XiaoMi-AI文件搜索系统
World File Search System容积
BioGAP：一款具有 10 核 FP 功能的超低功耗物联网处理器，具有医疗级 AFE 和 BLE 连接，可用于可穿戴生物信号处理
摘要 — 可穿戴生物信号处理应用正在推动临床和消费应用的小型化、节能物联网解决方案取得重大进展。但是，只有通过节能的边缘处理执行数据处理和机器学习 (ML) 近传感器，才能向高密度多通道前端扩展。为了应对这些挑战，我们推出了 BioGAP，这是一种新颖、紧凑、模块化、轻量级 (6g) 的医疗级生物信号采集和处理平台，由 GAP9 提供支持，GAP9 是一款十核超低功耗 SoC，专为高效多精度（从 FP 到积极量化的整数）处理而设计，满足高级 ML 和 DSP 的要求。BioGAP 的外形尺寸为 16x21x14 mm3，由两个堆叠的 PCB 组成：集成 GAP9 SoC 的基板、支持无线蓝牙低功耗 (BLE) 的 SoC、电源管理电路和加速度计；以及一个包含用于 ExG 采集的模拟前端 (AFE) 的屏蔽。最后，该系统还包括一个可灵活放置的光电容积图 (PPG) PCB，尺寸为 9x7x3 mm 3 和一个可充电电池（ϕ 12x5 mm 2）。我们在基于稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 应用上演示了 BioGAP。由于 FFT 计算任务的效率为 16.7 Mflops/s/mW，无线带宽减少了 97%，我们在流式传输中实现了 3.6 µJ/样本，在板载处理模式下实现了 2.2 µJ/样本，功率预算仅为 18.2 mW，运行时间为 15 小时。关键词——可穿戴 EEG、可穿戴医疗保健、超低功耗设计、嵌入式系统。
通过 MOVPE 沉积 Ga2O3 的研究...
氧化镓 Ga 2 O 3 是一种很有前途的半导体电子材料。近年来，对其性质和合成技术进行了广泛的研究 [1,2]。不幸的是，对其外延生长的研究只集中在一个狭窄的最佳条件范围内。具体来说，还没有发表过关于宽区间温度变化对沉积速率影响的数据。这些数据对于彻底了解金属有机气相外延 (MOVPE) 的机制、充分考虑整个反应器容积内的化学和物理过程以及优化外延反应器的几何形状是必需的。在本研究中，研究了 MOVPE 中 Ga 2 O 3 沉积速率对宽区间温度变化的依赖关系。将获得的结果与众所周知的 GaN 和金属镓 (三甲基镓的单独热解) 的依赖关系进行了比较。为了排除反应器设计和温度测量方法对结果的影响，我们在类似条件下直接在同一反应器中测量了这些依赖关系。与任何其他化学气相外延工艺一样，MOVPE 中的沉积速率对温度的依赖性也具有三个明显的部分。在低温下，沉积速率受表面化学反应速率控制。这种生长方式称为动力学受限方式。在最简单的情况下，阿伦尼乌斯曲线的线性部分与之相对应。在存在分子氢甚至原子氢的情况下，动力学部分向低温（与金属有机化合物的单独热解依赖性相比）移动，这些氢可能由 V 族氢化物提供。在较高温度下，沉积速率受组分向表面的传输控制。
通过 EEG-PPG 增强可穿戴癫痫发作检测...
摘要 — 本文介绍了 B RAIN F USE N ET，一种基于脑电图 (EEG) 与光电容积描记法 (PPG) 和加速度计 (ACC) 信号的传感器融合的新型轻量级癫痫检测网络，适用于低通道数可穿戴系统。B RAIN F USE N ET 利用灵敏度-特异性加权交叉熵 (SSWCE)，这是一种结合了灵敏度和特异性的创新损失函数，可解决严重不平衡数据集的挑战。对于仅使用四个通道的基于 EEG 的分类，B RAIN F USE N ET - SSWCE 方法成功检测到 CHB-MIT 数据集上 93.5% 的癫痫发作事件（基于样本的灵敏度为 76.34%）。在 PEDESITE 数据集上，仅考虑 EEG 数据时，我们分别表现出基于样本的灵敏度和假阳性率 60.66% 和 1.18 FP/h。此外，我们证明，整合 PPG 信号可将灵敏度提高到 61.22%（成功检测到 92% 的癫痫发作事件），同时将假阳性数量降低到 1.0 FP/h。最后，当还考虑 ACC 数据时，对于基于样本的估计，灵敏度增加到 64.28%（成功检测到 95% 的癫痫发作事件），假阳性数量下降到仅 0.21 FP/h，而当考虑基于事件的估计时，每天的误报少于一次。BRAIN FUSE N ET 资源友好，非常适合在低功耗嵌入式平台上实施，我们
自动显微镜技术对被动收集的样本提供了可靠的空气花粉定量数据
空气中的颗粒物数据对于保护人类健康至关重要。人为（例如烟尘、轮胎和刹车磨损）以及生物（例如花粉和孢子）颗粒通常由位于城市环境中的主动采样器监测；因此，偏远山区的数据非常少。此外，生物气溶胶分析耗时且需要大量技能。因此，为了避免主动采样的障碍（即高成本和功耗）并简化数据分析，我们研究了结合自动分析的被动采样作为花粉检测方法。2018 年，我们在意大利圣米歇尔阿迪杰部署了两台 Sigma-2 被动采样器，为期 12 周。自 1990 年以来，这里一直使用 Hirst 型容积采样器监测空气中的花粉。为了获得单个粒子的形态化学信息，我们使用 (i) 自动光学显微镜 (OM) 分析了样品，然后根据粒度和灰度值进行图像分析，以及 (ii) 自动扫描电子显微镜结合能量色散 X 射线光谱 (SEM/EDX)。自动 OM 检测到尺寸范围为 20–80 µ m 的明亮颗粒（即来自天然来源），准确代表了总花粉，SEM/EDX 根据大小、形状和化学成分过滤颗粒，这使我们能够识别可能的花粉候选物（“花粉状”部分）。总体而言，自动化分析技术可以同时提供有关空气中人为、地质和生物颗粒（包括花粉）的数据。此外，被动采样为收集空气生物学研究中的数据提供了一种可靠的选择，特别是在维护主动采样器具有挑战性的偏远地区。关键词：空气生物学、Sigma-2 采样器、Hirst 型采样器、空气中颗粒、SEM/EDX
胎儿大脑时空成熟度正常，2 岁时发育良好
人类胎儿大脑的成熟应遵循精确安排的结构生长和大脑皮层折叠，以实现最佳的出生后功能 1 。我们根据一组前瞻性国际健康孕妇 2 ，提出了一份胎儿大脑成熟的规范性数字图谱，这些孕妇是根据世界卫生组织建议的生长标准 3 选出的。这些孕妇的胎儿在妊娠前三个月的日期被准确确定，从妊娠早期到 2 岁，胎儿的生长和神经发育令人满意 4,5 。该图谱是使用来自 899 个胎儿的 1,059 个最佳质量的三维超声脑体积和自动分析流程 6-8 制作的。该图谱在结构上与已发表的磁共振图像 9 相对应，但在深层灰质中具有更精细的解剖细节。不同研究地点之间的变异性占所有脑测量总变异的不到 8.0%，支持汇总来自八个研究地点的数据以产生规范成熟的模式。因此，我们生成了妊娠 14 至 31 周期间每个大脑半球的平均表示，并量化了颅内容积变化和生长模式。早在妊娠 14 周时，就可以检测到新出现的不对称现象，在与语言发展和功能侧化相关的区域，不对称现象在妊娠 20 至 26 周之间达到峰值。这些模式已在同一队列中 1,295 个不同胎儿的 1,487 个三维脑体积中得到验证。我们从一个具有正常出生后生长和神经发育的大型队列中提供了胎儿大脑成熟的独特时空基准。
使用壳聚糖，氧化石墨烯和氧化锌复合材料
这项研究深深地集中在开发新型CTS/GO/ZnO复合材料中，作为CO 2吸附过程的有效吸附剂。为此，根据RSM-BBD技术进行了实验设计（DOE），并且根据DOE运行，将各种CTS/GO/ZnO样品与不同的GO负载合成（在0 wt％至20 wt％的范围内）和不同的ZnO nanoparticle负载（在0 wt％范围内）（在0 wt％至20 wt％中）。使用容积吸附设置来研究温度（25-65°C范围）和对获得的样品CO 2摄取能力的压力（在1-9 bar的范围内）的影响。基于RSM-BBD方法开发了二次模型，以预测设计空间内复合样品的吸附能力。此外，还进行了CO 2吸附过程优化，并在23.8 wt％，18.2 wt％，30.1°C和8.6 bar中获得GO，ZnO，温度和压力的最佳值，其最高CO 2摄取容量为470.43 mg/g。此外，进行了CO 2吸收过程的等温线和动力学建模，并分别作为最合适的等温线和动力学模型获得了Freundlich模型（R 2 = 0.99），并获得了分数阶模型（R 2 = 0.99）。Also, thermodynamic analysis of the adsorption was done and the ∆H°, ∆S°, and ∆G° values were obtained around − 19.121 kJ/mol, − 0.032 kJ/mol K, and − 9.608 kJ/mol, respectively, indicating exothermic, spontaneously, and physically adsorption of the CO 2 molecules on the CTS/GO/ZnO复合材料的表面。最后，进行了一项可再生性研究，在十个周期后获得了CO 2吸附效率约为4.35％的较小损失，证明所得吸附剂对工业CO 2捕获目的具有良好的性能和稳健性。
遗传形态和亨廷顿氏病连接发育和神经变性的皮质细胞损失
皮质细胞损失是亨廷顿氏病（HD）的核心特征，从临床运动诊断之前多年开始，在先前阶段之前。但是，尚不清楚遗传形态与皮质细胞损失有何关系。在这里，我们探讨了这种关系的生物学过程和细胞类型，并使用细胞特异性验尸数据验证它们。平均有15年的疾病发作和71个对照的八十个premifest参与者。 使用体积和扩散MRI，我们提取了HD特异性的全脑图，其中较低的灰质体积和较高的灰质平均扩散率相对于对照组，用作皮质细胞损失的代理。 这些地图与来自艾伦人脑图集（AHBA）的基因分类数据相结合，以研究与遗传折叠和皮质细胞损失有关的生物学过程。 皮质细胞损失与发育基因的表达呈正相关（即 较高的表达与更大的萎缩和增加的扩散率相关），并且与已与神经变性有关的突触和代谢基因的表达负相关。 这些发现对于扩散MRI和容积HD特异性脑图是一致的。 作为野生型亨廷汀在神经发育中起着作用，我们探索了整个AHBA野生型亨廷顿（HTT）表达（HTT）表达与发育基因表达之间的关联。 还进行了134个没有神经退行性疾病的人脑中的共表达网络分析。 这些事件导致跨脑细胞类型的年龄相关细胞死亡。八十个premifest参与者。使用体积和扩散MRI，我们提取了HD特异性的全脑图，其中较低的灰质体积和较高的灰质平均扩散率相对于对照组，用作皮质细胞损失的代理。这些地图与来自艾伦人脑图集（AHBA）的基因分类数据相结合，以研究与遗传折叠和皮质细胞损失有关的生物学过程。皮质细胞损失与发育基因的表达呈正相关（即较高的表达与更大的萎缩和增加的扩散率相关），并且与已与神经变性有关的突触和代谢基因的表达负相关。这些发现对于扩散MRI和容积HD特异性脑图是一致的。作为野生型亨廷汀在神经发育中起着作用，我们探索了整个AHBA野生型亨廷顿（HTT）表达（HTT）表达与发育基因表达之间的关联。还进行了134个没有神经退行性疾病的人脑中的共表达网络分析。这些事件导致跨脑细胞类型的年龄相关细胞死亡。htt表达与神经发育中涉及的基因的表达相关，而共表达网络分析还表明，HTT的表达与发育生物学过程有关。表达加权细胞类型富集（EWCE）分析用于探索哪些特定细胞类型与HD皮层细胞损失相关，并使用来自邮政损坏的HD脑的细胞特异性单核RNASEQ（SNRNASEQ）数据验证了这些关联。在星形胶质细胞和内皮细胞中富含皮质细胞损失的发育转录组谱，而神经退行性转录组谱则富含神经元和小胶质细胞。在HD后大脑中相对于使用SNRNASEQ的对照组差异表达的星形胶质细胞特异性基因富集于Devel-Opmental转录组谱，而神经胶质细胞和小胶质细胞特异性基因在神经变性转录组中富集。我们的发现表明，PreHD中的皮质细胞损失可能是由双重病理过程引起的，这是神经发育变化的一种结合，在生命开始时，随后是成年后的神经变性，靶向突触表达和代谢基因表达降低的区域。
已发布版本的引用 (APA)：Vernooij, M. W., Zaki, L. A. M., Smits, M., Tolman, C., Papma, J. M., Visser, J. J., & Steketee, R. M. E. (2022)。比较两种人工智能软件包在记忆临床成像中的规范性脑容量测定。神经放射学，64 (7)，1359-1366。 https://doi.org/10.1007/s00234-022-02898-w EUR 研究信息门户上的出版物链接
摘要 目的 比较两个执行规范性脑容量分析的人工智能软件包，并探索它们是否会在临床背景下对痴呆症诊断产生不同的影响。方法 回顾性地纳入了 60 名患者（20 名阿尔茨海默病、20 名额颞叶痴呆、20 名轻度认知障碍）和 20 名对照。每个受试者使用两家专有制造商的软件包处理一次 MRI，为每个受试者生成两份定量报告。两名神经放射科医生仅使用这些报告中的规范容量分析数据分配强制选择诊断。他们将体积分布分类为“正常”或“异常”，如果“异常”，他们会指定最可能的痴呆亚型。通过比较（1）基于软件输出的诊断之间的一致性；（2）诊断准确性、敏感性和特异性；来评估软件包之间的临床影响差异；和 (3) 诊断信心。还比较了定量输出，以提供任何诊断差异的背景。结果 软件包之间的诊断一致性为中等，用于区分正常和异常体积（K = .41– .43）和特定诊断（K = .36–.38）。但是，每个软件包在区分正常和异常概况时都产生了较高的观察者间一致性（K = .73–.82）。软件包之间的准确度、灵敏度和特异性没有差异。对于一个评估者来说，不同软件包之间的诊断信心是不同的。软件包之间的全脑颅内容积输出不同（10.73%，p < .001），用于诊断的规范区域数据相关性弱至中等（r s = .12–.80）。结论 用于脑 MRI 定量规范评估的不同人工智能软件包可以在临床解释层面产生不同的效果。诊所不应假设不同的软件包可以互换，因此建议在采用之前对软件包进行内部评估。
FDA 许可发布-2.0.pdf
• FDA 批准 23 个全自动回声参数 1 • 在哈佛医学院布莱根妇女医院进行外部验证研究 • 世界上第一个用于 2D 和多普勒图像的全自动解决方案 新加坡，2021 年 9 月 14 日——由 Sequoia India 和 EDBI 支持的新加坡医疗科技公司 Us2.ai 已获得 FDA 批准，可推出用于超声心动图的完整自动化决策支持工具 Us2.v1。在与全球制药合作伙伴进行多次试验并在布莱根妇女医院进行验证研究后，Us2.ai 很高兴地宣布，Us2.v1 现已在美国用于临床。Us2.v1 是一种获得专利的自动化临床工作流程解决方案，可识别和分析二维和多普勒回声图像，以进行诊断、预测和预后心脏病所需的全面心脏测量。 Us2.ai 首席执行官兼联合创始人 James Hare 表示：“通过此版本，我们已将 AI 领域从超声心动图的狭隘功能转变为心脏病专家和初级保健提供者的完整决策支持解决方案。Us2.v1 消除了半自动化、单一测量、黑盒 AI 方法的手动工作流程和缺乏透明度的问题，创建了一份完整且完全自动化的患者报告，其中包含可编辑的注释、结论和与国际参考指南的比较。” Us2.v1 自动测量包括二维（心脏容积，心脏的所有 4 个腔）、M 型（例如三尖瓣环平面收缩期偏移）、频谱多普勒（所有瓣膜的血流，PW 和 CW 测量）和组织多普勒；因此涵盖了美国超声心动图学会、欧洲心血管成像协会和英国超声心动图学会推荐的成人经胸超声心动图的绝大多数标准测量。全自动 Us2.v1 测量结果显示可与专家人工测量完全互换。此外，对于给定的患者研究，Us2.v1 测量完全可重复，每个研究的图像处理/分析算法计算时间约为 2 分钟。2
通过可穿戴设备进行疲劳监测：最先进的...
疲劳的客观测量在职业健康和安全等领域至关重要，因为疲劳会损害认知和运动能力，从而降低生产力并增加受伤风险。可穿戴系统代表了疲劳监测的极具前景的解决方案，因为它们能够在无人值守的环境中持续、长期监测生物医学信号，并具有所需的舒适性和非侵入性。这是开发实时疲劳监测准确模型的先决条件。但是，通过可穿戴设备监测疲劳带来了独特的挑战。为了概述目前通过可穿戴设备监测与疲劳相关的变量的最新技术，并发现当前知识中的潜在差距和缺陷，进行了系统回顾。在 Scopus 和 PubMed 数据库中搜索了自 2015 年以来以英文发表的文章，标题中包含术语“疲劳”、“困倦”、“警觉”或“警觉”，并提出了基于可穿戴设备的非侵入性疲劳量化系统。在检索到的 612 篇文章中，有 60 篇符合纳入标准。纳入的研究主要是短期的，并且在实验室环境中进行的。总体而言，研究人员根据市场上可穿戴设备获取的运动 (MOT)、脑电图 (EEG)、光电容积图 (PPG)、心电图 (ECG)、皮肤电反应 (GSR)、肌电图 (EMG)、皮肤温度 (T sk )、眼球运动 (EYE) 和呼吸 (RES) 数据开发疲劳模型。在提出的疲劳量化方法中，监督机器学习模型，更具体地说是二元分类模型占主导地位。这些模型在检测疲劳方面表现非常出色，然而，在模型开发过程中，几乎没有努力确保使用高质量的数据。总之，本综述的结果表明，方法论的局限性阻碍了大多数提出的疲劳模型的普遍性和现实世界的适用性。需要做更多的工作来充分探索可穿戴设备在疲劳量化方面的潜力，以及更好地理解疲劳与生理变量变化之间的关系。