XiaoMi-AI文件搜索系统
World File Search System迁移性
急性根尖脓肿的管理呈现牙齿的快速挤出：病例报告
自发性疼痛，脓液形成和肿胀，通常是由牙髓坏死引起的。并发症可能包括系统性表现和严重的结果，例如拔牙。本病例报告描述了AAA的罕见实例，导致一名17岁女性的上颌中央门牙迅速挤出。患者出现了自发的疼痛和挤压牙齿的迁移性，并伴有局部肿胀。临床和影像学评估显示果肉坏死，AAA和顶骨稀有性。开始紧急治疗，包括氢氧钙和牙齿临时夹板的植物内药物。随后的治疗涉及用Gutta-Percha和密封剂闭塞，然后进行永久恢复。射线照相和临床记忆长达5年，表现出完全的根尖愈合，正常的牙齿迁移率，没有症状的复发。有效的管理，包括及时的根管治疗和夹板，导致了成功的长期结局。此病例强调了迅速诊断和立即量身定制的治疗方法来管理AAA并防止严重并发症的重要性。关键字：急性顶脓肿；康复;果肉坏死；快速挤出；夹板
![arXiv:2401.10746v4 [eess.SP] 2024 年 5 月 23 日](/simg/2\2149d5e294b4a943fa88ce6a6b3b2eb31a32b4b0.webp)
arXiv:2401.10746v4 [eess.SP] 2024 年 5 月 23 日
脑电图 (EEG) 信号经常用于各种脑机接口 (BCI) 任务。虽然深度学习 (DL) 技术已经显示出良好的效果，但它们受到大量数据需求的阻碍。通过利用来自多个受试者的数据，迁移学习可以更有效地训练 DL 模型。欧几里得对齐 (EA) 是一种越来越受欢迎的技术，因为它易于使用、计算复杂度低并且与深度学习模型兼容。然而，很少有研究评估它对共享和单个 DL 模型训练性能的影响。在这项工作中，我们系统地评估了 EA 与 DL 结合对解码 BCI 信号的影响。我们使用 EA 用来自多个受试者的数据训练共享模型，并评估了它对新受试者的可迁移性。我们的实验结果表明，它将目标受试者的解码提高了 4.33%，并将收敛时间缩短了 70% 以上。我们还为每个受试者训练了单独的模型，以用作多数投票集成分类器。在此场景中，使用 EA 可将 3 模型集成准确率提高 3.71%。但是，与使用 EA 的共享模型相比，集成准确率降低了 3.62%。
深度学习对脑电图解码的欧几里德对齐的系统评估
脑电图 (EEG) 信号经常用于各种脑机接口 (BCI) 任务。虽然深度学习 (DL) 技术已经显示出良好的效果，但它们受到大量数据需求的阻碍。通过利用来自多个受试者的数据，迁移学习可以更有效地训练 DL 模型。欧几里得对齐 (EA) 是一种越来越受欢迎的技术，因为它易于使用、计算复杂度低并且与深度学习模型兼容。然而，很少有研究评估它对共享和单个 DL 模型训练性能的影响。在这项工作中，我们系统地评估了 EA 与 DL 结合对解码 BCI 信号的影响。我们使用 EA 用来自多个受试者的数据训练共享模型，并评估了它对新受试者的可迁移性。我们的实验结果表明，它将目标受试者的解码提高了 4.33%，并将收敛时间缩短了 70% 以上。我们还为每个受试者训练了单独的模型，以用作多数投票集成分类器。在此场景中，使用 EA 可将 3 模型集成准确率提高 3.71%。但是，与使用 EA 的共享模型相比，集成准确率降低了 3.62%。
引用本文：Burcu Boz，Emine Diraman和FatmaGönülSezgin*。帕金森氏病的发病机理和分子机制。 Am
帕金森氏病（PD）是仅次于阿尔茨海默氏病的第二常见神经退行性疾病[1]。这是一种以运动和非运动特征为特征的慢性，进行性疾病。该疾病对患者，家庭和护理人员对迁移性和肌肉控制的进行性退行性影响对患者，家庭和护理人员产生了重大临床影响。pd主要与大脑底细胞中细胞的逐渐丧失有关。该区域负责多巴胺的产生。多巴胺是一种化学信使，可在大脑两个区域之间传输信号以协调活性（图1）。例如，它连接底底尼格拉和纹状体以调节肌肉的影响[2]。PD的运动症状归因于纹状体多巴胺能神经元的丧失（图2），尽管非运动症状的存在也支持非遍地胺能区域的神经元丧失[3]。PD是帕金森主义最常见的形式[4]。一词帕金森氏症是一种症状复合体，用于描述PD的运动特征，其中包括静止震颤，胸肌和肌肉僵硬[3]。人们通常更熟悉PD的运动症状，因为这些疾病的迹象从外部显着。
DrugOrchestra：通过深度多任务学习联合预测药物反应、目标和副作用
大量积累的药物基因组学、化学基因组学和副作用数据集为药物反应预测、药物靶标识别和药物副作用预测提供了前所未有的机会。现有的计算方法将其范围限制在这三个任务中的一项，不可避免地忽略了它们之间的丰富联系。在这里，我们提出了 DrugOrchestra，这是一个深度多任务学习框架，可以联合预测药物反应、靶标和副作用。DrugOrchestra 利用预先训练的基于分子结构的药物表征来连接这三个任务。DrugOrchestra 不是直接对单个任务进行微调，而是使用深度多任务学习通过同时对药物反应、靶标和副作用预测进行微调来获得基于表型的药物表征。通过将这三个任务结合在一起，DrugOrchestra 能够仅通过了解其分子结构来预测看不见的药物。我们通过整合三个任务中的 8 个数据集，构建了一个包含超过 21,000 种药物的异构药物发现数据集。与在单个任务或单个数据集上训练的方法相比，我们的方法获得了显着的改进。我们进一步揭示了 8 个数据集和 3 个任务之间的可迁移性，为理解药物机制提供了新的见解。关键词：多任务学习、药物靶标预测、药物副作用预测、药物反应预测可用性：https://github.com/jiangdada1221/DrugOrchestra
鸟类肺Mycobiome：肺摄入群落的系统发育和生态驱动因素及其潜在病原体
脊椎动物肺部包含多种微生物群落，但鲜为人知的是社区组成或其对健康的后果的原因。肺微生物组组装，例如分散，协同进化和宿主开关。然而，肺微生物组的比较调查很少，特别是对于真菌成分，是mycobiome。区分真菌分类群是通才或专业共生体，潜在的病原体或偶然吸入的孢子，这是迫切的，因为有很高的新兴疾病潜力。在这里，我们提供了禽肺菌落体的第一个特征，并测试了环境，系统发育和功能性状的相对影响。我们使用了195个肺样本中的元法编码和培养，代表20个家庭中的32种鸟类。我们确定了532个真菌分类群（Zotus），其中包括许多机会病原体。这些主要由门comycota（79％）组成，其次是basidiomycota（16％）和粘膜瘤（5％）。酵母和类似酵母菌的类群（Malassezia，Filobasidium，saccharomyces，Meyerozyma和Aureobasidium）和丝状真菌（cladosporium，cladosporium，externaria，neurospora，fusarium和spergillus）很丰富。肺Mycobiomes受环境暴露的强烈影响，并通过宿主身份，性状和系统发育亲和力进一步调节。我们的结果暗示了迁移性鸟类作为机会性致病真菌的长距离传播的潜在向量。
使用离散机载激光雷达估算森林叶面积指数
摘要：叶面积指数（LAI）是定量研究土壤-植被-大气传输系统中能量和质量平衡的重要输入参数。作为一种主动遥感技术，光探测和测距（LiDAR）为描述森林冠层LAI提供了一种新方法。本文回顾了利用离散机载LiDAR扫描仪（DALS）获取的点云数据（PCD）反演LAI的主要方法，其验证方案及其局限性。基于DALS PCD的LAI反演方法有两种，即经验回归和间隙分数（GF）模型。在经验模型中，与树高相关的变量，LiDAR穿透指数（LPI）和冠层盖度是使用最广泛的代理变量。与高度相关的代理使用最多；然而，LPI 被证明是最有效的代理。基于比尔-朗伯定律的 GF 模型已被证明可用于估计 LAI；然而，LPI 的适用性取决于地点、树种和 LiDAR 系统。在先前研究的局部验证中，观察到经验模型和 GF 模型在时间、空间和不同 DALS 系统之间的可扩展性较差，这意味着仍然需要现场测量来校准这两种类型的模型。使用 DALS PCD 校正聚集效应和木质材料的影响以及经验模型和 GF 模型的饱和效应的方法仍需进一步探索。最重要的是，需要进一步开展工作，重点评估已发布方法对新地理环境、不同 DALS 传感器和调查特征的可迁移性，并在此基础上确定每个因素对使用 DALS PCD 进行 LAI 检索过程的影响。此外，从方法论的角度来看，利用 DALS PCD 表征冠层的 3D 结构、充分利用机器学习方法在多源数据融合中的能力、开发包括 LAI 在内的冠层结构参数的时空可扩展模型以及使用多源和异构数据都是有前途的研究领域。
制革污泥处置新策略
高铬制革污泥是环境中铬污染的重要来源。作为最广泛使用的鞣制材料，碱式硫酸铬用于将易腐烂的胶原结构转化为不易腐烂的皮革基质（Famielec，2020）。然而，只有50%-60%的铬盐真正用于鞣制过程，其余的随后排入下水道，这不可避免地导致污水处理厂（WWTP）中的铬含量过高（Yang等，2020）。在排入生物处理系统之前，废水先用石灰和硫酸亚铁进行预处理，以去除溶解的铬和其他废化学品。大量沉淀的铬与其他有机沉积物一起作为初级化学污泥排出（Pantazopoulou和Zouboulis，2019）。此类污泥不仅富含不可生物降解的有机物，还富含不同存在形态的铬，增加了其有效处理的难度。随着环境的变化，制革污泥中的铬可能由三价铬转变为六价铬（Alibardi和Cossu，2016），六价铬的毒性是三价铬的10~100倍，且迁移性强、生物活性更高，具有致癌性和生物累积性（Singh等，2021）。高铬制革污泥因具有潜在的毒性，已被许多国家列为危险废物，其处置和资源回收受到严格限制。含铬制革污泥若处置不当会造成二次污染，给制革行业和环境带来巨大挑战（Malaiškien ˙e等，2019）。目前，含铬制革污泥的常见处理方法是焚烧（Kavouras等，2015），产生的灰渣则进行卫生填埋（Alibardi和Cossu，2016）。然而，焚烧过程存在一些固有的缺陷，主要问题包括产生灰烬中重金属的挥发、再分布和浸出潜力引起的慢性和急性毒性（Yu等，2021）。同时，作为一种新兴的污泥处理技术，热解由于其具有同时进行营养物回收（ Hossain et al.，2020）、目标能量回收、重金属（HMs）的固定化与环境保护（谢等，2021）。污泥热解可生成高价值的燃料材料和低价的污染物去除生物炭（李等，2019；曾等，2021），可稳定有毒物质，降低其对环境的威胁（王等，2021）。而生物炭中的重金属因其对人类健康和全球环境的潜在不利影响而受到越来越多的关注。研究表明，由于重金属比有机物具有更高的热稳定性，在污泥热解过程中，大多数有毒重金属仍然富集在污泥生物炭中（王等，2022）。重金属的固定和稳定取决于污泥的性质和热解条件。
牙科材料
目的：在细胞毒性，自我更新，迁移，迁移和骨化分化方面，比较了常规纳米杂交（CERAM.X光谱）和基于Ormocer的牙科复合树脂对人牙髓干细胞（HDPSC）的影响。方法：在存在不同稀释液（未稀释的情况下，表格1：2至1：100）的Ceramx（CX）和Admira Fusion（AD）的培养HDPSC和在标准或成骨条件下的生存力测定。根据ISO 10993 - 12。此外，进行了凋亡，自我更新和迁移性评估。通过碱性磷酸酶活性，艾丽莎白红染色和特异性标记的基因表达（ALP，RUNX2，OCN，OPN，OPN和COL1α1）测试成骨分化潜力。 通过单向方差分析（单向方差分析）进行统计分析，然后进行Tukey的测试进行多重比较。结果表示为平均值±平均值（SEM）的标准误差。 结果：Admira Fusion证明是高度生物相容性的，并且对HDPSCS Pro的生动和分化显示了积极影响；相反，常规的纳米杂化复合材料显示出更大的细胞毒性，对干细胞分化没有任何显着影响。 此外，通过在基于Ormocer的复合树脂洗脱的存在下获得的成骨分化标记的明显上调，可以进一步证实所获得的结果。 此外，在同一组中，OPN和OCN与对照（OPN，p = 0.009; OCN，p = 0.0005）和CX 1:50相比产生的5倍（OPN，p = 0.012; ocn，ocn，p = 0.0006）。成骨分化潜力。通过单向方差分析（单向方差分析）进行统计分析，然后进行Tukey的测试进行多重比较。结果表示为平均值±平均值（SEM）的标准误差。结果：Admira Fusion证明是高度生物相容性的，并且对HDPSCS Pro的生动和分化显示了积极影响；相反，常规的纳米杂化复合材料显示出更大的细胞毒性，对干细胞分化没有任何显着影响。此外，通过在基于Ormocer的复合树脂洗脱的存在下获得的成骨分化标记的明显上调，可以进一步证实所获得的结果。此外，在同一组中，OPN和OCN与对照（OPN，p = 0.009; OCN，p = 0.0005）和CX 1:50相比产生的5倍（OPN，p = 0.012; ocn，ocn，p = 0.0006）。具体而言，在AD 1:50 ALP的组表达水平中，RUNX2，COL1α1比对照双重（ALP，P = 0.045； Runx2，P = 0.003；Col1α1，P = 0.001）和CX 1:50（ALP，P = 0.006; Runx2，P = 0.029; Col129;Col1α1，P = 0.029;Col1α1，P = 0.005）。显着性：与常规纳米杂交复合材料相比，AD获得的细胞毒性较小，这可能归因于口服环境中的单体释放减少，从而支持有限的不良反应和增强愈合潜力的假说，主要是当材料与浆液组织密切接触时。