XiaoMi-AI文件搜索系统
World File Search System参数的
干百里香叶粉对产蛋母鸡生产性能、蛋品质和血液参数的影响
摘要背景：在发展中国家，在没有饲料抗生素的情况下，使用商业提取的植物源化合物来维持家禽的健康和生产力成本过高。目的：本研究旨在确定饮食中添加百里香叶粉 (TLM) 对博万褐蛋鸡生产性能、蛋品质和血液生化参数的影响。方法：将 96 只 25 周龄产蛋母鸡随机分配到 4 个处理组，每个处理组重复 6 次。处理组包括对照组（标准商业产蛋饮食）、TLM1.5（对照组 + 1.5% TLM）、TLM2.5（对照组 + 2.5% TLM）和 TLM3.5（对照组 + 3.5% TLM）。记录每个重复的产蛋量、饲料摄入量和饲料转化率。每个重复使用两个鸡蛋来每月测量内部和外部蛋品质特征。试验结束时，从 2 只鸡/重复中采集血液样本，以测定白蛋白、尿酸、天冬氨酸氨基转移酶、丙氨酸氨基转移酶、碱性磷酸酶、促黄体生成素、催乳素和孕酮。结果：所有血液参数均在该品种的正常范围内。饲喂含有 2.5% TLM 的日粮的母鸡的产蛋量、饲料转化率、内部蛋品质特征和外部蛋品质特征明显高于对照组。此外，与所有其他日粮处理相比，含有 2.5% TLM 的日粮导致饲料转化率显著降低。结论：总之，建议使用 2.5% TML 来提高产蛋量和蛋品质，而不会对母鸡健康产生不利影响。
使用通过进化枝概率参数的树分布进行精确的贝叶斯系统发育点估计
使用MCMC算法的贝叶斯系统发育分析产生了以系统发育树和相关参数样本形式的系统发育树的poserior分布。树空间的高维度和非欧几里得性质使总结树空间中后验分布的核心趋势和方差复杂。在这里，我们介绍了一个可从树的后部样本构建的可构造的新的树木分布和相关的点估计器。通过模拟研究，我们表明，这一点估计器的性能也至少要比产生贝叶斯后摘要树的标准方法更好。我们还表明，执行最佳的摘要方法取决于样本量和以非平凡的方式的尺寸 - 问题。
使用不间断的SGLT-2抑制剂治疗的回顾性队列中生物识别和生化参数的长期变化
众所周知，胰岛素需求减少，脂肪组织炎症减少，通过葡萄糖排泄有效的热量缺乏以及通过渗透性利尿剂流失导致SGLT-2抑制患者的体重减轻。7-9 SGLT-2抑制剂导致70-90 g/天的尿葡萄糖排泄导致300 kcal/天的能量损失和400 mL/天的渗透液损失，这是由于渗透性二尿而导致的。10,11具有连续的SGLT-2抑制作用，从理论上讲，由于每日热量限制和渗透性指数，因此患者的体重将减少10 kg/年。11与一般性期望，empareg-atme，声明-TIMI和帆布研究（这是该主题文献中最大的研究之一），观察到通过SGLT-2抑制剂治疗的重量损失为2-3 kg/年。3,4,12再次，在Liu等人的荟萃分析中，使用SGLT-2抑制剂治疗观察到2.47 kg/年的体重减轻。13
原始研究对小鼠脑肿瘤模型中血管药代动力学参数的深度学习定量
背景：动态对比增强（DCE）MRI被广泛用于评估癌症的血管灌注和渗透性。在小动物应用中，DCE MRI图像的药代动力学（PK）参数的常规建模是复杂且耗时的。这项研究旨在开发一种深度学习方法，以完全自动化动力学参数图的产生，KTRAN（体积传输系数）和VP（血浆体积比），作为基于DCE MRI的小鼠脑肿瘤模型中常规PK建模的潜在替代PK模型。方法：使用7T MRI，在U87神经胶质瘤异种移植物中进行了DCE MRI，裸鼠在原位生长。使用经典的Tofts模型以及扩展Tofts模型生成了血管通透性KTRAN和VP图。然后将这些血管通透性图作为目标图像处理到二十四层卷积神经网络（CNN）。CNN在T 1加权DCE图像上作为源图像进行了训练，并使用平行的双途径设计以捕获多尺度特征。此外，我们对乳腺癌脑转移（BCBM）小鼠模型进行了该神经胶质瘤训练的CNN的转移研究，以评估替代性脑肿瘤网络的潜力。结果：我们的数据显示了目标PK参数图和胶质瘤的相应CNN映射之间生成的KTRAN和VP映射的良好匹配。像素像素分析揭示了肿瘤内异质性渗透性，这在CNN和PK模型之间是一致的。在BCBM的转移研究中进一步证明了深度学习方法的效用。结论：由于它直接从DCE动态图像直接从无需复杂的数学建模的DCE动态图像中快速准确地估计了血管PK参数，因此深度学习方法可以作为评估肿瘤血管通透性的有效工具，以促进小动物脑肿瘤研究。
推注顾问对糖尿病成人血糖参数的影响对强化胰岛素治疗：荟萃分析的系统评价
1。Sussman A，Taylor EJ，Patel M等。具有内置自动推注计算器的葡萄糖表的性能与胰岛素使用受试者中的手动推注计算。J糖尿病SCI技术。2012; 6（2）：339-344。 2。 Meade LT，Rushton We。 成人碳水化合物计数的准确性。 临床糖尿病。 2016; 34（3）：142-147。 3。 brazeau as，mircescu h，desjardins K等。 碳水化合物计数的准确性和1型糖尿病的成年人的血糖变异性。 糖尿病临床实践。 2013; 99（1）：19-23。 4。 Roversi C，Vettoretti M，Del Favero S，Facchinetti A，Sparacino G.建模1型糖尿病管理中的碳水化合物计数错误。 糖尿病技术。 2020; 22（10）：749-759。 5。 Christensen MB，Serifovski N，Herz AMH等。 推注钙化和晚期碳水化合物在2型糖尿病中的功效：一项随机临床试验。 糖尿病技术。 2021; 23（2）：95-103。 6。 Gross TM，Kayne D，King A，Rother C，JuthS。推注计算器是控制胰岛素泵治疗患者餐后血糖的有效手段。 糖尿病技术。 2003; 5（3）：365-369。 7。 Walsh J，Roberts R，Bailey T.成人最佳推注计算器设置的指南。 J糖尿病SCI技术。 2011; 5（1）：129-135。 8。 Schmidt S，Norgaard K. Bolus计算器。 J糖尿病SCI技术。 2014; 8（5）：1035-1041。2012; 6（2）：339-344。2。Meade LT，Rushton We。 成人碳水化合物计数的准确性。 临床糖尿病。 2016; 34（3）：142-147。 3。 brazeau as，mircescu h，desjardins K等。 碳水化合物计数的准确性和1型糖尿病的成年人的血糖变异性。 糖尿病临床实践。 2013; 99（1）：19-23。 4。 Roversi C，Vettoretti M，Del Favero S，Facchinetti A，Sparacino G.建模1型糖尿病管理中的碳水化合物计数错误。 糖尿病技术。 2020; 22（10）：749-759。 5。 Christensen MB，Serifovski N，Herz AMH等。 推注钙化和晚期碳水化合物在2型糖尿病中的功效：一项随机临床试验。 糖尿病技术。 2021; 23（2）：95-103。 6。 Gross TM，Kayne D，King A，Rother C，JuthS。推注计算器是控制胰岛素泵治疗患者餐后血糖的有效手段。 糖尿病技术。 2003; 5（3）：365-369。 7。 Walsh J，Roberts R，Bailey T.成人最佳推注计算器设置的指南。 J糖尿病SCI技术。 2011; 5（1）：129-135。 8。 Schmidt S，Norgaard K. Bolus计算器。 J糖尿病SCI技术。 2014; 8（5）：1035-1041。Meade LT，Rushton We。成人碳水化合物计数的准确性。临床糖尿病。2016; 34（3）：142-147。 3。 brazeau as，mircescu h，desjardins K等。 碳水化合物计数的准确性和1型糖尿病的成年人的血糖变异性。 糖尿病临床实践。 2013; 99（1）：19-23。 4。 Roversi C，Vettoretti M，Del Favero S，Facchinetti A，Sparacino G.建模1型糖尿病管理中的碳水化合物计数错误。 糖尿病技术。 2020; 22（10）：749-759。 5。 Christensen MB，Serifovski N，Herz AMH等。 推注钙化和晚期碳水化合物在2型糖尿病中的功效：一项随机临床试验。 糖尿病技术。 2021; 23（2）：95-103。 6。 Gross TM，Kayne D，King A，Rother C，JuthS。推注计算器是控制胰岛素泵治疗患者餐后血糖的有效手段。 糖尿病技术。 2003; 5（3）：365-369。 7。 Walsh J，Roberts R，Bailey T.成人最佳推注计算器设置的指南。 J糖尿病SCI技术。 2011; 5（1）：129-135。 8。 Schmidt S，Norgaard K. Bolus计算器。 J糖尿病SCI技术。 2014; 8（5）：1035-1041。2016; 34（3）：142-147。3。brazeau as，mircescu h，desjardins K等。碳水化合物计数的准确性和1型糖尿病的成年人的血糖变异性。糖尿病临床实践。2013; 99（1）：19-23。 4。 Roversi C，Vettoretti M，Del Favero S，Facchinetti A，Sparacino G.建模1型糖尿病管理中的碳水化合物计数错误。 糖尿病技术。 2020; 22（10）：749-759。 5。 Christensen MB，Serifovski N，Herz AMH等。 推注钙化和晚期碳水化合物在2型糖尿病中的功效：一项随机临床试验。 糖尿病技术。 2021; 23（2）：95-103。 6。 Gross TM，Kayne D，King A，Rother C，JuthS。推注计算器是控制胰岛素泵治疗患者餐后血糖的有效手段。 糖尿病技术。 2003; 5（3）：365-369。 7。 Walsh J，Roberts R，Bailey T.成人最佳推注计算器设置的指南。 J糖尿病SCI技术。 2011; 5（1）：129-135。 8。 Schmidt S，Norgaard K. Bolus计算器。 J糖尿病SCI技术。 2014; 8（5）：1035-1041。2013; 99（1）：19-23。4。Roversi C，Vettoretti M，Del Favero S，Facchinetti A，Sparacino G.建模1型糖尿病管理中的碳水化合物计数错误。糖尿病技术。2020; 22（10）：749-759。5。Christensen MB，Serifovski N，Herz AMH等。推注钙化和晚期碳水化合物在2型糖尿病中的功效：一项随机临床试验。糖尿病技术。2021; 23（2）：95-103。6。Gross TM，Kayne D，King A，Rother C，JuthS。推注计算器是控制胰岛素泵治疗患者餐后血糖的有效手段。 糖尿病技术。 2003; 5（3）：365-369。 7。 Walsh J，Roberts R，Bailey T.成人最佳推注计算器设置的指南。 J糖尿病SCI技术。 2011; 5（1）：129-135。 8。 Schmidt S，Norgaard K. Bolus计算器。 J糖尿病SCI技术。 2014; 8（5）：1035-1041。Gross TM，Kayne D，King A，Rother C，JuthS。推注计算器是控制胰岛素泵治疗患者餐后血糖的有效手段。糖尿病技术。2003; 5（3）：365-369。 7。 Walsh J，Roberts R，Bailey T.成人最佳推注计算器设置的指南。 J糖尿病SCI技术。 2011; 5（1）：129-135。 8。 Schmidt S，Norgaard K. Bolus计算器。 J糖尿病SCI技术。 2014; 8（5）：1035-1041。2003; 5（3）：365-369。7。Walsh J，Roberts R，Bailey T.成人最佳推注计算器设置的指南。J糖尿病SCI技术。2011; 5（1）：129-135。8。Schmidt S，Norgaard K. Bolus计算器。J糖尿病SCI技术。2014; 8（5）：1035-1041。2014; 8（5）：1035-1041。9。Ziegler R，Cavan DA，Cranston I等。 使用胰岛素推注顾问可改善多种日常胰岛素注射（MDI）治疗患者的血糖控制，该治疗患者具有低于最佳的血糖控制：算盘试验的首先结果。 糖尿病护理。 2013; 36（11）：3613-3619。 10。 Schmidt S，Meldgaard M，Serifovski N等。 在MDI治疗的1型糖尿病中使用自动推注计算器：Boluscal研究，一项由受控的受控试点研究。 糖尿病护理。 2012; 35（5）：984-990。 11。 Gonzalez C，Picon MJ，Tome M，Pujol I，Fernandez-Garcia JC，Chico A. 专家研究：自动推注顾问系统对1型糖尿病患者的效用，每天多次注射胰岛素A跨界研究。 糖尿病技术。 2016; 18（5）：282-287。Ziegler R，Cavan DA，Cranston I等。使用胰岛素推注顾问可改善多种日常胰岛素注射（MDI）治疗患者的血糖控制，该治疗患者具有低于最佳的血糖控制：算盘试验的首先结果。糖尿病护理。2013; 36（11）：3613-3619。 10。 Schmidt S，Meldgaard M，Serifovski N等。 在MDI治疗的1型糖尿病中使用自动推注计算器：Boluscal研究，一项由受控的受控试点研究。 糖尿病护理。 2012; 35（5）：984-990。 11。 Gonzalez C，Picon MJ，Tome M，Pujol I，Fernandez-Garcia JC，Chico A. 专家研究：自动推注顾问系统对1型糖尿病患者的效用，每天多次注射胰岛素A跨界研究。 糖尿病技术。 2016; 18（5）：282-287。2013; 36（11）：3613-3619。10。Schmidt S，Meldgaard M，Serifovski N等。在MDI治疗的1型糖尿病中使用自动推注计算器：Boluscal研究，一项由受控的受控试点研究。糖尿病护理。2012; 35（5）：984-990。 11。 Gonzalez C，Picon MJ，Tome M，Pujol I，Fernandez-Garcia JC，Chico A. 专家研究：自动推注顾问系统对1型糖尿病患者的效用，每天多次注射胰岛素A跨界研究。 糖尿病技术。 2016; 18（5）：282-287。2012; 35（5）：984-990。11。Gonzalez C，Picon MJ，Tome M，Pujol I，Fernandez-Garcia JC，Chico A.专家研究：自动推注顾问系统对1型糖尿病患者的效用，每天多次注射胰岛素A跨界研究。糖尿病技术。2016; 18（5）：282-287。2016; 18（5）：282-287。
charpy撞击试验中有效参数的实验研究和统计模型，对AZ31镁合金具有V形凹槽usin
今天，在各个行业中，需要作为一般质量控制测试。已经制定了几种工业标准以准确执行测试。必须在夏比冲击测试中确定动态断裂能及其与半经验方程式与断裂韧性的关系。在本研究中，具有标准ASTM E23样本量的AZ31镁合金的夏比冲击试验是通过凹槽深度，温度和凹槽角对断裂能的影响来衡量的。Taguchi和L18阵列已用于设计实验并根据所研究因素的数量获得最佳状态。通过使用ANOVA分析每个输入变量对目标参数的影响，并提取输入参数的值，以通过信号到噪声方法来最大化断裂能量的量。结果表明，凹槽深度对断裂能的影响最大，并且随着凹槽深度的增加而减小。还以60°的凹槽角在-10°C下在非横轴样品中获得最大化断裂能的最佳组合。
提高Inconel 718的常规激光金属沉积过程的生产率和效率 - 第一部分：过程参数的影响
摘要可持续的能源过渡刺激了最大程度地减少材料和能源浪费的技术的开发，例如增材制造（AM）。激光金属沉积（LMD）是一种有希望的AM技术，但其复杂性和有限的自动化阻碍了其在生产链中的实现。为提高生产率，已经开发了高沉积率LMD（HDR-LMD）技术，需要先进的设备和强大的激光来源。相比之下，常规的LMD（C-LMD）过程更简单，实施便宜。这项研究旨在通过调节激光功率，扫描速度，粉末进料速率和Inconel 718单轨道上的秒距离来优化C-LMD的生产率和效率。一种创新的方法消除了切割标本以评估单个轨道的必要性，从而可以通过有限的操作员参与，使整体的几何形状和性能表征更快，更强大。进行了广泛的实验运动，以研究过程参数对轨道几何，生产力和效率的影响。多目标优化过程确定了参数组合，同时保持高效率和理想的外壳形状。该研究达到的沉积率范围从700至800 g/h，粉末集水效率在75％至90％之间。使用包括1775 W激光功率的参数，扫描速度在960到1140 mm/min，粉末进料速率在810至1080 g/h之间以及9 mm的秒距离。该研究还清楚地表明，可以进一步提高C-LMD过程性能。本文收集的发现是工作第二部分中进一步优化的基础，该研究的重点是多通邮政多层，并达到1500 g/h的沉积速率，从而促进了工业级别的C-LMD过程。
具有数值模型的微观气候和生理参数的表示，影响了葡萄园生态系统：piemonte的案例（Ital
我们诚挚地邀请您参加下一版的国际科学会议：中学会议6，2025。这一次，我们想讨论人工智能在人类生活的各个领域的中介过程与应用之间的关系和依赖关系。特别是我们对人与算法因素之间的相互作用感兴趣，这些因素以不同的方式推动了这些过程的过程。我们邀请了理论反思和经验研究的介绍，这些研究将反映和分析介导现象的各种表现和实例。主题演讲（在线）：人工智能时代的人机关系将由代表北伊利诺伊大学传播系的安德里亚·古兹曼教授提供。随附的活动，2025年3月8日：方法论小组 - 与Margrit Schreier教授（商学院，社会与决策学院，建筑商University Bremen）的定性分析。
不受控制的II型糖尿病及其持续时间对喀土穆州成年苏丹患者神经传导参数的持续时间
抽象背景：周围神经病是糖尿病的严重并发症，它具有社会经济后果以及生活质量的降低。早期的神经性过程识别和管理可以改变其过程，并大大降低相关的发病率和死亡率。这项研究确定了长期血糖控制对2型糖尿病患者（T2DM）患者的糖尿病周围神经病的影响。方法：在喀土穆的国家神经科学中心和易卜拉欣·马利克医院进行了一项基于医院的研究。招募了所有18岁以上且拥有T2DM少于10岁的人。使用公认的技术，BMI，HBA1C水平和神经传导研究（NCS）。使用社会科学统计软件包（SPSS），版本25.0软件分析了数据。P值≤0.05被认为是显着的。结果：在95例T2DM患者中，有52例是男性患者。我们的发现表明，随着糖尿病的持续时间的增加，感觉速度从64.07±3.22降至54.00±5.34，运动神经从63.39±2.38降至53.87±2.08（p = 0.05，p = 0.05，p = 0.003）。此外，随着糖尿病持续时间的增加，运动神经振幅的显着降低从8.79±3.11到6.94±1.84（p = 0.05）和感觉神经振幅从25.71±5.70到19.51±6.51（p = 0.003）。此外，当HB A1C> 6> 6 - 感觉速度从63.96±2.36到55.49±2.43（P = 0.03）（P = 0.03）和运动速度从63.00±2.59至2.59至2.59至2.59至2.59至51.44±1.66（p = 0.02）时，NCS的所有参数（速度和振幅）均下降。和感觉振幅从26.91±1.26降至20.85±2.1（p = 0.05），而运动振幅从6.88±3.55降至6.61±3.29（p = 0.05）。此外，感觉和运动振幅与BMI之间存在很大的（P = 0.05）。结论：高BMI和控制不良（高HBA1C）长期糖尿病对所有神经传导研究参数都有负面影响。
研究论文 使用科普兰混合方法确定建筑行业可持续供应链发展的关键参数的优先顺序 A
研究文章 使用科普兰混合方法优先考虑建筑行业可持续供应链发展的关键参数 Attaollah Shirazi a。Hossein Mohammadi Dolat-Abadi a，*。Jaber Dehghani b。Mahnaz Asgari Sooran ca 伊朗德黑兰大学法拉比学院工程学院、工业工程学院 b 伊朗德黑兰伊朗科技大学管理、经济与进步工程系 c 密苏里科技大学工程管理与系统工程系，罗拉，美国 收到日期：2024 年 5 月 29 日/修订日期：2024 年 9 月 27 日/接受日期：2024 年 10 月 8 日/在线发表日期：2024 年 10 月 18 日 摘要 在过去的几十年里，可持续性在地方、地区和国家层面引起了广泛关注。建筑业是主要领域之一，由于其活动性质，确定其关键供应链参数的优先次序和确定其关键供应链参数是可持续发展计划的核心要素。本文使用基于 BWM、AHP、SWARA 开发的混合模型研究了经济、社会和环境指标，以确定和确定该领域的重要参数的优先次序。根据 21 个不同指标在可持续发展进程中的作用，用李克特量表对其进行了分析。标准权重是通过对 10 位研究兴趣为可持续性和供应链管理的学术和工业专家的调查得出的。科普兰方法已用于整合三个模型的输出并得出最终结果。结果表明，从经济角度来看，“技术经济评估”，在社会方面“员工健康和安全”，以及在环境方面“在供应链中开发绿色技术”分别在科普兰方法中获得了最高的最终显着分数。所提出的模型有望帮助行业专家和管理人员确定建筑业供应链的关键可持续参数，并据此设定可持续发展目标。