XiaoMi-AI文件搜索系统
World File Search System德黑兰
ABO血液组和RH因子与伊朗萨拉万人群中牙周疾病患病率的关联 柔性适体基于核仁素靶向癌症治疗方式：关注免疫疗法，放疗和光疗 比较PTSD和抑郁症的动物模型中海马蛋白质和TFEB蛋白水平 人工智能在医学教育中的整合 胶质母细胞瘤闯入；尝试新的东西 简要审查了基于纳米的药物输送系统的优势 砷对糖尿病患病率的影响 一项关于细菌病原体患病率和易感模式的回顾性横断面研究，在伊朗德黑兰的一家教学医院引起尿路感染 扩展并行过程模型对自我... 的影响 榛子及其废物产品 并发症和治疗早期2型糖尿病 使用混淆矩阵和Matthews相关系数评估机器学习在预测住院的Covid-19患者死亡率中的应用 Chrysin与阿霉素的组合作用，5- ... 维生素C 苏丹患者的细胞因子特征在卡萨拉州，苏丹东部 姜黄素作为天然治疗剂 肠道微生物组产生的TMAO的潜在作用
这项描述性分析横断面研究于2022年在萨拉万（Saravan）和伊朗萨拉万（Saravan）的血液输血组织进行。通过功率分析确定了368名参与者的样本量，以检测ABO血型和RH系统之间牙周疾病患病率的统计学上显着差异。假设中等效应大小（Cohen的W = 0.3），α水平为0.05，功率为80％，所需的样本量的计算约为320。为了说明潜在的数据丢失并确保足够的亚组表示，特别是对于RH阴性组，最终样本量增加到368名参与者。此调整确保了足够的能力来比较牙周疾病患病率
limosilactobacillus reuteri vhprobi 口服给药 抑郁症与糖尿病前期的患病率和预后之间的关联：来自国家健康与营养检查调查（NHANES）2013–2018 全球饮食质量评分与2型糖尿病风险之间的关联：德黑兰脂质和葡萄糖研究 将生命周期评估整合到供应链优化 HIV的艾滋病毒和糖尿病患者的临床结果在乌干达坎帕拉；匹配的回顾性队列研究 研究排卵抑制剂对辅助生殖技术中卵母细胞成熟的剂量影响：正常卵巢储备患者的回顾性研究
体外研究证实，M07可以在胃肠道内生存和增殖。balb/c小鼠在卵蛋白（OVA）Challenge之前和之后均给予M07。评估了OVA特异性免疫球蛋白（IG）E和IgG1的血清水平，以及支气管肺泡灌洗液中的炎性细胞和细胞因子以及肺组织的组织病理学检查。与安慰剂（PLA）组相比，用M07处理的小鼠表现出明显较低的OVA特异性IgE和IgG1（P <0.01）。与PLA组相比，预处理（PER）组和经后处理后（POS）组的嗜酸性粒细胞和中性粒细胞的计数也显着降低（P <0.01）。对肺组织的组织学分析验证了M07对炎症的保护作用，示例表现为炎症细胞的浸润降低。 此外，PE和POS组中的小鼠的IL-10水平显着增加（P <0.01），并且显着降低了IL-5，IL-13，MCP-1，Eotaxin，Eotaxin和肿瘤坏死因子-α的水平（P <0.01）。对肺组织的组织学分析验证了M07对炎症的保护作用，示例表现为炎症细胞的浸润降低。此外，PE和POS组中的小鼠的IL-10水平显着增加（P <0.01），并且显着降低了IL-5，IL-13，MCP-1，Eotaxin，Eotaxin和肿瘤坏死因子-α的水平（P <0.01）。
全球饮食质量评分与2型糖尿病风险之间的关联：德黑兰脂质和葡萄糖研究
将供应链优化（SCO）与生命周期评估（LCA）相结合对于创建既有经济效率且在环境上可持续易用的供应链至关重要。SCO专注于优化与产品和服务交付有关的网络结构和决策，但LCA系统地评估了整个供应链的环境影响。现有文献将SCO和LCA视为单独的顺序步骤，通常会导致范围和数据传输和续订挑战的不一致。我们的研究提出了一种新颖的供应链生命周期优化（SCLCO）模型，该模型集成了SCO和LCA。我们的SCLCO模型基于LCA数据结构，Incorpo-rate多时间期，闭环SCO决策（例如，逆向链管理，Inventory Control，网络设计），并且能够考虑可持续性的三个支柱：环境，经济和社会。它包括协调原则，术语和符号，从而通过传染性的表述弥合了SCO和LCA社区之间的差距。从运营研究文献中选定的SCO模型进行的计算实验验证了SCLCO，并证明了其在为SCO和LCA从业人员和研究人员提供有价值的见解方面的有效性。结果强调，在SCLCO中同时执行SCO和LCA，最大程度地减少了忽视决策影响的风险，并促进了来自现有LCA数据库的数据传输。
巴迪亚萨法伊-德黑兰
Bardia Safaei 博士于 2021 年获得伊朗德黑兰 Sharif 理工大学计算机工程博士学位。作为博士访问研究员，他于 2019 年至 2020 年在德国卡尔斯鲁厄理工学院 (KIT) 嵌入式系统 (CES) 主席处任职。他目前是 Sharif 理工大学计算机工程系的教员，也是可靠耐用物联网应用与网络实验室 (RADIAN) 的创始人和主任。Safaei 博士在第 34 届 ACM/SIGAPP 应用计算研讨会 (SAC'19) 上获得了 ACM/SIGAPP 学生奖。他很荣幸被选为 2016 年至 2020 年国家精英基金会成员。他曾担任第 28 届 CSI 国际计算机会议的执行主席。他是伊朗网络物理系统协会 (CPSSI) 的董事会成员。他目前担任《伊朗科学》计算机科学与工程和电气工程学报的编辑。他是 ACM/IEEE DAC'19 和 IEEE WF-IoT 的 TPC 成员。Safaei 博士曾担任多家著名国际期刊和会议的审稿人，例如《IEEE 移动计算学报》、《IEEE 车辆技术学报》、《IEEE 云计算学报》、《IEEE 物联网期刊》、《IEEE 通信杂志》、《ACM 存储学报》、《ACM/IEEE DAC》、《IEEE 传感器会议》、《IEEE ICC》和 IEEE WF-IoT。他的研究兴趣包括物联网、网络、无线传感器网络、移动自组织网络、云/边缘/雾计算和车辆自组织网络中的能源效率和可靠性挑战。
使用图像处理技术预测德黑兰证券交易所总指数的趋势
买卖金融证券，例如股票或债券。这些图表提供了对市场趋势和潜在交易机会的见解。我们通过利用图像处理技术来系统地从烛台图表中提取和分析模式来采用创新的方法。我们的发现强调了视觉数据在财务分析中的关键作用，尤其是在市场波动和不确定性时期。投资者在面对不稳定的市场趋势时通常会采取技术分析策略，通常依靠基于图表的分析得出的见解来指导其决策过程。通过精心从烛台图表中提取基本见解，我们的研究旨在为投资者提供更有效，更少的错误工具。最终，这项努力有助于提高决策精度，并减轻参与动态股票市场格局固有的风险。
* 通讯作者：Mohammad-Amin Abshat (MD)，伊朗拉什特吉兰医科大学医学院。Seyed Javad Masoumi (MSc)，伊朗德黑兰大学心理学与教育学院心理学系。电子邮件：aminabshat9777@gmail.com 电子邮件：masoumi.seyedjavad@gmail.com 如何引用本文：Khani A、Sadeghi Velni E、Hosseini SS、Bagherieh D、Abshat MA、Masoumi SJ。人工智能：一种改善重症监护病房患者护理的宝贵而有效的工具。J Nurs Rep Clin Pract。2024 年。
AI 在 ICU 护理中最重要的贡献之一是它能够实时处理大量患者数据 [5]。ICU 患者通常使用各种设备进行监测，这些设备可跟踪生命体征，包括心率、血压、血氧饱和度和呼吸模式。AI 算法可以即时分析这些数据，识别模式并在并发症变得危急之前预测它们。例如，AI 可以通过识别患者生理数据的细微变化来检测败血症（一种危及生命的疾病）的早期迹象。这种预测能力使护士能够尽早进行干预，从而有可能预防严重的并发症并提高患者的存活率 [5]。
一项关于细菌病原体患病率和易感模式的回顾性横断面研究，在伊朗德黑兰的一家教学医院引起尿路感染
背景：谁报告说，糖尿病是慢性疾病中的沉默杀手，这种疾病的患病率随着年龄的增长而增加。自我效率（见）作为健康模型的结构之一，在改善糖尿病患者的健康和自我管理方面起着至关重要的作用。目标：本研究评估了扩展平行过程模型（EPPM）对2型糖尿病患者SEEF的影响。方法：这项实验研究是对60名随机分为两种测试（30人）和对照组（30人）组的患者进行的。数据收集工具是SEEF问卷。在测试组中，每周一次基于EPPM结构（45-60分钟）的EPPM结构进行培训。在对照组中也进行了常规训练。通过描述性统计（频率，平均值和标准偏差）和推论统计（协方差，两个独立样本T-检验，配对样品T检验，Fisher和Chi -square）分析数据。结果：两个独立的样本t检验在干预之前的测试组和对照组之间没有明显的差异（p = 0.45）。同时，在干预后有关SEEF（p <0.01）的测试组和对照组之间观察到显着差异。协方差检验通过消除预测试效应（ETA = 0.63，p <0.01），表现出EEMP效应与糖尿病患者SEEF之间的显着关系。结论：根据结果，开发的并行过程模型（EEMP）增加了糖尿病患者的SEEF。这种健康模型被认为是一种有效和低成本的护理方法。
内扎姆·罗巴尼 - 德黑兰
使用 GPU 图形加速器加速 AES 编码。与 Intel i7 740QM 相比，速度提高了 31 倍，2011。 基于 GSM 通信基础设施，设计和实现超低功耗、长寿命的 AMR（自动抄表）系统，2016。 实现可通过短信在线通知的防盗报警系统，2015。 使用 Rasbperry pi 3 实现自动车牌读取器。实现改进的学习算法以提高系统随时间推移的准确性，2015。 基于全球定位系统加 CAN 接口，设计和实现资产跟踪系统，以便使用 SIM808 与汽车 ECU 通信，2015。 在 STM32F4 的 ARM 微控制器上实现超高速精确的指纹识别匹配算法，2014。 设计和实现用于 SAMSUNG e-MMC 4.5 级数据存储的全速 USB 通信，2013。
沙欣·鲁哈尼 (Shahin Rouhani) 的个人简介 1957 年 4 月 28 日出生于德黑兰，...
沙欣·鲁哈尼个人简介 1957 年 4 月 28 日出生于伊朗德黑兰。已婚，有两个孩子。学校：德黑兰的 Khawrazmi 高中。1974 年至 1977 年在英国坎特伯雷肯特大学就读本科，以一等荣誉毕业。1977 年至 1980 年在英国伦敦帝国理工学院攻读研究生。数学物理学 DIC。理论物理学博士。博士后经历 1980 年至 1982 年爱尔兰都柏林高等研究院英国杜伦大学。1982 年至 1984 年英国伦敦大学学院。1984 年至 1990 年 1990 年至今在伊朗德黑兰沙里夫理工大学工作。现任（隶属于沙里夫大学）伊朗德黑兰微电子研究中心主任。 2015 年至今 荣誉奖 大学学院研究员、ICTP 高级研究员、Khawrazmi 国际奖 研究兴趣 临界现象 - 共形场论 - 进化理论 - 复杂系统 在国际期刊上发表 125 篇文章。其他文章未引用。有关出版物的完整列表，请参阅 S.Rouhani 的 Google 学术论文和引文