XiaoMi-AI文件搜索系统
World File Search System可重复性
QGS/QPS软件的心肌灌注和功能解释和可重复性中的Intera Interabserver变异性
Aim: To assess three different level experienced nuclear medicine specialists' intra- and interobserver variability of semiquantitative visual interpretations of left ventricular (LV) myocardial perfusion, wall motion (WM), and wall thickening (WT) in gated myocardial perfusion single- photon emission tomography (gMPS), and to compare the compatibility between the observers' and coronary angiography (CAG) reports.方法：使用5点灌注量表，WM的6分尺度和WT的4分制来评分每个段。图像由3个观察者分别解释了3次至少一个月的间隔。随后，通过求和相应的分段灌注得分来计算应力（SSS）和REST（SRS）的视觉半定量求和分数。总结得分（SDS）也被计算为SSS和SRS之间的差异。通过将所有相应的分段分数求和，从应力图像中计算出视觉半定量WM和WT分数。结果：在全球灌注评估中观察者的一致性具有统计学意义（71.9-100％）。在所有LAD-SS，CX-SSS，VE RCA-SSS解释中都有一个重大的共识。在3个观察者的3个读数之间有很好的一致性（p = 0.0）。由于全球评估中的高观察者一致性水平，1。的平均值和2。解释（平均1.-2。int。），并与该新值和3。解释进行区域比较。在3个区域SSS解释中达成了重大协议。尽管在LAD动脉领域计算了最低的协议率，但协议水平在统计上是统计的，并且在所有领土上都非常重要。在CX和RCA领土中，协议水平在统计学上是显着的（p <0.05）。结论：灌注解释的观察者间和观察者的一致性水平在全球和区域基础中都很重要。视觉解释和CAG结果之间存在重大一致性，尤其是在CX和RCA动脉领域。在WM评分中，观察者中的观察者和观察者协议高于壁厚分数。
一项多机构研究，用于研究小鼠全脑电子闪光后的保留效果：功能，电生理和神经源性终点的可重复性和时间演变
背景和目的：已证明超高剂量率放疗（FLASH）可减轻与常规剂量速率放疗（CORS）相关的正常组织毒性，而不会在临时性模型中损害肿瘤。包括Flash在内的临床前辐射研究中的一个巨大挑战正在验证多个机构的物理剂量法和生物学效应。材料和方法：我们先前使用标准化的幻影和剂量计在单独的机构在单独的机构中证明了两种不同的电子闪存设备的剂量学重复性。在这项研究中，在这两个机构中给出了无肿瘤的成年雌性小鼠的整个脑闪光灯和CORN辐照，并评估了多个神经生物学终点的可重复性和时间演化。结果：在机构之间，在机构之间复制了新型对象识别（射线后4个月）和电生理长期增强（LTP，5个月）的行为表现的闪光释放。在海马神经发生（SOX2，Doublecortin），神经炎症（小胶质细胞激活）和电生理学（LTP）的闪光和CONS之间的差异未在早期（48 h至2周）观察到，但是不成熟的神经元的恢复较大。结论：总而言之，我们证明了具有经过验证的剂量法的两个不同机构的两个不同机构之间对大脑的可再现闪光释放影响。闪光节省效果对评估的端点的效果在稍后但最早的时间点表现出来。
年轻心脏自然心肌剪切波行为的演变：决定因素和可重复性分析
心肌 SW 可由强超声脉冲（声辐射力 [ARF]）外部诱发，也可由机械事件（例如二尖瓣关闭 [MVC]）自然诱发。然后，它们以与 MS 直接相关的速度在心肌中传播。11 ARF 诱发的波具有高频率内容和低幅度，并且衰减迅速，这使得即使在有回声的儿科人群中也难以检测和估计其速度。自然波具有较低的频率内容和较高的幅度，并且在传播过程中衰减较少。这提高了 SW 检测的可行性和波速估计的准确性。11、13、14 然而，自然波测量的时间仅限于瓣膜关闭事件（即相应等容间隔的开始）。12、15
基准测试全稳态电池电池性能的可重复性
Citation for published version (Harvard): Puls, S, Nazmutdinova, E, Kalyk, F, Woolley, HM, Thomsen, JF, Cheng, Z, Fauchier-Magnan, A, Gautam, A, Gockeln, M, Ham, S-Y, Hasan, MT, Jeong, M-G, Hiraoka, D, Kim, JS, Kutsch, T, Lelotte, B, Minnmann, P, Miß, V, Motohashi, K, Nelson, DL, Ooms, F, Piccolo, F, Plank, C, Rosner, M, Sandoval, SE, Schlautmann, E, Schuster, R, Spencer-Jolly, D, Sun, Y, Vishnugopi, BS, Zhang, R, Zheng, H, Adelhelm, P，Brezesinski，T，Bruce，PG，Danzer，M，El Kazzi，M，Gasteiger，H，Hatzell，H，Hatzell，KB，Hayashi，A，Hippauf，f，Jung，Jung，Jung，Jung，Jung，McDowell，McDowell，McDowell，Mt J，Sun，X，Villevieille，C，Wagemaker，M，Zeier，WG＆Vargas-Barbosa，NM 2024，“基准了全稳态的电池电池性能的可重复性”，《自然能源》，第1卷。9，不。10，pp。1310-1320。 https://doi.org/10.1038/s41560-024-01634-3链接到伯明翰门户网站的研究出版物
对 ABRF 研究小组进行的科学严谨性、可重复性和透明度研究的回顾。
1 纽约大学 (NYU) 朗格尼医学中心，纽约，纽约 10016，美国；2 北卡罗来纳大学教堂山分校，北卡罗来纳州教堂山 27599，美国；3 范德堡大学医学中心，田纳西州纳什维尔 37212，美国；4 弗吉尼亚大学医学院，弗吉尼亚州夏洛茨维尔 22908，美国；5 明尼苏达大学，明尼阿波利斯，明尼苏达州 55455，美国；6 斯隆凯特琳纪念癌症中心，纽约，纽约 10065，美国；7 范安德尔研究所，密歇根州大急流城 49503，美国；8 罗彻斯特大学医学中心，纽约州西亨利埃塔 14642，美国；9 斯托尔斯医学研究所，密苏里州堪萨斯城 64110，美国；10 佛蒙特大学，佛蒙特州伯灵顿 05405，美国； 11 威尔康奈尔医学院，纽约，纽约州 10065，美国；12 莱顿大学医学中心，莱顿 2333，荷兰；13 系统生物学研究所，西雅图，华盛顿 98109，美国；14 马克斯普朗克精神病学研究所，慕尼黑 80804，德国；15 爱荷华大学，爱荷华州爱荷华市 52242，美国
b'靶标发现对于药物开发至关重要，尤其是对于复杂的慢性疾病。高通量技术的最新进展和生物医学数据的爆炸式增长凸显了计算药物可药性预测方法的潜力。然而，大多数当前方法依赖于基于序列的特征和机器学习，这通常面临与手工制作的特征、可重复性和可访问性相关的挑战。此外，原始序列和蛋白质结构的潜力尚未得到充分研究。在这里，我们使用深度学习技术利用蛋白质序列和结构，揭示蛋白质序列，特别是预训练的嵌入，比蛋白质结构更具信息量。接下来，我们开发了 DrugTar，这是一种高性能深度学习算法，将来自 ESM-2 预训练蛋白质语言模型的序列嵌入与蛋白质本体相结合以预测药物可药性。DrugTar 实现了曲线下面积和精确召回曲线值高于 0.90，优于最先进的方法。总之，DrugTar 简化了靶标发现，这是开发新型疗法的瓶颈。'
b'靶标发现对于药物开发至关重要，尤其是对于复杂的慢性疾病。高通量技术的最新进展和生物医学数据的爆炸式增长凸显了计算药物可药性预测方法的潜力。然而，大多数当前方法依赖于基于序列的特征和机器学习，这通常面临与手工制作的特征、可重复性和可访问性相关的挑战。此外，原始序列和蛋白质结构的潜力尚未得到充分研究。在这里，我们使用深度学习技术利用蛋白质序列和结构，揭示蛋白质序列，特别是预训练的嵌入，比蛋白质结构更具信息量。接下来，我们开发了 DrugTar，这是一种高性能深度学习算法，将来自 ESM-2 预训练蛋白质语言模型的序列嵌入与蛋白质本体相结合以预测药物可药性。DrugTar 实现了曲线下面积和精确召回曲线值高于 0.90，优于最先进的方法。总之，DrugTar 简化了靶标发现，这是开发新型疗法的瓶颈。'
食物组的可重复性和有效性，
¹Allergology and Pulmonology Unit, 3rd Pediatric Department, National and Kapodistrian University of Athens, “Attikon” University General Hospital, 12462, Athens, Greece ²First Department of Internal Medicine, Democritus University of Thrace, Uni- versity Hospital of Alexandroupolis, 68100, Alexandroupolis, Greece ³Department of Nutrition and饮食学，健康科学与教育学院，哈罗科皮奥大学，17676年，雅典，希腊，希腊⁴营养与饮食学部门，“阿特基康”，“阿特基”大学综合医院，12462年，雅典，希腊，雅典，营养与食品科学研究所，营养和食品技术学院。 ⁶意大利阿维利诺州83100国家研究委员会食品科学研究所 *这些作者同样贡献
放射组学和深度特征：使用 3D 自动编码器神经网络对脑出血进行稳健分类和可重复性分析
1 库尔德斯坦医科大学辅助医学学院放射学系，萨南达季邮政信箱 66177-13446，伊朗；salar.bijari89@gmail.com 2 伊朗医科大学医学院神经外科系，德黑兰邮政信箱 14496-14535，伊朗；sayfollahisahar@gmail.com 3 库尔德斯坦大学工程学院机械工程组，萨南达季邮政信箱 66177-15175，伊朗；mardokh94@gmail.com 4 沙希德萨杜吉医科大学公共卫生学院老龄化与健康系，亚兹德邮政信箱 89151-73160，伊朗；s.bijari8810@gmail.com 5 德黑兰医科大学放射学系，德黑兰邮政信箱 14197-33151，伊朗； moradian.sm@gmail.com 6 伊朗阿瓦士 Jundishapur 医科大学 Golestan 医院放射肿瘤科，阿瓦士邮政信箱 61357-15794；zibazaheir@gmail.com 7 伊朗阿瓦士 Jundishapur 医科大学医学院医学物理学系，阿瓦士邮政信箱 61357-15794 8 伊朗阿瓦士 Jundishapur 医科大学癌症研究中心，阿瓦士邮政信箱 61357-15794 * 通信地址：rezaei-sm@ajums.ac.ir
LANESEGNET的可重复性研究：自动驾驶的LANE段知觉学习地图学习
我们根据多视图图像和标准定义图来解决通过澳大利亚驾驶车辆的场景推理问题。在此任务上开发型号对无人驾驶车辆的安全操作是有益的。我们参加了自主盛大挑战的无地图驾驶轨道，该挑战刺激了识别交通元素和车道中心线并了解其拓扑关系的模型的发展。使用带有头到区域机制的车道注意模块和相同的参考点初始ization策略，以端到端的方式进行了最新的LANESEGNENT系统。我们通过评估其编码机制中的替代骨架来探讨该系统的有效性。我们的分析表明，使用大于原始Resnet-50基线表现的主链性能。