犬乳腺肿瘤具有作为转化肿瘤学中自然发生的乳腺癌模型的巨大潜力,因为它们与人类乳腺肿瘤具有相同的环境风险因素、关键组织学特征、激素受体表达模式、预后因素和遗传特征。我们旨在开发允许对犬乳腺肿瘤 (CMT) 进行功能分析的体外工具,因为我们对驱动这些异质性肿瘤生长的潜在生物学了解甚少。我们建立了来自 16 名患者的 24 个类器官系的长期培养,包括来自正常乳腺上皮或良性病变的类器官。CMT 类器官重现了它们所来自的原发组织的关键形态学和免疫组织学特征,包括激素受体状态。此外,遗传特征(驱动基因突变、DNA 拷贝数变异和单核苷酸变异)在肿瘤-类器官对中得到保留。我们展示了 CMT 类器官如何成为体外药物测定的合适模型,并可用于研究特定突变是否可预测治疗结果。此外,我们可以对 CMT 类器官进行基因改造,并使用它们进行汇集的 CRISPR/Cas9 筛选,其中文库表示得到准确维护。总之,我们提出了一个强大的 3D 体外临床前模型,可用于转化研究,其中可以从同一患者体内繁殖来自正常、良性和恶性乳腺组织的类器官,以研究肿瘤发生。
摘要 考虑到监管科学风险分析中参与式方法的日益增多,本文比较了社会科学家如何使用参与式和分析式方法来了解风险认知并满足代表性和包容性的相互竞争的要求。通过对三个欧洲风险机构如何在生物技术背景下使用参与式和分析式方法的案例研究,本文证实了分析方法在应用于不熟悉的话题时难以阐明认知。本文还表明,尽管在促进包容性方面存在挑战,但参与式方法,特别是协商式方法仍有潜力让受影响的人群参与到风险分析过程中。这些案例呼吁整合各种方法,同时意识到需要了解风险构建和结构性不平等之间的相互作用。
抵抗[5]。尽管过程优化了重大的优化工作,但由PBF-LB和PBF-EB生产的316升零件仍然无法满足最佳功能性能所需的表面质量要求。据报道,由PBF-LB和PBF-EB产生的316L部分的典型表面粗糙度(RA)值分别为〜10 µm [9]和〜30 µM [10]。在PBF-LB和PBF-EB之间获得的表面粗糙度的巨大差异是无关的。在比较PBF-LB和PBF-EB时,已经报道了TI6AL4V的可比较表面粗糙度值。对于PBF-LB标本,在构建方向上测量了〜8 µm的RA,而对于PBF-EB,观察到RA为〜23 µm [11]。无论相关的AM过程如何,印刷的部分通常都需要后处理才能实现所需的表面
身体残疾一直是我们社区面临的一个大问题。衰老、疾病和其他变量都是造成这些问题的原因。这就是为什么电动轮椅被设计用来帮助身体残疾人的原因。轮椅使用者已经接触过各种旨在提高其行动能力的辅助技术。因此,不同的辅助技术最近在帮助轮椅使用者移动方面发挥了重要作用,这是因为技术变化太快了。最近流行的辅助技术包括操纵杆、脑机接口、语音识别、舌头驱动系统、眼动追踪器和吸气和吹气。然而,由于某些国家/地区个人之间的技术差距,一些最有益的辅助技术变得难以利用。本研究的目的是研究和回顾这些身体残疾辅助技术的比较研究。在研究中,将舌头驱动系统、眼动追踪器、语音识别和吸气和吹气技术与操纵杆辅助技术进行了比较。比较基于选定的参数,包括可用性命令、疲劳、响应时间、信息传输速率、效果和成本。根据研究结果,研究人员提出了适合发展中国家的配备辅助技术的轮椅设计方案。关键词:身体残疾、电动轮椅、辅助技术、发展中国家。_______________________________________________________________________________________________ 1. 引言
IEEE 是一家非营利组织,是世界上最大的技术专业组织,致力于推动技术进步造福人类。© 版权所有 2023 IEEE - 保留所有权利。使用本网站即表示您同意条款和条件。
背景:随着 COVID-19 负担的加重,快速可靠的筛查方法势在必行。胸部 X 光片在快速分诊患者方面起着关键作用。不幸的是,在资源匮乏的环境中,训练有素的放射科医生很少。目的:本研究评估并比较人工智能 (AI) 系统与放射科医生在检测 COVID-19 胸部 X 光片发现方面的表现。受试者和方法:测试集包括三个月内 457 张疑似 COVID-19 肺炎患者的 CXR 图像。一位拥有 13 年以上经验的放射科医生和人工智能系统 (NeuraCovid,一款与人工智能模型 COVID-NET 配对的 Web 应用程序) 对 X 光片进行了评估。通过计算灵敏度、特异性和生成受试者工作特征曲线来比较人工智能系统和放射科医生的表现。RT-PCR 测试结果被用作金标准。结果:放射科医生的灵敏度和特异性分别为 44.1% 和 92.5%,而 AI 的灵敏度和特异性分别为 41.6% 和 60%。AI 系统将 CXR 图像正确分类为 COVID-19 肺炎的曲线下面积为 0.48,放射科医生为 0.68。放射科医生的预测优于 AI,P 值为 0.005。结论:放射科医生检测 COVID-19 肺部病变的特异性和灵敏度优于 AI 系统。
近年来,随着硬件和软件技术的进步,高性能计算取得了长足的发展。计算机的性能按照摩尔定律不断提高,但似乎在不久的将来就会达到极限。量子计算机有可能大大超越经典计算机的性能,因此成为研究的焦点。本研究从理论角度和模拟实现两个方面探讨了经典随机游动与量子游动的区别,并探讨了量子游动在未来的适用性。概述了经典随机游动和量子游动的基本理论,并根据经典随机游动和量子游动的行为和概率分布,比较了它们之间的特征差异。同时,我们使用Qiskit作为量子模拟器实现了量子行走。表示量子行走的量子电路主要由硬币算子、移位算子和量子测量三部分组成。硬币算子表示量子行走中的抛硬币,这里我们使用了Hadamard算子。移位算子表示根据硬币算子的结果进行量子行走的移动。量子测量是提取量子比特的量子态的过程。在一维量子行走中,我们准备了四种情况,作为从两个到五个量子比特位置的量子比特数的差异。在所有情况下,都已看到量子行走的成功实现,这与量子比特的数量和初始状态的差异有关。然后,我们广泛研究了二维量子行走的实现。在二维量子行走中,就每个 x 和 y 坐标位置的量子比特数量而言,准备了三种情况,从两个到四个量子比特。虽然与一维情况相比,问题设置的复杂性大大增加,但可以看出量子行走实现的成功。我们还看到,量子行走的行为和概率分布的扩展在很大程度上取决于初始硬币状态和初始位置的初始条件。本研究证明了量子行走作为解决未来广泛应用中复杂问题的工具的适用性。最后,我们给出了本研究的可能观点和未来展望。
• Goldfarb, A., Gans, J.,& Agrawal, A.(2019)。人工智能经济学:议程。芝加哥大学出版社。• Agrawal, A., Gans, J., & Goldfarb, A.(2018)。预测机器:人工智能的简单经济学。哈佛商学院出版社。• Goldfarb, A., & Tucker, C. (2019)。数字经济学。经济文献杂志,57(1),3-43。• Goldfarb, A.、Greenstein, S. M. 和 Tucker, C. E.(Eds.)。(2015)。数字经济的经济分析。芝加哥大学出版社。• Maiti, D. 和 Awasthi, A.(2020)。ICT 暴露和福祉与进步水平:跨国分析。社会指标研究,147(1),311-343。• Acemoglu, D. 和 Restrepo, P. (2018)。人工智能、自动化和工作。在《人工智能经济学:议程》(第197-236 页)中。芝加哥大学出版社。• Acemoglu, D.,& Restrepo, P. (2018)。人与机器之间的竞赛:技术对增长、要素份额和就业的影响。美国经济评论,108(6),1488-1542。• Varian, H. R. (2001)。信息技术经济学。加州大学伯克利分校。• Maiti, D.、Castellacci, F. 和 Melchior, A.(2020)。数字化与发展:印度及其他地区的问题。数字化与发展(第页 3-29)。Springer,新加坡。• Singh,N.(2016 年)。信息技术及其在印度经济发展中的作用:回顾。印度发展,283-312。• Castellacci,F.,& Tveito,V.(2016 年)。ICT 对福祉的影响:一项调查和理论框架(编号20161004)。奥斯陆大学技术、创新和文化中心。• Huyer, S., & Mitter, S. (2003)。ICT、全球化和减贫:知识社会的性别层面。坎帕拉(乌干达):http://gab。wigsat。org/policy。htm。
