XiaoMi-AI文件搜索系统
World File Search System由假
比较基于EMG的假体设备研究中认知工作量评估技术
摘要 - 先前的研究发现，基于肌电图（EMG）的假体设备可提供更高的握力，提高功能性能，并且比常规假体具有更大的运动范围。但是，认知工作量（CW）仍然是可能对设备的可用性和满意度产生负面影响的问题之一。为了在设计周期的早期评估假肢设备的CW，首先需要选择最合适的措施。因此，这项研究的目标是：（1）回顾以前基于EMG的假体设备评估中使用的CW测量技术； （2）提供指南以选择最合适的测量技术。发现的结果表明，认知绩效模型（CPM），主观措施，任务绩效指标和某些生理指标在检测假体设备配置之间的CW差异方面很敏感，因此可能是对这些技术的可用性评估的有用工具。但是，为了降低侵入性和成本，与生理测量相比，主观工作量度量，任务绩效和CPM等方法更有益。本研究提出的指南可能有益于选择最合适的CW测量技术，以提高灵敏度和准确性并降低侵入性和成本。
脑转移分割网络，训练有鲁棒性，对带有多个假阴性的注释
深度学习已被证明是医学图像分析的重要工具。但是，需要准确标记的输入数据，通常需要专家的时间和劳动密集型注释，这是对深度学习使用的主要限制。解决这一挑战的一种解决方案是允许使用粗或嘈杂的标签，这可以允许图像的更有效，可扩展的标签。在这项工作中，我们根据熵正则化开发了偏斜的损失函数，该熵正规化假定目标注释中存在非平凡的假阴性率。从经过精心注释的脑转移病变数据集开始，我们通过（1）随机审查带注释的病变，并系统地审查最小的病变，从而用假阴性模拟数据。后者更好的模型真正的医师错误，因为较小的病变比较大的病变更难注意到。即使模拟的假阴性率高达50％，将我们的损失函数应用于随机审查数据的最大敏感性在基线的97％（未经审查的培训数据）下保留，而标准损失函数仅为10％。对于基于尺寸的审查制度，绩效从当前标准的17％恢复为88％，而我们的自举损失损失。我们的工作将与图像标记过程的更有效的缩放相同，并与其他方法并行，以创建更多效果的用户界面和注释工具。关键字：脑转移，细分，深度学习，假阴性，嘈杂标签
躯体神经假体应用中的神经信号记录和处理。综述
图 2) ENG 分类信号处理的示意图；a) 记录的 ENG 数据集分为训练集和测试集；b) 预处理块应用信号分割和去噪；c) 从运行观察窗口提取和选择特征；d) 数据驱动的分类模型训练；e) 使用从训练中校准的模型对从测试集中提取的特征进行验证以进行类别预测；f) 根据分类器结果驱动设备的决策规则。
非侵入性脑刺激对攻击行为的调节——随机假对照研究的系统评价
1 意大利墨西拿大学认知、心理学、教育学和文化研究科学系，98121 墨西拿； antonycasula@gmail.com (AC) 2 墨西拿大学医学与实验临床系，AOU“G”。 Martino”，Via Consolare Valeria，98125 墨西拿，意大利； gabriella.martino@unime.it （GM）; francesco.tomaiuolo@unime.it (FT) 3 意大利墨西拿大学数学与计算机科学系、物理科学与地球科学系，Viale F. Stagno d'Alcontres 31, 98166 墨西拿， alessandro.sergi@unime.it 4 博洛尼亚大学哲学与传播系，意大利博洛尼亚 40131； chiara.lucifora@unibo.it 5 IRCCS Bonino Pulejo 神经病变中心，98121 墨西拿，意大利； angelo.quartarone@unime.it 6 德国多特蒙德 44139 莱布尼茨工作环境和人为因素研究中心心理学和神经科学系； nitsche@ifado.de 7 精神病学和心理治疗大学诊所和儿童与青少年精神病学和心理治疗大学诊所，伯特利基金会新教医院，比勒费尔德大学 OWL 大学医院，33615 比勒费尔德，德国 * 通信地址：cvicario@unime.it † 这些作者对这项工作做出了同等贡献。 ‡ 这些作者对这项工作做出了同等的贡献。
高度改良的肩突硬蜱基因组，含有 X 和 Y 假染色体
肩突硬蜱，即黑腿蜱，是莱姆病螺旋体伯氏疏螺旋体的主要媒介，是美国每年约 47 万例莱姆病病例中的大多数是由其引起的。肩突硬蜱可以传播另外六种对人类健康有影响的病原体。由于其医学重要性，肩突硬蜱是第一个被测序和注释的蜱基因组。然而，由于节肢动物基因组特有的长重复基因组序列以及缺乏长读长测序技术所带来的技术挑战，第一个组装体肩突硬蜱 Wikel (IscaW) 高度碎片化。尽管由于胚胎注射和 CRISPR-Cas9 介导的基因编辑等新工具的出现，肩胛带蜱已成为蜱研究的模型，但缺乏染色体级支架减缓了蜱生物学的进展和控制工具的开发。在这里，我们结合了多种技术来制作肩胛带蜱 Gulia-Nuss (IscGN) 基因组组装和基因组。我们使用了来自卵和雄性和雌性成年蜱的 DNA，并利用 Hi-C、PacBio HiFi 测序和 Illumina 短读测序技术来制作染色体水平的组装。在这项工作中，我们展示了由 13 条常染色体和性假染色体组成的预测假染色体：X 和 Y，以及与现有组装和注释相比显着改进的基因组注释。
指令型备忘录 23-003“服役人员丧亲假”，2023 年 3 月 29 日
• 制定政策、分配职责并规定程序，允许因配偶或子女死亡而休假的受保军人（在本 DTM 中称为“成员”）最多休假 2 周，包括一种新型的无收费带薪休假，称为丧假。 • 根据《美国法典》第 10 篇第 701(l) 节实施丧假。本 DTM 中制定的政策和程序补充了国防部指令 (DoDI) 1327.06。 • 自 2023 年 3 月 29 日起生效，直至纳入 DoDI 1327.06。本 DTM 将于 2025 年 3 月 29 日到期。适用性。本 DTM 适用于国防部长办公室、各军事部门（包括任何时候的海岸警卫队，包括根据与国土安全部达成的协议，海岸警卫队隶属于国土安全部的一个部门）、参谋长联席会议主席办公室和联合参谋部、作战司令部、国防部监察长办公室、国防机构、国防部实地活动部门以及国防部内所有其他组织实体。
可解释的视网膜假体人工智能：根据常规临床测量结果预测电极失活
摘要 — 为了提供适当程度的刺激，必须根据个人的感知阈值校准视网膜假体（“系统适配”）。然后可以停用无功能电极以降低功耗并改善视觉效果。然而，阈值不仅在不同电极之间变化很大，而且随着时间的推移也会变化很大，因此需要更灵活的电极停用策略。在这里，我们提出了一个可解释的人工智能 (XAI) 模型，该模型适用于大型纵向数据集，可以 1) 根据常规临床测量（“预测因子”）预测制造商选择在哪个时间点停用电极；2) 揭示这些预测因子中哪些最重要。该模型根据临床数据预测电极停用的准确率为 60.8%。使用系统适配数据时性能提高到 75.3%，当有后续检查的阈值时性能提高到 84%。该模型进一步确定了受试者的年龄和失明发作时间是电极停用的重要预测因子。依赖于常规临床措施的电极失活的精确 XAI 模型可能使视网膜植入物和更广泛的神经假体界受益。
神经假体的慢性稳定性，包括猴子中的多个相邻犹他州阵列
1荷兰神经科学研究所，Meibergdreef 47，1105 Ba Amsterdam，荷兰BA阿姆斯特丹2号，荷兰2匹兹堡医学院，匹兹堡医学院，1622年，匹兹堡大学，匹兹堡，匹兹堡，匹兹堡，宾夕法尼亚州15219，Unity the Unity the Underiation Instrucation，University Instrucation，Unterional Instrucation，Utrrytry unmort ushort ushortzt荷兰4视觉脑疗法实验室，索邦大学，国家德拉·桑特（National de laSanté等人） Freiburg, Germany 6 BrainLinks-BrainTools Center, University of Freiburg, Georges-Köhler-Allee 201, 79110 Freiburg, Germany 7 Freiburg Institute for Advanced Studies (FRIAS), University of Freiburg, Albertstraße 19, 79104 Freiburg, Germany 8 Chalmers University of Technology, Chalmersplatsen 4, 412 96瑞典哥德堡9号综合神经生理学系，VU大学，DE BOELELAAN 1085，1081 HV AMSTERDAM，荷兰10号HV Amsterdam，荷兰10精神病学系，学术医学中心，Postbus 22660，1100 DD Amsterdam，荷兰1100 DD Amsterdam，荷兰11.这些作者为这项工作贡献了同等的贡献。∗作者应向谁解决任何信件。
生物医学工程的年度审查将上限假体与人体整合：技术进步，准备和角色
2.1。机电一体化设计的进步。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。508 2.2。传出界面：假肢的神经解码方法。。。。。。。。。。。。。。。510 2.3。 传递界面：感觉恢复和增强。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 513 2.4。 工程人体，用于身体和神经界面。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 516 3。 差距，未来方向和研究指南。 。 。510 2.3。传递界面：感觉恢复和增强。。。。。。。。。。。。。。。。。513 2.4。工程人体，用于身体和神经界面。。。。。。。。。。。。。。。。。。。。516 3。差距，未来方向和研究指南。。。。。。。。。。519 3.1。需要家庭试验和技术有效性的证据。。。。。。。。。。。。519 3.2。假体是否需要？。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。519 3.3。 TRL指导未来的研发。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 520 3.4。 需要协同方法集成假体技术。 。 。 。 。 。 。 520 4。 结论。 。 。 。 。 。 。 。519 3.3。TRL指导未来的研发。。。。。。。。。。。。。。。。。。。。。。。。。520 3.4。需要协同方法集成假体技术。。。。。。。520 4。结论。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。521
不要强加于我：语音感知可能会产生语音 BCI 的假阳性激活
。CC-BY-NC-ND 4.0 国际许可证 它是永久可用的。 是作者/资助者，已授予 medRxiv 许可以显示预印本（未经同行评审认证）预印本 此版本的版权所有者于 2024 年 1 月 22 日发布。；https://doi.org/10.1101/2024.01.21.23300437 doi：medRxiv 预印本