XiaoMi-AI文件搜索系统
World File Search System子结构
自动分割主动脉瓣和二尖瓣，用于肥厚性阻塞性心肌病的心脏外科手术计划
肥厚性阻塞性心肌病（HOCM）是年轻人突然心脏死亡的主要原因。隔膜切除术手术被认为是HOCM非药物治疗的黄金标准，其中主动脉和二尖瓣是手术计划的关键区域。当前，在临床实践中广泛执行主动脉和二尖瓣的手动分割，以构建用于HOCM手术计划的3D模型。但是，这样的过程是耗时且昂贵的。在本文中，我们将解剖学的先验知识介绍为自动分割主动脉和二尖瓣的深度学习。特别是提出了一种两阶段的方法：我们首先从CT图像中获得感兴趣的（ROI），然后进行心脏分割。心脏子结构之间的空间关系用于识别包含主动脉瓣和二尖瓣的瓣膜区域。与典型的两阶段方法不同，我们为左心室的精制分割，左心房和主动脉作为阀门分割的附加输入。通过纳入这些解剖学先验知识，深度神经网络（DNN）可以利用周围的解剖结构来改善阀门细分。，我们收集了一个具有隔膜切除术手术病史的患者的27个CT图像的数据集。实验结果表明，我们的方法的平均骰子得分为71.2％，比现有方法提高了4.2％。我们的数据集和代码将发布到公共数据集。关键字：肥厚的阻塞性心肌病，外科手术计划，分割，深神经网络。
使用神经网络对 3D 脑部扫描进行多模态分割
脑部扫描的解剖分割与诊断和神经放射学研究高度相关。由于软组织对比度强，传统上分割是在 T 1 加权 MRI 扫描上进行的。在这项工作中，我们报告了一项基于学习的自动化脑部分割的比较研究，该研究针对 MRI 和计算机断层扫描 (CT) 扫描的各种其他对比度进行，并研究了这些成像模式中包含的解剖软组织信息。总共包含 853 个 MRI/CT 脑部扫描的大型数据库使我们能够训练卷积神经网络 (CNN) 进行分割。我们在四种不同的成像模式和 27 个解剖子结构上对 CNN 性能进行了基准测试。对于每种模式，我们基于一个通用架构训练一个单独的 CNN。我们发现平均 Dice 得分分别为 86.7 ± 4.1 %（T 1 加权 MRI）、81.9 ± 6.7 %（液体衰减反转恢复 MRI）、80.8 ± 6.6 %（扩散加权 MRI）和 80.7 ± 8.2%（CT）。性能是相对于使用广泛采用的 FreeSurfer 软件包获得的标签进行评估的。分割管道使用 dropout 采样来识别损坏的输入扫描或低质量分割。在图形处理单元上，对超过 200 万人素的 3D 体积进行完整分割需要不到 1 秒的处理时间。
口服 - 型糖尿病 - 糖尿病 -
简介：两种糖尿病会引起口腔的一系列变化，对Oro-Dental状态和治疗干预措施有直接影响。本研究的目的是确定有关非胰岛素依赖性糖尿病及其治疗影响的现有文献数据。材料和方法：审查的子结构基于Prisma 2020陈述。用于数据收集，使用了以下数据库：Pub Med，Cochrane图书馆，科学直接，Medline，Google，遵循关键词：“糖尿病中的口服表现”，“糖尿病和糖尿病和牙科植入物”中的口服并发症，“糖尿病中的口服疾病”。原创作品包括在过去13年中以横断面或前瞻性分析临床研究的形式发表在国际科学期刊上，其中包括35多种2型糖尿病患者。结果：研究表明，牙周疾病（80％），口服念珠菌病，静脉病毒（32％），口腔症（76％），具有根定位的狂热过程（22％），周围植入术（3％）和根本性病变在50％的骨质量和较差的患者中均具有糖尿病和贫困患者的饮食率，或者是骨质不佳的患者的表现。结论：具有不受控制的血糖指数的2型糖尿病有利于口腔病变的出现，这些疾病需要检测并正确治疗常规的假体治疗或植入物，并具有定期控制的糖尿病患者，以维持口腔健康并保留口腔健康并保持生活质量。
e 2 CB2Former：CB2受体配体活性预测的效率和可解释的变压器
摘要 - CB2受体配体活性的准确预测是针对该受体的药物发现的关键，这与炎症，疼痛管理和神经退行性疾病有关。尽管传统的机器学习和深度学习技术已经显示出希望，但其有限的解释性仍然是理性药物设计的重要障碍。在这项工作中，我们介绍了CB2Former，该框架将图形卷积网络（GCN）与变压器体系结构相结合以预测CB2受体配体活动。通过利用变压器的自我发项机制以及GCN的结构学习能力，CB2Former不仅增强了预测性能，而且还提供了对受体活性基础分子特征的见解。我们针对各种基线模型进行基准测试，包括随机森林，支持矢量机，最近的邻居，梯度增强，极端梯度增强，多层感知器，卷积神经网络和重复的神经网络，并以0.685的0.685和0.685和0.67的0.67和0.67 and and and and and and and and and and and and and and and and 0.675，并表现出优势。此外，注意力重量分析揭示了影响CB2受体活动的关键分子子结构，强调了该模型作为可解释的AI的潜力。这种指出关键分子基序的能力可以简化虚拟筛选，指导铅优化和加快治疗性发育。总的来说，我们的结果展示了先进的AI方法（例如CB2Former）在提供准确的预测和可操作的分子见解方面的变革潜力，从而促进了药物发现中的跨学科合作和创新。
思维 - 外尘盘结构对向内盘挥发性递送的影响
上下文。Atacama大毫米/亚毫米阵列（ALMA）透露，原始盘的毫米灰尘结构极为多样，从小而紧凑的灰尘盘到具有多个环和间隙的大型灰尘盘。已经提出，内部圆盘中H 2 O发射的强度特别取决于外盘中的冰卵石的涌入，这一过程将与外尘盘半径相关，并且可以通过压力凸起来预防。此外，灰尘结构还应影响内盘中其他气体物种的发射。由于陆地行星可能在内部圆盘区域形成，因此了解其组成是感兴趣的。目标。这项工作旨在评估压降对内盘分子储层的影响。存在尘埃间隙，并可能在圆盘上较远的巨型行星形成，可能会影响内盘的组成，从而影响陆地行星的构建块。方法。使用詹姆斯·韦伯（James Webb）空间望远镜（JWST）上中红外仪器（MIRI）中型仪器（MIRI）中型培养物（MRI）的敏感性和光谱分辨率与Spitzer相比，我们比较了H2 O，H2 O，HCN，C 2 H 2的观察性发射特性，并与Alma观察的二张外粉丝观察，并确认二张外的盘中，并在ALMA观察中进行杂物，并在ALMA观察中涂鸦，并在Alma观察中涂鸦，并在Alma观察中，在Alma观察中，中间涂抹量宽度有数十个天文单位的椎间盘，周围有m⋆≥0的恒星。45m⊙。 结果。 我们发现，尘埃间隙的存在并不一定会导致H 2 O发射弱。45m⊙。结果。我们发现，尘埃间隙的存在并不一定会导致H 2 O发射弱。我们使用了新的可见性平面拟合ALMA数据来确定外尘盘半径并识别盘中的子结构。此外，相对缺乏较冷的H 2 O-发射似乎与含碳物种的发射升高有关。，大多数显示碳种类可检测到的发射。盘子和极宽的圆盘似乎作为一个有点独立的群体，具有更强的冷H 2 O发射和弱温暖的H 2 O发射。结论。我们得出的结论是，即使对于具有非常宽的间隙或空腔的盘子，完全阻塞径向尘埃似乎很难实现，这仍然可以显示出明显的冷H 2 O发射。但是，椎间盘之间似乎确实存在二分法，这些椎间盘表现出强烈的冷H 2 O和显示出HCN和C 2 H 2的强烈发射的二分法。对外灰尘盘结构和内盘组成的影响的更好限制需要有关子结构形成时间尺度和圆盘年龄的更多信息，以及将（CO和CO 2）等（Hyper）挥发物（如CO和CO 2）捕获的重要性，例如H 2 O（例如H 2 O），以及CO的化学转化，将CO转化为挥发性较小的物种。
Y-TZP坯料制备控制及TiO2纳米管添加对牙科材料结构可靠性的影响
二氧化钛 (TiO 2 ) 纳米管已被用于增强牙科材料的机械和生物性能。氧化钇稳定四方氧化锆多晶体 (Y-TZP) 已越来越多地用于牙科，作为牙冠和固定部分假体的子结构。除了最佳临床效果外，Y-TZP 还容易出现故障，因为制造过程中引入了与微结构相关的缺陷，可能会降低其结构和临床可靠性。本研究的目的是评估毛坯制造工艺的作用以及通过添加 TiO 2 纳米管（体积为 0%、1%、2% 和 5%）在控制所有制造步骤的同时对其原始成分进行修改。对材料进行了双轴弯曲强度试验、扫描电子显微镜 (SEM) 断口定性分析、场发射 SEM 微观结构评估和 X 射线衍射。对弯曲强度值进行了方差分析、Tukey (α = 0.05) 和威布尔统计。对晶粒尺寸值进行了 Kruskal-Wallis 和 Dunn 检验 (α = 0.05)。结果的亮点包括，对于实验性 Y-TZP，添加 2% vol TiO 2 纳米管陶瓷的弯曲强度值为 577 MPa，威布尔模量 (m) 为 8.1。在不同混合物中添加 TiO 2 纳米管会影响实验 Y-TZP 性能，导致弯曲强度降低，尽管它们表现出比商用 Y-TZP 更高的 m。纳米管还导致晶粒尺寸更大、孔隙更多以及单斜相略有增加，从而影响 Y-TZP 的微观结构。Y-TZP 毛坯制造控制以及 TiO 2 纳米管的添加导致更高的 m 值，因此结构可靠性更高。
HyGNN：通过超图神经网络预测药物间相互作用
摘要 — 药物间相互作用 (DDI) 可能会妨碍药物的功能，在最坏的情况下，它们可能导致药物不良反应 (ADR)。预测所有 DDI 是一个具有挑战性且至关重要的问题。大多数现有的计算模型整合了来自不同来源的以药物为中心的信息，并将它们作为机器学习分类器中的特征来预测 DDI。然而，这些模型失败的可能性很高，尤其是对于所有信息都不可用的新药。本文提出了一种新的超图神经网络 (HyGNN) 模型，该模型仅基于适用于任何药物的简化分子输入线输入系统 (SMILES) 药物串来解决 DDI 预测问题。为了捕捉药物化学结构的相似性，我们从从 SMILES 字符串中提取的药物化学子结构创建了一个超图。然后，我们开发了 HyGNN，它由一个基于注意力机制的新型超图边缘编码器组成，以获得药物作为超边的表示，以及一个解码器来预测药物对之间的相互作用。此外，我们进行了大量实验来评估我们的模型，并将其与几种最先进的方法进行比较。实验结果表明，我们提出的 HyGNN 模型可以有效预测 DDI，并且令人印象深刻地超越基线，最大 F1 得分、ROC-AUC 和 PR-AUC 分别为 94.61%、98.69% 和 98.68%。最后，我们表明我们的模型也适用于新药。索引术语 — 药物-药物相互作用、图神经网络、超图、超图神经网络、超图边缘编码器
rnagrail：RNA 3D结构预测的图形神经网络和扩散模型
RNA的功能与X射线晶体学，NMR和Cryo-EM传统上探索的3D结构本质上息息相关。但是，这些实验通常缺乏原子水平的分辨率，从而使需要准确的RNA RNA结构预测工具。这一需求推动了人工智能（AI）的进步，该技术已经彻底改变了蛋白质结构的预测。不幸的是，由于稀疏和不平衡的结构数据，RNA场中的类似突破仍然有限。在这里，我们介绍了RNAGRAIL，这是一种新型的RNA 3D结构预测方法，该方法侧重于使用denoising扩散概率模型（DDPM）进行RNA子结构。与Alphafold 3（AF3）不同，被许多人认为是Oracle，Rnagrail允许专家用户定义基本对约束，从而提供出色的灵活性和精确度。，我们的方法在平均RMSD方面优于AF3，而平均ERMSD的表现为24％。此外，就相互作用网络保真度（INF）而言，它完美地再现了规范的二级结构优于AF3。rnagrail表现出各种RNA图案和家庭的鲁棒性。尽管受过rRNA和tRNA的训练，但它有效地概括为新的RNA家族，因此解决了RNA 3D结构预测中的主要挑战之一。这些结果强调了专注于小的RNA组件并集成用户定义的约束以显着增强RNA 3D结构预测的潜力，从而在RNA建模中设定了新标准。
突触的计算的神经种群动力学...
摘要除了长时间的重新布线外，大脑中的突触还会受到在更快的时间表上发生的显着调制，这些时间尺度赋予了大脑的其他处理信息。尽管如此，大脑的模型像复发性神经网络（RNN）经常在训练后冻结了权重，依靠在神经元活动中存储的内部状态来保存与任务相关的信息。在这项工作中，我们研究了仅依赖于推理过程中突触调制的网络的计算潜力和产生的动力学，即过程与任务相关信息，多塑性性网络（MPN）。由于MPN没有复发连接，因此这使我们能够仅由突触调制量研究计算能力和动态行为。MPN的一般性允许我们的结果适用于从短期突触可塑性（STSP）到较慢的调制，例如Spike Time依赖性可塑性（STDP）等较慢。我们彻底检查了经过基于集成任务的MPN的神经种群动力学，并将其与已知的RNN动力学进行了比较，发现两者具有根本不同的吸引子结构。我们发现动态上的上述差异使MPN在几个与神经科学的测试上的表现都优于其RNN对应物。在一系列神经科学任务中训练MPN，我们发现其在这种设置中的计算功能与通过复发连接计算的网络相当。总的来说，我们认为这项工作证明了通过突触调制的计算可能性，并突出了这些计算的重要基线，以便可以在类似大脑的系统中识别它们。
通过量子MA
我们研究了由金属有机化学蒸气沉积（MOCVD）在蓝宝石上生长的Znga 2 o 4纤维的电和光学性能，并在融合二氧化硅上通过脉冲激光沉积（PLD）生长的半绝制纤维。在700℃下形成的气体退火后，MOCVDFILM高度传导，室温载体浓度为2 10 20 cm 3，迁移率为20 cm 2 /v s，直接带茎gap吸收在3.65 eV和4.60 eV和4.60 eV中。在相同的退火条件下，PLD纤维是半绝制的，在5.25 eV时具有直接的带隙吸收。声子结构对于电气传导以及超导性和其他量子现象很重要，由于晶胞中的原子数量大量（以及声子分支）非常复杂。然而，我们表明，可以通过基于量子的磁磁性贡献的声子在温度跨度T¼10-200k的情况下直接测量。约10至90 MeV，与密度功能理论计算得出的Znga 2 O 4状态密度（在0 K）的能量范围一致。然后可以通过l tot1¼lii1ÞlpH 1对总测量的迁移率进行建模，其中l ii是由于电离脉冲散射引起的迁移率。具有高带隙，控制电导率，高击穿电压和散装增长能力，Znga 2 O 4为高功率电子和紫外检测器提供了机会。