XiaoMi-AI文件搜索系统
World File Search System加权网络
TW-Net：用于新生儿脑部 MRI 分割的 Transformer 加权网络
摘要 — 准确的新生儿脑部 MRI 分割对于研究脑部生长模式和追踪神经发育障碍的进展非常有价值。然而，使用基于强度的方法来分割新生儿脑结构是一项具有挑战性的任务，因为固有的髓鞘形成过程导致脑区之间的对比度差异很小。尽管卷积神经网络提供了以强度无关的方式分割脑结构的潜力，但它们缺乏分割所必需的平面内长距离依赖性。为了解决这个问题，我们提出了一种新颖的 Transformer 加权网络 (TW-Net) 来整合平面内长距离依赖信息。TW-Net 采用传统的编码器-解码器架构，中间有一个 Transformer 模块。Transformer 模块使用旋转和翻转层来更好地计算切片中两个斑块之间的相似性，以利用脑结构内相似的几何和纹理特征模式。此外，还引入了深度监督模块和挤压和激励块来整合脑结构的边界信息。与最先进的深度学习算法相比，TW-Net 在两个独立的公共数据集上 2D 和 2.5D 配置的多标签任务中表现优于这些方法，表明 TW-Net 是一种很有前途的新生儿脑部 MRI 分割方法。
AMD 标准化测试方法 - nasemso
S4.2 病房声级测试期间应执行以下步骤： 1. 使用符合 ANSI S1.4《声级计规范》要求的仪表测量声级，对于 II 型仪表，将仪表设置为 A，以获得加权网络，“快速”仪表响应。 2. 将麦克风悬挂在车辆地板上方 23 英寸（584 毫米）处，横向和纵向位于病床的预期中心，因为它将固定在病房中。 3. 将救护车停放在混凝土或沥青路面上，停放位置应确保在被测车辆 50 英尺（15.2 米）范围内没有较大的反射面，例如其他车辆、招牌、建筑物或小山。 4. 关闭救护车所有门、窗和通风口。 5. 以最高速度运行病房内的空调和暖气鼓风机。 6. 将车辆变速器置于空档，并将发动机转速设置为救护车在平地以 55 英里/小时（88 公里/小时）的速度行驶时的转速。 7. 打开所有警告灯。 8. 将警报器调至最大音量模式。 9. 测量并记录最高声级。 10. 将发动机转速降低至怠速，然后降低至 55 英里/小时（88 公里/小时）的转速。 11. 测量并记录最高声级。 12. 重复操作，直到记录到两个最大声级，相差 2 分贝 (dB) 以内。 13. 对这两个最大声级读数取平均值。
加权复杂网络中主干提取技术的评估工具
网络对于分析复杂系统至关重要。然而，网络规模的不断扩大需要采用旨在减小网络规模同时保留关键特征的主干提取技术。在实践中，选择、实施和评估最合适的主干提取方法可能具有挑战性。本文介绍了 netbone，这是一个用于评估加权网络中主干提取技术性能的 Python 包。它的比较框架是 netbone 的突出特点。事实上，该工具采用了最先进的主干提取技术。此外，它提供了一套全面的评估指标，允许用户评估不同的主干技术并根据他们的案例研究选择最佳技术。我们通过美国航空运输网络分析说明了 netbone 的灵活性和有效性。我们使用评估指标比较了不同主干提取技术的性能。我们还展示了用户如何将新的主干提取方法集成到比较框架中。Netbone 作为一个开源工具向公众开放，确保研究人员和从业人员可以使用它。推广标准化评估实践有助于主干提取技术的进步，并促进研究工作的可重复性和可比性。我们预计，netbone 将成为研究人员和从业人员的宝贵资源，使他们能够在选择主干提取技术时做出明智的决策，从而深入了解复杂系统的结构和功能特性。
金融传染对实体经济的影响——基于复杂网络技术与空间计量模型的实证研究
本研究提出可用于考察金融对实体经济的传染、空间溢出和行业聚集效应的金融网络指标。我们建议基于符号化转移熵和皮尔逊相关系数，设计GDP排名前20位国家的金融部门的有向和无向网络。我们以这些网络指标代替原有的道琼斯金融部门作为解释变量，构建高阶信息空间计量经济模型，以检验网络指标的效果和实用性。结果表明，两个网络获得的估计精度较使用原始数据的空间计量经济模型有显著提高，表明网络指标能更有效地捕捉金融系统的动态信息。同时，基于有向网络的精度略高于无向网络，表明符号化转移熵，即有向加权网络，更适合和有效地反映金融领域的关系。此外，结果还显示，在全球金融危机的影响下，一国或地区金融部门与全球金融部门、金融部门与实体经济部门之间的联动性增强，但部分行业特别是公用事业和医疗保健受到的影响较小。本研究尝试利用金融网络指标建模，研究危机对实体经济的传染渠道和行业聚集效应，并提出网络指标在金融领域的实际应用。
AMD 标准化测试方法 - nasemso
S4.2 病房声级测试期间应执行以下步骤： 1. 使用符合 ANSI S1.4《声级计规范》要求的仪表测量声级，对于 II 型仪表，将仪表设置为 A，以获得加权网络，“快速”仪表响应。 2. 将麦克风悬挂在车辆地板上方 23 英寸（584 毫米）处，横向和纵向位于病床的预期中心，因为它将固定在病房中。 3. 将救护车停放在混凝土或沥青路面上，停放位置应确保在被测车辆 50 英尺（15.2 米）范围内没有较大的反射面，例如其他车辆、招牌、建筑物或小山。 4. 关闭救护车所有门、窗和通风口。 5. 以最高速度运行病房内的空调和暖气鼓风机。 6. 将车辆变速器置于空档，并将发动机转速设置为救护车在平地以 55 英里/小时（88 公里/小时）的速度行驶时的转速。 7. 打开所有警告灯。 8. 将警报器调至最大音量模式。 9. 测量并记录最高声级。 10. 将发动机转速降低至怠速，然后降低至 55 英里/小时（88 公里/小时）的转速。 11. 测量并记录最高声级。 12. 重复操作，直到记录到两个最大声级，相差 2 分贝 (dB) 以内。 13. 对这两个最大声级读数取平均值。
研究论文基于虚拟筛选和网络药理学的研究探索大青属植物的抗癌药理机制
背景：癌症是全球第二大死亡原因，每年每百万人中约有 3500 人死于癌症。因此，基于生物网络的多靶点药理学药物对于研究抗癌药物的分子机制和重新利用现有药物以减少不良反应至关重要。大红属植物是一种多样化的属，具有广泛的经济和药理学特性。对该属推定的抗癌特性的研究有限，基于生物网络的作用机制仍然未知。本研究旨在利用对接加权网络药理学方法构建大红属植物抗癌作用的可能化合物/靶点/途径生物网络，并研究其潜在的作用机制。方法：从公共数据库中检索出总共 194 种天然大红属化合物，并使用八种分子描述符进行筛选。从数据库中检索与癌症相关的基因靶点，并检查靶基因与相关途径的功能。使用 Cytoscape v3.7.2 构建了三大网络：化合物-靶标网络、靶标-靶标通路网络和化合物-靶标-通路网络。结果。我们的研究结果表明，大花属植物的抗癌活性涉及 6 种化合物、9 种靶标和 63 种信号通路，从而形成多化合物、多靶标和多通路网络。此外，还使用分子动力学 (MD) 模拟来估计最佳命中蛋白质-配体复合物的结合亲和力。结论。这项研究表明大花属植物具有潜在的抗癌活性，这可能有助于开发新的替代抗癌药物的清除剂新化合物。