XiaoMi-AI文件搜索系统
World File Search System赵建军
引用：彭建军，赵锋，杨晓玲，等. 中国中老年人群血脂异常与 2 型糖尿病风险的关系
摘要 目的 评估不同类型血脂异常个体罹患2型糖尿病（T2DM）的风险，并比较不同血脂参数对T2DM的预测价值。 方法 对中国健康与养老纵向研究（CHARLS）的数据进行二次分析。在基线调查（2011—2012年）中，共访谈17 708名45岁以上个体，采集11 847份血样。在两次随访调查（2013—2014年和2015—2016年）中确认T2DM的结果。通过Cox比例风险回归模型估计T2DM与血脂异常相关的HR和95％CI。通过受试者工作特征（ROC）曲线下面积（AUC）比较八个血脂参数的判别值。 结果 共7329名参与者纳入分析；在平均3.4年的随访期内，387名（5.28%）受试者新发糖尿病。与血脂正常者相比，高胆固醇血症、高甘油三酯血症及低高密度脂蛋白胆固醇（HDL-C）者的2型糖尿病风险显著升高（HR（95% CI）分别为1.48（1.11至1.96）、1.92（1.49至2.46）和1.67（1.35至2.07））。非HDL-C（0.685，95%CI 0.659～0.711）、甘油三酯（TG）（0.684，95%CI 0.658～0.710）、总胆固醇（TC）/HDL-C（0.685，95%CI 0.659～0.712）及TG/HDL-C（0.680，95%CI 0.654～0.706）的AUC均显著（p<0.005）大于其他脂质参数。结论中老年人高甘油三酯血症、高胆固醇血症及低HDL-C是罹患糖尿病的高危人群，非HDL-C、TG、TC/HDL及TG/HDL在预测2型糖尿病发病率方面优于其他脂质参数。
中国人民解放军空军建军70周年 - 空军大学
有限的印刷和电子发行权 复制和印刷受 1976 年《版权法》和美国适用条约的约束。本文及其所含商标受法律保护。本出版物仅供非商业用途使用。未经授权禁止在线发布本出版物。允许复制本文档用于个人、学术或政府用途，但前提是文档未经修改且完整，但复制时请注明作者和中国航天研究院 (CASI)。复制或以其他形式重复使用其任何研究文档用于商业用途，必须获得中国航天研究院的许可。有关重印和链接许可的信息，请联系中国航天研究院。
生物医学计算机 NExpR - 赵凯
医学图像通常需要重新缩放到各种空间分辨率，以确保在不同层面上的解释。传统的基于深度学习的图像超分辨率 (SR) 增强了固定尺度的分辨率。隐式神经表征 (INR) 是一种实现任意尺度图像 SR 的有前途的方法。然而，现有的基于 INR 的方法需要重复执行神经网络 (NN)，这既慢又低效。在本文中，我们提出了用于快速任意尺度医学图像 SR 的神经显式表征 (NExpR)。我们的算法用显式解析函数表示图像，其输入是低分辨率图像，输出是解析函数的参数化。通过单个 NN 推理获得解析表示后，可以通过在所需坐标处评估显式函数来得出任意尺度的 SR 图像。由于解析显式表示，NExpR 比基于 INR 的方法快得多。除了速度之外，我们的方法还实现了与其他强大竞争对手相当或更好的图像质量。在磁共振成像 (MRI) 数据集（包括 ProstateX、fastMRI 和我们内部的临床前列腺数据集）以及计算机断层扫描 (CT) 数据集（特别是 Medical Segmentation Decathlon (MSD) 肝脏数据集）上进行的大量实验证明了我们方法的优越性。我们的方法将重新缩放时间从 1 毫秒的数量级缩短到 0.01 毫秒的数量级，实现了超过 100 倍的加速，同时不损失图像质量。代码可在 https://github.com/Calvin-Pang/NExpR 上找到。
第27届ICPR教程 2024.12.01 - 赵鑫
赵欣教授于2013年获得中国科学技术大学博士学位。他的研究兴趣包括视频分析和性能评估，尤其针对目标跟踪任务。他发表过许多国际期刊和会议论文，例如IJCV、IEEE TPAMI、IEEE TIP、IEEE TCSVT、CVPR、ICCV、NeurIPS、AAAI、IJCAI。最近，他主要进行人机视觉评估方面的研究。他构建了多个广泛使用的计算机视觉基准测试集（例如GOT-10k、VideoCube、SOTVerse、Biodrone等）并建立了在线评估平台。他定期担任以下会议和期刊的程序委员会成员或同行评审员：CVPR、ICCV、ECCV、ICML、NeurIPS、ICLR、IJCV、IEEE TPAMI、IEEE TIP、IEEE TMM等。
人工智能教育应用的意义及
在人工智能发展史上，2016年被普遍视为具有里程碑意义的一年，人工智能项目数量大幅增加（赵建军、袁志强，2016）。这一年，DeepMind 的 AlphaGo 战胜了围棋冠军李世石，成为首个战胜职业围棋选手的计算机围棋系统。这场人机大战的结果引起了全球的广泛关注，为人工智能技术的发展注入了新的动力。在各国人工智能战略和资本涌入的推动下，人工智能技术的应用领域得到了极大的拓展，教育是受影响最为显著的领域之一。2017全球（上海）人工智能创新峰会呼吁进一步探索人工智能与教育的融合。在过去几年大数据、互联网、云计算等技术的快速发展中，人工智能在中国教育改革中发挥了至关重要的推动作用（张建军、顾志强，2023）。
参考文献 - 生物多样性
ZQ ( 钱增强 ), Zhao P ( 赵鹏 ), Zhu J ( 祝娟 ), Yang YX ( 杨一 欣 ), Yan XH ( 阎晓昊 ), Li YJ ( 李银军 ), Zhao GF ( 赵桂仿 ) (2014) A review on studies of speciation in the presence of gene flow: evolution of reproductive isolation.Biodiversity Science ( 生物多样性 ), 22 , 88–96.(in Chinese with English abstract) Liu TY ( 刘铁燕 ), Chen MS ( 陈明生 ) (2014) Genome evolu-
人工神经网络在边坡稳定性分析中的应用
BP神经网络隐层节点确定方法. 计算机技术与发展 2018; 28(4): 31-35. doi: 10.3969/j.issn.1673-629X.2018.04.007。 2. 温疆, 廖建忠. 岩质边坡稳定性分析方法综述. 西部探矿工程 2012; 24(6): 153-155. doi: 10.3969/j.issn.1004-5716.2012.06.053。 3. 毛江, 赵洪达, 姚建军. 人工神经网络的应用及展望. 电子设计工程 2011; 19(24): 62-65。 4. 李红莲, 柴庆元. 人工神经网络与神经网络控制(NNC)的发展与展望。河北科技图文信息技术有限公司. 2009; 26(5): 44-46. doi: 10.3969/j.issn.1008-6129.2009.05.012。 5. 姚建国. 人工神经网络在岩土力学与工程中的局限性及对策. 中国岩石力学与工程学会. 第八届全国岩石力学与工程学术会议论文集. 2004;385-388。 6. 张建平, 陈倩. BP网络在边坡稳定性分析中的应用. 西南交通大学学报. 2001; 36(6): 648-650。 7. 杨晓峰, 陈天洪. 人工神经网络的优缺点. 计算机科学. 1994; 21(2): 23-26。 8. 冯晓霞, 周林伟, 曾绍琪, 李伟昌. 边坡岩体稳定性分析. 工程与建设 2017; 31(2): 244-247. doi: 10.3969/j.issn.1673-5781.2017.02.032.
勘误：PSMB6在肺腺癌中的免疫调控及预后预测模型的建立及验证
赵海洋、罗可欣、刘梅寒、赵永胜、张红攀。除了现有的附属机构外，他们还应该有中国四川省南充市川北医学院附属医院。更正后的单位如下： 赵海洋 1,2,3,4,† ，罗可欣 1,2,3,4,† ，刘梅涵 1,2,4,5,† ，蔡元泽 2 ，刘思曼 2 ，李诗娟 6 ，赵永胜 1,2,3,*，张红攀 1,2,5,7,* 1.川北医学院附属医院，四川省南充市 2.川北医学院附属医院胸外科，四川省南充市 5.川北医学院附属医院肿瘤科，四川省南充市 6.南充市中心医院，四川省南充市 7.四川省治疗性蛋白质重点实验室，四川省南充市原文已更新。
重庆市信息经济规模测度研究
软件、IT服务、通信和数据管理等行业的跨界性和渗透性决定了它们是经济生态系统而非离散的经济部门（梁建军，1999）。国内对信息经济的理解存在不同意见，其中代表性的是中国信息通信研究院发布的《中国信息经济发展白皮书》。在他们的定义中，信息是一切数字化的事物，是人类社会物质、能量并存的基本生产要素。吴建军（2003）则认为信息活动是一切信息的生成、收集、加工、使用等活动，都是为了更好地服务于人类社会发展。因此，本文也将从狭义的角度来衡量信息经济的规模。