XiaoMi-AI文件搜索系统
World File Search System前驱
APP/PS1 小鼠早期阿尔茨海默病样病理中的运动亢进：
摘要：非认知行为和心理症状常出现在阿尔茨海默病 (AD) 患者和小鼠模型中，但确切的神经病理学机制仍不清楚。本文，我们报告了 4 月龄 APP/PS1 小鼠的多动症，且具有明显的个体间差异。病理学分析显示，与活动正常的小鼠相比，多动 APP/PS1 小鼠的额叶运动皮层中淀粉样蛋白 (A ) 的神经元内积累、谷氨酸能神经元中的 c-Fos 表达和星形胶质细胞的激活更为明显。此外，多动表型与血管周围水通道蛋白 4 (AQP4) 的错误定位和淋巴运输障碍有关。AQP4 基因的缺失增加了 4 月龄 APP/PS1 小鼠的多动症、神经元内 Aβ 负荷和谷氨酸能神经元活化，但不影响工作记忆或焦虑样行为。总之，这些结果表明，AQP4 错误定位或缺陷导致神经元内 Aβ 负荷增加和运动皮层神经元过度活跃，进而导致 APP/PS1 小鼠早期病理生理过程中运动过度活跃。因此，改善 AQP4 介导的淋巴清除可能为 AD 前驱期过度活跃的早期干预提供一种新策略。
接受 mRNA COVID-19 治疗后出现亚急性甲状腺炎......
亚急性甲状腺炎 (SAT) 是一种疼痛性甲状腺炎，通常需要类固醇治疗。在这里，我们报告了首例严重 SAT 病例，该病例患者接种了第一剂 mRNA 冠状病毒病 2019 (COVID-19) 疫苗。一名 34 岁的男性，没有病毒前驱症状，在接种第一剂 mRNA-1273 (Moderna) 疫苗 5 天后吞咽时感到有肿块。接种疫苗 10 天后，患者到医院就诊，被建议休息并服用非甾体抗炎药。10 天后，他再次到医院就诊，症状加重，出现颈前疼痛、头痛、疲劳、肌肉无力和体重减轻。甲状腺激素水平和炎症标志物与甲状腺毒症一致。甲状腺超声扫描显示典型的 SAT 结果。服用泼尼松后，他的症状迅速改善。一周后，患者成功完成了第二剂疫苗的接种。接种疫苗 1 个月后，甲状腺功能检查结果接近正常。我们报告此病例是为了提高人们对接种 COVID-19 疫苗后发生 SAT 的认识。由于 COVID-19 的风险大于疫苗的轻微风险，因此管理第一剂疫苗的副作用对于完成 COVID-19 疫苗接种至关重要。
抗菌指南胃肠道...
急性腹泻通常定义为：每天3次或更多发作，持续不到14天，而粪便则具有锅的形状。传染性腹泻很常见，但应将其视为与其他潜在腹泻的鉴别诊断，因为在60％的腹泻病中没有发现感染剂大多数感染性腹泻是一种自我限制的腹泻，通常是一种自我限制的病毒性疾病。将近一半的情节持续不到一天。如果腹泻已经停止，除非有公共卫生迹象，否则很少有文化。除非梭状芽胞杆菌艰难梭菌或弯曲杆菌属，否则不要给予经验抗生素。被怀疑。尽管弯曲杆菌不容易与其他传染性腹泻原因（如志贺氏菌或沙门氏菌）区分开；典型的症状包括三天的平均孵育期（一到七天）。早期症状包括突然发作腹痛和腹泻。在大约三分之一的病例中，观察到以高烧，伴有严格的酸痛，头晕和妄想的前瞻性时期。在胃肠道症状发作之前，它可能持续一天（很少两三天）。患有前驱症状的患者往往比出现腹泻的患者更严重疾病
伊拉克库尔德斯坦地区扎胡市成年人未确诊糖尿病的患病率及决定因素：一项以社区为基础的横断面研究
研究样本包括 345 名（64.2%）男性和 192 名（35.8%）女性，其中 324 名（60.3%）已婚，246 名（45.8%）受过大学或以上教育。关于健康行为，218 名（40.6%）参与者从事体育锻炼，180 名（33.5%）吸烟，196 名（36.5%）报告睡眠障碍，平均每晚 7.10±2.02 小时。体格测量评估显示，209 名（38.9%）超重，131 名（24.4%）肥胖，273 名（50.8%）腰围较大。血糖水平异常的患病率为 51 (9.5%) (95% CI: 7.02-11.98)，其中 14 (2.6%) (95% CI: 1.26-3.95) 患有未确诊糖尿病，37 (6.9%) (95% CI: 4.75-9.03) 患有前驱糖尿病 (pre-DM)。多变量分析显示，血糖水平异常与年龄增加 (p<0.0001)、BMI 较高 (≥25 kg/m²) (p<0.0001) 和腰围较大 (p<0.0001) 之间存在显著相关性。具体而言，年龄是糖尿病前期的重要预测因素（调整后的优势比 (aOR) 1.04；95% CI：1.01-1.07），而年龄和高腰围可预测未确诊的糖尿病（aOR 1.90；95% CI：1.03-1.16）。
靶向大小刺激性的2型炎症
大胆的雌雄同体（BP）是最常见的自身免疫性疾病之一，主要影响具有多种多种疾病的老年人群。由于许多BP患者的脆弱性，现有的治疗选择受到限制。The blisters associated with BP result from IgG and IgE autoantibodies binding to the central components of hemidesmosome, BP180, and BP230, stimulating a destructive inflammatory process.BP的已知特征，例如强烈的瘙痒，荨麻疹前驱体，外周嗜酸性粒细胞，IgE升高，以及最近从体外和体内研究中扩展的证据，暗示2型2型inflammation是BP病原体的重要驱动因素。2型炎症是一种炎症途径，涉及分泌IL-4，IL-5和IL-13的CD4 + T细胞的子集，Ige-granulapyte，以及粒细胞，例如嗜酸性粒细胞，肥大细胞和basphils。据信，在2型洪流中的影响可以作为BP的新颖和有效的治疗靶标。本综述着重于最近对BP发病机理的理解，并特别强调了2型炎症的作用。我们总结了使用Rituximab（B细胞耗竭），Omalizumab（抗IGE抗体）和Dupilumab（抗IL-4/13抗体）的当前临床证据。还讨论了新兴的针对性治疗方法的最新进展。
使用 GPT 嵌入优化自然语言处理方法以自动检测阿尔茨海默病
摘要：开发非侵入性且经济有效的阿尔茨海默病 (AD) 检测方法对于早期预防和缓解该病至关重要。我们通过使用音频增强技术和新颖的转录方法来优化使用自然语言处理 (NLP) 对自发语音的 AD 检测。具体来说，我们利用 Boll 谱减法来提高音频保真度，并使用最先进的 AI 服务（基于本地的 Wav2Vec 和 Whisper，以及基于云的 IBM Cloud 和 Rev AI）创建转录，并评估它们与传统手动转录方法的性能。然后使用基于 GPT 的转录嵌入对支持向量机 (SVM) 分类器进行训练和测试。我们的研究结果表明，基于 AI 的转录大大优于传统的手动转录，其中 Wav2Vec（增强音频）在本地系统中实现了最佳准确度和 F-1 分数（两个指标均为 0.99），而 Rev AI（标准音频）在基于云的系统中表现最佳（两个指标均为 0.96）。此外，除了音频增强的微小影响外，这项研究还揭示了采访者讲话对模型性能的不利影响。根据我们的研究结果，当前的 AI 转录和 NLP 技术在利用现有数据准确检测 AD 方面非常有效，但由于缺乏训练数据，难以对可能的 AD 和轻度认知障碍 (MCI)（AD 的前驱阶段）进行分类，为未来实施自动 AD 检测系统奠定了基础。
多级异质结构 FeCr–(Mg–...
异质结构 (HS) 材料由于其多种微观结构和优异的物理性能而受到广泛研究[1 e 5]。它们由不同性质的软硬异质区组成，不同区域之间的协同效应可改善物理性能。HS 材料根据硬区形状可分为层状结构[6,7]、梯度结构[5,6,8,9]、层压结构[10 e 13]、双相 (或多相) 结构[14 e 19]和核壳结构[20 e 22]。十年来，另一种互连 (或互穿) 结构一直受到人们的关注。这种结构具有双连续的两个不同的区域，其中硬相和软相都是连续的且相互交错。这种独特的结构包括胞状结构（如螺旋状结构）和由旋节线分解形成的空间无序模式。双连续结构的软区和硬区在机械上互相约束。增材制造[23,24]和粉末冶金[25,26]已用于开发互连的HS材料。然而，这些方法在区域大小及其分布方面存在技术限制。纳米级区域和均匀分布对于提高协同效应至关重要。最近，作者提出，通过液态金属脱合金（LMD）合成的3D互连HS材料在克服强度-延展性权衡方面具有巨大潜力[27]。从（FeCr）50Ni50前驱体中，可混溶的Ni选择性地溶解在Mg熔体中。
模块化引导的功能性脑网络分析，用于早期痴呆症识别
功能大脑网络（FBN）分析表明，在识别脑部疾病（例如阿尔茨海默氏病（AD）及其前驱阶段，即轻度认知障碍（MCI））方面具有巨大潜力。必须从功能大脑网络中识别歧视性和可解释的特征，以提高分类性能并帮助我们理解与广告相关的脑疾病的病理机制。以前的研究通常从FBN提取节点统计或边缘权重来表示每个受试者。但是，这些方法通常忽略了FBN的拓扑结构（例如模块化）。为了解决此问题，我们提出了一个模块化 - LASSO特征选择（MLFS）框架，该框架可以明确对模块化信息进行建模，以识别FBN的歧视性和可解释功能，以进行自动化AD/MCI分类。特别是，提出的MLFS方法首先通过签名的光谱群集算法搜索FBN的模块化结构，然后通过模块化诱导的组LASSO方法选择判别特征，然后使用支持向量机（SVM）进行分类。为了评估所提出的方法的有效性，对公共ADNI数据库的563个静止状态功能性MRI扫描进行了广泛的实验，以识别正常对照的AD/MCI的受试者，并预测MCI受试者的未来进展。实验结果表明，我们的方法在AD/MCI识别任务和MCI转换预测的两个任务中都优于以前的方法，还有助于发现与AD相关的歧视性脑区域和功能连接性。
基于脑电图的高级学习方法预测精神分裂症：前景与隐患
精神分裂症症状的复杂性和异质性对客观诊断提出了挑战，因为客观诊断通常基于行为和临床表现。此外，精神分裂症的界限与其他疾病分类（如躁郁症）并没有精确的界限。及早发现精神分裂症可以实现更有效的治疗，改善患者的生活质量。在过去的几十年里，数百项研究旨在利用脑电图 (EEG) 等技术来确定精神分裂症临床表现的神经生物学机制。EEG 事件相关电位的变化与感觉和认知缺陷有关，并被提议作为精神分裂症的生物标志物。除了有助于更有效的诊断之外，生物标志物对于精神分裂症发病预测和预后也至关重要。然而，任何提议的生物标志物都需要大量的临床研究来证明其有效性和成本效益。在计算神经科学发展的推动下，人们尝试使用脑成像模式识别方法来捕捉脑功能活动的差异，对不同阶段（前驱期、首次发作、慢性）的精神分裂症进行自动分类。人们已经研究了先进的学习技术，并取得了令人欣喜的成果。本综述概述了最近基于机器学习的使用脑电图数据对精神分裂症进行分类的方法，并讨论了它们的潜力和局限性。本综述旨在作为未来开发有效的基于脑电图的模型的起点，这些模型可能预测精神分裂症的发病率、识别精神病转化高风险的受试者或将精神分裂症与其他疾病区分开来，从而促进更有效的早期干预。
supervisors.xlsx
随着人们预期寿命的增加，痴呆症提出了一个紧迫的全球公共卫生问题。在认知能力下降的各种形式中，阿尔茨海默氏病（AD）是最常见的，占病例的近70％。世界卫生组织估计，2010年有3,560万人患有痴呆症，预测显示到2030年（达到6570万），到2050年增加到1.315亿。目前，在巴西，痴呆症患者的估计人数为120万。为了促进早期干预措施并提高患者的生活质量，早期检测和诊断AD至关重要。轻度认知障碍（MCI）是以微妙的认知下降为特征的疾病，是AD的前驱阶段。MCI患者的发展风险增加。因此，认识到随后几年将发展AD的MCI患者至关重要，因为这些患者的早期识别允许早期干预措施并更好地治疗该疾病。拟议的研究将集中于放射线医生在阿尔茨海默氏症中使用的最常见的视觉评级量表的自动化，例如内侧时间萎缩（MTA），全球皮质萎缩（GCA）和白质超强度（WMH）（WMH）的自动化，并通过评估这些量表的新范围，以遵守这些量表的新颖性，并通过一定的量表来评估这些量表，以遵循longitial的范围，以限制量表，并通过一位量表来定制了一项范围的范围。转换率向广告。我们了解，这种方法可能会为当前关于阿尔茨海默氏症的FAPESP研究项目做出重要贡献。