这方面，碳纳米膜 (CNM)——厚度约为 1 纳米的分子纳米片，为二维材料的分级组装提供了一个通用平台。[22–25] CNM 可以通过电子辐照诱导芳香族自组装单分子层 (SAM) 交联大规模合成，[23] 具有可调的厚度 [24] 和孔隙率 [24,26]，并允许化学功能化 [27,28] 以及气体和离子渗透，[29,30] 等。CNM 的应用示例包括二维片的分级组装，用于生物识别 [31] 和能量漏斗 [27] 应用，以及用于实施
机械引导的三维介观结构分级组装
具有复杂、层次化几何形状的三维中观结构在自然界中随处可见。此类结构支持植物和动物生命的基本功能，例如用于授粉的花蕊和花瓣、用于控制粘附的壁虎脚和用于减少阻力的鲨鱼鳞片。这些以及生物体中其他三维系统的例子也为电子、[1–5] 光子学、[6–9] 生物传感、[10–13] 储能系统、[14–17] 机械和光学超材料、[18–23] 微型机器人 [24–29] 和其他领域的工程对应物提供了灵感。制造此类结构的方案侧重于直接自上而下或自下而上的技术。[30–33] 虽然这些方法非常实用，但大多数在材料兼容性、几何复杂性和设计多功能性方面也存在一些局限性。例如，3D 打印技术具有较高的结构分辨率和拓扑灵活性，但它们不适用于器件级半导体材料。替代方案
人工智能作为决策支持系统应用于黑色素瘤、龋齿和糖尿病视网膜病变的检测和分级的成本效益
AI 表示人工智能。在面板 A 中，每个点和方块代表单个人在接受标准护理诊断或 AI 辅助筛查后产生的终生费用（巴西雷亚尔，R$）。在面板 B 中，根据研究假设，AI 在支付意愿较低的情况下更有可能降低成本效益，尽管这种确定性对额外质量调整生命年 (QALY) 的支付意愿 (WTP) 很敏感。
在自然沉积的 Ti3C2Tx 上组装的分级钴镍双氢氧化物阵列可用于高性能柔性超级电容器
由于其高功率密度、环境友好、卓越的充放电能力、长循环寿命和安全性，纳米材料成为最有希望的储能候选材料之一。[4,5] 将纳米材料加工成具有高电导率和良好机械稳定性的独立薄膜对超级电容器具有重要意义。要为高性能超级电容器选择合适的纳米材料，必须考虑卓越的表面特性、固有的高强度和电导率。[6,7] 在寻找能够提供所有这些特性的替代品的过程中，最近发现的二维材料 MXene 显示出巨大的潜力。MXenes 是二维家族中的一种新型候选材料（MXenes 描述为 M n + 1 X n T x ，其中 M、X 和 T x 通常代表早期过渡金属、C 或 N，以及吸附的表面功能团如 OH、 O 和 F，其中 n = 1、2 或 3）。 [8] 2D 过渡金属碳化物和氮化物 MXene（包括 Ti3C2Tx、Mo2CTx 和 V4C3Tx）具有高金属电导率、优异的循环稳定性和丰富的表面化学基团，是超级电容器的优良电极材料。[9] 通过真空辅助过滤制备 MXene 独立膜是实现这些特性的最佳选择。[10] 例如，卷曲的 Ti3C2Tx 薄膜表现出 150 000 S m−1 的高电导率和重量电容
三尖瓣反流：了解病理生理学，严重程度分级和结果的最新进展
从修改的视图或2D经透过食管超声心动图（TOE）经胃中短轴视图或使用任何一种模态的3D体积渲染的等效物上对任何2D经胸超声心动图（TTE）进行。在该术语建议中，深层压痕和真实的委员被认为是与之相同的，并用于识别超级传单。可以通过这样的观察结果证明，在传单中两个褶皱或真实的连击都伴随着沿着小叶边缘的弦数，并创建了潜在的位点，以使小叶边缘发生障碍。然后由以下方式定义了一个单独的小叶：（i）从邻近的传单中独立运动，（ii）收缩中的彩色多普勒流动延伸到小叶周围的区域。四个主要类传单的流行形态如图2所示：I型是经典的3叶形态。 II型是2叶的形态，并具有前后和后叶的融合； III类型是基于第四个传单的位置的4叶型配置。 IV型具有> 4个传单。