XiaoMi-AI文件搜索系统
World File Search System相关系数
PassFlow：用于预测深部脑刺激结果的多模式工作流程
目的：深部脑刺激 (DBS) 是一种行之有效的帕金森病 (PD) 治疗方法，通常可增强运动功能。然而，DBS 后可能会出现一些不良副作用，从而降低患者的生活质量。因此，临床团队必须仔细选择要进行 DBS 的患者。在过去十年中，曾有人尝试将术前数据与 DBS 临床结果联系起来，其中大部分都集中在运动症状上。在本文中，我们提出了一种基于机器学习的方法，能够预测大量 PD 的 DBS 临床结果。方法：我们提出了一种多模式管道，称为 PassFlow，可预测 84 个临床术后临床评分。PassFlow 由一个用于压缩临床信息的人工神经网络、一种用于从 T1 成像中提取形态生物标志物的最先进的图像处理方法以及一个用于执行回归的 SVM 组成。我们在 196 名接受 DBS 的 PD 患者身上验证了 PassFlow。结果：PassFlow 的相关系数高达 0.71，能够显著预测 84 个评分中的 63 个，优于比较线性方法。还发现，利用这些术前信息预测的指标数量与可获得这些信息的患者数量相关，表明 PassFlow 方法仍在积极学习中。结论：我们提出了一种基于机器学习的新型流程，用于预测 PD 患者 DBS 术后的各种临床结果。PassFlow 考虑了来自不同数据模式的各种生物标志物，仅从术前数据中就显示出一些评分的高相关系数。这表明，DBS 的许多临床结果都可以预测，而与特定的模拟参数无关，因为 PassFlow 已在没有此类刺激相关信息的情况下得到验证。
供应商提供的容积测定软件和 NeuroQuant 使用 3D T1 加权图像对认知障碍患者进行比较：
背景：确定临床上可用的体积测定方法之间的方法间差异对于在更广泛的背景下临床应用脑体积测定至关重要。目的：本研究旨在检验西门子形态测量 (SM) 软件和 NeuroQuant (NQ) 软件的方法间可靠性和差异。材料和方法：这项回顾性研究纳入了 86 名患有主观或客观认知障碍的受试者的 MRI 图像。在本研究中，使用 3T MR 扫描仪 (Skyra 3T, Siemens) 为所有受试者获取了 3D T1 体积图像。使用 SM 和 NQ 对 3D T1 体积图像进行体积分析。为了分析方法间差异、相关性和可靠性，我们使用了配对 t 检验、Bland-Altman 图、Pearson 相关系数、组内相关系数 (ICC) 和效应大小 (ES)，使用了 MedCalc 和 SPSS 软件。结果：SM 和 NQ 对皮质灰质、脑白质和脑脊液的测量结果具有极好的可靠性；对颅内容积、全脑体积、丘脑和海马的测量结果具有良好的可靠性。相反，对包括尾状核、壳核和苍白球在内的两个基底神经节的测量结果可靠性较差。配对比较显示，虽然两种软件对右侧海马的平均体积没有差异，但两种方法对左侧海马体积的平均差异为 0.17 ml（P < 0.001）。其他脑区在两种软件的测量体积方面存在显著差异。结论：SM 和 NQ 在评估大多数脑结构时具有良好至优秀的可靠性，但认知障碍患者的基底神经节除外。研究人员和临床医生在交替使用这两种不同的软件时，应注意测量体积的潜在差异。
临床牙花尿酸的图像质量评估 -
目标：骨骼微结构的详细可视化对于评估计算机断层扫描（CT）中的腕骨骨折至关重要。本研究旨在与第三代二代双源CT扫描仪（EID-CT）相比，使用基于尿尿酸的临床摄氏光子计数检测器（PCD-CT）来评估CT系统的成像性能（PCD-CT）。材料和方法：两个CT系统均用于检查具有辐射剂量等效扫描方案的8个尸体手腕（低/标准/全剂量成像：CTDI VOL = 1.50/5.80/8.67 MGY）。所有手腕都用2种不同的光子计数CT（标准分辨率和超高分辨率）的操作模式进行扫描。使用可比的重建参数和卷积内核进行重新格式化后，3位放射科医生以7分制对图像质量进行了主观评估。为了估计间的可靠性，我们报告了类内相关系数（绝对一致，2向随机效应模型）。信噪比和对比度与噪声比率，以提供对图像质量的半定量评估。结果：与在标准分辨率模式下的全剂量PCD-CT相比，在超高分辨率模式下进行标准剂量PCD-CT检查的主观图像质量优越（P = 0.016）和全剂量EID-CT（P = 0.040）。在超高分辨率模式下低剂量PCD-CT和标准剂量扫描之间在标准分辨率模式下（P = 0.108）或EID-CT（p = 0.470）之间确定了差异。标准分辨率PCD-CT和EID-CT的观察者评估在全剂量和标准剂量扫描中提供了相似的结果（P = 0.248/0.509）。类内相关系数为0.876（95％置信区间，0.744 - 0.925； p <0.001），表明可靠性良好。（所有P's <0.001）。（所有P's <0.001）。
PassFlow：用于预测深部脑刺激结果的多模式工作流程
目的：深部脑刺激 (DBS) 是一种行之有效的帕金森病 (PD) 治疗方法，通常可增强运动功能。然而，DBS 后可能会出现一些不良副作用，从而降低患者的生活质量。因此，临床团队必须仔细选择要进行 DBS 的患者。在过去十年中，曾有人尝试将术前数据与 DBS 临床结果联系起来，其中大部分都集中在运动症状上。在本文中，我们提出了一种基于机器学习的方法，能够预测大量 PD 的 DBS 临床结果。方法：我们提出了一种多模式管道，称为 PassFlow，可预测 84 个临床术后临床评分。PassFlow 由一个用于压缩临床信息的人工神经网络、一种用于从 T1 成像中提取形态生物标志物的最先进的图像处理方法以及一个用于执行回归的 SVM 组成。我们在 196 名接受 DBS 的 PD 患者身上验证了 PassFlow。结果：PassFlow 的相关系数高达 0.71，能够显著预测 84 个评分中的 63 个，优于比较线性方法。还发现，利用这些术前信息预测的指标数量与可获得这些信息的患者数量相关，表明 PassFlow 方法仍在积极学习中。结论：我们提出了一种基于机器学习的新型流程，用于预测 PD 患者 DBS 术后的各种临床结果。PassFlow 考虑了来自不同数据模式的各种生物标志物，仅从术前数据中就显示出一些评分的高相关系数。这表明，DBS 的许多临床结果都可以预测，而与特定的模拟参数无关，因为 PassFlow 已在没有此类刺激相关信息的情况下得到验证。
人工智能技术在非常规领域的应用
提高非常规天然气产量预测速度和准确性是科学高效开发非常规资源的关键。现有的基于传递机制的预测方法对模型进行了假设和简化，难以全面准确地评估产能主控因素，导致产量预测误差较大。本文提出了一种基于人工智能（AI）和数据挖掘技术的非常规天然气井产能预测方法。利用皮尔逊相关系数和灰色关联分析筛选出主控因素，通过训练和比较多种常用的机器学习方法，优选出最佳产量智能预测模型。本文以加拿大阿尔伯塔省致密气田为例，说明该方法的有效性和实用性。
绝对代际流动性的长期演变
图 1：上图）28 个实证 copula 中相对流动性测度的比较（ρ 是每两个相对流动性测度之间的皮尔逊相关系数。所有情况下，相关值的标准误差均低于 0.01。）；下图）copula 变化对美国绝对代际流动性的影响。绝对流动性是使用 Chetty 等人（2017 年）中使用的边际分布和丹麦、芬兰、德国、挪威、瑞典、英国和美国的 28 个实证 copula 估计的。灰色阴影区域是各种绝对流动性估计值所覆盖的区域。灰色曲线是每年所有 28 个估计值的算术平均值。黑色圆圈是 Chetty 等人（2017 年）报告的估计值。
FTIR UATR方法的定量验证用于确定咖啡因
验证使用FTIR UATR确定绿茶样品中咖啡因的方法。ATR（减弱总反射率）是一种无损分析技术，首先没有样品制备。咖啡因是在波数1600和1700 cm -1中出现的吸收中确定的。使用咖啡因浓度的标准溶液0-5％的校准曲线测量可产生良好的线性性，相关系数值（R 2）为0.9978。精度为％RSD（2,8369％），满足接受2/3 CV Horwitz（4,5323）的要求。通过峰值方法进行精度，导致回收率为100.3％的百分比，满足接受95-105％的要求。本研究显示了该方法在绿茶样品中进行咖啡因分析的适用性。
lte，4g和sub – 6 GHz
摘要。在此手稿中，已经提出了用于无线应用的紧凑型MIMO天线。提出的天线由F形散热器组成，中心的圆形插槽和底物另一侧的矩形接地平面。所提出的天线的总尺寸为48×48 mm2。天线设计为在两个频带上工作 - 1.5至2.3 GHz和3.7至4.2 GHz，分别为1.8 GHz和3.9 GHz。还可以通过使用各种参数（例如信封相关系数（ECC），多样性增益（DG），总主动反射系数（TARC）等来观察天线的多样性性能。ECC的值为0.02，显示了天线的良好多样性性能。为了验证模拟和测量结果，已制造了所提出的天线，并彼此吻合。
脑海：重新审视并重新构架机器学习工作流程
图1（a）各种单个模型在空间分辨率（R：4 mm/8 mm），平滑核（S：4 mm/8 mm）和组织段（GM，WM，NGM：非线性注册的模拟GM）方面有所不同。通过平均估计结果的结果表示为年龄偏差校正的MAE，以及在UKB 1子样本上进行的分析的预测年龄和时间表年龄之间的Pearson相关系数。显示了ML算法（RVR/GPR）的比较，以及降低降低的影响和脑组织的选择或它们的串联。BOLD中的结果表示相同的组合模型。（b）通过平均，加权平均或GPR堆叠来结束八个单个模型。为子样本和完整的UKB样本提供了结果。
duba.flow - 用于验证合成DNA构建体
注意：数据表示为ß[p -value]，并使用Spearman的等级相关系数计算。p值<0.05被认为具有统计学意义，并以粗体突出显示。酒精摄入量定义为每月一次，每月2 - 4次，每周2 - 3次或每周≥4次。吸烟（是的，如果至少每天至少1个香烟），当前的饮食，素食和素食被定义为是，否或否应对。缩写：BMI，体重指数； BP，血压； FPG，禁食等离子体葡萄糖； FPI，禁食血浆胰岛素； HbA1c，糖化血红蛋白； HDL，高密度脂蛋白； LDL，低密度脂蛋白； n，数字； TBD，味蕾密度； WHR，腰部与髋关节。