XiaoMi-AI文件搜索系统
World File Search System系统分析
基于模型的系统分析与工程 (MBSA&E) ...
“为帮助某人确定更好的行动方案而进行的明确正式调查……通常采用以下组合：确定目标、约束和替代行动方案；从成本、收益和风险的角度审查替代方案的后果；在比较框架中呈现结果，以便决策者可以从替代方案中做出明智的选择。”
针对血管内皮生长因子受体的抗癌酪氨酸激酶抑制剂治疗肾上腺功能不全：FDA 不良事件报告系统分析
摘要：背景：我们描述了美国食品药品管理局不良事件报告系统 (FAERS) 中报告的针对血管内皮生长因子受体 (VEGFR) 的酪氨酸激酶抑制剂 (TKI) 所致肾上腺功能不全 (AI) 的临床特征。方法：通过高级术语“肾上腺皮质功能减退”识别 FAERS（2004 年 1 月 - 2022 年 3 月）中记录的 AI 报告。检查了人口统计学和临床特征，并通过报告比值比 (ROR) 和信息成分 (IC) 以及相关的 95% 置信区间 (CI) 检测不成比例信号，使用不同的比较器并调整共同报告的皮质类固醇和免疫检查点抑制剂 (ICI) 的 ROR。结果：在 147,153 份使用 VEGFR-TKI 的报告中，保留了 314 例 AI 病例，其中大部分为严重病例（97.1%；44.9% 记录住院）。在与 ICI 联合治疗方案中（43% 的病例），52.2% 的病例停用 VEGFR-TKI（26% 为单药治疗）。中位发病时间为 72 天（IQR = 14–201；计算 189 例）。与其他抗癌药物相比，也出现了强烈的不成比例信号（ROR = 2.71，95%CI = 2.42–3.04；IC = 0.25，95%CI = 0.07–0.39）。即使在 ROR 调整后，卡博替尼、舒尼替尼和阿昔替尼也产生了强烈的不成比例性。结论：我们呼吁药理学家、内科医生、肿瘤学家和内分泌学家提高对 VEGFR-TKI 严重 AI 的认识，并制定专门的指南，特别是针对与免疫疗法的联合方案。
基于太阳能/生物质能/天然气/柴油能源的离网多分布式发电系统分析
摘要 本研究基于技术环境分析规划 (TEAP) 方法对奥贡州 20 个离网家庭的多分布式发电系统进行了分析。技术方面包括负载、DG 容量、年发电量和未满足的能源需求 (UED)。本文考虑并比较了不同的能源配置，例如基于 PV 的 DG、混合 DG：PV/沼气、PV/沼气/天然气、PV/沼气/柴油、PV/柴油和基于柴油的 DG。环境方面研究了 DG 与基于柴油的 DG 系统相比产生的排放量。本文还研究了温度对 PV 系统性能的影响。该模拟基于每日总需求 99.04 kWh/d，以及多种能源混合优化 (HOMER) 环境中的太阳、环境温度和生物质数据。获得的基于 PV 的 DG 的大小为 36.9 kW，在没有温度影响的情况下每年产生 54,565 kWh。结果表明，受到温度影响后，该值降至 48,268 kWh/年UED 为 7.84 %。沼气、天然气和柴油发电机的功率相同，为 13.2 kW。混合 DG 实现了 0% 的 UED，这意味着系统可用性为 100 %。结果进一步表明，上述混合 DG 的二氧化碳排放量在 2.21 至 15,448 千克/年之间，而家庭完全使用柴油 DG 运行时的二氧化碳排放量为 40,273 千克/年。该研究有助于理解能源系统分析。关键词：沼气、分布式发电、排放、可再生能源、天然气 1.0 引言现有的学术著作表明，缺乏电力供应是全球许多能源匮乏的社区所面临的问题之一，包括尼日利亚的社区[1,2]；这种发展极大地影响了他们的生产力、社会和经济生活。这将继续激发人们开展研究，为农村社区的能源贫困问题提供生态友好的解决方案。
对驾驶员突变在早期和高级NSCLC中流行率的现实世界中的系统分析：辅助疗法中靶向疗法的影响
1 UOSD临床试验中心，生物统计学和生物信息学，IRCCS Regina Elena National Cancer Institute，00144意大利罗马； irene.terrenato@ifo.it（i.t. ）; andrea.sacconi@ifo.it（A.S。）2病理单位，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； cristiana.ercolani@ifo.it（C.E。 ）; anna.dibenedetto@ifo.it（A.D.B. ）; enzo.gallo@ifo.it（例如 ）; elisa.melucci@ifo.it（E.M.）; beatrice.casini@ifo.it（B.C. ）; francesca.rollo@ifo.it（F.R. ）; aldo.palange@ifo.it（A.P. ）; paolo.visca@ifo.it（p.v. ）; edoardo.pescarmona@ifo.it（e.p。） 3胸外科，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； enrico.melis@ifo.it（E.M.）; fippo.gallina@ifo.it（F.G.）4医学肿瘤学1，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； fabiana.cecere@ifo.it 5医学肿瘤学系2，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； lorenza.landi@ifo.it（l.l. ）; federico.cappuzzo@ifo.it（f.c。） 6科学方向，IRCCS Regina Elena National Cancer Institute，00144意大利罗马； gennaro.ciliberto@ifo.it *通信：simonetta.buglioni@ifo.it;电话。 ： +39-0652-662-923†这些作者对这项工作也同样贡献。1 UOSD临床试验中心，生物统计学和生物信息学，IRCCS Regina Elena National Cancer Institute，00144意大利罗马； irene.terrenato@ifo.it（i.t.）; andrea.sacconi@ifo.it（A.S。）2病理单位，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； cristiana.ercolani@ifo.it（C.E。）; anna.dibenedetto@ifo.it（A.D.B.）; enzo.gallo@ifo.it（例如）; elisa.melucci@ifo.it（E.M.）; beatrice.casini@ifo.it（B.C.）; francesca.rollo@ifo.it（F.R.）; aldo.palange@ifo.it（A.P.）; paolo.visca@ifo.it（p.v.）; edoardo.pescarmona@ifo.it（e.p。）3胸外科，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； enrico.melis@ifo.it（E.M.）; fippo.gallina@ifo.it（F.G.）4医学肿瘤学1，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； fabiana.cecere@ifo.it 5医学肿瘤学系2，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； lorenza.landi@ifo.it（l.l. ）; federico.cappuzzo@ifo.it（f.c。） 6科学方向，IRCCS Regina Elena National Cancer Institute，00144意大利罗马； gennaro.ciliberto@ifo.it *通信：simonetta.buglioni@ifo.it;电话。 ： +39-0652-662-923†这些作者对这项工作也同样贡献。3胸外科，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； enrico.melis@ifo.it（E.M.）; fippo.gallina@ifo.it（F.G.）4医学肿瘤学1，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； fabiana.cecere@ifo.it 5医学肿瘤学系2，IRCCS Regina Elena National Cancer Institute，00144，意大利罗马； lorenza.landi@ifo.it（l.l.）; federico.cappuzzo@ifo.it（f.c。）6科学方向，IRCCS Regina Elena National Cancer Institute，00144意大利罗马； gennaro.ciliberto@ifo.it *通信：simonetta.buglioni@ifo.it;电话。 ： +39-0652-662-923†这些作者对这项工作也同样贡献。6科学方向，IRCCS Regina Elena National Cancer Institute，00144意大利罗马； gennaro.ciliberto@ifo.it *通信：simonetta.buglioni@ifo.it;电话。： +39-0652-662-923†这些作者对这项工作也同样贡献。
对改变转录因子间距的自然插入和缺失的系统分析可识别耐受性和敏感的转录
基因表达的抽象调节需要在启动子和增强子上对序列特异性转录因子（TFS）的联合结合。先前的研究表明，TF结合位点之间间距的改变会影响启动子和增强子活性。然而，由于自然发生的插入和删除（Indels）导致的TF间距改变的重要性尚未系统地分析。为了解决这个问题，我们首先表征了通过ChIP-Seq（Chro-Matin免疫沉淀测序）确定的人类K562细胞中73 TF的全基因组间距关系。我们发现了协作因素之间放松的间距的主要模式，其中包括45个TFS专门与其结合伴侣展示了放松的间距。接下来，我们利用了遗传多样的小鼠菌株和人个体提供的数百万个indels来研究间距改变对TF结合和局部组蛋白乙酰化的影响。这些分析表明，与直接影响TF结合位点的遗传变异相比，通常可以容忍自然存在的插入的间距改变。为了实验验证这一预测，我们在巨噬细胞系中的六个内源基因组基因座上引入了PU.1和C/EBPβ结合位点之间的合成间距改变。在这些位置，PU.1和C/EBPβ的合作结合明显，可耐受的间距的变化范围从5 bp增加到> 30 bp的降低。总的来说，这些发现对理解增强子选择的机制以及对非编码遗传变异的解释具有影响。
基于人工智能的人机交互会计管理信息系统分析
随着市场经济的逐步完善，人们的消费水平不断提高，对品质的要求也越来越高。为了研究基于人工智能（AI）的管理会计信息分析平台，实现会计电算化的目标，将人工智能在专家系统中的应用运用到会计信息分析领域，结合子系统的组合，构建人工智能会计信息网系统，并对其理论和技术进行可行性分析。结果表明其效果明显：加速了一切信息的流动，促进了企业管理模式的变革。而且与传统系统算法相比，系统模型的准确率提高了6%，时延降低了9ms，使得企业整体管理水平得到进一步提高，企业竞争范围进一步扩大，企业成本得到节约。
用文献计量学回顾二十年的能源系统分析
摘要 在过去二十年中，能源系统分析 (ESA) 领域的出版物数量呈指数级增长。本文采用不同的统计技术对 ESA 进行了全面的文献计量分析，以研究基础科学的结构、特征和模式。结果的重点是与出版物数量和类型、机构、作者和国家之间的合作联系以及该领域内的动态趋势有关的定量指标。产量最高的五个和十二个国家分别拥有 50% 和 80% 的 ESA 出版物。占主导地位的机构甚至更加集中在少数几个国家。通过分析合作网络，也证实了国家和机构内发表的论文集中度很高。这些表明同一所大学或至少是同一个国家内的主导合作。最成功的期刊、作者和机构之间也存在着密切的联系。《能源》杂志在该领域的出版物最多，其主编是该领域出版物最多的作者，也是该领域被引用次数最多的出版物的作者。就过去十年该领域的动态而言，近年来，与灵活性和混合/综合能源系统相关的主题的影响力越来越大，而个别技术则有所下降。本文全面概述了二十年来的研究成果，使感兴趣的读者能够全面了解这一活跃领域的主要趋势。
基于混合有源三次谐波电流注入变换器的电池储能系统分析与控制
摘要：本文将新兴的混合型有源三次谐波电流注入变换器（H3C）应用于电池储能系统（BESS），形成一种新型的H3C-BESS结构。与常用的两级VSC-BESS相比，所提出的H3C-BESS能够减少无源元件和开关损耗。分析了H3C-BESS的工作原理，推导了其数学模型。针对系统的不同运行模式，提出了闭环控制策略和控制器设计，包括电池电流/电压控制和注入谐波电流控制。特别是，通过电网电流控制实现有源阻尼控制，无需无源阻尼电阻即可抑制LC滤波器谐振。仿真结果表明，所提出的拓扑结构及其控制策略具有快速的动态响应，建立时间小于4 ms。此外，电池电流和电网电流的总谐波畸变率分别仅为2.54％和3.15％。注入谐波电流的幅值仅为电网电流的一半，表明电流注入电路的损耗很小。实验结果验证了所提方案的有效性。
系统分析和荟萃分析
胃癌是全球第三大癌症死亡原因（1）。大多数胃癌是在晚期才被诊断出来，因为其症状和体征往往不明显且无特异性，导致整体预后不良，而在早期发现的情况下，5 年生存率可超过 90%（2-4）。内镜检查仍被认为是检测 EGC 最有效的方法（5）。然而，早期胃癌（EGC）特别难以识别，因为它通常表现为细微隆起或凹陷以及淡淡的红色，很可能被识别为正常粘膜或胃炎。此外，胃壁内的侵入深度也很难预测。10 项涉及 3,787 名接受上消化道内镜检查的患者的研究显示在诊断前 3 年内上消化道癌症的漏诊率为 11.3%（6）。一项涉及 2,153 例病变图像的荟萃分析显示，白光成像 (WLI) 内镜诊断 EGC 的受试者工作特征曲线下面积 (AUC) 仅为 0.48 (7)。近十年来，人工智能 (AI) 在医学中的应用引起了广泛关注，人工智能辅助内镜诊断是研究的热点。人工智能是指计算机执行与智能生物相关的任务的能力，例如模仿人类的认知能力的“学习”功能 (8)。人工智能的子领域包含机器学习和深度学习（图 1）。机器学习这个术语最初由 Arthur Samuel 于 1959 年创造，是计算机科学的一个领域，即系统能够在没有特定程序的情况下从输入数据中“学习”的能力 (9)。分类模型训练中常见的机器学习方法包括集成树、决策树、支持向量机、k近邻等（10）。深度学习最初于1998年应用于图像处理领域，是指在用于特征提取和转换的机器学习算法的基础上，在非线性处理中应用各层（11）。神经网络与人脑相似，特别模仿紧密相连的神经元来识别模式、提取特征或“学习”输入数据以预测结果（12）。不同的模型训练范式被称为“神经网络”（13）。对于标准内窥镜图像，已经推荐了几种用于自动检测早期胃癌的计算机辅助检测（CAD）算法。原有图像分类模型的性能提升主要依赖于视觉特征和大规模数据集，这在 EGC 中很难实现
市场营销人工智能的系统分析和未来研究方向 Worakamol Wisetsri 1、Ragesh T S 2、Catherene Julie Aarthy C 3、Vibha Thakur 博士 4、Digesh Pandey 5、Kamal Gulati 博士 6 1 泰国曼谷北部先皇科技大学商业与工业管理学院制造与服务业管理系副教授 worakamol.w@arts.kmutnb.ac.th 2 商业分析系助理教授，Prin。 L. N. 韦林卡管理发展与研究学院，印度 ragesh.ts@welingkar.org 3 印度印度斯坦理工学院管理学院 S. G 助理教授 catherinej@hindustanuniv.ac.in 4 印度中央邦博帕尔（巴尔卡图拉大学）职业学院计算机科学主任兼助理教授，vibhathakur.2020@gmail.com 5 印度勒克瑙 MUIT 计算机科学工程研究学者，digeshpandey001@gmail.com 6 印度北方邦诺伊达阿米蒂大学副教授 | 美国弗吉尼亚州斯特拉特福德大学独立顾问，drkamalgulati@gmail.com 通讯作者：：Kamal Gulati 博士 印度北方邦诺伊达阿米蒂大学副教授 |独立顾问，美国弗吉尼亚州斯特拉特福德大学，drkamalgulati@gmail.com 文章历史：收到日期：2021 年 1 月 10 日；修订日期：2021 年 2 月 12 日；接受日期：2021 年 3 月 27 日；在线发表日期：2021 年 5 月 10 日
市场营销人工智能的系统分析和未来研究方向 Worakamol Wisetsri 1、Ragesh T S 2、Catherene Julie Aarthy C 3、Vibha Thakur 博士 4、Digesh Pandey 5、Kamal Gulati 博士 6 1 泰国曼谷北部先皇科技大学商业与工业管理学院制造与服务业管理系副教授 worakamol.w@arts.kmutnb.ac.th 2 商业分析系助理教授，Prin。L. N. 韦林卡管理发展与研究学院，印度 ragesh.ts@welingkar.org 3 印度印度斯坦理工学院管理学院 S. G 助理教授 catherinej@hindustanuniv.ac.in 4 印度中央邦博帕尔（Barkatullah 大学）职业学院计算机科学主任兼助理教授，vibhathakur.2020@gmail.com 5 印度勒克瑙 MUIT 计算机科学工程研究学者，digeshpandey001@gmail.com 6 印度北方邦诺伊达阿米蒂大学副教授 | 美国弗吉尼亚州斯特拉特福德大学独立顾问，drkamalgulati@gmail.com 通讯作者：：Dr. Kamal Gulati 印度北方邦诺伊达阿米蒂大学副教授 |独立顾问，美国弗吉尼亚州斯特拉特福德大学，drkamalgulati@gmail.com 文章历史：收到日期：2021 年 1 月 10 日；修订日期：2021 年 2 月 12 日；接受日期：2021 年 3 月 27 日；在线发表日期：2021 年 5 月 10 日