XiaoMi-AI文件搜索系统
World File Search System局部
局部大脑年龄：U-Net 模型
我们提出了一个新框架，利用深度学习在大脑局部层面估算由神经影像学得出的“大脑年龄”。与现有的全局方法相反，局部方法提供了大脑衰老解剖模式的空间信息。我们使用 3,463 名健康人（年龄 18-90 岁）的脑部 MRI 扫描训练了一个 U-Net 模型，以生成个性化的大脑预测年龄 3D 地图。在对 692 名健康人进行测试时，我们发现平均绝对误差（参与者内部）中位数为 9.5 岁。在前额叶皮质和脑室周围区域的表现更准确（MAE 约为 7 岁）。我们还引入了一种新的体素方法来减少预测局部大脑年龄“差距”时的年龄偏差。为了验证局部大脑年龄预测，我们使用来自 OASIS3（n = 267）的数据在患有轻度认知障碍或痴呆症的人群中测试了该模型。健康对照组和轻度认知障碍或痴呆症患者之间存在明显的局部脑年龄模式差异，尤其是在伏隔核、壳核、苍白球、海马和杏仁核等皮层下区域。基于感兴趣区域的平均局部脑年龄比较各组可产生较大的效应量，Cohen's d 值 > 1.5，例如在比较稳定和进行性轻度认知障碍患者时。我们的局部脑年龄框架有可能提供空间信息，从而更机械地理解健康和疾病患者大脑老化模式的个体差异。
机器学习在局部放电中的应用......
局部放电测量是最重要的诊断方法之一，在交流电压下得到了深入研究。此外，机器学习已经建立，并已成功用于自动识别局部放电缺陷多年。对于交流电压，有几种诊断方法和解释工具。在直流电压领域情况并非如此，因此需要重要的工具来解释结果。本文研究了 HVDC GIS/GIL 的典型局部放电缺陷，但这些方法也可以用于其他高压设备。机器学习技术是用 MATLAB 和 WEKA 实现的。从局部放电脉冲序列中得出的统计参数被用作特征。对特征进行了层次聚类，以分析局部放电缺陷之间的可分离性。使用三种流行算法（SVM、k-NN、ANN）进行分类。这些算法的参数各不相同，并相互比较。SVM 明显优于其他分类器。
抗血栓药物患者的局部麻醉。
Ÿ 维生素 K 拮抗剂 (VKA) 华法林、醋硝香豆素、苯丙香豆素。 Ÿ 口服直接Xa因子抑制剂（ODF-Xa）利伐沙班、阿哌沙班、依度沙班（见表格）。 Ÿ 直接肠外Xa因子抑制剂磺达肝癸钠（FDX）。 Ÿ 直接因子IIa抑制剂达比加群。 Ÿ 低分子量肝素（LMWH）依诺肝素。 Ÿ 未分级肝素 (UFH) Ÿ 阿司匹林 Ÿ P2Y 抑制剂 (IP2Y) 氯吡格雷、普拉格雷、替格瑞洛。
局部系统不同控制方法的分析...
摘要 — 社区微电网控制策略比较研究是对社区微电网运行的各种管理方法进行对比的分析。该研究的目的是评估各种控制方案的优缺点，并找出提高微电网性能的最佳方法。控制方法包括孤岛模式控制、混合模式控制、并网模式控制，以及结合经济调度和最佳功率流的先进控制策略，这些控制策略通常在研究中进行比较。建立了比较。取决于包括弹性、成本效益、效率、稳定性和可靠性在内的要素。比较研究的结果揭示了特定社区微电网的最佳控制方法，其中考虑到了可用资源、当地能源消耗和其他变量。本综述还强调了使用先进控制系统的优势，这些系统通过控制分布式能源资源 (DER)（例如太阳能光伏、风力涡轮机、储能和传统发电机）之间的复杂相互作用，最大限度地提高能源管理、保持电网稳定性并提高整体系统性能。通过使用先进的方法和电网连接模式管理，可以提高太阳辐射高、风力发电有限的农村地区的能源效率。需求响应减少了对外部电网的依赖和相关费用，同时提高了弹性。定制控制策略对于最大限度地提高社区微电网性能至关重要。其中包括对多种控制系统的讨论，包括分布式控制、电网形成控制、能源管理和优化、频率和电压调节、孤岛运行和需求响应。
使用局部有机微生物肥料对
阿拉比卡咖啡厂（咖啡馆阿拉伯咖啡厂）是具有较高经济价值的种植商品。在不使用损害环境的化学物质的情况下可以在耕作中做出的努力是利用局部微生物（MOL）。对于要求使用廉价和实用肥料的农民，可以指示使用当地的微生物有机肥料，由大米，香蕉茎和金枪鱼制成。这项研究旨在确定使用局部微生物有机肥料，用大米，香蕉茎和金枪鱼制成的有机肥料对阿拉比卡梭菌植物的生长。进行的研究类型是实验研究。此研究方法使用完全随机的阶乘设计（CRFD），该设计由2个因素和3个复制组成。第一个因素是由3个级别组成的源材料，即：m1 =陈旧的米，m2 =香蕉茎和M3 =金枪鱼。第二个因素是发酵周期，包括：H1 = 2周发酵和H2 = 4周发酵。阿拉比卡菌植物的测量参数是高度，叶子数和茎直径。结果表明，大米，香蕉茎和金枪鱼可以制成摩尔肥料。使用摩尔有机肥料（陈旧的水稻，香蕉茎和金枪鱼）会影响阿拉伯蛋白酶的生长，这可以从植物高度，叶子数量和茎直径的参数中看出。M3H2摩尔有机肥料（发酵4周的金枪鱼）在植物高度，叶子数和茎直径方面可提供最佳的阿拉伯蛋白酶生长。关键字：香蕉茎；咖啡阿拉伯。金枪鱼;摩尔米。引言具有较高经济价值的种植园商品是咖啡厂（咖啡馆），它可以为印尼国家提供外汇收入并支持国家发展。印度尼西亚的咖啡种植园面积达到1,243,441公顷（2019年），咖啡生产能力为每年716,089吨，出口价值为279,961吨（815,933,000 US）（Makmur＆Karim，2020年）。
唾液有毒金属和局部免疫。 ...
摘要。最近，科学家和临床医生对利用唾液作为诊断媒介的非侵入性诊断方法的兴趣越来越大。特定唾液微元素水平的变化在龋齿，牙周疾病加剧，局部免疫疾病中起着至关重要的作用。由于入口门处的免疫系统的状态与急性呼吸道感染的频率有关，因此我们的研究旨在探索唾液研究不足的毒性微元素的影响与经常性呼吸道感染儿童的局部免疫力的指标。目的：研究小学时代儿童唾液中有毒和潜在有毒金属的水平，并分析其与口腔局部免疫标记物的相关性。这项研究涉及30名5-7岁的儿童，患有复发性呼吸道感染（主要组）和10名经历过发作性急性呼吸道感染（对照组）的实际健康儿童。主要组中急性呼吸道感染发作的数量为7.64（1.02）（M（SD）），而在对照组中为1（0.63）。这项研究是根据赫尔辛基医学协会宣布涉及人类受试者的医学研究的伦理原则进行的。唾液样品的有毒金属水平，包括铝（Al），铅（Pb），钡（BA），thallium（TL），镉（CA），腹膜（SR），Bismuth（bi），bismuth（bi）和潜在有毒金属和潜在有毒金属，例如银（AG），胆汁（AG），壁炉（ga）和Indium（ga）和Indium（ga）和Indium（in Indium）。测量。在测试系统的帮助下，使用微板块的光度计（HIPO MPP-96）测量了分泌性IgA和溶菌酶作为局部免疫力的指标。对主要
局部药物输送系统的概述
抽象的局部药物输送系统（TDD）由于其独特的优势而成为药物科学的重要领域，例如绕过肝第一赛道代谢，实现局部治疗并减少全身副作用。这些系统具有多功能性，包括乳霜，凝胶，药膏和高级纳米技术的载体等一系列配方。尽管有潜力，但TDD仍面临挑战，包括Corneum的强大障碍以及对美学，稳定且有效的配方的需求。本评论深入研究了TDD的演变，突出了传统和先进的方法。特别注意新型系统，例如胶束微粒，纳米乳液和纳米结构脂质载体（NLC）。这些技术增强了药物溶解度，稳定性和皮肤穿透性，可显着提高治疗功效和患者依从性。此外，还探索了探索了皮肤解剖学的作用，药物的理化特性以及创新的制剂技术在克服常规系统的局限性中的作用。审查以对这些系统和未来研究方向的临床意义的见解结束，强调了它们在开发有针对性，高效和患者友好的局部疗法方面的潜力。关键词局部药物输送系统，皮肤渗透，纳米乳液，纳米结构脂质载体，胶束微粒
局部放电和电晕理论与测量
本论文由 eCommons 的论文和学位论文免费提供给您，供您开放访问。它已被 eCommons 的授权管理员接受并纳入研究生论文和学位论文。欲了解更多信息，请联系 mschlangen1@udayton.edu、ecommons@udayton.edu。
桥墩周围局部冲刷预测
摘要 本文介绍了两种人工智能建模方法，即遗传规划 (GP) 和自适应神经模糊推理系统 (ANFIS)，用于在 320 组实验室和现场测量数据的清水条件下预测桥墩冲刷深度。冲刷深度被建模为五个主要无量纲参数的函数：桥墩宽度、逼近流深度、弗劳德数、粒径分布的标准差和通道开阔度。使用训练后的 GP 模型建立了函数关系，并通过将结果与 ANFIS 模型和七个传统的基于回归的公式的结果进行比较来验证其性能。数值试验表明，GP 模型比 ANFIS 模型或任何其他经验方程具有更好的一致性。通过将推导的 GP 方程用于预测埃及因巴巴大桥桥墩周围的冲刷深度，证实了 GP 模型的优势。
基于深度信念网络的局部图像处理...
摘要。最近，人们使用深度学习技术分析了脑肿瘤数据。脑肿瘤的分割和分类以及区分肿瘤细胞和非肿瘤细胞非常有趣，因为要区分有肿瘤和无肿瘤的脑细胞，并区分肿瘤细胞以找到它们的类别标签。为此，分割是一种对脑图像进行分类的合适方法，研究人员通常使用它。为了实现准确的分类，必须从提取相关特征开始。在这项工作中，利用概率模糊 C 均值 (FCM) 算法进一步细化分割过程。这种分析可以区分出显示的脑部磁共振成像 (MRI) 扫描的感兴趣区域，这为降低 MRI 脑图像的维数提供了一个框架。在分割后，将局部方向模式 (LDP) 应用于片段，以提取已通过分割方法识别的重要特征区域。在深度信念网络旁边，提供了特征，这些特征决定了图像是正常还是异常，以及 MRI 是否可用于检测或排除肿瘤的存在。在提出的方法和脑肿瘤分割数据库的帮助下进行了实验；已评估准确率，最高百分比为 95.78%。© 2023 SPIE 和 IS&T [DOI：10.1117/1.JEI.32.6.062502]