XiaoMi-AI文件搜索系统
World File Search System导图
肿瘤微环境相互作用引导图形学习，从全切片病理图像进行人类癌症生存分析
深度学习技术的最新进展为协助病理学家从全切片病理图像（WSI）中预测患者的生存期带来了可能性。然而，大多数流行的方法仅适用于WSI中特定或随机选择的肿瘤区域中的采样斑块，这对于捕捉肿瘤与其周围微环境成分之间复杂相互作用的能力非常有限。事实上，肿瘤在异质性肿瘤微环境（TME）中得到支持和培育，详细分析TME及其与肿瘤的相关性对于深入分析癌症发展的机制具有重要意义。在本文中，我们考虑了肿瘤与其两个主要TME成分（即淋巴细胞和基质纤维化）之间的空间相互作用，并提出了一种用于人类癌症预后预测的肿瘤微环境相互作用引导图学习（TMEGL）算法。具体来说，我们首先选择不同类型的块作为节点来为每个 WSI 构建图。然后，提出了一种新颖的 TME 邻域组织引导图嵌入算法来学习可以保留其拓扑结构信息的节点表示。最后，应用门控图注意网络来捕获肿瘤与不同 TME 组件之间与生存相关的交集以进行临床结果预测。我们在来自癌症基因组图谱 (TCGA) 的三个癌症队列上测试了 TMEGL，实验结果表明 TMEGL 不仅优于现有的基于 WSI 的生存分析模型，而且对生存预测具有良好的可解释能力。
用于脑网络分析的深度强化学习引导图神经网络
现代神经成像技术使我们能够将人脑构建为脑网络或连接体。捕捉脑网络的结构信息和层次模式对于理解脑功能和疾病状态至关重要。最近，图神经网络（GNN）良好的网络表征学习能力促使人们提出了相关的脑网络分析方法。具体而言，这些方法应用特征聚合和全局池化将脑网络实例转换为编码脑结构感应的向量表征，用于下游脑网络分析任务。然而，现有的基于 GNN 的方法往往忽略不同受试者的脑网络可能需要各种聚合迭代，并使用固定层数的 GNN 来学习所有脑网络。因此，如何充分释放 GNN 的潜力来促进脑网络分析仍然并非易事。在我们的工作中，提出了一种新颖的脑网络表征框架 BN-GNN 来解决这一难题，该框架为每个脑网络寻找最佳的 GNN 架构。具体来说，BN-GNN 采用深度强化学习 (DRL) 自动预测给定脑网络所需的最佳特征传播次数（反映在 GNN 层数中）。此外，BN-GNN 在八项脑网络疾病分析任务中提高了传统 GNN 性能的上限。© 2022 由 Elsevier Ltd. 出版。
数字思维导图是一种创新的教学学习...
在 21 世纪，技术在教育过程中的作用和使用日益增加。技术极大地影响了教师的教学风格和学习者的学习风格。在科学概念的教学中使用技术，例如数字思维导图，是一种创新策略，可以使学习更有效，获得概念理解并培养解决问题的能力。思维导图基于建构主义理论，即通过与事物和事件的互动来获取知识，利用人的感官将新信息与大脑中先前存储的模式联系起来。准备思维导图是为了探索先前的知识，同时也促进新知识的吸收和适应。数字思维导图侧重于视觉空间智能，并创建视觉辅助工具来支持其他智能的增强。想法的视觉表现可以作为刺激器，刺激大脑的两个半球。这些引人注目的视觉效果鼓励学生在课堂上有效地思考和集思广益。借助思维导图，学生能够直观地看到不同想法之间的关联，从而促进创造性思维技能和有意义的学习。本文探讨了数字思维导图在理科生认知思维、轻松理解概念和培养创造性思维技能方面的重要性。
数字思维导图在技术教育中的应用 - ERIC
摘要。本案例研究旨在确保在职前科学教师通过创建纸质思维导图 (PB-MM) 和数字思维导图 (D-MM) 在技术教育中获得经验，并揭示他们对这些思维导图技术的看法。共有 32 名在职前科学教师参加了这项研究，他们就读于土耳其一所大学的科学教学本科课程。在为期六周的研究的前三周，参与者为科学教育中的某些科目创建了 PB-MM。在剩下的几周里，他们使用 Coggle 创建了 D-MM。作为数据收集工具，本研究使用了一种由开放式问题组成的表格。所得结果表明，参与者普遍报告了积极的意见，包括思维导图是有益和有用的工具，可以强化、评估和可视化一般的学习，使课程更有趣，并提供易用性。结论还表明，学生还可以在其他主题的教学中使用思维导图，例如“维生素”、“地球和宇宙”和“系统”，以及在会议、演示、头脑风暴等活动中使用。D-MM 的优点是可以添加多媒体材料、更正过程简单且视觉丰富，而其缺点是遇到技术问题。PB-MM 有助于学生的心理运动发展以及通过表演/体验进行学习。删除、编辑等过程以及添加视频和图像的难度构成了 PB-MM 技术的限制。
使用人工智能技术的思维导图生成工具
该模型将思维导图与联想、回溯、比较和认知功能结合在一起，并以一种新的方式连接思维导图的元素。IMAPGINE 从任何数据源（doc、docx、pdf、txt、rtf、xlsx、网页）获取文本，通过标准算法从源文档中提取文本数据，进行文档操作，然后通过全局代码结构确定文本在代码中的位置，通过选择性标签封装优化文本定位，从代码中提取文本。IMAPGINE 还可以处理文档中遇到的图像和图表。如果源文档中存在流程模型或流程图，它也会通过提取流程模型中的焦点数据将其转换为思维导图，并通过基于名称进行比较来确定它们之间的链接。如果找到具有相同词基的术语，则将其转换为思维导图。为思维导图生成标题。
EEG-GCNN：使用领域引导图卷积神经网络增强基于脑电图的神经系统疾病诊断
本文提出了一种基于图卷积神经网络 (GCNN) 的新型方法，用于改进使用头皮脑电图 (EEG) 诊断神经系统疾病的方法。尽管脑电图是用于神经系统疾病诊断的主要测试之一，但基于脑电图的专家视觉诊断的灵敏度仍然约为 50%。这显然表明需要先进的方法来降低检测异常头皮脑电图的假阴性率。在此背景下，我们重点关注如何区分神经系统疾病患者的异常头皮脑电图（最初被专家归类为“正常”）与健康个体的头皮脑电图。本文的贡献有三方面：1）我们提出了 EEG-GCNN，这是一种用于 EEG 数据的新型 GCNN 模型，可以捕捉头皮电极之间的空间和功能连接；2）使用 EEG-GCNN，我们对上述假设进行了首次大规模评估；3）使用两个大型头皮 EEG 数据库，我们证明 EEG-GCNN 明显优于人类基线和经典机器学习 (ML) 基线，AUC 为 0.90。
思维导图：增强学生英语语法结构的策略 Furqon Edi Wibowo furqon.wezt@iain-surakarta.ac.id
本研究的目的是研究思维导图在苏拉卡尔塔 IAIN 英语教育系学生第二学期语法教学中的应用情况。观察和记录是收集数据的工具。这些工具用于收集有关思维导图在语法教学中应用过程、问题和解决方案的数据。数据分析技术从数据缩减、数据显示和验证开始。首先，研究结果表明，思维导图在语法教学中的应用仅用于提供材料概述。它是通过阐述、提问和响应技术或方法来传输材料而开发的。思维导图使学生积极地给出反馈，并成为评估学生在教学过程中对材料的理解程度的标准，学生非常渴望使用思维导图分析材料。从他们在教学过程中的直接反应和在课堂上观察学生的工作可以看出这一点。其次，在语法教学中使用思维导图有一些优势。它们是： （1）让学生了解语法材料的概念；（2）使语法更容易理解；（3）帮助学生轻松记住英语语法结构的概念。
思维导图 - LMS-SPADA 印度尼西亚
此外，思维导图复习起来非常快，因为只需看一眼，你就能刷新脑海中的信息。同样，思维导图也是有效的助记符：记住思维导图的形状和结构可以给你提供记住其中信息的线索。因此，与传统笔记相比，思维导图在吸收和连接事实的过程中会调动你大脑的更多部分。
思维导图：PDS 中基于研究的教学策略
这些目标并不是直线性的，而是不断交叉和融合。无论是合作制定议程、解决艰难的人事决策问题，还是为在职前或在职教师制定专业发展战略，我们发现，无论谈话主题是什么，我们的试金石始终是对两个核心目标的共同承诺（Kessler & Wong，2008）。根据美国教育研究协会 (AERA) 的研究，结合大学课程和当地学校之间的合作伙伴关系的教师教育计划对学生成绩有积极影响（NCATE，2006）。该大学的教育硕士教学计划 (MEdT) 是一个为期两年的课程，面向已经拥有文科或理科学士学位的学生。这是一个基于实地、以学习者为中心的计划，专注于使用探究、反思和协作来支持未来课堂教师的成功。在四个学期中，MEdT 学生将完全沉浸在学校环境中，在 Moanalua 中学与资深教师和指导教师一起教学、学习和反思实践。Moanalua 中学为 860 名七年级和八年级学生（其中约三分之一是军人家属）提供多元化的社会经济和种族服务。根据最近的学生资料数据，45% 的学生是亚裔，25% 是白人，9% 是太平洋岛民，6% 是黑人，15% 是其他人种。约 8% 的学生接受特殊教育服务，5% 的学生接受英语作为第二语言