XiaoMi-AI文件搜索系统
World File Search System呈假
Kura Oncology 和 Kyowa Kirin 宣布 Ziftomenib 单药治疗注册试验结果呈阳性，并且
– Kura 管理层将于今天美国东部时间下午 4:30 举办虚拟投资者活动 – 圣地亚哥和东京，2025 年 2 月 5 日和 6 日 – Kura Oncology, Inc. (Nasdaq: KURA，“Kura”) 和 Kyowa Kirin Co., Ltd. (TSE: 4151，“Kyowa Kirin”) 今天宣布了 KOMET-001 的积极顶线结果，这是 ziftomenib 的 2 期注册导向试验，ziftomenib 是一种高度选择性、每日一次的口服研究性脑膜炎抑制剂，用于治疗复发/难治性 (R/R) NPM1 突变型 (NPM1-m) 急性髓细胞白血病 (AML) 患者。 KOMET-001 的顶线数据已提交给即将于 2025 年第二季度举行的医学会议进行展示，Kura 有望在 2025 年第二季度向美国食品药品监督管理局 (FDA) 提交 ziftomenib 的新药申请 (NDA)。两家公司宣布将在 2024 年联合将 ziftomenib 商业化，同时还宣布他们计划启动一项单一方案，该方案包含两项独立驱动、随机、双盲、安慰剂对照、注册性 3 期试验，以评估 ziftomenib 联合强化和非强化联合方案对新诊断的 NPM1-m 和 KMT2A 重排 (KMT2A-r) 患者的效果
假木香酸 B 靶向 CD147 选择性杀死急性...
表 3-1. CD147 SHRNA 序列...................................................................................................................... 28
2024 年学习与参与总监（育儿假保障）招聘启事
● 开发创新、有趣且有影响力的学习和参与机会 ● 开发、规划、设计和促进面向不同受众的引人入胜且易于访问的公共项目，包括针对儿童、青少年、成人和家庭的课程、营地和学习机会 ● 与策展团队合作开发的展览解说、节目和资源 ● 管理学校艺术家计划，包括聘请和管理合同艺术家，以及监督预订和评估程序 ● 创建和促进内部学校项目，包括参观和研讨会 ● 协调外展活动 ● 为所有人创造受欢迎且易于访问的体验，消除参与障碍 ● 与参展和社区艺术家建立关系并密切合作 ● 在整个社区发展和培养关系和伙伴关系
基于神经形态的神经假体用于大脑重新布线
1 热那亚大学信息学、生物工程、机器人系统工程系 (DIBRIS)，意大利热那亚 16145 2 意大利理工学院康复技术系，意大利热那亚 16163 3 波尔多大学 CNRS UMR 5218 IMS 实验室，法国塔朗斯 33405 4 伯尔尼大学伯尔尼大学医院神经病学系，瑞士伯尔尼 3012 5 堪萨斯大学医学中心康复医学系，美国堪萨斯州堪萨斯城 66103 6 堪萨斯大学医学中心兰登老龄化中心，美国堪萨斯州堪萨斯城 66103 7 国家核物理研究所 (INFN)，意大利热那亚 16146 8 IKERBASQUE，巴斯克基金会，西班牙毕尔巴鄂 48009 9 Biocruces 健康研究所，西班牙巴拉卡尔多 48903 *通信地址：michela.chiappalone@unige.it (MC); timothee.levi@u-bordeaux.fr (TL) † 这些作者对这项工作做出了同等贡献。
在计算假设下对单个量子设备进行自我测试
自我测试是一种仅基于其classical输入输出相关性来表征任意量子系统的方法，并在独立于设备与设备无关的量子信息处理以及量子复杂性理论中起重要作用。进行自我测试的事务需要假设，即系统状态在仅构成本地测量且无法交流的多个政党之间共享。在这里，我们替换了多个非沟通各方的设置，这在实践中很难通过一个计算方面的政党实践。特别是，我们构建了一个协议，该协议允许经典的验证者可靠地证明单个计算界限的量子设备必须准备好铃铛对并在其上进行了单量测量，直到将其应用于设备状态和测量值的基础上。这意味着，在计算标题下，verifier能够证明纠缠的存在，纠缠是一种通常与两个分离的子系统密切相关的属性，在一个单个量子设备内。为了实现这一目标，我们以Brakerski等人提出的技术为基础。（2018）和Mahadev（2018），允许经典的Verifier限制假设该设备不会破坏量子后加密的量子设备的作用。
在公平抽样假设下，后选择如何影响与设备无关的声明
设备独立认证采用贝尔测试来保证设备正常运行，该测试仅基于观察到的测量统计数据，即不对设备的内部功能做出假设。当使用效率过低的设备实施这些贝尔测试时，必须后选择导致成功检测的事件，从而依赖于公平采样假设。本文我们讨论的问题是公平采样下设备独立认证还剩下什么。我们根据滤波器提供后选择的直观描述，并将公平采样假设定义为这些滤波器的一个属性，与参考文献 [1] 中引入的定义等同。当满足此假设时，后选择数据将通过理想实验重现，其中无损设备测量滤波状态，该状态可以通过局部概率图从实际状态获得。因此，可以就此滤波状态的量子特性得出可信的结论，并且可以可靠地使用相应的测量统计数据，例如，用于随机性生成或量子密钥分发。我们还探索了更强大的公平采样概念，从而得出结论：后选数据是通过无损检测获得的数据的公平表示。此外，我们表明，我们的结论在与精确公平采样有小偏差的情况下仍然成立。最后，我们描述了以前或可能在公平采样下用于贝尔型实验的设置，并确定了底层的设备特定假设。
人工智能：牙科领域的新型诊断软件
摘要：背景：人工智能（AI）已在公共卫生领域占据一席之地，因为越来越多的人希望使用可以让他们更快、更准确地工作的技术进行诊断，从而降低成本和减少医疗错误。方法：在本研究中，从意大利罗马Sapienza大学口腔颌面科学系随机选择了 120 张全景 X 射线（OPG）。使用 Apox 获取和分析 OPG，Apox 可拍摄全景 X 射线并自动返回牙齿公式、牙种植体、假牙冠、填充物和根残留物的存在。进行了描述性分析，将分类变量呈现为绝对频率和相对频率。结果：总的来说，真阳性（TP）值的数量为 2.195（19.06%）；真阴性（TN），8.908（77.34%）；假阳性（FP），132（1.15%）；假阴性（FN）为 283（2.46%）。总体敏感性为 0.89，而总体特异性为 0.98。结论：本研究展示了牙科领域的最新成果，分析了新诊断方法的应用和可信度，以改善牙医的工作和患者的护理。
人工智能系统减少乳腺超声检查解释中的假阳性结果
超声是检测和鉴定乳腺癌的重要成像方式。尽管乳腺超声一直被证明可以检测出乳房 X 线摄影中隐藏的癌症，尤其是在乳房致密的女性中，但人们注意到乳腺超声具有很高的假阳性率。在这项研究中，我们提出了一种人工智能 (AI) 系统，该系统在超声图像中识别乳腺癌的准确度达到放射科医生的水平。为了开发和验证这个系统，我们整理了一个数据集，该数据集包含 2012 年至 2019 年间在纽约大学朗格尼健康中心接受检查的 143,203 名患者的 288,767 次超声检查。在由 44,755 次检查组成的测试集中，AI 系统的受试者工作特征曲线下面积 (AUROC) 达到 0.976。在一项读者研究中，AI 系统的 AUROC 高于十位获得委员会认证的乳腺放射科医生的平均水平（AUROC：AI 0.962，放射科医生 0.924 ± 0.02）。在 AI 的帮助下，放射科医生将假阳性率降低了 37.4%，并将要求的活检数量减少了 27.8%，同时保持了相同的敏感度水平。为了确认其通用性，我们在独立的外部测试数据集上对我们的系统进行了评估，结果显示其 AUROC 为 0.911。这凸显了 AI 在提高全球乳腺超声诊断的准确性、一致性和效率方面的潜力。
FakeSpotter：一种简单而强大的识别人工智能合成假脸的基准
近年来，生成对抗网络 (GAN) 及其变体在图像合成领域取得了前所未有的成功。它们被广泛应用于合成面部图像，随着假货的传播和错误信息的滋生，这给人类带来了潜在的安全隐患。然而，这些人工智能合成的假脸的鲁棒检测器仍处于起步阶段，尚未准备好完全应对这一新兴挑战。在这项工作中，我们提出了一种名为 FakeSpotter 的新方法，该方法基于监测神经元行为来发现人工智能合成的假脸。对神经元覆盖和相互作用的研究成功表明，它们可以作为深度学习系统的测试标准，尤其是在遭受对抗性攻击的环境下。在这里，我们推测监测神经元行为也可以作为检测假脸的有效手段，因为逐层神经元激活模式可以捕获对假脸检测器很重要的更细微的特征。利用最先进的 GAN 合成的四种假脸并规避四种扰动攻击的实验结果证明了我们方法的有效性和鲁棒性。