XiaoMi-AI文件搜索系统
World File Search System研究结果
20K16477研究结果报告
研究成果の概要（英文）：最初的计划是使用fMRI测量和小组实验的组合来检验垂直惩罚假设，但是由于COVID-19不再进行面对面的实验，因此进行了替代研究。首先，我们对自由决策的神经基础进行了研究，开发了一项新的创造力，以生成新的选择，并进行了行为和fMRI实验。结果证实了期权产生的唯一性度量的有效性，并表明期权产生的流利度随开发而有所改善。对BCI技术的道德问题也在讲英语和日语的人群中进行了研究。结果表明，人们对人格和后果的担忧很普遍，并且仅在日本说话者中与后果相关的关注涉及与后果有关的道德基础。
21K15679研究结果报告
研究成果の概要（英文）：我提出了一个被动任务范式，以减少与任务相关功能MRI任务执行过程中认知负载的一种方法。我创建了一个实验范式，其任务刺激可用于诊断神经系统疾病，并进行了实际的测量，证明了其可行性。在数据分析中，使用来自队列研究的静止状态功能性MRI数据，1）我基于REM睡眠行为障碍的功能连通性生成了基于机器的疾病分类器，帕金森氏病的前途症状，2），并揭示了痴呆症，帕金森氏病和健康的老年人使用动态功能连接性的网络动态差异。
2026＆2030 LA BASIN和圣地亚哥帝国山谷地区的LCR研究结果2026＆2030 LA BASIN和圣地亚哥帝国山谷地区的LCR研究结果
*研究结果的结果是Laguna Bell-Mesa＃1 230kV line升级被认为是服务的。sce预计该项目将于2025年5月进行。**研究结果与Laguna Bell-Mesa＃1 230kV阵容的延迟方案升级。
对研究参与者的卫生研究结果的传播
此预印本版的版权持有人于2025年3月3日发布。 https://doi.org/10.1101/2025.03.03.03.03.25323077 doi：medrxiv preprint
研究结果研究：40557
描述：本研究的目的是评估具有基因改性干细胞（自体干细胞移植）治疗镰状细胞病的长期安全性和能力。参与者必须在由Bluebird Bio赞助的临床研究中接受BB1111的研究基因治疗。没有其他
疫苗接种与中央脱髓鞘风险之间的关联：案例指的研究结果
抽象背景很少有研究记录了疫苗接种与中枢脱髓鞘风险之间的潜在关联（CD）。具体来说，抗肝炎B和抗人乳头瘤病毒（HPV）疫苗一直是对它们对触发CD的影响的不信任的主题。从系统的国家注册表中采用的方法，鉴定并记录了与第一个迹象发生前24个月接触疫苗接种的CD（病例）的患者。将这种暴露与没有CD史的一般实践患者的代表性样本进行了比较，该患者是从国家注册中随机选择的。CD病例为2：1，年龄，性别，指数日期（ID）和居住区匹配。疫苗针对流感，HPV，丙型肝炎和白喉 - 脑静脉 - 脊髓炎 - 脊髓灰质炎 - 大莫希氏菌（DTPPHAE）。使用多元条件逻辑回归评估了疫苗和CD之间的关联，并控制了混杂因素。发现564个CD病例与1,128个随机选择的指称人（年龄范围：2-79岁）匹配。总体而言，在ID前24个月内，有123例（22％）CD病例和320例（28％）的参考人至少收到了一种疫苗。对于任何CD的第一兆迹象，任何疫苗接种的调整后比值比（ORS）均为0.69，95％置信区间（CI）[0.54-0.88]，脊髓炎的0.68 [0.51-0.90]，0.70 [0.42-1.17]的光学神经炎。解释在接种疫苗的患者中未观察到CD发病率的风险增加。对流感疫苗的任何CD首先征收的调整ORS均为1.02 [0.71–1.47]（9.6％的病例和10.4％的参考剂），DTPPHAE疫苗的调整疫苗为0.72 [0.53-0.99]，用于DTPPHAE疫苗（用于10.8％的案例和14.5％的参考疫苗）。疫苗分别以1.1％和1.2％的病例和2.9％和3.2％的参考疫苗给药，统计学上解释了点估计值<1（ORS 0.39 [0.16-0.94]和0.32 [0.13-22 [0.13-0.80]）。与参照人相比，CD患者观察到的丙型肝炎和HPV的疫苗接种率较低，这可能是由于医生不愿疫苗接种被认为面临CD风险的患者。
实验室研究结果支持减少神经炎症可能有助于对抗阿尔茨海默病的观点
“阿尔茨海默病涉及不同机制的复杂相互作用。其中之一就是神经炎症。这就是我们在研究中关注的。具体来说，我们通过药理学方法操纵了一种称为 NLRP3 炎症小体的分子复合物。它存在于小胶质细胞中，小胶质细胞是大脑的免疫细胞，”DZNE 研究小组负责人、英国国立大学先天免疫研究所研究员、波恩大学 ImmunoSensation2 卓越集群成员 Róisín McManus 博士说。
Taiho Oncology 在 ASCO 胃肠道癌症研讨会上展示了 LONSURF® 的真实世界研究结果
关于 SUNLIGHT 试验 SUNLIGHT 是一项多国、随机、阳性对照、开放标签、双组 3 期临床试验，旨在研究曲氟尿苷/替吡嘧啶联合贝伐单抗与单用曲氟尿苷/替吡嘧啶对接受两种化疗方案的难治性 mCRC 患者的疗效和安全性。 总共 492 名患者被随机分配（比例为 1:1）接受曲氟尿苷/替吡嘧啶联合贝伐单抗或曲氟尿苷/替吡嘧啶单药治疗。 主要目的是评估曲氟尿苷/替吡嘧啶联合贝伐单抗与单用曲氟尿苷/替吡嘧啶的 OS（主要终点）。 关键次要终点是 PFS、总体有效率 (ORR)、疾病控制率 (DCR) 和生活质量 (QoL)，以及曲氟尿苷/替吡嘧啶联合贝伐单抗与曲氟尿苷/替吡嘧啶单药治疗相比的安全性和耐受性。
青年人炎症标志物与多重疾病的关联：1993 年巴西佩洛塔斯出生队列的横断面研究结果
早期诊断可以最大限度地降低多重疾病相关的健康风险。本研究旨在评估巴西佩洛塔斯出生队列中 22 岁参与者的多重疾病与白细胞介素 6 (IL-6)、C 反应蛋白 (CRP) 和脂联素的关系。在 22 岁就诊时，共有 3,578 名受试者接受了血清 IL-6、CRP 和脂联素测量。为了评估多重疾病，我们使用了 15 种疾病列表，并将其分为亚组（心脏代谢、肺部、过敏性疾病和精神障碍）。女性 (55.1%) 患有 ≥ 2 种疾病的几率高于男性 (45.2%)。在女性中发现多重疾病与脂联素呈负相关，而在男性中发现疾病数量与 IL-6 和 CRP 呈正相关。对于两性而言，心脏代谢问题是与标志物最相关的发病率。对孤立疾病的分析发现，血脂异常是与生理标志物相关的唯一心脏代谢疾病。我们的研究结果表明，在女性中多重疾病与脂联素呈负相关，而在年轻男性中疾病数量与 IL-6 和 CRP 呈直接累积相关。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析