XiaoMi-AI文件搜索系统
World File Search System成功率
提高罕见病药物研发成功率的四种方法
自 2013 年以来，Parexel 一直以“站点联盟”计划的名义与最有经验的多治疗研究和医疗保健机构建立长期战略关系，以合作成功交付项目，并使公司易于与站点合作。目前，联盟机构有 500 多个，代表着全球 20,000 多名研究人员。站点联盟由 Parexel 专门的站点联盟经理 (SAM) 积极管理，他们对临床试验流程有着深入的了解。他们与联盟机构指定的单一联系人 (SPOC) 密切合作，并在与联盟机构研究人员开展的所有项目中促进协议评估、站点启动活动和患者招募策略。
![人工智能在预测整形外科皮瓣结果中的作用：系统评价方案 Sabreena Moosa，医学博士候选人 [1]*，Robert Dydynsky，医学博士候选人 [1] [1] 麦克马斯特大学 Michael G. DeGroote 医学院，汉密尔顿，ON L8S 4K1 *通讯作者：sabreena.moosa@medportal.ca 简介：游离皮瓣手术包括重建各种组织缺损。皮瓣失败和感染、缺血等并发症仍然是皮瓣手术后令人担忧的问题，目前的术后标准护理是频繁的床边监测。机器学习模型等人工智能可以帮助外科医生进行术后监测和预测并发症。本系统评价的目的是为分析使用人工智能评估皮瓣手术结果和预测术后并发症的现有文献提供框架。方法：将使用 EMBASE 和 MEDLINE（1974 年至 2021 年 10 月）进行系统评价以确定相关文献。这将包括研究皮瓣手术术后环境中使用的人工智能和机器学习模型。主要结果将包括评估基于这些模型评估皮瓣手术后结果的准确性，包括：皮瓣成功率、愈合情况和术后 1 个月内的并发症。次要结果包括效益分析](/simg/e/e9689b8e3c5cc5a4c1f68e573ab7a476c9a26886.png)
人工智能在预测整形外科皮瓣结果中的作用：系统评价方案 Sabreena Moosa，医学博士候选人 [1]*，Robert Dydynsky，医学博士候选人 [1] [1] 麦克马斯特大学 Michael G. DeGroote 医学院，汉密尔顿，ON L8S 4K1 *通讯作者：sabreena.moosa@medportal.ca 简介：游离皮瓣手术包括重建各种组织缺损。皮瓣失败和感染、缺血等并发症仍然是皮瓣手术后令人担忧的问题，目前的术后标准护理是频繁的床边监测。机器学习模型等人工智能可以帮助外科医生进行术后监测和预测并发症。本系统评价的目的是为分析使用人工智能评估皮瓣手术结果和预测术后并发症的现有文献提供框架。方法：将使用 EMBASE 和 MEDLINE（1974 年至 2021 年 10 月）进行系统评价以确定相关文献。这将包括研究皮瓣手术术后环境中使用的人工智能和机器学习模型。主要结果将包括评估基于这些模型评估皮瓣手术后结果的准确性，包括：皮瓣成功率、愈合情况和术后 1 个月内的并发症。次要结果包括效益分析
人工智能在预测整形外科皮瓣结果中的作用：系统评价方案 Sabreena Moosa，医学博士候选人 [1]*，Robert Dydynsky，医学博士候选人 [1] [1] Michael G. DeGroote 医学院，麦克马斯特大学，汉密尔顿，ON L8S 4K1 *通讯作者：sabreena.moosa@medportal.ca 简介：游离皮瓣手术包括重建各种组织缺损。皮瓣失败和感染、缺血等并发症仍然是皮瓣手术后令人担忧的问题，目前的术后护理标准是频繁的床边监测。机器学习模型等人工智能可以帮助外科医生进行术后监测和预测并发症。本系统评价的目的是提供一个框架，用于分析使用人工智能评估皮瓣手术结果和预测术后并发症的现有文献。方法：将使用 EMBASE 和 MEDLINE（1974 年至 2021 年 10 月）进行系统回顾，以确定相关文献。这将包括研究皮瓣手术术后环境中使用的人工智能和机器学习模型的研究。主要结果将包括评估基于这些模型评估皮瓣手术后结果的准确性，包括：皮瓣成功率、愈合和术后长达 1 个月的并发症。次要结果包括分析使用机器学习模型评估皮瓣手术后结果的利弊。研究将由两名独立审阅者筛选；将使用 Cochrane 偏倚风险工具评估偏倚风险，并使用 QUADAS-2 工具评估方法学质量。讨论：该协议将提供综述框架，总结当前探索人工智能对皮瓣手术结果的作用的文献。结果将有助于为外科医生提供当前应用的概述，并确定潜在的进一步研究和开发领域。结论：由于目前的临床实践是定期的床边监测，整合人工智能可以使该过程对患者更高效、更准确、更安全，并减少劳动力负担或医疗保健系统成本。本综述有助于确定潜在和改进的领域，从而进一步帮助实现皮瓣手术后的成功结果。关键词：人工智能；机器学习；皮瓣手术；结果；并发症；术后；监测；皮瓣成功介绍皮瓣手术
21.56 dBm 四路电流合成功率放大器...
摘要 本文介绍了一种采用 65 nm CMOS 工艺的四路电流合成 Ka 波段功率放大器 (PA)。采用基于对称传输线的四路电流合成器和输出变压器，将高负载阻抗 (4* 푍 퐿 ) 传输到每个功率单元所需的 푍 표푝푡。此外，还优化了级间/输入灵活匹配变压器和功率分配器以提高性能。基于上述方法，功率放大器在 35GHz 时的小信号增益约为 24.12 dB，饱和输出功率为 21.56 dBm，峰值功率附加效率为 27.3%。关键词：四路电流合成、功率放大器、传输线合成器、柔性变压器 分类：微波和毫米波器件、电路和硬件
组学和人工智能提高体外受精 (IVF) 成功率：拟议方案
1 雅典国立卡波迪斯特里安大学医学院“Aretaieion 医院”妇产科第二系，Vas. Sofias 76, 11528 雅典，希腊；mixalhspap13@gmail.com（MP）；nikosvlahos@med.uoa.gr（NV）2 雅典国立卡波迪斯特里安大学医学院“Aretaieion 医院”妇产科第二系辅助生殖科，Vas. Sofias 76, 11528 雅典，希腊 3 雅典国立卡波迪斯特里安大学医学院亚历山大医院妇产科第一系辅助生殖科，80 Vas. Sofias Av. 和 Lourou str.，11528 雅典，希腊；sfstavrou@yahoo.com（SS）； pdrakakis@med.uoa.gr (PD) 4 休伊特生育中心，利物浦妇女 NHS 基金会，Crown Street，利物浦 L8 7SS，英国；adrakeley@yahoo.com 5 妇产科第二单位，生物医学和人类肿瘤科学系，巴里综合大学，70124 巴里，意大利；stefanoendo@tin.it 6 雅典国立和卡波迪斯特里安大学病理学第二系，“Attikon”大学医院，Rimini 1，Chaidari，12642 雅典，希腊；apouliak@med.uoa.gr * 通信地址：csyristat@med.uoa.gr；电话：+30-69-3229-4994
2011 年至 2020 年临床开发成功率及影响因素
执行摘要 这是对我们 2016 年报告的临床药物开发成功率的更新研究，也是对成功驱动因素的扩展，增加了机器学习模型来分析有助于药物开发的预测因素。Biomedtracker 数据库中 1,779 家公司在过去十年（2011-2020 年）的 9,704 个开发项目中共记录和分析了 12,728 个临床和监管阶段转变。当候选药物进入下一开发阶段或被申办方暂停时，就会发生阶段转变。通过计算进入下一阶段的项目数量与正在进行和暂停的总数，我们评估了开发四个阶段的成功率：第一阶段、第二阶段、第三阶段和监管备案。有了逐阶段数据后，我们比较了疾病组、药物模式和其他属性，以生成迄今为止最全面的生物制药研发成功分析。
发作间期颅内脑电图预测手术成功率：空间和时间的重要性
摘要 目的：利用源自发作间期颅内脑电图 (EEG) 的功能相关网络预测术后无癫痫发作已取得一些成功。然而，还有一些重要的挑战需要考虑：(1) 物理上彼此靠近的电极自然倾向于更相关，从而导致空间偏差；(2) 不同患者的植入位置和电极数量不同，使得跨受试者比较困难；(3) 功能相关网络可能随时间而变化，但目前假定为静态的。方法：在本研究中，我们使用来自 55 名难治性局灶性癫痫患者的颅内脑电图数据来解决这三个挑战。患者还接受了术前磁共振成像 (MRI)、术中计算机断层扫描和术后 MRI 检查，以便准确定位电极并描绘出切除的组织。结果：我们表明，对附近电极之间的空间接近度进行标准化可提高对术后癫痫发作结果的预测。此外，电极覆盖范围更广的患者更有可能正确预测其结果（受试者工作特征曲线下面积 > 0.9，P « 0.05），但不一定更有可能获得更好的结果。最后，无论分析的时间段如何，我们的预测都是可靠的。意义：未来的研究应考虑功能网络构建中电极的空间接近度，以改善术后癫痫发作结果的预测。切除和保留组织的覆盖范围越大，预测的准确性就越高。
基于平面的全 SiC 集成功率模块...
紧凑、轻便、高效和可靠的电源转换器是未来全电动飞机 (MEA) 的基础。支持航空航天工业电气化的核心要素是采用 SiC MOSFET 的电源模块 (PM)。为了充分利用 SiC 实现的高开关速度，并应对功率器件并联带来的挑战，必须研究新颖的 PM 概念。本文探索了高度对称的布局、低电感平面互连技术和集成缓冲电容器，以实现适用于 MEA 应用的高效、快速开关和可靠的全 SiC PM。对多项性能指标与最先进的全 SiC PM 的全面评估证明了所提出的设计方法和制造技术的优势。此外，通过集成温度和电流传感器，为开发的 PM 添加了智能功能，这对于 MEA 中电力电子的安全应用至关重要。在此背景下，展示了使用 MOSFET 的温度敏感电气参数进行在线结温估算，从而实现非侵入式（即无需专用传感器）热监测。此外，还设计了一个高度紧凑的栅极驱动器，减少了整个系统的体积和复杂性，并将其集成在 PM 的外壳中。最后，在 500V 和 200A 下测量 PM 运行时的开关波形，证明了低电感布局、集成缓冲器和栅极驱动器带来的性能改进。
基于平面封装技术的全SiC集成功率模块，适用于飞机应用的高效功率转换器
紧凑、轻便、高效和可靠的电源转换器是未来全电动飞机 (MEA) 的基础。支持航空航天工业电气化的核心要素是采用 SiC MOSFET 的电源模块 (PM)。为了充分利用 SiC 实现的高开关速度，并应对功率器件并联带来的挑战，必须研究新颖的 PM 概念。本文探索了高度对称的布局、低电感平面互连技术和集成缓冲电容器，以实现高效、快速开关和可靠的全 SiC PM 用于 MEA 应用。与最先进的全 SiC PM 相比，对多项性能指标的全面评估证明了所提出的设计方法和制造技术的优势。此外，通过集成温度和电流传感器，在开发的 PM 中添加了智能功能，这对于 MEA 中电力电子的安全应用至关重要。在此背景下，演示了如何使用 MOSFET 的温度敏感电气参数进行在线结温估算，从而实现非侵入式（即无需专用传感器）热监控。此外，还设计了一个高度紧凑的栅极驱动器，以减少整个系统的体积和复杂性，并将其集成在 PM 的外壳中。最后，在 PM 以 500V 和 200A 运行时测量开关波形，证明了低电感布局、集成缓冲器和栅极驱动器所带来的性能改进。
通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区，工程与建筑学院，工业工程系，创新与技术发展组，Q 区拉努比亚校区，马尼萨莱斯，170001 - 哥伦比亚。 （电子邮件：odcastrillong@unal.edu.co；wasarachec@unal.edu.co；sruizhe@unal.edu.co） 五月收到。 9，2019； 2019 年 7 月 8 日接受；最终版本 2019 年 8 月 12 日，2020 年 2 月发布 摘要 本文的目的是利用人工智能技术（分类器）根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析，但仍然提供了使用人工智能提供的工具进行研究的机会，特别是在预测学业成绩方面。通过定义的因素（教育、家庭、社会经济、习惯和风俗等），设计了一种方法，可以训练一个系统，该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此，可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键词：学业成绩；人工智能;分类器；成功；使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术（分类器）来预测高等教育学生的学业成绩，考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析，但它们仍然代表了使用人工智能工具的研究机会，特别是在学业成绩预测方面。通过定义影响因素（教育、家庭背景、社会经济、习惯和风俗等），设计了一种方法，以训练一个系统，该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解，该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键字：学业成绩；人工智能；分类器；成功；预测
通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区，工程与建筑学院，工业工程系，创新与技术发展组，Q 区拉努比亚校区，马尼萨莱斯，170001 - 哥伦比亚。 （电子邮件：odcastrillong@unal.edu.co；wasarachec@unal.edu.co；sruizhe@unal.edu.co） 五月收到。 9，2019； 2019 年 7 月 8 日接受；最终版本 2019 年 8 月 12 日，2020 年 2 月发布 摘要 本文的目的是利用人工智能技术（分类器）根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析，但仍然提供了使用人工智能提供的工具进行研究的机会，特别是在预测学业成绩方面。通过定义的因素（教育、家庭、社会经济、习惯和风俗等），设计了一种方法，可以训练一个系统，该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此，可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键词：学业成绩；人工智能;分类器；成功；使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术（分类器）来预测高等教育学生的学业成绩，考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析，但它们仍然代表了使用人工智能工具的研究机会，特别是在学业成绩预测方面。通过定义影响因素（教育、家庭背景、社会经济、习惯和风俗等），设计了一种方法，以训练一个系统，该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解，该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键字：学业成绩；人工智能；分类器；成功；预测
GAO-16-5，国防高级研究计划局：关键因素推动技术转型，但更好的培训和数据传播可以提高成功率
自 2010 年以来，国防高级研究计划局 (DARPA) 在技术转型方面取得了成功——将新技术从研究环境迁移到军事用户（包括国防部 (DOD) 采购计划和作战人员）的过程。但是，由于该机构在定义和评估其转型结果方面存在不一致，因此 GAO 无法可靠地报告 DARPA 在 2010 财年至 2014 财年期间成功完成的 150 个项目的转型绩效。这些不一致部分是由于该机构跟踪技术转型的流程存在缺陷。尽管如此，GAO 对 10 个选定项目的分析确定了有助于转型成功的四个因素，其中最重要的是军事或商业对计划技术的需求以及与 DARPA 持续关注的研究领域的联系。这两个因素通常在项目开始时就很明显，而其他两个因素则是在项目进行后才观察到的。下图突出显示了这四个因素。