XiaoMi-AI文件搜索系统
World File Search System图中
在脑电图中同时保护多种隐私...
摘要 - 大脑计算机界面（BCI）可以在大脑和外部设备之间进行直接通信。脑电图（EEG）是非侵入性BCIS中首选的输入信号，因为它的便利性和低成本。基于EEG的BCI已成功地用于许多应用中，例如神经康复，文本输入，游戏等。但是，脑电图信号固有地带有丰富的个人信息，需要保护隐私。本文表明，可以轻松地从脑电图数据中推断出多种类型的私人信息（用户身份，性别和BCI体验），从而对BCIS构成严重的隐私威胁。为了解决此问题，我们设计了扰动，将原始的脑电图数据转换为受隐私保护的脑电图数据，这些数据掩盖了私人信息，同时保持主要的BCI任务性能。实验结果表明，受隐私保护的脑电图数据可以显着降低用户身份，性别和BCI经验的分类准确性，但几乎不会影响基于EEG的BCIS BCI的初级BCI任务的分类准确性。
探索生成AI在构建具有医学环境的药物适应症的知识图中的作用
摘要药物指示的医学环境提供了有关如何在实践中使用该药物的重要信息。但是，从药物适应症中提取医疗环境仍然受到探讨，因为大多数研究都集中在识别药物和相关疾病上。的确，大多数数据库编目的药物指示都不包含其医疗环境，以机器可读的格式。本文提出了使用大型语言模型来构建钻石-KG，这是药物适应症及其医学环境的知识图。研究1）检查在为语言模型提供其他指导时的准确性和精度变化，2）估计药物适应症中医疗环境的普遍性； 3）评估钻石-KG对Neurodkg的质量，而Neurodkg是一个小型手动策划的知识图。结果表明，更多的详细提示提高了医疗环境提取的质量； 71％的迹象至少具有一种医疗背景； 63.52％的提取的医学环境对应于Neurodkg中鉴定的医疗环境。本文展示了使用大型语言模型进行专业知识提取的实用性，特别着眼于提取药物适应症及其医学背景。我们提供钻石 - 作为由本体支持的公平RDF图。公开访问，钻石kg可能对下游任务，例如语义查询回答，推荐引擎和药物重新定位研究。
贝叶斯优化函数在图中的节点子集
我们解决了图表中节点子集上定义的功能优化的问题。鉴于其组合，黑盒和昂贵的评估性质，这种功能的优化通常是一项非平凡的任务。尽管文献中已经引入了各种算法，但大多数是特定于任务或计算效率低下的算法，并且仅利用图形结构的信息而不考虑函数的特征。为了解决这些限制，我们利用贝叶斯优化（BO），一种样品有效的黑盒求解器，并提出了一个新颖的框架，以在图形上进行组合优化。更具体地说，我们将原始图中的每个k节点子集映射到新组合图中的节点，并采用局部建模方法，通过使用递归算法逐步采样其子图，以有效地穿越后者。合成和现实世界中的广泛实验证明了拟议的BO框架在各种类型的图形和优化任务上的有效性，其中通过消融研究详细分析了其行为。可以在github.com/leonresearch/graphcombo上找到实验代码。
抗肿瘤坏死因子治疗的纵向单细胞图中炎症性肠病
免疫介导的炎症性疾病（IMID）中的精确药物需要对治疗反应有细胞的理解。我们描述了克罗恩氏病（CD）和溃疡性结肠炎（UC）的治疗曲线（抗肿瘤坏死因子（抗TNF）治疗）。我们产生了约100万个单细胞转录组，分为109个细胞状态，来自216个肠道活检（41名受试者），揭示了疾病特异性的差异。系统生物学空间分析确定了CD和干扰素（IFN）反应特征中的肉芽肿特征，该特征位于T细胞聚集体和CD和UC中的上皮损伤。上皮和髓样室的预处理差异与两种疾病的缓解结果有关。纵向比较表明非排放中的疾病进展：CD中的髓样和T细胞扰动，UC中的多细胞IFN信号增加。IFN信号传导在类风湿关节炎（RA）滑膜中也观察到了淋巴样病变。我们的治疗图集是多种炎症性疾病中最常见的生物治疗，抗TNF的扰动最大的细胞普查。
单轴拉伸诱导的绘图中的相变
摘要：材料科学领域非常关注二维（2D）材料的研究，尤其着重于石墨烯（GR）及其各种同种异体（例如Graphynes（Gys））。在这项工作中，我们通过有限温度下的分子动力学模拟探索了单轴负载对GY结构的影响，这导致了在特定温度下产生的新阶段。我们在α-和[14、14、18] -Gys中确定了三个新阶段，我们将其命名为C 16 -GY，C 14 -GY和C 12 -GR。这些阶段具有在广泛温度（t≤4和300k≤t≤600K）中保持稳定的显着特性。此外，我们已经对这些新发现的阶段的机械性能进行了广泛的研究。通过有限温度下的分子动力学模拟，使用经验潜力，我们获得了对这些材料在不同温度条件下的行为方式的宝贵见解。我们的结果表明，与α-和[14、14、18] -Gys（46.63和43.98 N/m）相比，在室温（300 K），C 16-，C 16- gys在X-方向（58.85和65.88 n/m）中表现出很高的年轻模量。此外，这些新阶段表现出超过磷，德国烯，硅和Stanene的机械性能。重要的是，它们的机械稳定性和动态稳定性都得到了积极的确认。因此，这些材料是各种机械应用的有希望的候选者。■简介
情绪脑电图中有效的情感指标...
摘要 本研究探讨了脑电图 (EEG) 在表征情绪方面的应用，并深入了解了自我报告结果与机器学习结果之间的一致性。30 名参与者参与了五个旨在引发特定情绪的虚拟现实环境，同时记录了他们的大脑活动。参与者通过自我评估人体模型自我评估了他们的真实情绪状态（包括唤醒度和效价）。采用梯度提升决策树作为分类算法，测试 EEG 在表征情绪状态方面的可行性。出现了与不同效价和唤醒度水平相对应的独特神经激活模式，自我评估结果与分类器之间显著的对应关系表明，基于 EEG 的情感指标可成功应用于情绪表征，揭示了将其用作真实测量的可能性。这些发现为 EEG 作为情绪表征工具的有效性及其对更好地理解情绪激活的贡献提供了令人信服的证据。
在获得和模拟脑电图中的创新信号是对生物医学技术的文献综述和应用的综合研究
在这项研究中，对信息进行了搜索，其中可以知道生物医学在大脑信号中使用的多种应用。主要目的是提供网络数据库中获得的信息，该信息基于逮捕和管理多种项目的创建多种项目，这些信号在包括BCI系统的设备中开发，这些设备控制着由BCI系统控制由人脑产生的信号处理的设备，这些信号可以通过该信息进行多个信息，从而使多个信息启发出来，这些信息可能会导致大脑的分析，并且可以使大脑的分析能够分析，而brice则是eSASS的分析。不同的器官，甚至全部是周围神经系统。通过信息的反馈寻求通过包含过滤阶段的多个通道捕获神经信号融合的设备的创建，该阶段允许读取从不同脑半球获得的信号寻求通过包含过滤阶段的多个通道捕获神经信号融合的设备的创建，该阶段允许读取从不同脑半球获得的信号
在获得和模拟脑电图中的创新信号是对生物医学技术的文献综述和应用的综合研究
在这项研究中，对信息进行了搜索，其中可以知道生物医学在大脑信号中使用的多种应用。主要目的是提供网络数据库中获得的信息，该信息基于逮捕和管理多种项目的创建多种项目，这些信号在包括BCI系统的设备中开发，这些设备控制着由BCI系统控制由人脑产生的信号处理的设备，这些信号可以通过该信息进行多个信息，从而使多个信息启发出来，这些信息可能会导致大脑的分析，并且可以使大脑的分析能够分析，而brice则是eSASS的分析。不同的器官，甚至全部是周围神经系统。通过信息的反馈寻求通过包含过滤阶段的多个通道捕获神经信号融合的设备的创建，该阶段允许读取从不同脑半球获得的信号寻求通过包含过滤阶段的多个通道捕获神经信号融合的设备的创建，该阶段允许读取从不同脑半球获得的信号
几何深度学习增强脑电图中不平衡域适应
1 简介 脑机接口 (BCI) 可以实现大脑与外部设备之间的直接通信，为康复和通信提供了巨大的潜力 [1]。尽管基于脑电图 (EEG) 的 BCI 具有如此强大的功能，但目前仍存在信噪比低、特异性不足和域偏移（例如，数据分布的变化）等问题。传统上，通过收集标记校准数据和训练领域特定模型来缓解域偏移 [1]。然而，这种方法资源密集且耗时。作为一种替代方案，无监督域自适应 (UDA) 从标记源域中学习一个模型，该模型可有效执行不同的（但相关的）未标记目标域 [1]。在 BCI 领域，UDA 主要解决会话间和主体间的迁移学习 (TL) 问题 [2]，旨在无需监督校准即可实现跨域（即会话和主体）的稳健泛化。在我们之前的工作中，我们开发了一个几何深度学习框架，称为 TSMNet [3]，用于对对称正定 (SPD) 流形执行统计对齐。TSMNet 在配备有仿射不变黎曼度量的 SPD 流形上联合学习卷积特征提取器和切线空间映射 (TSM)，该度量由于其对潜在源的线性混合具有固有的不变性，非常适合 EEG 数据 [4]。许多 UDA 框架（包括 TSMNet）对齐边际特征分布，隐式假设跨域的标签分布相同。然而，在实践中经常遇到标签偏移，标签偏移下的边际特征对齐会增加泛化误差 [5]。最近的方法将这种对齐问题定义为不平衡的多源和多目标 UDA 问题 [6]。本文介绍了 TSMNet 的扩展，增强了其同时解决特征和标签偏移的能力。为了维护 TSMNet
探索生成AI在构建具有医学环境的药物适应症的知识图中的作用
摘要药物指示的医学环境提供了有关如何在实践中使用该药物的重要信息。但是，从药物适应症中提取医疗环境仍然受到探讨，因为大多数研究都集中在识别药物和相关疾病上。的确，大多数数据库编目的药物指示都不包含其医疗环境，以机器可读的格式。本文提出了使用大型语言模型来构建钻石-KG，这是药物适应症及其医学环境的知识图。研究1）检查在为语言模型提供其他指导时的准确性和精度变化，2）估计药物适应症中医疗环境的普遍性； 3）评估钻石-KG对Neurodkg的质量，而Neurodkg是一个小型手动策划的知识图。结果表明，更多的详细提示提高了医疗环境提取的质量； 71％的迹象至少具有一种医疗背景； 63.52％的提取的医学环境对应于Neurodkg中鉴定的医疗环境。本文展示了使用大型语言模型进行专业知识提取的实用性，特别着眼于提取药物适应症及其医学背景。我们提供钻石 - 作为由本体支持的公平RDF图。公开访问，钻石kg可能对下游任务，例如语义查询回答，推荐引擎和药物重新定位研究。