XiaoMi-AI文件搜索系统
World File Search System显着
人工智能辅助显着提高病理学家对前列腺活检的格里森分级
摘要 Gleason 评分是前列腺癌患者最重要的预后指标，但其存在显著的观察者差异。基于深度学习的人工智能 (AI) 系统可以在 Gleason 分级中达到病理学家级别的表现。但是，如果存在伪影、异物组织或其他异常，此类系统的性能可能会下降。病理学家将他们的专业知识与 AI 系统的反馈相结合，可以产生协同效应，其表现优于个体病理学家和系统。尽管 AI 辅助被大肆宣传，但病理学领域关于这一主题的现有文献有限。我们研究了 AI 辅助对前列腺活检分级的价值。一个由 14 名观察员组成的小组在使用和不使用 AI 辅助的情况下对 160 次活检进行了分级。使用 AI，小组与专家参考标准的一致性显著提高（二次加权 Cohen 's kappa，0.799 vs. 0.872；p = 0.019）。在 87 个病例的外部验证集中，小组与前列腺病理学国际专家小组的一致性显著提高（二次加权 Cohen 's kappa，0.733 vs. 0.786；p = 0.003）。在两个实验中，从群体层面来看，AI 辅助病理学家的表现都优于无辅助病理学家和独立的 AI 系统。我们的结果表明 AI 系统具有 Gleason 分级的潜力，但更重要的是，结果表明了病理学家与 AI 协同作用的好处。
通过深度学习显着特征的雏鸡胚胎组织的精确分期
最近的工作表明，HH10雏鸡大脑中祖细胞的发育潜力迅速变化，伴随着形态的细微变化。这需要在此阶段增加对大脑研究的时间分辨率，因此需要精确和公正的分期。在这里，我们调查了是否可以使用151个专业标记图像的小数据集训练深卷卷神经网络为次级HH10小鸡大脑。通过使用生物学知情的转换和数据驱动的预处理步骤来增强我们的图像，我们成功地将分类器训练为次级HH10大脑至87.1％的测试准确性。为了确定是否可以使用分类器，我们使用随机对照和实验性小鸡机翼的图像（269）对其进行了重新训练，并获得了类似的高测试准确性（86.1％）。显着性分析表明，生物学相关的特征用于分类。我们的策略可以培训图像分类器，用于具有有限的显微镜数据的发育生物学中的各种应用。
具有仅姿势监督的显着稀疏视觉探子仪
摘要 - 视觉探测器（VO）对于自主系统的导航至关重要，以合理的成本提供准确的位置和方向估计。虽然传统的VO方法在某些条件下脱颖而出，但它们会面临诸如可变照明和运动模糊之类的挑战。深度学习的VO虽然更适应性，但在新环境中可能会面临概括问题。解决这些缺点时，本文提出了一种新型的混合视觉探光（VO）框架，该框架利用了姿势的超级视觉，提供了稳健性和对广泛标签的需求之间的平衡解决方案。我们提出了两种具有成本效益和创新的设计：一种自我监管的同谱预训练，用于从唯一的姿势标签中增强光流学习，以及一个随机的基于贴片的显着点检测策略，以进行更准确的光流贴片提取。这些设计消除了对训练的密集光流标签的需求，并显着提高了系统在多样化和挑战性环境中的概括能力。与密集的光学流程监督最终的最新方法相比，在极端和看不见的情况下，在极端和看不见的情况下，在标准数据集以及更大的鲁棒性和概括能力上实现了竞争性能。
非交流字符的实时多映射显着驱动的凝视行为
摘要 - 视频游戏和虚拟现实体验中虚拟角色的示威行为是现实主义和沉浸式的关键因素。的确，目光在与环境互动时扮演着许多角色。它不仅表明了角色在看什么，而且在言语和非语言行为以及使虚拟字符还活着中起着重要作用。凝视行为的自动计算是一个具有挑战性的问题，迄今为止，现有方法都无法在交互式环境中产生近实现的结果。 因此，我们提出了一种新型方法，该方法利用了与视觉显着性，注意力机制，accadic行为建模和头部凝视动画技术有关的几个不同领域的最新进展。 我们的方法阐明了这些进步，以收敛于多映射显着驱动的模型，该模型为非交流字符提供实时现实的凝视行为，以及与可自定义功能相比，其他用户控制，以构成各种各样的结果。 我们首先通过客观评估评估我们的方法的好处，该评估使用专门为此目的获得的眼睛跟踪数据集面对地面真理数据面对我们的视线模拟。 然后，与从真实演员捕获的凝视动画相比，我们依靠主观评估来衡量我们方法产生的凝视动画的现实水平。 我们的结果表明，我们的方法会生成视力行为，这些行为无法与捕获的凝视动画区分开。凝视行为的自动计算是一个具有挑战性的问题，迄今为止，现有方法都无法在交互式环境中产生近实现的结果。因此，我们提出了一种新型方法，该方法利用了与视觉显着性，注意力机制，accadic行为建模和头部凝视动画技术有关的几个不同领域的最新进展。我们的方法阐明了这些进步，以收敛于多映射显着驱动的模型，该模型为非交流字符提供实时现实的凝视行为，以及与可自定义功能相比，其他用户控制，以构成各种各样的结果。我们首先通过客观评估评估我们的方法的好处，该评估使用专门为此目的获得的眼睛跟踪数据集面对地面真理数据面对我们的视线模拟。然后，与从真实演员捕获的凝视动画相比，我们依靠主观评估来衡量我们方法产生的凝视动画的现实水平。我们的结果表明，我们的方法会生成视力行为，这些行为无法与捕获的凝视动画区分开。总的来说，我们认为这些结果将为实时应用程序的现实和连贯凝视动画的更自然和直观设计开辟道路。
流感疫苗最佳实践警报（BPA）每日发射量显着减少
我们反复测试了五个版本的流感疫苗警报。（1）标题更清晰，授权护士订购疫苗。（2）消除了未订购疫苗或未选择不适合接种疫苗的原因即可解除警报的功能。（3）允许护士选择不适合接种疫苗的原因，并相应地推迟下一次触发。（4）和（5）增加了更多选项来解释警报解除。
在全新世气候变异性的背景下，4.2 KA事件并不显着
“ 4.2 KA事件”是大约4200年前发生的常见的突然气候游览。但是，该事件在区域和较大尺度之间相干的程度尚不清楚。为了客观地评估全新世中的气候游览，我们编译了跨越所有大陆和海洋的古气候数据集，并包括各种档案和代理类型。我们分析这些数据，以确定气候偏移的时机，明显的和空间烙印，使用一种量化局部，区域和全局意义的客观方法。温度和氢化气候中的场地级别游览在整个全新世中都是常见的，但是全球规模的显着偏移很少见。最突出的游览发生在8200年前，当时寒冷和干燥的条件形成了在北大西洋上的较大，重要的游览。我们发现了1600年至1000年前之间的其他显着游览，这与树环数据和年度古气候重建一致，从而为我们的发现增加了信心和背景。相比之下，尽管有些数据集在4200年前显示出显着的气候短途旅行，但它们并未发生在大型连贯的空间区域。因此，与全新世中的大多数其他时期一样，“ 4.2 KA事件”并不是全球重要的气候游览。
HTLV-1和HTLV-2感染显着改变无症状载体中的小RNA表达
目的：与普通人群相比，患有学习障碍的人（LD）通常面临更高的过早死亡率和长时间住院的发生率。预测LD患者和多个长期疾病（MLTC）的住院时间（LOS）对于改善患者护理和优化医疗资源分配至关重要。但是，关于机器学习（ML）模型在该人群中的应用（ML）的研究有限。此外，专为普通人群设计的方法通常缺乏通用性和公平性，尤其是在其同类中跨敏感群体中应用时。方法：本研究使用SAIL数据库中的电子健康记录（EHR）分析了威尔士9,618例LD患者的住院治疗。开发了一个随机森林（RF）ML模型，以预测医院LO，并结合人口统计学，药物病史，生活方式因素和39个长期条件。为了解决公平关注点，应用了两种偏置缓解技术：一种后处理阈值优化器和使用型梯度的临时减少方法。这些方法旨在最大程度地减少各个种族的绩效差异，同时确保稳健的模型绩效。结果：RF模型的表现优于其他最先进的模型，男性达到0.759的面积，女性达到0.756，男性为0.224，女性为0.229，男性为0.229，男性的平衡精度为0.690，男性为0.689，女性为0.689。偏差缓解算法降低了族裔群体的预测表现差异，阈值优化者产生了最显着的改进。性能指标，包括假阳性率和平衡的准确性，显示出男性队列公平性的显着增强。结论：这项研究证明了应用ML模型预测LD和MLTC患者的LOS的可行性，同时通过缓解偏见的技术来解决公平。发现使用EHR数据突出了进行公平医疗保健预测的潜力，为改善临床决策和资源管理铺平了道路。
我们niriotic流体衍生的细胞外囊泡显着改善了人类
关键字：细胞外囊泡，神经再生，细胞间交流，PC12细胞引入神经系统疾病具有挑战性治疗，因为中枢神经系统（CNS）的再生潜力差。在过去的几十年中，细胞疗法已成为再生医学的前线。但是，临床试验的糟糕证据要求科学家的极端重点来制定适当的方案和方法[1]。例如，神经营养因子的表达可以通过基因治疗作为一种补充方法增强治疗作用，但不幸的是，可能会导致与遗传变化相关的可能风险。干细胞旁分泌作用的证据是组织再生的突破[2]。在2005年，Gnecchi等人。表明，间充质干细胞（MSC）培养基通过缺氧下心脏细胞的AKT1过表达表明细胞保护作用，以及心肌梗塞大小的减小，并增强了体外和体外和体内的心室功能， *相应的作者 *相应的作者。电子邮件：saeidifar@merc.ac.ir
上海电影：盈利能力显着改善，IP+AI 带来广阔想象空间
分析师：金荣执业证书号：S0010521080002 邮箱：jinrong@hazq.com 相关报告·公司点评：快手：23Q1 收入端全面超预期，集团层面首次盈利2023-06-07 ·行业点评：苹果开拓性MR 新品发布, 持续催化传媒行业内容生态型企业向好2023-06-07 ·公司点评：哔哩哔哩-W：经调整归母净亏损显着收窄，营收符合预期，多款新游定档暑期2023-06-07 ·公司点评：爱奇艺：会员规模创历史新高，丰富内容储备推动高质量增长20 23-06-07 ·行业点评：教育行业点评：AIGC 助力教育个性化，政策引导科学教育2023-0 6-04 ·公司点评：美团-W：1Q23 业绩前瞻， 盈利能力大幅改善，即时零售持续发力2023-05-22 ·公司点评：快手-W：23Q1 收入与利润均有望超预期，商业化能力有望持续提升2023-05-21 ·公司深度：爱奇艺：坚持原创降本增效成果显着，AI 赋能打开广阔想象空间2023-05-16
原创文章 人类颅内显着网络的时空完整性和自发非线性动态特性
显着性网络 (SN) 在认知控制和自适应人类行为中起着关键作用，但其电生理基础和毫秒时间尺度的动态时间特性尚不清楚。在这里，我们使用来自多个队列的侵入式颅内脑电图 (iEEG) 来研究 SN 的神经生理基础，并确定将其与默认模式网络 (DMN) 和背外侧额叶-顶叶网络 (FPN) 区分开来的动态时间特性，这两者都是人类认知中发挥重要作用的另外两个大规模大脑网络。对网络相互作用的 iEEG 分析表明，共同锚定 SN 的前岛叶和前扣带皮层之间的网络内相互作用比与 DMN 和 FPN 的跨网络相互作用更强。对 SN、DMN 和 FPN 之间信息流方向性的分析揭示了 SN 中的因果流出中心与其在网络相互作用的快速时间切换中的作用一致。对区域 iEEG 时间波动的分析表明，与 DMN 和 FPN 相比，SN 内神经活动的时间动态更快，熵更高。至关重要的是，这些结果在多个队列中得到了复制。我们的研究结果为 SN 的神经生理学基础提供了新的见解，更广泛地说，为人类大脑大规模功能组织的基础机制提供了新的见解。