XiaoMi-AI文件搜索系统
World File Search System成对的
绿色
使用小波的频谱分析被广泛用于识别脑电图中的生物标志物。同时，Riemannian几何形状启用了理论上接地的机器学习模型，具有高性能，用于预测来自多通道EEG唱片的生物医学结果。但是，这些方法通常依赖于手工制作的规则和顺序优化。相比之下，深度学习（DL）提供了端到端训练模型，可在各种预测任务上实现最新性能，但缺乏与既定神经科学概念的可解释性和互操作性。我们介绍了绿色（Gabor Riemann Eegnet），这是一个轻巧的神经网络，该网络集成了小波变换和用于处理原始脑电图数据的Riemannian几何形状。在三个数据集（Tuab，aab，aueeg，tdbrain）上进行五项预测任务（年龄，性别，凝视诊断，痴呆诊断，脑电图病理学），具有超过5000名参与者，绿色的表现优于非深度最先进的最新模型，并且使用CAU Benchmarks上的大型DL模型进行了良好的表现，并使用订单级符合订单级的CAU Benchmarks上表现出色。计算实验表明，绿色促进了学习稀疏表示的情况，而不会损害性能。绿色的模块化允许计算相同步的经典度量，例如成对的相锁定值，这些值可传达用于痴呆诊断的信息。学习的小波可以解释为带通滤波器，从而增强解释性。我们用Berger效应说明了这一点，证明了闭合眼睛时8-10 Hz功率的调制。源代码可公开可用。通过整合领域知识，绿色实现了理想的复杂性 - 绩效权衡，并学习可解释的脑电图表示。
使用文本条件预训练的生成AI模型
合成孔径雷达（SAR）图像合成和模拟在传感器设计和辅助处理算法评估中具有不同的应用。传统上，这个领域依靠基于物理的模拟，使用车辆和场景的电磁建模。但是，深度神经网络技术的出现导致努力将这些方法应用于SAR图像的产生。早期网络体系结构主要利用会议网络和生成对抗网络（GAN）框架。这些网络（包括一代和歧视者）的规模受到限制，通常与小图像大小一起工作。它们通常是在成对的图像上操作的，例如光学和SAR图像或同一区域的不同频率SAR图像，旨在将一种图像类型转换为另一种图像类型，类似于样式的Transfer。这种方法需要从头开始培训，提出与模型深度和数据集大小相关的挑战。最近的研究引入了基础模型，由Meta的细分市场（SAM），Llama和Runway的稳定扩散所阐明。这些基于变压器的模型在大型开放数据集，数十亿个参数和出色的概括功能上进行了大量培训，尽管接受了互联网采购的数据培训。与以前的模型相比，基础模型提供了最小化的优势，利用其固有的功能。但是，它们需要强大的GPU，并在较小的数据集上进行仔细调整以防止过度插入。接下来，我们将讨论与我们的域相关的各种调整方法。我们详细介绍了我们的图像在本文中，我们介绍了使用Real Onera Sethi X Band Sar Images进行拟合的结果。我们从第2节开始，简要概述了该模型的体系结构，组件和Intial培训数据。
计算机物理通信
许多材料，例如聚合物熔体，溶液，生物聚合物和纺织品，都是由纠缠的纤维组成的。这些系统中的纠缠显着影响其机械性能及其功能。我们介绍了聚合物，蛋白质和周期系统（TEPPP）软件中的拓扑纠缠，该软件能够测量此类系统中的拓扑和几何复杂性。尤其是该软件可以计算系统中每种构想或夹具的琼斯多项式的旋转，无论是打开还是封闭的琼斯多项式。特别是对于采用定期边界条件（PBC）的系统，该软件还允许使用周期性链接数和周期性的WRITHE计算PBC中的总成对纠缠。对于线性（开放）链，TEPPP可以计算所有这些拓扑参数（包括琼斯多项式），而无需任何闭合方案。此外，TEPPP还可以沿着链或一对链的不同长度尺度在不同的长度尺度上测量自我和成对的纠缠。通过对输入文件进行适当的预处理，该代码也可以用于星形或分支体系结构。我们提供了如何使用代码的示例，并提供了使用此软件包获得的聚合物中的纠缠效果的结果。我们展示了如何使用TEPPP来测量熔体中线性聚合物链的拓扑纠缠，从而揭示了以前从未见过的微妙纠缠过渡。我们还使用TEPPP分析了打结及其在二嵌段共聚物熔体中的位置，这表明打结定位过渡与这些系统中的层状disorder跃迁一致。最后，我们使用TEPPP揭示了SARS-COV-2峰值蛋白的某些拓扑结构，该结构指向包含S1/S2裂解位点的区域中有趣的结构。
o r i g i n a l r e s a r c h cd26是预测胰腺肿瘤患者预后的有前途的生物标志物
目的：由于早期诊断和癌症的侵入性生物学行为的方法不足，胰腺癌与高死亡率有关。CD26是一种参与多种生理和病理过程的膜锚定蛋白。在这里，我们研究了胰腺肿瘤患者的CD26表达与临床病理学特征之间的相关性。方法：我们从胰腺肿瘤患者中收集了170个肿瘤组织标本和138个成对的副组织，并使用免疫组织化学评估了CD26表达。结果：CD26在79.4％的胰腺肿瘤中表达，这显着（P <0.001）高于副胰腺组织（23.2％）。CD26的高表达与ABO血型（P = 0.035），恶性肿瘤度（P = 0.001），CA199（P = 0.01）和CA242（P = 0.027）相关。在胰腺恶性肿瘤中，在80.7％（130/161）病例中观察到CD26的表达。较低的CD26表达与较长的无病生存期（P = 0.048）和总生存期（P = 0.024）相关，并且是整体生存率的独立预测指标（危险比[HR]：1.713； P = 0.042）。在胰腺导管腺癌（PDAC）组织中观察到了相似的结果，CD26表达水平（HR：2.117; P = 0.008）是PDAC患者总体存活率的独立预测指标。CD26在胰腺肿瘤中的表达显着增加，并随着恶性肿瘤的增加而逐渐增加，这表明CD26可能参与胰腺肿瘤的肿瘤性增殖。结论：因此，CD26是早期诊断的潜在标志物，也是胰腺肿瘤中有前途的治疗靶标。关键词：生物标志物，CD26，免疫组织化学，胰腺癌，预后
![arxiv：2407.08813v2 [eess.iv] 18 Jul 2024](/simg/7\7db0e79c4f0a1f9970d84b956c248f2dc7a2b750.webp)
arxiv：2407.08813v2 [eess.iv] 18 Jul 2024
摘要。解决人工智能（AI）的公平性，特别是在医学AI中，对于确保公平的医疗保健结果至关重要。最近为增强公平性的努力引入了医学AI中的新方法和数据集。但是，在域转移设置下的公平性问题几乎没有探索，而诊所通常依靠不同的成像技术（例如，不同的视网膜成像方式）进行患者诊断。本文介绍了公平统治，这是一项针对域转移算法公平性的系统性研究，采用了最新的域适应性（DA）和泛化（DG）算法（DG）算法，用于医疗细分和分类任务，以了解如何在不同领域之间转移偏见。我们还引入了一种新颖的插件公平身份注意（FIA）模块，该模块适应各种DA和DG算法，以通过使用自我注意力根据人口统计学属性来调整特征重要性来提高公平性。此外，我们将第一个以公平性的数据集为基础，具有两种成对的成像方式，用于同一患者队列，以进行医疗细分和分类任务，以严格评估域偏移场景中的公平性。排除源和目标域之间人口统计分布变化的混杂影响将使域转移模型的性能更清晰地量化。可以在https://ophai.hms.harvard.edu/datasets/ Harvard-fairdomain20k上访问代码和数据。我们广泛的评估表明，提议的FIA显着增强了两种模型性能，这些模型性能在所有域移动设置（即DA和DG）方面相对于不同的人口统计学而言，这两种人口统计学方面都超出了分割和分类的现有方法。
公司环境中设计思维和创造力观点的定量动态
本研究旨在提供深入的见解，以了解如何在公司背景下的设计讨论中理解设计思维和创造力问题。为此，我们使用了设计思维研究研讨会12（DTRS12）数据集的研讨会成绩单“以技术为中心的设计思维：来自亚洲的观点”，这主要与韩国公司实施设计思维方式有关，这些思想与韩国公司如何实施设计思维方式以及目前扮演着哪些角色设计。我们采用了一种基于构建的动态语义网络的新方法来处理信息处理，以根据公司代表和公司规模调查研讨会讨论。我们比较了两个研讨会中的定量动态：第一个涉及四家公司的管理代表，第二个涉及专业设计师和单一公司设计中心的管理。在动态语义网络的基础上，我们量化了四种语义措施的变化，即出现的，多义，多义，信息内容和成对的单词相似性 - 按时间顺序重建的个人设计思维过程。统计分析表明，与与单一公司的设计中心相比，与四家公司的研讨会中的设计思维在抽象，多义和信息内容的动态上有显着差异。在研讨会中，多四家公司的单个设计思维过程中的多义和抽象的减少以及信息内容的增加表明，设计经理专注于更具体的设计问题，对最终设计产品的信息和含糊不清。专业设计师表现出更抽象的思维，并且在其设计过程中似乎表现出较高的差异。结果表明，根据设计师的角色和公司规模，设计思维和创造力问题的表达方式不同。
孟加拉国人民的遗传景观描绘...
使用AMPFLSTR®Yfiler®PCR扩增系统在404名属于孟加拉国三个最大族裔群体的男性受试者中使用AMPFLSTR®Yfiler®PCR扩增系统进行了 17个微卫星基因座。 分别以73.885％，65.563％和81.250％的相应歧视能力检测到chakma的150个单倍型，Tripura的144个，来自Khasia的144个。 在Tripuras的DyS391基因座中检测到0.828的最高等位基因频率，而在同一基因座，对于chakma种群，检测到0.009的最低等位基因频率。 在Khasias的DyS385a/b基因座处观察到最高的基因多样性（0.964），而Tripuras人群中DyS391基因座的最低基因多样性（0.301）。 研究人群的整体单倍型多样性为0.986141。 邻居的树木和成对的遗传距离都表明，脉轮更接近由Tripuras（Khagrachari，孟加拉国）和Tripuri（印度Tripura）组成的进化枝。 相比之下，卡西亚斯与Oraon（印度恰蒂斯加尔邦）的亲和力非常亲密，其次是Santals。 种群和人群之间的Y-STR单倍型匹配概率表明chakma，Tripura和Khasia在遗传上是100％不同的。 研究的种族人群对于单倍群L和Q表现出较高的频率，而不是在孟加拉人种群中发现的单倍群R1A，H和L。 关键字：Y-STR，歧视，单倍型，多样性，单倍群，网络。 电子邮件：sazaman@du.ac.bd17个微卫星基因座。分别以73.885％，65.563％和81.250％的相应歧视能力检测到chakma的150个单倍型，Tripura的144个，来自Khasia的144个。在Tripuras的DyS391基因座中检测到0.828的最高等位基因频率，而在同一基因座，对于chakma种群，检测到0.009的最低等位基因频率。在Khasias的DyS385a/b基因座处观察到最高的基因多样性（0.964），而Tripuras人群中DyS391基因座的最低基因多样性（0.301）。研究人群的整体单倍型多样性为0.986141。邻居的树木和成对的遗传距离都表明，脉轮更接近由Tripuras（Khagrachari，孟加拉国）和Tripuri（印度Tripura）组成的进化枝。相比之下，卡西亚斯与Oraon（印度恰蒂斯加尔邦）的亲和力非常亲密，其次是Santals。种群和人群之间的Y-STR单倍型匹配概率表明chakma，Tripura和Khasia在遗传上是100％不同的。研究的种族人群对于单倍群L和Q表现出较高的频率，而不是在孟加拉人种群中发现的单倍群R1A，H和L。关键字：Y-STR，歧视，单倍型，多样性，单倍群，网络。电子邮件：sazaman@du.ac.bd中值结网的网络表明，L和R1A的人口中最紧凑的聚类是最紧凑的聚类，其次是单倍型Q和H。Haplogroup R1a的存在表明，孟加拉语可能是通过西方迁移的，而Shaplogroup L和Q的范围内的均具有较大的群体，而较大的群体则是一个非常重要的群体，其范围是在研究中的范围内的范围，并且是在研究中的一定范围，并且是在研究中的Quarge and-east Spristion，其起源于较高的亲属关系，是east的范围。蒙古种群。收到：2024年3月9日，接受：2024年5月18日 *通讯作者：Sharif Akhteruzzaman博士，孟加拉国达卡1000号基因工程与生物技术系，基因工程与生物技术系。
LGMA61数字化AV供应链管理
•显示出基于供应链中数字化的可能性开发业务模型的能力。估值和方法•批判性地分析和评估供应链中数字化的机会和困难。课程的内容包括正在进行的数字化中的基本概念和概念，这些概念和概念在当今各个级别都影响和改变供应链。该课程具有两个重点，部分是生产力（内部），部分是针对客户（外部）的价值创造的。讨论的主题是智能数字解决方案，工具和技术，需求分析和实施方面以及决策和结果后续行动。基于这些主题，在创建竞争性供应链中进一步处理了数字化的机会和挑战，以及这如何与业务模型和业务系统的发展联系起来。课程的实施教学是以讲座，嘉宾讲座，研讨会，讲习班和指导的形式进行的。除非存在特殊原因，否则必须参加嘉宾讲座，研讨会和研讨会。为强制性要素提供补偿或替代时间，他没有自己的不当行为，例如事故，突然疾病或类似事件，无法实施强制性元素。这也适用于由于作为学生代表的信任任务而错过教学的学生。课程结束后的一年内，在相同的课程内容中至少提供了两个其他测试用例。此后，将向学生提供进一步的测试案例，但根据当前的教学大纲。等级课程考试将检查课程如下：•个人笔试（3个高等教育学分）•成对与研讨会成对的书面作业（3个高等教育学分）•与课程有关的个人任务（1.5个高等教育学分），提供了三个测试案例；普通测试，重新测试和收集测试。如果与没有残疾的学生相比，有持久残疾的学生需要提供同等检查的替代方法，那么在与大学咨询后，审查员可以在相关学生的替代考试表上做出决定。本课程的示例/扭矩可以在文档末尾的附录中找到。
人类寿命的脑纤毛转录组的动态变化
摘要：几乎所有的脑细胞都含有原发性纤毛，触角样微管感觉细胞器，它们在其表面上起着至关重要的作用。在神经发育阶段，纤毛对于大脑形成和成熟至关重要。在成人大脑中，纤毛作为接收和传递各种信号并调节细胞间通信的信号枢纽的重要作用。这些独特的作用表明纤毛的功能以及可能在整个人类寿命中发生变化。为了进一步了解纤毛角色的年龄依赖性变化，我们识别并分析了整个人类寿命中纤毛结构和功能成分表达的年龄依赖性模式。，我们从勃雷恩斯潘潘特（Brainspan Atlas）获得了16个大脑区域的纤毛转录组数据，并通过计算回归系数，使用线性回归模型分析了年龄依赖性的表达模式。我们发现，在至少一个大脑区域中，有67％的纤毛转录本与年龄（DEGA）差异表达。年龄依赖性的表达是区域特异性的，在腹外侧前额叶皮层和海马中分别表达的DEGA数量最高和最低。大多数大脑区域的大多数纤毛dega都会随着年龄的增长而表现出上调。编码纤毛基底体成分的转录本构成了大多数纤毛degas，相邻的脑皮质表现出很大的重叠成对的cilia degas。α /β-微管蛋白和SNAP-25表达在与年龄相关的神经发育和神经退行性疾病中的失调。最引人注目的是，特定的α /β -tubulin亚基（TUBA1A，TUBB2A和TUBB2B）和SNAP -25分别在几乎所有大脑区域的年龄范围内分别显示出最高的下调和上调率。我们的结果支持整个生命周期中纤毛结构和功能成分的高动力学在脑回路的正常生理学中的作用。此外，他们提出了纤毛信号传导在与年龄相关的精神病/神经系统疾病的病理生理机制中的关键作用。
与防御性伦理学动态的关联学习
基于威胁强度，接近性和肯定的上下文以及学习预测危险刺激的抽象防御行为会发生变化，这对于生存至关重要。然而，大多数帕夫洛维亚恐惧调节范式仅着眼于冻结行为，掩盖了协会性和非缔合性机制对动态防御反应的贡献。为了彻底研究防御性伦理图，我们将男性和雌性成人C57BL/6 J小鼠进行了pavlovian条件的范式，该范式将脚震与包含串行的化合物刺激（SCS）组成，该刺激（SCS）由独特的音调和白噪声（WN）刺激周期组成。为了研究联想和非缔合性机制如何影响防御反应，我们将这个配对的SCS-footshock组与四个对照组进行了比较，这些对照组由伪和伪造的scs和footshock和footshock，Hock Shock，Hock Shock，或反向SCS的表现与倒置的Tone-WN顺序与成对的呈现或不属性的表现进行调节。在调节的第2天，配对组在音调期间表现出强大的冻结，并在WN期间切换到爆炸性跳跃和飞镖行为。相对，未配对和反向SCS组表达了较少的音调引起的冻结，并且在WN期间很少表现出跳跃或飞镖。在调节第二天后，我们观察到防御行为在两个灭绝会议上的变化如何变化。在灭绝期间，配对组的音调诱导的冻结减少，小鼠从WN期间迅速转移到冰点和飞镖的组合。未配对的，未配对的反向和震惊 - 只有小组在SCS期间表现出防御性的尾巴嘎嘎声和飞镖，冰冻和跳跃最少。有趣的是，配对的反向组没有跳到WN，而音调诱发的冻结具有抵抗力的灭绝。这些发现表明，非缔合性因素促进了一些防御响应，但是强大的提示诱导的冻结和高强度飞行表达需要联想因素。