XiaoMi-AI文件搜索系统
World File Search System细颗粒
细颗粒物质的发育毒性
摘要：颗粒物尺寸≤2.5µm（PM 2.5）是一个关键的环境威胁，极大地助长了全球疾病负担。然而，伴随着该领域的快速研究进展，现有的关于发育毒性的研究仍然受到数据源有限，质量不同和深入的机械分析不足的限制。本综述包括当前可用的流行病学和实验室证据，并全面地表征了PM 2.5对不同地区和各种污染源发展的个体的不利影响。此外，本综述探讨了PM 2.5对不同种族，性别和社会经济水平的个人对不良出生结果以及心肺和神经系统发展的影响。此外，PM 2.5的不良健康影响的分子机制主要包括转录和翻译调节，氧化应激，炎症反应和表观遗传调节。研究了有关公共卫生与PM 2.5之间关联的主要发现和新颖观点，强调了将来的研究需要探索其来源，组成和性别特定的效果。此外，还需要进一步研究，以深入研究更复杂的潜在机制，以有效预防或减轻空气污染对人类健康的有害影响。
DNA：精细颗粒类别发现的邻域聚集
从粗制的数据中发现细粒类别是一项实用且挑剔的任务，可以在对细粒度分析的需求和高注释成本之间弥合差距。以前的作品主要集中在实例级别的歧视上，以学习低级特征，但忽略了数据之间的半敏化相似性，这可能会预见这些模型学习紧凑的集群表示。在本文中，我们提出了DeNOCORE的邻域聚集（DNA），这是一个自我监督的框架，将数据的系统结构编码到嵌入空间中。特别是，我们检索了查询的k neart邻域，作为其积极的键，以捕获数据之间的语义相似性，然后从邻居那里汇总信息以学习紧凑的群集表示，这可以使细粒类别变得更加差异。但是，检索到的邻居可能会嘈杂，并且包含许多假阳性钥匙，从而可以降低学习式床的质量。为了应对这一挑战，我们提出了三个原则，以解决这些虚假的邻居以更好地表示学习。此外，我们从理论上证明我们框架的学习目标与聚类损失相同，该损失可以捕获数据之间的语义相似性以形成紧凑的细粒簇。在三个基准数据集上进行了广泛的例证表明，我们的方法可以检索更准确的邻居（准确性提高21.31％），并以较大的利润率（平均提高了三个指标的平均9.96％）。我们的代码和数据可在https://github.com/lackel/dna上找到。
红细胞 omega-3 指数、环境细颗粒物暴露、......
结果 调整潜在混杂因素后，RBC LCn3PUFA 水平较高的参与者的白质和海马体积明显较大。omega-3 指数每增加四分位距 (2.02%)，白质平均体积就会增加 5.03 cm3 (p < 0.01)，海马平均体积就会增加 0.08 cm3 (p = 0.03)。与 RBC 二十二碳六烯酸和二十碳五烯酸水平的关联相似。较高的 LCn3PUFA 减弱了 PM 2.5 暴露与整个大脑和多模态关联区域（额叶、顶叶和颞叶；交互作用的所有 p 值 < 0.05）白质体积之间的负关联，而与其他大脑区域的关联没有改变。在 LCn3PUFA 和非油炸鱼的饮食摄入量方面发现了一致的结果。
街道峡谷中植被配置对汽车细颗粒污染物的减缓策略
城市植被被广泛用于缓解空气颗粒物 (PM) 污染对城市居民健康的威胁。然而，不同植被配置对街峡谷中兴趣点（如背风墙、迎风墙、行人水平）的植被影响尚不明确。因此，我们使用数值模拟方法来评估不同植被配置 (VC)（如两侧和迎风面或背风面各侧种植树木或乔灌木）的几种树种在垂直风下对街峡谷中交通源 PM 污染物的影响 (VE)。总 VE 从 4.0% 到 20.6% 不等，而行人水平 VE 从 3.5% 到 15.4% 不等，具体取决于不同的 VC。由于沉降速度较快，柏树种的总 VE 值从 3.5% 到 11.5% 不等，行人水平 VE 值从 4.8% 到 10.9% 不等，优于相同 VC 的其他树种。在仅使用树木的情况下，背风面的植被覆盖率最高（行人水平 VE：3.3% e 10.9%；总 VE：2.1% e 11.5%），该处更靠近污染较重的区域，对风的移动阻碍较少。我们发现，在街道峡谷两侧种植柏树增强型乔灌木配置是最佳策略，可使总 VE 值提高 19.3% e 20.6%，行人水平 VE 提高 14.1% e 15.4%，并缓解街道中心高浓度的 PM2.5 。背风墙的 VE 与空气动力学参数 ( C d LAD ) 显著相关 (P < 0.001)，而迎风墙和行人水平的 VE 与沉积参数 ( LAD vd ) 显著相关 (P < 0.001)。显然，通过充分利用植被的压力损失系数来改变污染物分布，并选择沉积速度快的植被来过滤更多的污染物，可以改善街道峡谷的空气质量。我们的研究为城市规划者和设计师提供了见解，以制定最佳的城市林业管理实践。© 2020 Elsevier Ltd. 保留所有权利。
Leal, Federico，“Kodak Nexpress 2500 数码彩色印刷机产生的潜在空气污染物和噪音水平：可吸入粉尘、超细颗粒物、挥发性有机化合物、臭氧和职业噪音暴露排放研究”（2007 年）。论文。罗彻斯特理工学院。访问自
作者：Federico Leal 学位：理学硕士 项目：研究生印刷媒体 学院：影像艺术与科学学院 我理解，根据 RIT 现行指导方针，我必须向 RIT 档案馆提交我的论文或学位论文的印刷版，以完成我的学位。我在此授予罗彻斯特理工学院及其代理非排他性许可，以永久存档并通过所有媒体形式提供我的全部或部分论文。我保留对论文或学位论文版权的所有其他所有权。我还保留在未来作品（如文章或书籍）中使用本论文全部或部分内容的权利。 授予印刷复制许可 我，Federico Leal，在此授权罗彻斯特理工学院复制我的印刷论文的全部或部分。任何复制不得用于商业使用或盈利。