XiaoMi-AI文件搜索系统
World File Search System定量评估
静止状态功能连接性MRI的定量评估
1 伦敦大学伦敦大学学院，伦敦Torrington Place，WC1E 7JE，英国2号2光电研究中心，南安普敦大学，南安普敦大学，SO17 1BJ，英国3英国3，英国3号电子工程系，贝斯校区，Swansea，Sawansea，Savosea，Sa1 and sa1 8ne of Interver，sa1 and Introl，Sa1 8ne of Key，Key，Key of Key of Key kekij Faculty of Materials and Manufacturing, Beijing University of Technology, Beijing 100124, People's Republic of China 5 SuperSTEM, SciTech Daresbury Science and Innovation Campus, Block J, Keckwick Lane, Daresbury WA4 4AD, United Kingdom 6 York NanoCentre & Department of Physics, University of York, York YO10 5DD, United Kingdom 7 School of Chemical and Process Engineering and School of Physics and Astronomy,利兹大学，利兹LS2 9JT，英国伦敦大学伦敦大学学院，伦敦Torrington Place，WC1E 7JE，英国2号2光电研究中心，南安普敦大学，南安普敦大学，SO17 1BJ，英国3英国3，英国3号电子工程系，贝斯校区，Swansea，Sawansea，Savosea，Sa1 and sa1 8ne of Interver，sa1 and Introl，Sa1 8ne of Key，Key，Key of Key of Key kekij Faculty of Materials and Manufacturing, Beijing University of Technology, Beijing 100124, People's Republic of China 5 SuperSTEM, SciTech Daresbury Science and Innovation Campus, Block J, Keckwick Lane, Daresbury WA4 4AD, United Kingdom 6 York NanoCentre & Department of Physics, University of York, York YO10 5DD, United Kingdom 7 School of Chemical and Process Engineering and School of Physics and Astronomy,利兹大学，利兹LS2 9JT，英国伦敦大学伦敦大学学院，伦敦Torrington Place，WC1E 7JE，英国2号2光电研究中心，南安普敦大学，南安普敦大学，SO17 1BJ，英国3英国3，英国3号电子工程系，贝斯校区，Swansea，Sawansea，Savosea，Sa1 and sa1 8ne of Interver，sa1 and Introl，Sa1 8ne of Key，Key，Key of Key of Key kekij Faculty of Materials and Manufacturing, Beijing University of Technology, Beijing 100124, People's Republic of China 5 SuperSTEM, SciTech Daresbury Science and Innovation Campus, Block J, Keckwick Lane, Daresbury WA4 4AD, United Kingdom 6 York NanoCentre & Department of Physics, University of York, York YO10 5DD, United Kingdom 7 School of Chemical and Process Engineering and School of Physics and Astronomy,利兹大学，利兹LS2 9JT，英国伦敦大学伦敦大学学院，伦敦Torrington Place，WC1E 7JE，英国2号2光电研究中心，南安普敦大学，南安普敦大学，SO17 1BJ，英国3英国3，英国3号电子工程系，贝斯校区，Swansea，Sawansea，Savosea，Sa1 and sa1 8ne of Interver，sa1 and Introl，Sa1 8ne of Key，Key，Key of Key of Key kekij Faculty of Materials and Manufacturing, Beijing University of Technology, Beijing 100124, People's Republic of China 5 SuperSTEM, SciTech Daresbury Science and Innovation Campus, Block J, Keckwick Lane, Daresbury WA4 4AD, United Kingdom 6 York NanoCentre & Department of Physics, University of York, York YO10 5DD, United Kingdom 7 School of Chemical and Process Engineering and School of Physics and Astronomy,利兹大学，利兹LS2 9JT，英国伦敦大学伦敦大学学院，伦敦Torrington Place，WC1E 7JE，英国2号2光电研究中心，南安普敦大学，南安普敦大学，SO17 1BJ，英国3英国3，英国3号电子工程系，贝斯校区，Swansea，Sawansea，Savosea，Sa1 and sa1 8ne of Interver，sa1 and Introl，Sa1 8ne of Key，Key，Key of Key of Key kekij Faculty of Materials and Manufacturing, Beijing University of Technology, Beijing 100124, People's Republic of China 5 SuperSTEM, SciTech Daresbury Science and Innovation Campus, Block J, Keckwick Lane, Daresbury WA4 4AD, United Kingdom 6 York NanoCentre & Department of Physics, University of York, York YO10 5DD, United Kingdom 7 School of Chemical and Process Engineering and School of Physics and Astronomy,利兹大学，利兹LS2 9JT，英国
使用深度学习的胸部X射线图像可变诊断的定量评估模型
这项研究的目的是证明使用深度学习模型在定量评估临床发现中通常会根据常规方案使用二进制测试结果进行二进制测试结果。胸部X射线是用于检测多种疾病的最常用的诊断工具，通常是定期检查的一部分。然而，当涉及可以限制为正常范围内但不被视为与疾病有关的发现时，医师发现的阈值可能会有所不同，因此有必要定义一种新的评估方法并量化它。这种方法的实施在时间和劳动方面都是困难而昂贵的。在这项研究中，总共使用83,005张胸部X射线图像来诊断胸膜增厚和脊柱侧弯的常见发现。一种新颖的方法，用于评估医生判断图像以使这些发现的可能性的概率。所提出的方法成功地使用了仅在二进制注释数据上训练的深度学习模型，成功地量化了Physicians的发现的变化。还证明，使用卷积神经网络进行一般图像分析以及基于矢量量化变异自动编码器的新知识的深度学习模型，可以将开发的方法应用于转移学习，其高相关性高0.89至0.97。
反射共聚焦显微镜用于定量评估气道表面液体失调和药理学在囊性纤维化中的药理救援
图1。反射的共聚焦显微镜原理，用于测量气道上皮培养物上的ASL高度。a：激光束的示意图通过在空气液体界面上生长的差异气道上皮层，并在每个界面反射的光的一部分随着折射率反转，以反转其传播方向。为了清楚起见，反射信号与激光光分开描述。FEP：氟化乙烯丙烯。 b：从正常（野生型）鼠原发性气管上皮培养物获得的反射信号，具有488 nm激光器，通过Xz -scanning和荧光图像在平行于488 nm的细胞层（Calcein -AM）（Calcein -AM）和561 Nm（Rhodamine dextran）的488 nm平行记录。 箭头标志着从荧光强度的以下线曲线中取出的位置。 中反射光的峰FEP：氟化乙烯丙烯。b：从正常（野生型）鼠原发性气管上皮培养物获得的反射信号，具有488 nm激光器，通过Xz -scanning和荧光图像在平行于488 nm的细胞层（Calcein -AM）（Calcein -AM）和561 Nm（Rhodamine dextran）的488 nm平行记录。箭头标志着从荧光强度的以下线曲线中取出的位置。
基于高光谱图像和叶绿素含量的苹果镶嵌性疾病严重程度的定量评估
摘要：苹果镶嵌病毒（APMV）的感染会严重损害苹果叶的细胞结构，从而导致叶叶绿素含量（LCC）降低和果实产量降低。在这项研究中，我们提出了一种新的方法，该方法利用高光谱成像（HSI）技术来无损地监测APMV感染的苹果叶子，并预测LCC作为疾病严重程度的定量指标。LCC数据是从360个APMV感染的叶片中收集的，并使用竞争性自适应重新加权采样算法选择最佳波长。基于增强和堆叠策略构建了高精度LCC倒置模型，其验证集R 2 V为0.9644，表现优于传统的集合学习模型。该模型用于反转LCC分布图像，并计算每个叶子的LCC变异（CV）的平均和系数。我们的发现表明LCC的平均和简历与疾病的严重程度高度相关，并且与敏感波长的结合使疾病严重程度的准确鉴定（验证集合集合= 98.89％）。我们的方法考虑了植物化学成分的作用，并在叶片尺度上对疾病严重程度进行了全面评估。总体而言，我们的研究提出了一种有效的方法来监测和评估苹果叶的健康状况，提供了可以帮助疾病严重程度的量化指数，可以帮助预防和控制疾病。
对寒武纪径于个体发育和摩擦的定量评估以及节肢动物发育的演变
radiodonta是一组早期的节肢动物，与生物昆虫和蜘蛛相关，可深入了解这些动物共享的分段身体计划的起源。radiodonts包括寒武纪时期的一些最大动物；但是，由于缺乏少年标本，他们的发展知之甚少。我们介绍了基于265个寒武纪汉堡页岩的265个良好保存的标本的径向史坦利卡里的开发分析，尺寸从10到83毫米不等。我们表明，随着史坦利卡里的身体形状的几个方面随着它的增长而发生了变化。例如，在最小的个体中，眼睛相对较大，这表明少年是晚期视觉捕食者。此外，在人体后部依次添加片段，这是节肢动物之间常见的发育特征。鉴于早期进化 - 径向与其他节肢动物的差异，这一发现为这种发育模式的深层起源提供了直接的证据。最后，使用新设计的方法，我们发现了两种不同化石类型的斯坦利卡里的证据，分别代表尸体和摩擦的外骨骼残留物。基于与其他物种的化石的比较，斯坦利卡里菌的一般模式很可能在辐射室和潜在的其他早期节肢动物之间共享。总的来说，我们的研究证明了径向早期发展的第一个详细观点，提供了有关节肢动物身体计划起源的发展发展的主要新证据。
使用双层光谱CT对骨髓浸润和肿瘤负担的表征进行定量评估
是通过BM活检和血清学/尿液标记物（例如浆细胞浸润率（PCIR），无血清光链（SFLC）比率，血清/尿液/尿液和细胞遗传学状态的Proprotein（M蛋白）（M蛋白）来完成的。4-6然而，这些生物标志物检查遭受了不可避免的赤字，例如侵入性，痛苦和昂贵。是Durie和Salmon在1975年首次引入的，对骨骼的常规射线照相调查应用于阶段的MM骨病。7然而，由于检测溶裂性病变的灵敏度低并且无法评估治疗反应，因此要求使用更多实用的技术。随着成像技术的开发，例如单谐波计算机断层扫描（MECT），磁共振成像（MRI）和氟脱氧葡萄糖正电子发射 - 发射 - 发射 - pET（FDG PET/CT），BM浸润的直接评估已成为可能。8 mect是广泛可用和经济高效的，因此通常首先通过全身扫描评估MM患者。9，测试的主要局限性是检测轴向骨骼中非延展BM浸润的较低现象性，这对于MM患者而言更为常见。MRI被确认为BM浸润的“成像黄金标准”，事实证明，检测MM病变的敏感性更高。10，而对于可能导致难以忍受的疼痛和幽闭恐惧症的患者进行检查需要很长时间。最近建议使用11,12 FDG PET/CT来评估治疗量的反应和残留活性，因为它可以迅速响应BM的变化。13但是，应考虑相关的辐射和经济成本。双层光谱CT（DLCT）是一种新型的CT技术，具有两个不同的检测器层，可吸收聚染色的X射线光谱的不同部分。它可以根据研究的目的构建各种参数图像，例如尿酸，碘或钙。最近的研究表明，DLCT，尤其是虚拟非钙（VNCA）图像，与MECT相比，在评估MM时显示出显着改善，与FDG PET/CT和MRI相当。14-16因此，我们的研究有两个目标：首先，探讨VNCA图像在估计MMM患者中用MRI作为参考标准的BM浸润中的潜力。其次，要确定VNCA图像是否可以通过与已建立的生物标志物（PCIR，SFLC比和细胞遗传学StaTus）相关的肿瘤负担来表征肿瘤负担。
使用舌压测量值对帕金森氏病的吞咽功能进行定量评估：小型评论
吞咽困难是帕金森氏病（PD）的常见症状（PD），与肺炎，窒息，营养不良和生活质量降低有关，并且是PD患者的主要死亡原因。PD患者的舌功能障碍会影响吞咽的口腔相，包括将推注的形成和推进到咽中。评估舌头和口感之间产生的舌头压力是一种定量测量舌功能并且与PD中的吞咽困难有关的方法。两种评估方法用于测量舌头压力：吞咽过程中的舌强度和舌压。先前测量PD舌压力的研究报告说，吞咽过程中舌头的强度和压力降低，以及长时间的舌头压力上升时间，这是与PD严重程度和吞咽困难有关的症状。在这个迷你审查中，我们提出了一种测量舌压压力并讨论其与PD中吞咽困难的关系的方法。我们还描述了舌头压力测量研究中的局限性和未来观点。
对体积电子显微镜的嵌入树脂的定量评估
最佳环氧树脂嵌入对于从大组织样品中获得一致的串行切片至关重要，尤其是对于跨度> 1 mm 2的块面而言。我们报告了一种使用块面的块硬度测量值来量化树脂固化中不均匀性的方法。我们确定导致不均匀固化的条件以及监测用于体积电子显微镜的广泛常见环氧树脂的块硬度的程序。我们还通过使用样品安装的力传感器来量化超薄分段期间的横向和分段切割力来评估切割的可重复性和均匀性。我们的发现表明需要筛选和优化树脂制剂以在截面厚度方面达到最佳重复性。最后，我们探索了在嵌入环氧树脂的明胶基质中不规则形状的组织样品的封装，以产生更多均匀的切片。
对研究的研究的定量评估...
收到：2023年9月28日接受：2023年12月17日发表：2024年2月1日摘要：在行业4.0的迅速发展的景观中，人工智能（AI）纳入人力资源（HR）实践已成为提高组织效率的关键因素。这项研究研究了人力资源部门内AI采用的多方面含义及其对组织运营效率的总体影响。在工业4.0时代，以高级自动化，连通性和数据驱动的决策为特征，AI技术在重塑传统的HR功能方面发挥了越来越重要的作用。本研究旨在定量评估AI驱动的人力资源实践影响员工招聘，保留，发展和整体人力资本管理的程度。通过分析来自不同行业的各种组织的数据，本研究旨在识别与人力资源中AI集成相关的模式，趋势和最佳实践。研究方法涉及调查，数据分析和案例研究的结合，以收集和分析有关人力资源实践中AI采用的定量数据以及随后对组织效率的影响。关键绩效指标（KPI），例如员工生产力，成本效益和战略一致性，以确定人力资源中AI与组织成功之间的相关性。初步发现表明，AI驱动的人力资源实践正在促进更简化和数据知识的决策过程，从而使组织能够做出与知名度更高的人才相关的选择。这项研究所获得的见解将有助于指导组织通过AI集成来优化其人力资源功能，从而使他们能够适应和壮成长4.0景观。此外，这项研究有助于更深入地了解AI，人力资源实践和组织效率之间不断发展的动态，这对行业4.0背景下的战略决策和政策制定产生了影响。
风力涡轮机频率支持功能的分析和定量评估
随着光伏和风能的快速发展，电力系统中可再生能源的穿透速率正在逐渐增加。 此升级构成了一个挑战，因为它导致功率网格的惯性和阻尼不断减少，从而突出了电力系统中频率稳定性问题。 这是应对这种风险的有效措施之一，可再生能源（例如风力涡轮机）积极地为电网提供频率支持。 本文研究了风力涡轮机对系统频率支持的贡献的研究，考虑了两个方面：惯性支持和初级频率调节能力。 随后，分析了风力涡轮机支持系统的频率控制方法，强调了转子动能控制和动力储备控制在促进频率支持中的作用。 引入了风力涡轮机的瞬态频率支持能力的评估，并结合了控制方法，控制器参数和瞬态频率支持的持续时间。 提出了关键指标，包括瞬态频率支持阶段的累积能量和频率变化率指数，以定量评估风力涡轮机的瞬态频率支持能力。 这些指数为风力涡轮机瞬态频率支持功能的定量评估提供了一个全面的框架。随着光伏和风能的快速发展，电力系统中可再生能源的穿透速率正在逐渐增加。此升级构成了一个挑战，因为它导致功率网格的惯性和阻尼不断减少，从而突出了电力系统中频率稳定性问题。这是应对这种风险的有效措施之一，可再生能源（例如风力涡轮机）积极地为电网提供频率支持。本文研究了风力涡轮机对系统频率支持的贡献的研究，考虑了两个方面：惯性支持和初级频率调节能力。随后，分析了风力涡轮机支持系统的频率控制方法，强调了转子动能控制和动力储备控制在促进频率支持中的作用。引入了风力涡轮机的瞬态频率支持能力的评估，并结合了控制方法，控制器参数和瞬态频率支持的持续时间。关键指标，包括瞬态频率支持阶段的累积能量和频率变化率指数，以定量评估风力涡轮机的瞬态频率支持能力。这些指数为风力涡轮机瞬态频率支持功能的定量评估提供了一个全面的框架。