XiaoMi-AI文件搜索系统
World File Search System大小
CHI 分型实验效果大小的元分析
[1] Xiaojun Bi、Barton A. Smith 和 Shumin Zhai。2010 年。准 Qwerty 软键盘优化。在 SIGCHI 计算机系统人为因素会议论文集（美国佐治亚州亚特兰大）（CHI '10）。美国计算机协会，纽约，纽约州，美国，283–286 页。https://doi.org/10.1145/1753326.1753367 [2] Stephane Champely、Claus Ekstrom、Peter Dalgaard、Jeffrey Gill、Stephan Weibelzahl、Aditya Anandkumar、Clay Ford、Robert Volcic、Helios De Rosario 和维护者 Helios De Rosario。[nd]。软件包“pwr”。([nd])。[3] Mike WL Cheung。 2014. 使用三级荟萃分析对依赖效应大小进行建模：一种结构方程建模方法。《心理方法》19，2（2014），211。[4] Andy Cockburn、Carl Gutwin 和 Alan Dix。2018. 不再 HARK：关于 CHI 实验的预注册。在 2018 年 CHI 计算机系统人为因素会议论文集（加拿大魁北克省蒙特利尔）（CHI '18）。美国计算机协会，美国纽约州纽约，1-12。https://doi.org/10.1145/3173574.3173715 [5] Jacob Cohen。1988. 行为科学的统计功效分析。（第 2 版）。Taylor & Francis 有限公司。[6] Geoff Cumming。 2013. Cohen 的 d 需要易于解释：对 Shieh (2013) 的评论。行为研究方法 45, 4 (2013)，968–971。[7] Geoff Cumming 和 Robert Calin-Jageman。2016. 新统计学导论：估计、开放科学及其他。劳特利奇。[8] Mark Dunlop 和 John Levine。2012. 触摸屏键盘的多维帕累托优化，以提高速度、熟悉度和改进拼写检查。在 SIGCHI 计算机系统人为因素会议论文集（美国德克萨斯州奥斯汀）（CHI '12）中。计算机协会，美国纽约州纽约，2669–2678。 https://doi.org/10.1145/2207676.2208659 [9] Alexander Eiselmayer、Chat Wacharamanotham、Michel Beaudouin-Lafon 和 Wendy E. Mackay。2019 年。Touchstone2：一种用于探索人机交互实验设计权衡的交互式环境。在 2019 年 CHI 计算机系统人为因素会议（英国苏格兰格拉斯哥）（CHI '19）论文集上。美国计算机协会，纽约，纽约州，美国，1-11。https://doi.org/10.1145/3290605.3300447 [10] Franz Faul、Edgar Erdfelder、Axel Buchner 和 Albert-Georg Lang。2009 年。使用 G* Power 3.1 进行统计功效分析：相关和回归分析检验。行为研究方法 41，4（2009 年），1149–1160。[11] Anna Maria Feit、Daryl Weir 和 Antti Oulasvirta。2016 年。我们如何打字：日常打字中的动作策略和表现。 2016 年 CHI 计算机系统人为因素会议论文集（美国加利福尼亚州圣何塞）(CHI '16)。美国计算机协会，纽约，纽约州，美国，4262–4273。https://doi.org/10.1145/2858036.2858233 [12] Leah Findlater 和 Jacob Wobbrock。2012 年。个性化输入：通过自动适应改进十指触摸屏打字。2016 年 SIGCHI 计算机系统人为因素会议论文集（美国德克萨斯州奥斯汀）(CHI '12)。美国计算机协会，纽约，纽约州，美国，815–824。 https://doi.org/10.1145/2207676.2208520 [13] Leah Findlater、Jacob O. Wobbrock 和 Daniel Wigdor。2011 年。在平板玻璃上打字：检查触摸表面上的十指专家打字模式。在 SIGCHI 计算机系统人为因素会议论文集（加拿大不列颠哥伦比亚省温哥华）（CHI '11）。计算机协会，美国纽约州纽约，2453–2462。https://doi.org/10.1145/1978942.1979301 [14] Mayank Goel、Leah Findlater 和 Jacob Wobbrock。2012 年。WalkType：使用加速度计数据适应移动触摸屏文本输入中的情境障碍。 SIGCHI 计算机系统人为因素会议 (美国德克萨斯州奥斯汀) (CHI '12) 论文集。美国计算机协会，纽约，纽约州，美国，2687–2696 页。https://doi.org/10.1145/2207676.2208662 [15] Aakar Gupta 和 Ravin Balakrishnan。2016 年。DualKey：通过手指识别实现微型屏幕文本输入。2016 年 CHI 计算机系统人为因素会议 (美国加利福尼亚州圣何塞) (CHI '16) 论文集。美国计算机协会，纽约，纽约州，美国，59–70 页。 https://doi.org/10.1145/2858036.2858052 [16] M. Harrer、P. Cuijpers、TA Furukawa 和 DD Ebert。2019 年。使用 R 进行元分析：实践指南。PROTECT Lab Erlangen（2019 年）。
随着年龄增长，改变海马体大小的可改变因素
摘要 | 海马体特别容易受到肥胖、糖尿病、高血压、缺氧性脑损伤、阻塞性睡眠呼吸暂停、双相情感障碍、临床抑郁症和头部创伤的神经毒性作用。患有这些疾病的患者的海马体通常较小，认知能力下降的程度也比没有这些合并症的人更大。此外，海马体萎缩是从正常衰老过程转变为轻度认知障碍和痴呆症的既定指标。因此，一个重要的目标是确定哪些可改变的因素可以对海马体在整个生命过程中的大小产生积极影响。观察性研究和初步临床试验提出了这样一种可能性：体育锻炼、认知刺激和一般疾病的治疗可以逆转与年龄有关的海马体萎缩，甚至扩大其大小。一个新兴的概念——动态多边形假说——表明，治疗可改变的风险因素可以增加海马体的体积或防止其萎缩。根据这一假设，采用多学科方法（包括减少神经毒性和增加神经发生的策略）很可能成功延缓衰老引起的认知障碍。在提出实施预防和治疗策略的建议之前，需要进一步研究最有效的干预措施。
用于靶向治疗的谷物大小的机器人 | 实验室经理
https://www.labmanager.com/future-of-medicine-grain-sized-robots-for-targeted-therapy-33026
约克夏犬、博美犬、哈巴狗和波士顿梗犬特定品种的椎心大小和椎左心房大小参考区间
在 IDEXX 远程医疗顾问的电子病历系统中搜索了 2023 年 1 月 1 日至 2023 年 3 月 31 日期间接受胸部 X 光检查的 YT、哈巴狗、POM 和 BT。这些 X 光片之前已提交给 IDEXX 远程医疗顾问进行远程医疗审查。如果狗进行了 2 次或 3 次胸部 X 光检查（至少 1 次右侧胸部 X 光检查和 1 次腹背或背腹视图），并且未发现心肺或全身疾病的证据，则将其纳入。所有 X 光检查不完整和/或已知心外疾病的狗均被排除在外（即胸部 X 光片上的异常，如胸腔积液、淋巴结肿大、肺炎或肿瘤）。定位不佳的放射线研究限制了研究心脏病专家判断的 VHS 和 VLAS 测量的准确性，因此也被排除在外。研究中包括的所有狗都必须具有正常的心脏听诊，这由进行身体检查的原始兽医记录在远程医疗咨询表中。所有报告有心脏杂音的狗都被排除在外。如果狗没有报告心脏杂音，但最初的 IDEXX 放射科医生或心脏病专家报告主观心脏扩大，正在服用可能影响心脏大小的心脏药物（即匹莫苯丹或利尿剂），有无谷物饮食史，或有 N 端脑钠肽前体升高史，则该狗被称为“疑似心脏病”并被排除在外。从患者记录和射线照片中收集的数据包括年龄、体重、性别、VHS 和 VLAS。所有品种的 VHS 和 VLAS 测量均由同一位获得委员会认证的心脏病专家进行。由于所有 X 光片都是数字格式，因此使用数字卡尺进行测量并在右侧 X 光片上进行。VHS 测量采用 Buchanan 和 Bücheler 1 最初描述的技术，其中测量心脏长轴从隆突中心到心脏腹尖最远端轮廓。隆突被定义为气管内透射线的圆形结构，代表左、右主支气管的分叉。心脏短轴在心脏中央第三区域测量，垂直于长轴。然后将两个轴测量值定位在胸椎体上，从第四胸椎的颅缘开始。两个轴的总和用于确定最接近 0.1 个椎骨的椎骨单位数（补充图 S1）。所有测量均为
RSVP 下基于视觉 ERP 的 BCI 中的刺激大小效应
摘要：快速序列视觉呈现 (RSVP) 是目前最适合用于基于事件相关电位 (ERP-BCI) 的视觉脑机接口 (ERP-BCI) 的范例之一，适用于眼球运动障碍患者。然而，凝视非依赖性范例的研究不如凝视依赖性范例那么深入，而且在 RSVP 下尚未探索诸如呈现的刺激大小等变量。因此，本研究的目的是评估刺激大小是否会影响 RSVP 范例下的 ERP-BCI 性能。12 名参与者使用三种不同的刺激大小测试了 RSVP 下的 ERP-BCI：小 (0.1 × 0.1 厘米)、中 (1.9 × 1.8 厘米) 和大 (20.05 × 19.9 厘米)，距离为 60 厘米。结果显示，不同条件下的准确度存在显著差异；刺激越大，准确度越高。研究还表明，这些差异不是由于对刺激的错误感知造成的，因为在感知辨别任务中，刺激大小没有影响。因此，本研究显示，刺激大小会影响 RSVP 下 ERP-BCI 的性能。未来针对需要注视独立系统的用户的 ERP-BCI 提案应考虑这一发现。
miR396 基因敲除可增加大豆种子大小和产量
1. 安徽农业大学生命科学学院，合肥 230036，中国 2. 安徽农业大学前沿科学研究院生物育种技术研究中心，合肥 230036，中国 3. 百瑞生物技术有限公司，济南 250000，中国 4. 中国农业科学院作物科学研究所/国家南方研究院，农业农村部基因编辑技术重点实验室（海南），三亚 572025，中国 5. 南方科技大学，深圳 518055，中国 6. 海南省崖州湾种子实验室，三亚 572024，中国 † 这些作者对这项工作做出了同等贡献。 * 通信：朱建康（zhujk@sustech.edu.cn）；朱建华（zhujh@ahau.edu.cn，朱博士全权负责与本文相关的所有材料的分发）
成人疫苗接种——无论年龄大小，您都可以接种疫苗！
是的！如果您一生中没有接种过一剂 Tdap，您现在需要接种 Tdap（成人百日咳疫苗）。所有女性在每次怀孕期间都需要接种一剂。此后，您需要每 10 年接种一次 Td 或 Tdap 加强剂。如果您一生中没有接种过至少 3 次破伤风和白喉类毒素疫苗，或者您有较深或较脏的伤口，请咨询您的医疗保健提供者。
在过去500万年中，气候环境对人类脑大小的影响
相对于体重的大脑被认为是一种明显的人类特征。它经常与将人类与其他物种区分开的社会，行为，技术和其他认知适应性相关。因此，大脑大小进化的过程是严格的科学辩论的主题。已经提出了许多假设，以解释气候和环境如何推动大脑大小的选择，但是通常会假定气候 - 环境选择性压力的单调影响，并且很少考虑在特种之间和内部效应。在这里，我们将贝叶斯系统发育比较技术应用于人类化石记录，以测试气候和环境压力（C-E）对脑大小进化的影响，同时考虑体重和年代年龄。我们发现，较冷，更可变的温度对脑大小的演化具有正面影响，这可能与生物学适应性有关以减轻低温。然而，在同性恋中，随着时间的流逝，这种作用的强度会降低，这表明在后来的物种（Homo Sapiens和Homo neanderthalensis）中，脑大小受到C-E条件的影响较小。引言相对大脑的大小是一个特别重要的特征，因为它通常被用作认知能力1-4的代理。据广泛报道，在过去的几百万年中，人类素的相对大脑大小增加了，最终是我们自己物种的标志性大脑5。然而，随着时间的时间，各个物种内部的逐渐变化引起了整个人类进化的相对大脑大小的增加。因此，我们必须采取与以前的许多研究相比，它只寻求跨物种的模式，才能真正理解人类素的生态驱动因素4,7,8。气候和环境（C-E）长期以来一直认为对人类欺凌的作用至关重要3,4,9-14。因此，已经提出了多种假设来解释C-E变量（例如降水，温度，植被）对人类脑大小进化3的作用。然而，这些假设传统上是用模棱两可的，尚不清楚如何测试它们以及使用哪些数据。最近，Will等人。3明确概述的假设以及对如何从所谓的生物气候变量的套件中预测颅底容量的相关期望，总结了温度和降水量以及描述植被的变量（此后，净初级生产力，NPP）。简要地：环境压力假设表明，资源不足的环境可能引起与压力相关的大脑大小增加3,15，而相反的环境约束假设表明，资源丰富的环境更有可能支持昂贵的大脑3。环境压力和环境约束假设特定预测温度，降水和NPP对脑大小的相反影响。环境一致性和环境变异性假设使降雨，温度和NPP的变化相反。s1），防止得出明确的结论。环境变异性假说预测，需要在短时尺度上提高认知能力（或更长的时间尺度的适应性灵活性）才能耐受波动的环境12 12，而环境一致性假设假设假设认为气候和环境稳定性更适合维持大型和代谢成本的大脑3,8,8,8。所有四个假设清楚地概述了低/波动资源的重要性或对不同时间尺度上的高/稳定资源的重要性，并根据C-E数据做出明确的预测。虽然不同的研究发现了对人类辐射的不同假设的支持3,4,8,15，但所有假设的期望的基础数据并非彼此独立（例如，16；图。尽管生物气候变量和NPP通常用于对灭绝物种的过去环境和生态学的研究，但由于共线性的高水平17，不可能将某些方面的影响分开。例如，最近的工作表明温度，NPP和降水都具有相似的
