XiaoMi-AI文件搜索系统
World File Search System解阵
1型糖尿病运动诱发延迟性低血糖的机制阐明
虽然STZ大鼠和CON+EX大鼠运动前后（0 h～5 h）血糖水平差异不显著，但STZ+EX大鼠运动3 h血糖水平显著低于STZ组（P < 0. 05）。在骨骼肌中，CON和STZ组在1 h时Akt磷酸化水平和GLUT 4易位均显著升高，3 h内降至可忽略的水平，而在STZ+EX组中，Akt磷酸化水平和GLUT 4易位维持至5 h，提示STZ+EX组糖代谢持续。基因芯片分析显示，本研究共发现447个胰岛素信号基因和79个1型糖尿病基因，并筛选出3个可能与GLUT 4调控有关的基因，尤其是制瘤素M（Osm）和信号转导和转录激活因子3（STAT 3）在STZ+EX组运动后3 h和5 h均有升高。
催化热解作为支持循环碳经济的平台技术
循环碳经济 Cody J. Wrasman 1 、A. Nolan Wilson 1 、Ofei Mante 2 、Kristiina Iisa 1 、Abhijit Dutta 1 、Michael S. Talmadge, 1 David C. Dayton 2 、Sundararajan Uppili 3 、Michael J. Watson 4 、Xiaochun Xu 3 、Michael B. Griffin 1 、Calvin Mukarakate 1 、Joshua A. Schaidle 1,* 和 Mark R. Nimlos 1,* 1 国家可再生能源实验室, 2 RTI International, 3 埃克森美孚技术与工程公司, 4 庄信万丰, *通讯作者：Joshua.schaidle@nrel.gov； mark.nimlos@nrel.gov 摘要 催化热解是一种结合了热解和气相催化升级的工艺，是一种多功能技术平台，能够将生物质和废塑料直接液化成中间体，从而实现化学品和/或运输燃料的脱碳生产。最近，催化热解引起了大量研究和商业化的关注，仅在过去十年中就发表了 15,000 多篇期刊文章和专利。从这个角度来看，我们通过确定关键的短期和长期技术障碍，为废塑料和生物质的商业规模催化热解规划了一条道路。在拟议的发展路线图中，通过解决这些障碍，催化热解可以从示范规模发展到综合生物精炼网络，每年生产 0.1 至 10 亿吨碳的燃料和塑料前体。
免疫检查点抑制剂诱发的表皮坏死松解症
1. Johnson DB、Nebhan CA、Moslehi JJ、Balko JM。免疫检查点抑制剂：毒性的长期影响。Nat Rev Clin Oncol。2022；19：254-67。2. Sullivan RJ、Weber JS。检查点抑制剂的免疫相关毒性：机制和缓解策略。Nat Rev Drug Discov。2022；21：495-508。3. Quach HT、Johnson DB、LeBoeuf NR、Zwerner JP、Dewan AK。免疫检查点抑制剂引起的皮肤不良事件。J Am Acad Dermatol。2021；85：956-66。 4. Maloney NJ、Ravi V、Cheng K、Bach DQ、Worswick S。Stevens-Johnson 综合征和检查点抑制剂引起的毒性表皮坏死松解症样反应：系统评价。Int J Dermatol。2020；59：e183-8。5. Harr T、French LE。毒性表皮坏死松解症和 Stevens-Johnson 综合征。Orphanet J Rare Dis。2010；5：39。6. Frantz R、Huang S、Are A、Motaparthi K。Stevens-Johnson 综合征和毒性表皮坏死松解症：诊断和治疗综述。Medicina (Mex)。2021；57：895。7. Antonia SJ、Gettinger S、Goldman J、Chow LQ、Juergens R、Borghaei H 等人。一线 Nivolumab（抗 PD-1；BMS-936558，ONO-4538）和 Ipilimumab 在非小细胞肺癌 (NSCLC) 转移性非小细胞肺癌中的安全性和有效性。Int J Radiat Oncol。2014；90：S32-3。8. Goldinger SM、Stieger P、Meier B、Micaletto S、Contassot E、French LE 等。抗 PD-1 治疗期间的细胞毒性皮肤药物不良反应。Clin Cancer Res。2016；22：4023-9。9. Nayar N、Briscoe K、Penas P。Ipilimumab 难治性转移性黑色素瘤患者出现与 Nivolumab 相关的毒性表皮坏死松解症样反应和严重卫星细胞坏死。J Immunother。 2016；39：149–52。 10. Pathria M、Mundi J、Trufant J。服用易普利姆玛患者出现史蒂文斯-约翰逊综合征的病例。 Int J 案例代表图像。 2016；7:300。 11. Demirtas S、Aridi LE、Acquitter M、Fleuret C、Plantin P。莱尔抗 PD1 致命进化综合征。 Ann Dermatol Vénéréologie。 2017；144：65–6。 12. Dika E、Ravaioli GM、Fanti PA、Piraccini BM、Lambertini M、Chessa MA 等。伊匹单抗治疗转移性黑色素瘤期间的皮肤不良反应：一项前瞻性研究。欧洲皮肤病学杂志。 2017；27：266–70。 13. Ichiki Y、Iwanami T、Kakizoe K、Hamatsu T、Suehiro T、Yoneda K 等。用纳武单抗治疗的晚期或术后复发非小肺癌病例分析。 J UOEH。 2017；39：291–7。 14. Ito J、Fujimoto D、Nakamura A、Nagano T、Uehara K、Imai Y 等。阿瑞吡坦用于治疗难治性纳武利尤单抗引起的瘙痒。肺癌。 2017；109：58-61。 15. Saw S，Lee HY，Ng QS。帕博利珠单抗在非黑色素瘤患者中诱发史蒂文斯-约翰逊综合征。欧洲癌症杂志。 2017；81：237–9。 16. Vivar KL, Deschaine M, Messina J, Divine JM, Rabionet A, Patel N 等.表皮程序性细胞死亡-配体 1 表达
高层建筑用玻璃棉和 XPS 保温材料的热和热解动力学分析
摘要：本研究使用系统框架研究了包层系统中使用的玻璃棉 (GW) 和挤塑聚苯乙烯 (XPS) 隔热材料的动力学数据。确定适当的动力学特性（例如指数前因子、活化能和反应级数）对于准确模拟隔热材料的全尺寸防火性能至关重要。本研究的主要目的是提取高层建筑中使用的 XPS 和 GW 隔热材料的热和动力学数据。为了获得这些特性，以四种不同的加热速率进行热重分析 (TGA)：5、10、15 和 20 K/min。TGA 结果作为使用无模型和基于模型的方法组合确定动力学特性的基础。本研究的结果有望对定义热解反应步骤和提取此类隔热材料火灾建模的动力学数据大有裨益。这些信息将增进对这些材料在火灾事故中的火灾行为和性能的了解，有助于开发更精确的火灾模型并改进高层建筑覆层系统的消防安全策略。
发作间期脑电图源定位的线性分布逆解
目的：比较 6 种线性分布逆解对癫痫发作间期放电源定位的空间精度：最小范数、加权最小范数、低分辨率电磁断层扫描 (LORETA)、局部自回归平均值 (LAURA)、标准化 LORETA 和精确 LORETA。方法：通过回顾性比较 30 名成功接受癫痫手术的患者中平均发作间期放电的最大源与切除的脑区，基于 204 通道脑电图，对空间精度进行了临床评估。此外，在计算机模拟中评估了逆解的定位误差，在传感器空间和源空间的信号中添加了不同程度的噪声。结果：在临床评估中，使用 LORETA 或 LAURA 时，50-57% 的患者源最大值位于切除的脑区内，而所有其他逆向解决方案的表现都明显较差（17-30%；校正 p < 0.01）。在模拟研究中，当噪声水平超过 10% 时，LORETA 和 LAURA 的定位误差明显小于其他逆向解决方案。结论：LORETA 和 LAURA 在临床和模拟数据中均提供了最高的空间精度，同时对噪声具有相当高的鲁棒性。意义：在测试的不同线性逆解算法中，LORETA 和 LAURA 可能是发作间期 EEG 源定位的首选。2021 年国际临床神经生理学联合会。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
L-CoDe：使用颜色对象解耦条件的基于语言的着色
对灰度图像进行着色本质上是一个具有多模态不确定性的病态问题。基于语言的着色提供了一种自然的交互方式，即通过用户提供的标题来减少这种不确定性。然而，颜色-物体耦合和不匹配问题使得从单词到颜色的映射变得困难。在本文中，我们提出了一种使用颜色-物体解耦条件的基于语言的着色网络 L-CoDe。引入了物体-颜色对应矩阵预测器 (OCCM) 和新颖的注意力转移模块 (ATM) 来解决颜色-物体耦合问题。为了处理导致颜色-物体对应不正确的颜色-物体不匹配问题，我们采用了软门控注入模块 (SIM)。我们进一步提出了一个包含带注释的颜色-物体对的新数据集，以提供用于解决耦合问题的监督信号。实验结果表明，我们的方法优于基于标题的最先进的方法。
使用主动学习和超参数优化的图像切解分解
图像切解分析检测数字图像中隐藏的数据，对于增强数字安全性至关重要。传统的切解方法通常依赖于大型预先标记的图像数据集，这些数据集很困难且昂贵。为了解决这个问题，本文介绍了一种创新的方法，该方法结合了积极的学习和非政策深度强化学习（DRL），以使用最小标记的数据来改善图像ste缩。主动学习允许模型智能选择应注释哪些未标记的图像，从而减少有效培训所需的标记数据量。传统的主动学习策略通常使用限制灵活性且不能很好地适应动态环境的静态选择方法。为了克服这一点，我们的方法结合了用于战略数据选择的非政策DRL。DRL中的非政策可以提高样本效率，并显着提高学习成果。我们还使用差分进化（DE）算法来微调模型的超参数，从而降低了其对不同设置的敏感性并确保更稳定的结果。我们对广泛的BossBase 1.01和BOWS-2数据集进行了测试，证明了该方法区分未更改和隐形图像的强大能力，在BossBase 1.01和BOSS-2数据集对BossBase 1.01和91.834％的平均F量表达到93.152％。总而言之，这项研究通过采用先进的图像切解分析来检测隐藏数据，从而增强了数字安全性，从而通过最小的标记数据显着提高了检测准确性。
使用解缠结潜伏扩散模型生成多模态脑肿瘤 MRI
基于深度学习的图像生成方法已被广泛用于克服数据不足。在医疗领域也是如此，数据短缺问题经常发生。在本研究中，我们提出了多模态脑肿瘤磁共振成像（MRI）生成框架，称为解缠结潜在扩散模型（DLDM），以解决医学成像中的数据不足问题。我们训练一个自动编码器，将多模态 MRI 图像的特征解缠结为模态共享和模态特定表示。通过利用从自动编码器学到的特征解缠结，我们能够训练一个可以生成模态共享和模态特定潜在向量的扩散模型。我们用 clean-FID 和改进的准确率和召回率评估了我们的方法。将结果与基于 GAN 的模型 StyleGAN2 进行了比较。关键词：生成、多模态、MRI、特征解缠结、扩散模型。
利用脑信号更好地理解人类的阅读理解
阅读理解是一个复杂的认知过程，涉及许多人的大脑活动。然而，人们对阅读理解过程中人脑中发生了什么以及这些认知活动如何影响信息检索过程知之甚少。此外，随着脑电图（EEG）等脑成像技术的进步，可以几乎实时地收集脑信号并探索是否可以将其用作反馈以促进信息获取。在本文中，我们精心设计了一项基于实验室的用户研究，以调查阅读理解过程中的大脑活动。我们的研究结果表明，神经反应因不同类型的阅读内容而异，即可以满足用户信息需求的内容和不能满足用户信息需求的内容。我们认为，在阅读理解的微观时间尺度上，各种认知活动（例如认知负荷、语义主题理解和推理处理）支撑着这些神经反应。从这些发现中，我们为信息检索任务阐明了一些见解，例如排名模型构建和界面设计。此外，随着便携式EEG应用的出现，我们提出了为主动现实世界系统检测阅读理解状态的可能性。为此，我们提出了一个基于EEG的阅读理解建模统一框架（UERCM）。为了验证其有效性，我们基于EEG特征对两个阅读理解任务进行了广泛的实验：答案句子分类和答案提取。结果表明，利用脑信号提高这两项任务的表现是可行的。这些发现意味着脑信号是增强阅读理解过程中人机交互的宝贵反馈。