XiaoMi-AI文件搜索系统
World File Search System日本京都大学
Torishima和Kyoto University创造氢历史...
1998年，来自日本京都大学的系统信息科学研究生院电气与电子系统工程系，日本。1998-20051998年，来自日本京都大学的系统信息科学研究生院电气与电子系统工程系，日本。1998-2005
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法
国际过敏学协会
a 日本京都大学医学院皮肤科 b 日本京都大学医学院儿科 c 日本京都大学医学院血液科 d 日本京都大学医学院风湿病和临床免疫学系 e 日本京都大学医学院生物医学统计学和生物信息学系 f 日本高知大学高知医学院皮肤科 g 日本中央区山梨大学医学院皮肤科 h 日本大阪红十字大阪医院皮肤科 i 日本越谷独协医科大学埼玉医疗中心皮肤科 j 日本尾道市 JA 广岛高中联尾道综合医院皮肤科诊所 k 日本赞岐市立赞岐医院内科 l 鹿儿岛大学医学院皮肤科日本鹿儿岛牙科学院 m 日本川崎圣玛丽安娜大学医学院皮肤病学系 n 日本福岛福岛医科大学医学院风湿病学系 o 日本京都府立医学院医学系血液学和肿瘤学分部 p 日本仓敷川崎医学院风湿病学系 q 日本仓敷川崎医学院免疫学和分子遗传学系 r 日本神户市立医疗中心综合医院皮肤病学系 s 日本金泽大学医学院风湿病学系 t 日本伊丹市立医院诊断病理学系 u 日本东京医科大学皮肤病学系 v 日本名古屋市立大学医学院老年和环境皮肤病学系 w 日本名古屋研究生院皮肤病学系日本广岛大学生物医学与健康科学学院 x 日本广岛市民医院皮肤科 y 日本所泽国防医学院皮肤科 z 日本东京慈惠大学医学院皮肤科 aa 日本西宫兵库医科大学皮肤科
替代性大脑连通性强调了交互式生物运动处理中与年龄相关的差异
1日本广岛大学生物医学与健康科学研究院麦戈文大脑研究所，马萨诸塞州脑和认知科学系，马萨诸塞州剑桥，马萨诸塞州剑桥市02139，5病毒载体发展部分，美国国家生理科学研究所，冈萨基，冈崎，AICHI 444-8585，日本日本，6 Fasmac Company Ltd，ltd intection ltd，Molecigi atsugi 243333333333333333333333399。生物医学科学，福岛医科大学，福岛960-1295，日本和8号神经科学系，京都大学研究生院，京都大学，京都606-8501，日本
人工生命和机器人 {arob
教授。 J.L. Casti（美国圣达菲研究所） C.G.兰顿（美国圣达菲研究所） W.B.Arthur教授（美国圣达菲研究所） J.M. Epstein教授（美国布鲁金斯学会） S. Rasumussen教授（美国圣达菲研究所） T.S.Ray 博士（ATR，日本） T.Gomi教授（AAI，加拿大） M. Raibert 教授（美国麻省理工学院） C. Looney（大学） A.P. Wang教授（美国亚利桑那州立大学）； H.H. Natsuyama教授（美国加州州立大学） R.E.（大学）） W.R.威尔斯（大学) D.J.G. 詹姆斯：； （英国考文垂大学）Prof. W.R.威尔斯（大学） Y.G.Zhang教授（中央研究院、CffiNA） J.J. Lee 教授（韩国科学技术院） G.I.Marchuk 教授（俄罗斯科学院：;, 俄罗斯） S.Ueno 教授（日本京都计算机学院） S.Fujimura教授（日本东京大学） H.Miura（日本东京大学） S.Arimoto教授（日本东京大学） Y.Nishikawa教授（日本京都大学） S. Kitamura 教授（日本神户大学） K.Tsuchiya（日本京都大学） T.Jinzenji教授（日本东北大学） K.Abe（日本东北大学）H.Hagiwara（日本京都计算机学院） H.Tanaka 教授（日本东京医科齿科大学） T.Mushya 教授（日本东京理科大学） T. Fukuda 博士（日本名古屋大学） K.Mastuno 博士（日本通产省、产业技术省） K.Tamura（日本通产省、产业技术省） Y.Tokura博士（ATR，日本） K.Shimohara博士（ATR，日本） K.Kyuma（日本三菱电机） T. Yamakawa 教授（日本九州工业大学） T.Nagata（日本九州大学） M.Nakamura 教授（日本佐贺大学） H.Kashiwagi（日本熊本大学）Prof .M.Sugisaka（日本大分大学）（主席）
日本机械学会论文集 - J-Stage
Abstract 本研究的目的是通过使用可见光相机来调查眼动参数来估计汽车驾驶期间的心理负荷（MWL）。本研究涉及 12 名学生（6 名男性和 6 名女性）。参与者同时使用驾驶模拟器执行驾驶任务和次要任务，以控制MWL。N-back任务的级别如下：无、0-back。 , 1-回,使用可见光相机测量 2-back 和 3-back 的视线和头部角度以及眨眼频率，根据视线和头部角度计算眼球旋转角度，即头部运动的比率。还测量了 N-back 任务的主观 MWL 和准确性，结果表明，随着 N-back 任务难度的增加，主观 MWL 单调增加。 N-back 任务具有统计显着性对水平和垂直注视角度的标准差（SD）、眼球水平旋转角度的标准差、水平方向头部运动的共享率以及眨眼频率进行Logistic回归分析，结果显示，眼球水平旋转角度的标准差和眨眼频率的标准差（SD）。眨眼频率是估计 MWL 的最重要参数 受试者工作特征 (ROC) 曲线的曲线下面积 (AUC)
横滨市立大学木原生物研究所
・发现在茎尖分生组织中基因组DNA高度甲基化，并且成花素可增加DNA甲基化。 ・明确了茎尖分生组织中的DNA甲基化主要由RNA依赖性DNA甲基化途径（RdDM途径）介导。 ・提出了成花素的新功能，即通过DNA甲基化抑制茎尖分生组织中的转座子转移。 ・成功快速大量地分离了以前难以分析的细茎尖分生组织。
干细胞报告
1 Center for iPS Cell Research and Application (CiRA), Kyoto University, Kyoto 606-8507, Japan 2 Department of Drug Discovery for Lung Diseases, Graduate School of Medicine, Kyoto University, Kyoto 606-8501, Japan 3 Department of Clinical Laboratory Medicine, Graduate School of Medicine, Kyoto University, Kyoto 606-8507, Japan 4 Medical-risk Avoidance Based on iPS Cells瑞肯高级情报项目中心（AIP），京都606-8507，日本5人类生物学先进研究所（WPI-ASHBI），京都大学，京都606-8501，日本6日6日6日，日本6-8501，超级组织病毒实验室京都大学生物统计学院，京都606-8507，日本8铅联系 *通信：kazuo.takayama@cira.kioto.kyoto-u.ac.ac.jp（K.T.），gotoh.shimpei.5m@kyoto-u.ac.jp（s.g.）https://doi.org/10.1016/j.stemcr.2024.02.011