XiaoMi-AI文件搜索系统
World File Search System未被发现
免疫检查点抑制剂相关心血管毒性的临床特征和结果
背景：尽管使用免疫检查点抑制剂 (ICI) 的疗法越来越普遍，但相关的心血管并发症却很少被报道。鉴于 ICI 相关并发症（尤其是心肌炎）的致死率，必须进行最佳风险分层以预测接受 ICI 的患者的主要不良心脑血管事件 (MACCE)。方法：我们收集了接受 ICI 的患者的临床数据，主要结果是 MACCE，包括心肌炎、心力衰竭和缺血性中风。还记录了与 ICI 相关的其他全身免疫反应。中位随访时间为 3 年。结果：在 580 名患者中，MACCE 的发生率为 3.9%。老年患者、男性患者以及患有肺癌、肝硬化或糖尿病的患者发生 MACCE 的风险更高。在发生心血管毒性方面，使用 PD-1/PD-L1 抑制剂或 CTLA 抑制剂之间没有显着差异。ICI 相关 MACCE 的发生与生存率较差有关。值得注意的是，经专家重新评估，最终确诊为 ICI 相关心肌炎的 3 例患者此前未被发现。只有 1 例患者接受了脉冲类固醇治疗，无一例患者存活。最常见的伴随性心脏外免疫相关不良事件是肌炎/皮炎、内分泌毒性和肝炎。结论：总的来说，ICI 可能导致严重的心血管毒性，需要更多关注。早期识别、正确诊断和及时治疗是提高生存率的关键。
将 Rust 引入太空安全关键系统
摘要 — 安全关键型航空航天系统的开发传统上以 C 语言为主。其语言特性使得意外引入内存安全问题（导致未定义行为或安全漏洞）变得微不足道。Rust 语言旨在大幅减少引入错误的机会，从而生成更安全、更安全的代码。然而，由于其寿命相对较短，安全关键型环境中的行业适应性仍然不足。这项工作为使用 Rust 开发安全关键型空间系统提供了一系列建议。我们的建议基于我们对更安全、更可靠的航空航天系统的多方面贡献的见解：我们全面概述了正在进行的使 Rust 适应安全关键型系统编程的努力，强调了其增强系统稳健性的潜力。接下来，我们介绍了一种用 Rust 部分重写基于 C 的系统的过程，提供了一种在不需要全面检修系统的情况下提高安全性的实用途径。在执行重写案例研究的过程中，我们在流行的开源卫星通信协议中识别并修复了三个以前未被发现的漏洞。最后，我们为裸机 PowerPC 引入了一种新的 Rust 编译器目标配置。借助此配置，我们旨在扩大 Rust 在太空导向项目中的适用性，因为该架构在该领域很常见，例如在詹姆斯韦伯太空望远镜中。
检查WAAP，WAF，TLS和MTL在保护API中的作用
摘要 - 应用程序编程界面（API）的网络攻击已变得非常先进和复杂，在确保API方面构成了新的挑战。这产生了迫切需要使用同样复杂的网络安全工具来保护。API在连接企业内部和外部的不同软件应用系统方面绝对不可或缺。API有效地有效地移动数据，甚至通过销售数据和服务来帮助组织产生收入。这些因素大大飙升了正在构建的API数量，因此增加了公司的网络攻击曝光，并通过网络暴露于网络上，以供不良行为者利用。攻击者通常由于在实施或托管过程中的网络安全惯例不佳而利用API中的许多漏洞。这些漏洞使不良行为者能够获得组织内敏感数据和系统的未经授权访问。用来燃料的燃料是可轻松的恶意无代码类型软件和工具，这些软件和工具可以发射自动攻击，绕过标准的安全措施，保持完全未被发现，有时甚至没有从入侵检测系统中进行追踪。当前对这些主题的研究存在差距，这仅突出了实施某些基本的网络防御机制的必要性，但并未明确强调一些提前工具（例如WAAP，WAF，TLS和MTLS）的作用和用法，这些工具有助于巩固API的安全性。本研究旨在检查并介绍可用于防御复杂现代网络攻击的这些高级保护工具，并为组织如何实施这些安全措施来保护API的方法建立了一种方法。
使用机器学习和可穿戴光摄影症的血糖评估和监测评估血糖水平的升高
背景：糖尿病是最具挑战性，增长最快的全球公共卫生问题。大约10.5％的全球成年人口受糖尿病的影响，其中几乎一半未被诊断。日益增长的高风险人口加剧了医疗资源的短缺，估计全球成年人的10.6％和6.2％的葡萄糖耐受性和禁食性血症分别受损。所有当前的糖尿病筛查方法都是侵入性和机会主义的，必须在医院或实验室中由训练有素的专业人员进行。处于危险的参与者可能一直未被发现，并且错过了早期干预的宝贵时间窗口，以防止或延迟糖尿病的发作及其并发症。目标：我们旨在开发一种人工智能解决方案，以识别非侵入性的血糖水平（≥7.8mmol/L），并根据重复测量评估糖尿病风险。方法：这项研究是在新加坡的KK妇女和儿童医院进行的，并招募了500名参与者（平均年龄38.73，SD 10。61年；平均BMI 24.4，SD 5.1 kg/m 2）。使用常规的葡萄糖仪（Accu-Chek Performa）和腕上磨损的可穿戴术，在消耗75克含糖饮料之前和之后测量了大多数参与者的血糖水平。从根管仪中获得的结果用作地面真相测量。我们在光绘画（PPG）传感器数据上进行了广泛的功能工程，并确定了对葡萄糖变化敏感的特征。使用可解释的人工智能方法进一步分析了这些选定的特征，以了解它们对我们的预测的贡献。
系列：7G 无线网络
前言：近年来，量子计算机的研究和实践成果给经典和广泛使用的加密方案（如 Rivest‐Shamir‐Adleman 算法和 ECC（椭圆曲线密码））带来了重大挫折。RSA 和 ECC 分别依赖于整数分解问题和离散对数问题，这些问题可以通过运行臭名昭著的 Shor 算法的足够大的量子计算机轻松解决。因此，需要评估在传统计算机和量子计算机中都难以解决的加密方案。本系列报告对后量子密码方案进行了详细的调查，并强调了它们在受限设备中提供安全性的适用性。全面介绍了可能取代 RSA 和 ECC 以在受限设备中提供安全性的方案。虽然后量子密码学是一种开发对因式分解和其他量子算法具有鲁棒性的新型经典密码系统的努力，这当然是一种选择，但这并不能完全解决问题。关键在于，可能存在未被发现的量子算法（或未被发现的经典算法），它们可能轻易破坏新密码系统的安全性。换句话说，后量子密码学很可能只能提供部分和暂时的解决方案。相比之下，本系列中讨论的量子密钥分发 (QKD) 提供了最终的解决方案：通过诉诸不可破解的自然原理（如不确定性原理或纠缠的一夫一妻制）来恢复安全性和保密性。尽管 QKD 为安全问题提供了最终的解决方案，但其理想的实现在实践中很难实现，并且有许多悬而未决的问题需要解决。一方面，完全独立于设备的 QKD 协议提供了最高级别的量子安全性，但它们的实现要求很高，并且密钥速率极低。另一方面，更实用的 QKD 协议假设对其设备有一定程度的信任，这一假设使它们能够实现合理的速率，但这也带来了危险的旁道攻击的可能性。除了安全性和速率之间的权衡之外，速率和距离之间也存在另一个重要权衡。如今，我们知道存在一个基本限制，限制了任何点对点 QKD 实现。给定一个传输率为 𝜂 的有损链路，双方分发的密钥容量不能超过信道的密钥容量，即 −𝑙𝑜𝑔 2 (1 −𝜂) ，即在长距离下每个信道使用 1.44𝜂 个秘密比特的 𝑎 缩放。基于连续变量系统和高斯状态的 QKD 协议的理想实现可能接近此容量，而基于离散变量的协议则因其他因素而低于此容量。为了克服这个限制并实现 QKD 的长距离高速率实现，我们需要开发量子中继器和量子网络。通过这种方式，我们可以实现更好的长距离扩展，并通过采用更复杂的路由策略进一步提高速率。量子中继器和安全 QKD 网络的研究是当今最热门的话题之一，本系列也对此进行了介绍。本系列旨在概述量子密码学领域最重要和最新的进展，包括理论和实验。在短期内，我们预计量子安全和 QKD 将与所谓的后量子安全解决方案竞争，因此，我们在本系列的单独报告中详细讨论了每种技术的优缺点。本报告涵盖了设计解决方案和量子物理。在将本书用于本科和研究生课程时，我们在每份报告中都加入了一些设计示例，以取代在章节/书末尾使用“问题和解决方案”附录的传统概念。这使得学生可以使用更复杂的作业进行团队合作。我们的学生对这种方法表现出了极大的热情。除大学之外，研究、工业和监管机构的专业人士也应该受益于该系列不同报告的全面报道。
对储罐检查的新兴传感器技术的审查
工业储罐是用于储存液体，气体和化学物质的关键基础设施组件。随着时间的流逝，这些坦克容易容易腐蚀，这威胁了其结构完整性，如果未被发现，可能会导致严重的安全性和财务风险。传统检查方法，例如视觉检查和超声测试，通常在可靠性方面缺乏，尤其是对于难以到达的区域的早期腐蚀[1-6]。根据材料的环境退化手册[7]，美国每年花费约3000亿美元，约占其预算的3％，占相关费用[8]。这使腐蚀成为金属和混凝土结构上恶化的最昂贵原因[9]。近似于与结构失败相关的成本的90％与腐蚀有关[10]。同样，在过去的50年中，已经进行了几项全国性的腐蚀研究，并且都达到了相当于每个国家国内生产总值（GDP）约3-4％的腐蚀成本。[11]这些结构中腐蚀的及时检测和减轻腐蚀对于上述结构的寿命和功能至关重要[12-15]。LIDAR和HSI等新兴技术提供了非侵入性的高分辨率检查功能。这些传感器技术能够检测腐蚀，同时还提供了有助于详细结构分析的空间（3D）信息[16]。本文旨在调查LIDAR和HSI在储罐检查中的使用，突出其整合以及使用高级感应技术而不是传统方法的优势[17，18]。此应用并非特定于海上储罐，因为受腐蚀影响的许多其他结构需要恒定的维护和分析（也称为结构性健康监测或SMH），这可能会受到这种技术的积极影响[19，20]。
从土壤、厨余垃圾、落叶中筛选木质素降解菌，
木质素是一种复杂的化学异质聚合物，可形成木质纤维素生物和化学水解的物理屏障，使木质纤维素生物质难以降解。木质素分解微生物通过产生细胞外酶在木质素降解中起着至关重要的作用。木质素过氧化物酶和锰过氧化物酶是在木质素降解中发挥作用的酶。已从土壤、厨余垃圾、落叶和牛粪中分离出 41 种细菌分离株。然而，这些分离株的木质素分解活性尚未被发现。本研究旨在根据木质素过氧化物酶和锰过氧化物酶活性确定从土壤、落叶、厨余垃圾和牛粪中分离出的细菌的木质素分解能力。研究分几个阶段进行：分离株再培养，基于亚甲蓝染料降解的木质素过氧化物酶活性定性和定量测试，以及基于酚红染料降解的锰过氧化物酶活性定性和定量测试。共有 4 株来自土壤的细菌分离物（Tn9、Tn14、Tn16 和 Tn17）和 2 株来自牛粪的细菌分离物（KS2 和 KS5）表现出定性和定量的木质素过氧化物酶活性。4 株来自土壤的分离物（Tn2、Tn6、Tn14 和 Tn16）、1 株来自厨余的分离物（SD1）和 1 株来自牛粪的分离物（KS5）也表现出锰过氧化物酶活性，定性和定量均如此。表现出木质素过氧化物酶和锰过氧化物酶活性的 9 株细菌分离物具有作为木质素降解生物制剂的潜力。关键词：细菌、木质素分解、过氧化物酶
摘要背景：抑郁和自杀的想法在包括糖尿病（DM）和
摘要背景：抑郁和自杀的想法在包括糖尿病（DM）和高血压（HTN）在内的慢性身体疾病患者中更为常见。抑郁症通常在常规护理期间未被发现，未被诊断和治疗得不到治疗，并且可能会使该人群中的自杀念头复杂化。这项研究旨在确定乌干达DM和 /或HTN患者的抑郁和自杀念头的普遍性以及相关因素。方法：我们使用PHQ-9招募了512名参与者并评估了抑郁症，并使用PHQ-9的项目9进行了自杀念头。我们运行逻辑回归模型，以确定仅具有DM的抑郁和自杀意念相关的因素，仅HTN或两者兼而有之。结果：抑郁症和自杀意念的总体患病率分别为22.07％和10％。在DM和HTN的参与者中，抑郁症的患病率为26.3％，而30.4％的抑郁症患病率为合并症。恐惧（AOR = 7.21; 95％CI = 2.68-19.39; P = 0.01）与抑郁症显着相关。遵守抗糖尿病药物（AOR = 0.10; 95％CI = 0.02-0.72; p = 0.02）是针对抑郁症的。结论：乌干达DM和/或HTN患者的抑郁和自杀意念的流行率很高。关键词：抑郁；自杀念头；糖尿病；高血压;乌干达，撒哈拉以南非洲。非洲健康科学。2024; 24（3）。361-374。 https：// dx.doi.org/10.4314/ahs.v24i3.40doi：https：//dx.doi.org/10.4314/ahs.v24i3.40引用为：Nkola R，Kaggwa MM，Muwanguzi M，Muwanguzi M，Kule M，Kule M，Rukundo GZ，Ashaba S. Ashaba S.，Ashaba S.患者患病和抑郁症和自我疾病中的疾病中的患者与烟雾相关的人中的疾病和自我散发。
关于灌木斑疹心脏表现的全面审查
Scrub Typhus是由东方Tsutsugamushi造成的人畜共患病，由Chiggers传播，主要影响亚太地区。磨砂鼠伤寒的并发症涉及多个系统，包括心血管炎，心律失常，心律失常，心肌炎），呼吸道（急性呼吸遇险综合征），肝炎（肝炎）和肾脏（肾脏症）。在这篇综述中，我们全面地关注造成磨砂间造成的心脏表现。擦洗伤寒诱发的心包炎应怀疑居住在发烧，血小板减少症和心包积液的流行地区的患者中。如果未被发现，它经常导致心脏肿大，心包积液和充血性心力衰竭。心脏衰变通常发生在心肌炎症后，特别是在患有心脏疾病的患者中。擦洗伤寒心肌炎是一种相对罕见的，但心脏并发症严重，高死亡率高达24.0％。心律不齐是由于室内隔膜，冠状动脉或心脏瓣膜的参与而引起的，导致可变的cogiffindings，包括窦性心律失常，T波变化和QTC间隔延长。由于磨砂鼠伤寒而引起的房屋纯正与3个月死亡率增加1.3倍。这些心脏并发症主要使用心电图（ECG）和超声心动图评估。血清学是O. tsutsugamushi的主要诊断工具。虽然灌木丛斑疹伤寒检测IFA测试具有100％的敏感性，但Weil Felix测试是特定的且具有成本效益的。与嵌套的PCR和ELISA对于早期检测有效，但仅限于资源丰富的设置。诊断困难是由非专业症状和当前测试局限性引起的。使用细胞外囊泡，纳米颗粒和亚基疫苗的疫苗发育显示出希望。
通过可解释的深度学习评估脑损伤的人类声音生物标志物
脑损伤或中风导致的脑损伤可能会演变为未确诊患者的言语功能障碍。使用基于 ML 的工具分析人类语音的韵律或发音语音可能有利于早期筛查未被发现的脑损伤。此外，解释模型的决策过程可以支持预测并采取适当措施来改善患者的语音质量。然而，依赖于低级描述符 (LLD) 的传统 ML 方法可能会牺牲详细的时间动态和其他语音特征。解释这些描述符也很有挑战性，需要付出巨大努力来理解特征关系和合适的范围。为了解决这些限制，本研究论文介绍了 xDMFCC，这是一种从单个语音话语中识别解释性判别声学生物标记的方法，可为语音应用中的深度学习模型提供局部和全局解释。为了验证这种方法，我们实施了该方法来解释在梅尔频率倒谱系数 (MFCC) 上训练的卷积神经网络 (CNN)，以进行二元分类任务，以区分患者和对照组的发声。ConvNet 取得了令人满意的结果，f 分数为 75%（75% 的召回率、76% 的精确度），堪比传统机器学习基线。xDMFCCs 的与众不同之处在于它通过保留完整语音信号的 2D 时频表示进行解释。这种表示为区分患者和健康对照组提供了更透明的解释，提高了可解释性。这一进步使得对脑损伤的语音声学特征进行更详细、更令人信服的研究成为可能。此外，这些发现对于开发低成本、快速的未察觉脑损伤诊断方法具有重要意义。