XiaoMi-AI文件搜索系统
World File Search System独立检查
CRK和CRKL作为癌症治疗的治疗靶标。 非洲生活方式的成本效益：改编糖尿病预防计划，以通过南非城市卫生工作者提供社区卫生工作者 eHealth技术在患有先天性和心脏病的儿科患者心脏运动治疗中的eHealth技术：证据和未来方向的摘要。 先天性畸形和与整合酶抑制剂在妊娠中使用相关的先兆子痫：单中心分析。 涉及MLLT10融合的结构变异与小儿急性髓样白血病的不良结局有关。
摘要：CRK和CRKL是病毒癌蛋白V-CRK的细胞对应物。CRK和CRKL在许多类型的人类癌症中过表达，与预后不良相关。此外，肿瘤细胞系中CRK和CRKL的基因敲低和敲除抑制肿瘤细胞功能，包括细胞增殖，转化，迁移，侵袭，上皮 - 间质转变，对化学疗法药物的抵抗力，以及体内肿瘤的生长和转移。相反，用CRK或CRKL的肿瘤细胞过表达可增强肿瘤细胞功能。因此，已提出CRK和CRKL作为癌症治疗的治疗靶标。然而，尚不清楚CRK和CRKL是否对各种癌症类型的肿瘤细胞功能产生明显或重叠的贡献，因为在大多数研究中已独立检查了CRK或CRKL。最近使用结直肠癌和胶质母细胞瘤细胞的两项研究清楚地表明，CRK和CRKL需要单独消融并组合以了解两种蛋白质在癌症中的不同和重叠的作用。对CRK和CRKL在肿瘤细胞功能中的个体和重叠角色的全面理解对于制定有效的治疗策略是必要的。本综述系统地讨论了CRK和CRKL在肿瘤细胞功能中的关键功能，并为靶向CRK和CRKL的新观点提供了癌症治疗中的新观点。
梨状皮质切除术治疗颞叶癫痫
摘要背景：梨状皮质 (PC) 占据内嗅沟的两侧，在颞叶癫痫 (TLE) 的病理生理学中起着重要作用。最近的一项研究表明，切除超过 50% 的 PC 可使癫痫发作的几率增加 16 倍。目的：我们报告了手动分割 PC 的可行性以及将测地线信息流 (GIF) 算法应用于自动分割以指导切除。方法：由两名盲法独立检查者对 60 名 TLE 患者（55% 为左 TLE，52% 为女性）进行 PC 手动分割，中位年龄为 35 岁（IQR，29 – 47 岁）和 20 名对照者（60% 为女性）进行 PC 手动分割，中位年龄为 39.5 岁（IQR，31 – 49 岁）。 GIF 算法用于创建分割 PC 的自动化管道，用于指导颞叶癫痫颞叶切除术中的切除。结果：患者和对照组的右侧 PC 较大。PC 分割用于指导前颞叶切除术，随后癫痫发作消失，视野或语言障碍消失。结论：可靠的 PC 分割是可行的，可以前瞻性地应用于指导神经外科切除术，从而增加颞叶癫痫颞叶切除术获得良好结果的机会。
医学中基于深度学习的面部图像分析...
摘要简介深度学习技术正在在医学研究中获得动力。证据表明，深度学习在图像识别和分类方面具有优势，例如在检测人们的医疗状况中的面部图像分析。尽管有积极的发现可用，但对医学环境中基于深度学习的面部图像分析的最新面貌知之甚少。为了考虑患者的福利和实践的发展，需要及时了解基于深度学习的面部图像分析所面临的挑战和机会。为了解决这一差距，我们旨在进行系统的审查，以确定医学研究中基于深度学习的面部图像分析的特征和影响。从这项系统的审查中获得的见解将为特征，挑战以及在疾病检测，诊断和预后应用的基于深度学习的面部图像分析中提供急需的理解。方法数据库，包括PubMed，Psycinfo，Cinahl，Ieexplore和Scopus，将在2021年9月以英文发表的相关研究搜索。标题，摘要和全文文章将被筛选以识别合格的文章。还将对随附文章的参考列表进行手动搜索。采用了系统评价和荟萃分析框架的首选报告项目来指导系统的审查过程。两位审稿人将独立检查引用并选择包含的研究。差异将通过小组讨论解决，直到达成共识为止。将根据本研究中采用的研究目标和选择标准提取数据。道德和传播作为研究是进行系统审查的协议，不需要伦理批准。研究结果将通过同行评审的出版物和会议演讲来传播。Prospero注册号CRD42020196473。
助理经理 – 维护和维修 FLSA 状态
岗位描述 职位名称：助理经理 – 维护和维修 FLSA 状态：豁免 报告对象：维护和维修经理 – STS 起重机 部门：STS 维护 地点：花园城 在维护和维修经理 – STS 起重机的监督下，维护和维修助理经理协助部门经理进行维护计划、培训、安全和特殊项目以及安排工作。编制计算机报告和特殊项目。 秉持 GPA 的价值观，促进安全、诚信、尊重、社区、创造力和机会。通过参与安全计划和报告不安全状况和行为来促进安全的工作环境。 1. 与维护经理和工头紧密合作。对纠正危险、程序差异和设备损坏提出适当的建议，安排维护活动，并更新 PM 和工作单以提高效率和改进。 2. 与运营部门协商以确定他们的需求并协调维护支持。设定优先事项并标准化程序和监控器。计划所有维护部门的每日和每周活动。 3. 与其他部门协调紧急维修，监控日常和紧急情况下所需零件和材料的维护。制定长期预防性和日常维护计划并为维护员工提供培训。 4. 协助经理和领班进行工作规划，以及工作成本摘要、零件申请和设备改造。监控正在进行的工作的进度。 维护 SAP 的所有维护计划方面，包括发布和关闭预防性维护工单。 安排外部独立检查机构对所有设备进行检查。保留所有 OSHA 检查报告和证书。确保及时纠正检查发现的所有项目。 5. 协助维护经理制定设备规格和投标包审查。 6. 审核零件库存以确保适当的责任和库存备件数量。 7. 审核 PM 计划的更新和合规性。
通过整合临床和MRI的深度学习特征
抽象背景：尽管立体定向辐射处理，但在局部转移性脑肿瘤的比例很大，并且可能需要几个月的时间才能在随访成像中明显这种局部进展。在肿瘤局部衰竭方面对放射线疗法的预测对这些患者至关重要，可以促进治疗调整或允许早期挽救疗法。目的：在这项工作中，引入了一种新颖的深度学习结构，以预测使用使用治疗计划的磁共振成像（MRI）和标准临床属性治疗的脑转移局部控制/失败的结果。方法：在所提出的体系结构的核心上是一个InceptionResentV2网络，可从每个MRI切片中提取局部结果前词的不同特征。将复发或变压器网络集成到体系结构中，以将MRI切片之间的空间依赖性纳入预测性调节中。基于预测差异分析的可视化方法与深度学习模型相结合，以说明每个病变的不同区域如何对MRI对模型的预测作用。使用从99名患者（116个病变）中获得的数据训练和选择，并在25例患者（40个病变）的独立检查集中进行了评估。结果：结果证明了MRI深度学习特征在结果预测中的潜在潜力，超过了标准临床变量。仅具有临床变量的预测模型证明了接收器工作特征曲线（AUC）下的面积为0.68。MRI深度学习模型的AUC在0.72至0.83的范围内取决于整合每个病变MRI切片的机制。最佳预测性能（AUC = 0.86）与将MRI深度学习特征与临床变量相结合的模型相关联，并使用长期短期记忆复发网络结合了固定层间依赖项。可视化结果强调了肿瘤/病变边缘在脑转移的局部结果预测中的重要性。结论：这项研究的有希望的结果表明，通过深入学习MRI和临床属性，可能早期预测放疗结果对脑转移的预测可能性，并鼓励未来对接受其他放射疗法治疗的大型患者进行研究。