XiaoMi-AI文件搜索系统
World File Search System皮尔逊
通过实验室神经生理技术验证用于眨眼分析的便携式设备
摘要：眨眼分析有助于了解健康受试者的生理机制以及神经系统疾病的病理生理机制。迄今为止，眨眼是通过各种神经生理技术来评估的，包括肌电图 (EMG) 记录和光电运动分析。我们使用一种新的便携式设备 EyeStat（第 3 代，blinktbi, Inc.，美国南卡罗来纳州查尔斯顿）记录了眨眼运动学，并将测量结果与使用传统实验室技术获得的数据进行了比较。16 名健康成年人使用 EyeStat 设备和 SMART 运动分析系统（BTS，意大利米兰）进行了自愿、自发和反射性眨眼记录。在眨眼记录过程中，使用表面电极从眼轮匝肌记录 EMG 活动。眨眼数据通过专用软件进行分析，并通过重复测量方差分析进行评估。皮尔逊积差相关系数可用于评估 EyeStat 设备、SMART 运动系统和 EMG 数据之间可能存在的关联。我们发现 EyeStat 和 SMART 系统记录期间收集的 EMG 数据并无差异。使用 EyeStat 记录的眨眼数据与使用 SMART 系统获得的结果呈线性关系（r 范围从 0.85 到 0.57；p 范围从 <0.001 到 0.02）。这些结果表明，与标准技术相比，通过这种便携式设备进行眨眼分析具有较高的准确性和可靠性。EyeStat 可以使在研究活动和日常临床实践中记录眨眼变得更加容易，从而可以在门诊环境中对健康受试者和患有神经系统疾病的患者进行大规模研究。
古吉拉特邦屋顶太阳能系统适应性研究
本研究论文考察了古吉拉特邦屋顶太阳能系统的适应性，主要关注其机遇和挑战。本文的主要重点是创造一个有利的环境，鼓励投资，提高认识，并确保屋顶太阳能计划的长期可持续性。尽管拥有第六大土地面积和第九大人口，古吉拉特邦仍然是世界能源市场的关键参与者，但经常被忽视。在这里，政府致力于帮助客户找到具有成本效益的设施，目前有超过 20k 兆瓦的清洁能源投入运营。数据来自古吉拉特邦的帕坦和梅赫萨纳地区，来自 20 个村庄的 400 名参与者参与了当前的研究。为了检查数据，该研究有各种变量；资本设置成本被视为因变量，而维护、补贴、可用空间和意识被视为自变量。本研究借助卡尔·皮尔逊相关法和杜宾自相关模型来检验所选变量之间的关系。研究显示，与值 (1.0) 存在完美相关性，在结果的对齐中，杜宾模型 (1.727) 还发现所选因变量和自变量之间存在正自相关性。古吉拉特邦通过各种政府举措在推广屋顶太阳能系统方面取得了重大进展，为节约资金、实现能源独立和环境效益打开了大门。解决这些问题并鼓励全邦更广泛地使用太阳能系统需要持续努力，以提高认识、做出更好的财务选择和技术进步。
时间延迟多功能相关分析以从EEG信号中提取微妙的依赖性
摘要 - 电脑摄影（EEG）信号是极其复杂的大脑活动的结果。可以通过例如，可以访问此隐藏动态的一些细节。关节分布ρ∆ t对电极对的信号随着不同的时间延迟移动（滞后∆ t）。一种标准方法是监视对此类关节分布的单一评估，例如Pearson相关性（或相互信息），该评估结果相对无趣 - 正如预期的那样，对于零延迟而言，通常会有一个小峰值，而几乎与延迟的对称下降。相反，这种复杂的信号可能由多种类型的统计依赖性组成 - 本文提出了自动分解和提取它们的方法。具体而言，我们对所有被考虑的滞后依赖性分别估计等多项式等关节分布进行建模，然后随着PCA尺寸降低，我们发现了主要的关节密度失真方向F v。以这种方式，我们得到了一些滞后特征A I（∆ t）描述已知贡献的单独主导统计依赖性：ρΔT（y，z）≈Pr i = 1 a i = 1 a i（∆ t）f v i（y，z）。这些特征补充了皮尔逊相关性，提取隐藏的更复杂的行为，例如可能与信息传递方向相关的不对称性，超级表明特征延迟或振荡行为暗示了一定的周期性。还讨论了Granger因果关系扩展到此类多功能关节密度分析，例如两个独立的因果波。虽然这篇早期文章是最初的基础研究，但将来它可能会有所帮助，例如了解皮质隐藏动力学，诊断癫痫等病理，确定精确的电极位置或构建脑部计算机界面。
小儿种群中单个大型线粒体DNA缺失疾病的表型光谱和临床过程：一项多中心研究
抽象背景大规模线粒体DNA缺失（LMD）是线粒体疾病的常见遗传原因，并引起广泛的临床特征。缺乏纵向数据意味着自然史仍然不清楚。这项研究是为了描述大量儿科疾病发作患者的临床谱。方法对临床发作<16岁的患者进行了回顾性多中心研究，在七个欧洲线粒体疾病中心进行了诊断和遵循。结果总共包括80名患者。疾病发作和最后检查的平均年龄分别为10年和31岁。从疾病发作到死亡的中位时间为11。5年。皮尔逊综合征出现在21％，Kearns-Sayre综合征谱系障碍50％的患者中，有29％的患者进行性外科治疗症。血液学异常是学龄前儿童疾病的标志，而老年患者中最常见的表现是ptosis和外科眼科。骨骼肌受累占65％，在25％的患者中进行运动不耐受。中枢神经系统的参与频繁，共济失调的存在（40％），认知参与（36％）和类似中风样发作（9％）。其他常见的特征是色素性视网膜病（46％），身材矮小（42％），听力障碍（39％），心脏病（39％），糖尿病（25％）和肾脏疾病（19％）。结论我们的研究提供了对儿童发作，LMD相关综合征的表型光谱的新见解。与以前的研究相比，我们发现更广泛的多系统参与度更广泛，这很可能与更长的随访时间有关。
回顾性嫌疑人和非目标筛查结合相似性测量优先确定废水中的 MDMA 和苯丙胺合成标记物
3,4-亚甲基二氧基甲基苯丙胺 (MDMA) 和苯丙胺是常用的精神兴奋剂。这些物质的非法制造主要位于荷兰和比利时，产生大量的化学废物，这些废物被处置在环境中或排放到下水道系统中。对高分辨率质谱 (HRMS) 数据进行了回顾性分析，以检测废水样品中 MDMA 和苯丙胺生产的合成标记物。具体而言，实施了可疑和非目标筛选，并结合基于检测到的特征与 MDMA 和苯丙胺质量负荷之间的相似性度量的优先级方法。2016 年至 2018 年期间，采用液相色谱-高分辨率质谱联用技术分析了从荷兰一家处理厂采集的 235 个 24 小时复合废水样品。样本最初根据 MDMA 和苯丙胺的每日摄入量分为两组（即基线消费组与倾倒组）。使用显著性检验和倍数变化来查找两组中特征之间的差异。然后，使用各种测量方法（欧几里得距离、皮尔逊相关系数、斯皮尔曼等级相关系数、距离相关和最大信息系数）调查整个时间序列中所有特征的峰面积与 MDMA 或苯丙胺摄入量之间的关联。这种无监督、无偏见的方法用于对特征进行优先排序，并允许选择 28 种假定的 MDMA 和苯丙胺生产标记。这些标记可能用于检测下水道系统中的倾倒处，有助于确定合成路线并追踪环境中的废物。
8在国内筛查血糖浓度...
抽象类型2糖尿病（T2DM）是家猫中常见的内分泌疾病。繁殖，性，超重，在一定程度上是发展T2DM的诱人因素。为证实这种疾病的最常见的实验室分析之一是血糖浓度。这项研究的目的是使用便携式血糖仪基于BCS，品种和性别来确定家猫的血糖浓度。研究样本是通过从131只家猫的边缘静脉中获取与样本标准相匹配的，列兰氏2小时后的131只家猫的血液样本，然后滴到Sinocare条上。结果表明，平均血糖浓度在正常范围内，总的（BCS≥3/5）的家猫（n = 43）为75.74 mg/dl，超重（BCS≥4/5）（BCS≥4/5）的家猫（n = 44）（n = 44）为78.23 mg/dl，obse（obese obse（bcse）39。 mg/dL, male (n=51) was 80.57 mg/dL, female (n=80) was 81.69 mg/dL, Mixed Breed (n= 119) was 81.03 mg/dL, Angora (n=5) was 84.20 mg/dL, Persian (n=6) was 81.50 mg/dL and Ragdoll (n=1) was 92 mg/dL.皮尔逊相关性显示BC（r = 0.403; p = 0.000）与家猫的血糖浓度具有中等，正且显着的相关性。同时，肯德尔（Kendall）的tau相关性的结果表明，品种（p = 0.740）和性别（p = 0.555）与家猫的血糖浓度无关。关键字：身体状况评分，品种，性，家猫，血糖浓度：09-01-2023修订：接受：19-03-2023接受：28-04-2023简介
人工智能在人力资本投资中的应用
摘要：选择特定工作的候选人或为特定职位提名一个人需要花费时间和精力，因为需要搜索个人的档案。最终，招聘决策可能不会成功。但是，人工智能可以帮助组织或公司为合适的工作选择合适的人。此外，人工智能有助于选择能够实现组织战略和目标的和谐工作团队。本研究旨在促进机器学习模型的开发，以分析和聚类人格特质并对申请人进行分类，以便针对特定工作做出正确的招聘决策并确定他们的弱点和优势。帮助申请人在管理工作的同时取得成功并培训有弱点的员工对于实现组织的目标是必不可少的。应用所提出的方法，我们使用公开的“大五人格特质”测试数据集进行分析。采用预处理技术清理数据集。此外，使用皮尔逊相关方法进行假设检验。根据测试结果，我们得出结论，四种人格特质（宜人性、尽责性、外向性和开放性）之间存在正相关关系，神经质特质与这四种特质之间存在负相关关系。此数据集未标记。但是，我们将 K 均值聚类算法应用于数据标记任务。此外，各种监督机器学习模型（如随机森林 (RF)、支持向量机 (SVM)、K 最近邻 (KNN) 和 AdaBoost）都用于分类目的。实验结果表明，SVM 取得了最高的结果，准确率为 98%，优于其他分类模型。本研究通过研究人工智能在人力资源管理的现状和未来应用的程度，丰富了当前的文献和知识体系。除了人力资源专业人士外，我们的研究结果可能对公司、组织及其领导者和人力资源主管也具有重要意义。
血清脂联素水平与...的关系
背景：脂联素在葡萄糖代谢中起着重要作用，并在胰岛素反应中释放。它有助于降低血糖水平和胰岛素抵抗；然而，这种关系尚未在孕妇中进行研究。目的是确定白沙瓦、开伯尔-普什图省 (KPK) 孕妇的血清脂联素水平和血糖状态，并找出它们之间的可能关系。方法：在横断面研究中，随机选择了 100 名患有妊娠期糖尿病 (GDM) 的孕妇和 100 名没有 GDM 的健康孕妇。禁食一夜后，采集她们的血样，测定血清脂联素、糖化血红蛋白 (HbA1c) 和空腹血糖 (FBG)。用皮尔逊相关系数 (r) 确定脂联素与血糖状态的关系。结果：与健康孕妇相比，GDM 孕妇血清脂联素 (µg/mL) 水平明显较低 (2.2±0.2 vs. 11.25±4.8, p <0.05)，而 FBG (mg/dl) 水平明显较高 (182.7±64.2 vs. 93.6±5.9, p <0.05) 和 HbA1c (%) (7.4±0.1 vs. 5.4±0.1, p <0.05)。GDM 孕妇血清脂联素水平与 FBG (r = -0.203, p =0.042) 和 HbA1c (r = -0.744, p =0.000) 呈显著负相关。结论：妊娠期糖尿病孕妇血清脂联素浓度明显降低，由此可知低脂联素血症与妊娠期血糖紊乱（升高）有关。此外，研究人群中脂联素与 FBG 和 HbA1c 呈负相关。关键词：脂联素；妊娠期糖尿病；糖化血红蛋白；HbA1c
NSGA-II 设计用于 EEG 中的特征选择...
对于与运动想象 (MI) 相关的脑机接口 (BCI) 系统，由于特征数量巨大而样本数量很少，特征选择是脑电图 (EEG) 分类的重要步骤。这使得分类过程在计算上非常昂贵，并且限制了 BCI 系统的实时适用性。解决此问题的一个方法是引入特征选择步骤，以在分类之前减少特征数量。需要解决的问题是，通过减少特征数量，分类准确性会受到影响。许多研究提出使用遗传算法 (GA) 作为特征选择问题的解决方案，其中非支配排序遗传算法 II (NSGA-II) 是这方面使用最广泛的 GA 之一。有许多不同的配置适用于 GA，特别是个体表示、育种算子和目标函数的不同组合。本研究评估了表示、选择和交叉算子的不同组合，以了解不同组合在与 MI 相关的 EEG 分类的准确性和特征减少方面的表现。总共对 24 种 NSGA-II 组合进行了评估，结合了三种不同的目标函数，针对六个受试者。结果表明，育种算子对平均准确率和特征减少的影响很小。但是，具有分层和基于整数的表示的个体表示和目标函数在表示方面取得了最有希望的结果，而皮尔逊相关特征选择与 k-最近邻或特征减少相结合，在目标函数方面获得了最显著的结果。这些组合用五个分类器进行了评估，其中线性判别分析、支持向量机（线性核）和人工神经网络产生了最高且最一致的准确率。这些结果可以帮助未来的研究开发他们的 GA，并选择分类器，用于基于 EEG 的 MI 分类中的 BCI 系统的特征选择。
来自马来西亚八角Penar河的见解
滑坡在热带森林集水区构成了严重的环境威胁，因为它们可以严重影响水质并增加下游河流的沉积。这项研究评估了2021年12月18日在贝雷姆邦森林中对八角河水质量的滑坡的影响。灌溉和排水部（DID）记录了2021-2022的降水数据和水质参数，以15分钟的间隔和环境部（DOE）以两个月的间隔记录。分析的重点是总悬浮固体（TSS），生化氧需求（BOD），化学氧需求（COD）和氨氮（AN）及其与降雨的相关性。使用统计方法，包括t检验，简单回归和皮尔逊的相关系数，用于评估滑坡的影响。结果表明TSS（66.833至132.28 mg/l，p = 0.0143）在滑坡之后，而BOD的变化（1.23至0.92 mg/l，p = 0.1767），cod（cod cod（10.63至10.63至10.00 mg/l，p = 0.4mg/l，p = 0.4640），和p = 0.10 to an（mg and an and an and an and an（MG）（MG）（MG 0.10）（MG）（MG，MEG，MG，MG，M.在统计上没有意义。相反，降雨与水质参数之间的相关性显示没有统计学上的显着差异，表明没有增强的沉积。在抽样站之间还观察到了水质的显着空间和时间变化。的发现突出了土地利用的影响，从而使滑坡的污染对水质尤其是参数TSS的影响，强调了实施有效的土地利用计划的重要性，并补充了降落后的陆地滑坡预防和减轻沉积后的陆地康复策略，并保证了水资源。