XiaoMi-AI文件搜索系统
World File Search System极上
将电化学活性细菌固定在屏幕打印的电极上，以快速现场毒性生物传感
微生物生物传感器可以是用于毒性监测的经典方法的绝佳替代方法，这些方法耗时且灵敏。但是，细菌通常通过生物膜形成连接到电极，从而导致问题由于缺乏统一性或较长的装置生产时间而引起的问题。合适的固定技术可以克服这些挑战。仍然，它们的响应可能比基于生物纤维的电极更慢，因为在生物膜期间细菌逐渐适应电子转移。在这项研究中，我们提出了一种可控且可再现的方法来制造细菌模化的电极。该方法由使用纤维素基质的固定步骤组成，然后在存在铁酰胺和葡萄糖的情况下进行电极极化。我们的过程简短，可重现，并使我们获得具有高电流响应的现成电极。固定的电化学活性细菌的出色保存期长达一年。在第一个月最初的50％活动损失后，在接下来的11个月中未观察到进一步下降。我们实施了细菌模化的电极，以使用甲醛（3％）制造一个用于毒性监测的侧向流平台。其添加导致有毒输入后约20分钟的电流减少59％。此处介绍的方法具有发展高灵敏度，易于产生和长长的货架生物生物细菌毒性探测器的能力。©2020作者。由Elsevier B.V.代表中国环境科学研究所，中国环境科学学院出版。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
使用深度学习检测颅内电极上的内侧颞叶癫痫样放电
目的：开发一种高性能算法来检测颅内电极记录中的内侧颞叶 (mTL) 癫痫样放电。方法：一位癫痫病专家从 46 名癫痫患者的颅内脑电图记录数据集中注释了 13,959 次癫痫样放电。利用该数据集，我们训练了一个卷积神经网络 (CNN) 来识别来自单个颅内双极通道的 mTL 癫痫样放电。对来自多个双极通道输入的 CNN 输出取平均值以生成最终的检测器输出。使用嵌套 5 倍交叉验证来评估算法性能。结果：在受试者工作特征曲线上，我们的算法实现了 0.996 的曲线下面积 (AUC) 和 0.981 的部分 AUC（特异性 > 0.9）。精确召回曲线上的 AUC 为 0.807。在假阳性率为每分钟 1 次的情况下，灵敏度达到 84%。35.9% 的假阳性检测对应于专家注释期间遗漏的癫痫样放电。结论：利用深度学习，我们开发了一种高性能、患者非特异性算法，用于检测颅内电极上的 mTL 癫痫样放电。意义：我们的算法有许多潜在应用，可用于了解 mTL 癫痫样放电对癫痫和认知的影响，以及开发专门减少 mTL 癫痫样活动的治疗方法。2019 年国际临床神经生理学联合会。由 Elsevier BV 出版，保留所有权利。