XiaoMi-AI文件搜索系统
World File Search System合用
TRULICITY（度拉糖肽）注射剂，供皮下使用
当 TRULICITY 与一种磺酰脲类或胰岛素联用时比与非促泌剂使用时低血糖更频。在一项 78 周成人临床试验中，当 TRULICITY 0.75 mg 和 1.5 mg 分别与一种磺酰脲类共同给药时 20% 和 21% 患者发生低血糖(葡萄糖水平 <54 mg/dL)。当 TRULICITY 0.75 mg 和 1.5 mg 分别与一种磺酰脲类共同给药时 0% 和 0.7% 患者发生严重低血糖。在一项 52 周成人临床试验中，当 TRULICITY 0.75 mg 和 1.5 mg 分别与餐时胰岛素共同给药时 77% 和 69% 患者发生低血糖(葡萄糖水平 <54 mg/dL)。 TRULICITY 0.75 mg 和 1.5 mg 与餐时胰岛素合用时，分别有 2.7% 和 3.4% 的患者发生严重低血糖。与基础胰岛素甘精胰岛素合用治疗的患者低血糖发生率见表 3。
通过半正定程序实现的量子信息科学
摘要 正如标题所示，本章简要、独立地介绍了量子信息科学 (QIS) 中的五个基本问题，这些问题特别适合用半定程序 (SDP) 来表述。我们考虑了两类受众。主要受众包括运筹学 (和计算机科学) 研究生，他们熟悉 SDP，但发现即使对 QIS 的先决条件有一点点了解也令人望而生畏。第二类受众包括物理学家 (和电气工程师)，他们已经熟悉通过 SDP 对 QIS 进行建模，但对更普遍适用的计算工具感兴趣。对于这两类受众，我们都力求快速获得不熟悉的材料。对于第一类受众，我们提供足够的必需背景材料（来自量子力学，通过矩阵处理，并将它们映射到狄拉克符号中），同时对于第二类受众，我们在 Jupyter 笔记本中通过计算重新创建已知的闭式解。我们希望您能喜欢这篇介绍，并通过自学或参加短期研讨会课程了解 SDP 和 QIS 之间的奇妙联系。最终，我们希望这种学科拓展能够通过对 SDP 的富有成果的研究推动 QIS 的发展。
![arXiv:2112.08276v3 [quant-ph] 2022 年 10 月 19 日](/simg/8\813293887f611b02ad20de5dd12d028e9a8485fe.webp)
arXiv:2112.08276v3 [quant-ph] 2022 年 10 月 19 日
正如标题所示，本章简要、独立地介绍了量子信息科学 (QIS) 中的五个基本问题，这些问题特别适合用半定性程序 (SDP) 来表述。我们考虑了两类受众。主要受众包括运筹学 (和计算机科学) 研究生，他们熟悉 SDP，但发现即使对 QIS 的先决条件有一点点了解也是令人望而生畏的。第二类受众包括物理学家 (和电气工程师)，他们已经熟悉通过 SDP 对 QIS 进行建模，但对更普遍适用的计算工具感兴趣。对于这两类受众，我们都力求快速访问不熟悉的材料。对于第一类受众，我们提供足够的必需背景材料 (来自量子力学，通过矩阵处理，并以狄拉克符号映射它们)，同时对于第二类受众，我们在 Jupyter 笔记本中通过计算重新创建已知的闭式解。我们希望您能喜欢这篇介绍，并通过自学或参加短期研讨会课程了解 SDP 和 QIS 之间的奇妙联系。最终，我们希望这种学科拓展能够通过对 SDP 的富有成果的研究推动 QIS 的发展。
针对结直肠癌细胞的新型 TSPO 靶向阿霉素前药
结直肠癌 (CRC) 是美国第三大癌症死亡原因，每年导致 50,000 人死亡 (1)。CRC 经常转移到肝脏，15% 的患者在诊断后 3 年内出现同步肝转移，29% 的患者出现异时性转移 (2)。肝转移会增加死亡率。如果存在同步肝转移，CRC 患者的 5 年生存率为 2%，而如果癌症局限于结肠，则生存率为 90% (3)。全身癌症治疗的细胞毒性会导致高不良反应率，因此定向药物输送系统是一个备受关注的领域。经动脉化学栓塞术 (TACE) 是一种局部区域癌症治疗，其中将化疗剂和栓塞材料直接注射到供应肿瘤的动脉中。这导致了一种双重肿瘤损伤方法，肿瘤区域的化疗浓度高于全身耐受的浓度，并且栓塞后组织缺血。一项 II 期研究表明，当使用阿霉素、丝裂霉素 C 和顺铂的组合用 TACE 治疗结直肠肝转移时，反应率很高 (4)。药物洗脱珠 TACE (DEB-TACE) 是
黑白棋AI策略分析
黑白棋是古老游戏黑白棋 1 的现代改编版。在人工智能领域，由于它被认为不适合神经网络，因此被认为是一款有趣的游戏。此前人们认为黑白棋是一款可以通过分析方法轻松破解的游戏。2002 年，范登赫里克（Van Den Herik）的一项颇具影响力的调查预测，黑白棋将在 2010 年被破解 [1]。虽然较小版本的棋盘已经被破解，但是经典的 8×8 棋盘还没有完美的解决方案。游戏是人工智能的一个领域，其中代理的任务是在指定的动态游戏环境中与人类或其他游戏对手对抗，从而获得最大的分数。与人类对手的游戏研究可分为两个不同的研究领域：研究人类的思维过程和推理，以及将这些过程转化为数字环境 [2]。由于黑白棋不适合用神经网络来玩，因此它是一个有趣的环境，可以用来利用和测试人工智能中更经典的游戏方法。在黑白棋中发现有效的游戏策略的进步可能会发现一种性能更佳的通用游戏方案。在本信中，我们将实施、测试和分析各种对抗性搜索方法以及 CNN [3、4、5、6]。本文的其余部分概述如下。第 2 节讨论了黑白棋棋盘游戏和其他准备工作。第 3 节和第 4 节讨论了许多不同的游戏策略。第 5 节讨论了算法的评估设置和产生的结果。第 6 节研究了本文未测试的其他算法。第 7 节对本文进行总结。
一种具有脉冲减少和位置特征的全自动多通道神经脉冲分类算法
摘要 目的：对 Neuropixels 等多通道和高通道神经探针记录的神经尖峰数据进行分类，尤其是实时分类，仍然是一项重大的技术挑战。大多数神经尖峰分类算法侧重于事后对神经尖峰进行高分类精度——但这些算法通常无法减少处理延迟以实现快速分类，甚至可能是实时分类。 方法：我们在此报告我们的图形网络多通道排序 (GEMsort) 算法，该算法主要基于图形网络，可以对多个神经记录通道进行快速神经尖峰分类。这是通过两项创新实现的：在 GEMsort 中，通过仅选择任何通道中幅度最高的神经尖峰进行后续处理，从多个通道记录的重复神经尖峰被从重复通道中消除。此外，记录代表性神经尖峰的通道被用作附加特征，以区分从具有相似时间特征的不同神经元记录的神经尖峰。 主要结果：合成和实验记录的多通道神经记录用于评估 GEMsort 的分类性能。 GEMsort 的排序结果还与其他两种最先进的排序算法（Kilosort 和 Mountainsort）在排序时间和排序一致性方面进行了比较。意义：GEMsort 可以快速对神经脉冲进行排序，非常适合用数字电路实现，以实现高处理速度和通道可扩展性。
一种结合 AI 和 SFM 算法的匹配移动方法，用于历史电影镜头
关键词：物体检测、神经网络、摄像机跟踪、摄影测量、文化遗产、度量质量评估 摘要：寻找适合摄影测量的材料是文化遗产记录的关键部分。摄影测量可用于生成经过度量认证的 3D 模型。当文化遗产丢失时，历史电影镜头档案中包含的材料对于记录特别有用。在本研究中，提出了一种创新的匹配移动方法，旨在利用人工智能和 SfM 算法来识别从电影镜头中提取的出现丢失古迹的帧，这些帧适合用摄影测量处理以进行 3D 重建。首先，通过训练物体检测神经网络对视频中的文化遗产进行识别和跟踪。然后，使用包含古迹的边界框的坐标自动提取检测到的帧。通过仅选择从同一场景的多个角度拍摄的照片并分析边界框位置随时间的变化来识别相机运动。需要进一步检查材料以仅选择序列并消除来自不同历史时期的单帧和图像。在此过程之后，仅自动选择正确的帧并用摄影测量法处理，并评估获得的 3D 模型的质量。本研究中实验的方法代表了文化遗产领域的一种强大工具，因为它可以自动选择适合摄影测量的材料。此外，它提供了可以扩展到其他领域的重要见解。
表皮生长因子受体 2- 的心脏毒性......
乳腺癌是女性最常见的癌症，发病率逐年上升。20% 至 25% 的侵袭性乳腺癌与人表皮生长因子受体 2（HER2 或 ErbB2）过表达有关，且预后不良。HER2 靶向治疗显著提高了 HER2 阳性乳腺癌患者的总体生存率。然而，尽管该疗法有诸多好处，但其心脏毒性却是一个主要问题，尤其是当 HER2 靶向治疗与蒽环类药物联合使用时。目前，这种心脏毒性的机制尚不完全清楚。目前认为，HER2 靶向药物抑制 HER2/NRG 1 二聚体的形成，导致心肌细胞线粒体中 ROS 增加，并抑制 PI3K/Akt 和 Ras/MAPK 通路，导致细胞凋亡。抗氧化剂、血管紧张素转换酶抑制剂、血管紧张素Ⅱ受体阻滞剂、β受体阻滞剂、他汀类药物等与ErbB2靶向药物合用可能具有心脏保护作用。NT-proBNP可用于HER2靶向治疗期间曲妥珠单抗所致心脏毒性的监测，可作为临床预测心脏毒性的生物学标志物。NT-proBNP检测具有非侵入性、廉价、可重复性等特点，值得临床医生重视。本文旨在探讨ErbB2靶向药物心脏毒性的潜在机制、临床特点、诊断策略和干预策略。
原位缺失揭示了拟南芥中细胞内免疫受体基因及其共表达基因表达的调控成分
图 8 LHY1 和 bHLH28 在 SNC1 表达调控中的作用。（a）来自 DAP-seq 数据库的 SNC1 基因座中两个转录因子 LHY1 和 bHLH28 的结合。这是从浏览器图像中重新绘制的。结合用彩色块表示，高度代表检测到的结合水平。（b）野生型或 bon1 中突变体 bhlh28 和 lhy1 的生长表型。植物在 22°C 下 16 小时/8 小时光照下生长。（c）通过定量实时聚合酶链反应 (qRT-PCR) 测定 bhlh28 和 lhy1 单突变体和双突变体与 bon1 的相对 SNC1 表达。肌动蛋白被用作参考基因，并将表达水平与 Col-0 进行比较。显示的是三次生物学重复的平均值，误差线表示标准差。不同字母表示基因型之间的统计学显著差异（p < 0.05，学生 t 检验）。（d）LHY1-GFP 和 bHLH28-GFP 与 SNC1 启动子区的染色质免疫沉淀 (ChIP)-qPCR 分析。分别在“A”位点和“B”位点（如 a 所示）检测到 LHY1-GFP 和 bHLH28-GFP 的结合。显示了两个独立生物学重复的数据。“N”位点（如 a 所示）是 SNC1 基因体上的一个区域，在 DAP-seq 数据库中未检测到 LHY1 或 bHLH28 的结合信号。“GFP”是用抗 GFP 抗体孵育的样品，“NoAb”是不含抗 GFP 抗体的样品。不同字母表示通过单因素方差分析（ANOVA）得出的基因型间统计学差异具有显著性（p < 0.05）[彩色图可在 wileyonlinelibrary.com 上查看]
MuBiNN：用于脑电信号分类的多层二值化循环神经网络
监测人脑活动对于了解大脑功能、预防精神疾病和改善生活质量具有巨大潜力。为此，EEG 系统必须从当今临床实践中经常使用的有线、固定和笨重的系统转变为提供高信号质量的智能可穿戴、无线和舒适的生活方式解决方案。可穿戴设备上的连续监测要求自动 EEG 分类算法既准确又轻量。这是我们在本文中的主要关注点。请注意，可穿戴设备的处理器很小且有限，与台式机和服务器处理器相比要慢得多。许多以前的算法都是基于经典信号处理技术 [1][2]。由于 EEG 信号特征在不同情况下和不同人之间存在显著差异，因此此类算法中使用的固定特征不足以准确区分所有人的不同类型的疾病。为了自动提取特征并提高脑信号分类准确性，最近提出了基于深度学习的算法，包括深度卷积神经网络 (CNN) 和循环神经网络 (RNN) [3][4]。用于序列学习的最流行和最有效的 RNN 模型之一是长短期记忆 (LSTM) [5]。LSTM 旨在对长程依赖关系进行建模，而 RNN 的记忆备份起着重要作用，因此它们比传统的 RNN 更准确、更有效。本文重点介绍基于 LSTM 循环神经网络的 EEG 分类算法。所提出的方法采用 RNN，因为 EEG 波形自然适合用这种类型的神经网络进行处理。与其他类型的神经网络相比，RNN 可以更有效地捕获序列数据中的时间依赖关系。然而，高分类准确率的代价是