XiaoMi-AI文件搜索系统
World File Search System阳性率
开发四链体实时定量RT- ...
猪血凝性脑脊髓炎病毒（PHEV），猪假拟南芥病毒（PRV），经典猪发烧病毒（CSFV）和日本的脑炎病毒（JEV）导致感染猪的神经学症状相似，及其对实验性诊断的差异性诊断。设计了四对特定引物和探针，分别针对PHEV N基因，PRV GB基因，CSFV 5'非翻译区域（5'UTR）和JEV NS1基因，并且开发了四倍的实时定量RT-PCR（QRT-PCR（QRT-PCR），以检测和分化的PHEV，pRV，pRV，pRV，pRV，pRV，＆JEV。该测定显示高灵敏度，每种病原体的检测极限（LOD）为1.5×10 1拷贝/μL。该测定法仅检测到PHEV，PRV，CSFV和JEV，而没有与其他猪病毒交叉反应。测定内和测定间的变异系数（CVS）小于1.84％，可重复性很高。通过已发达的四倍体QRT-PCR测试了总共1,977个临床样本，包括组织样本和从中国广西省收集的全血样本，以及PHEV，PRV，PRV，CSFV和JEV的阳性率为1.57％（31/1,977），0.355％（7/1,1,97）， （21/1,977）和0.10％（2/1,977）。也通过先前报道的QRT-PCR分析测试了这1,977个样品，这些方法的巧合率超过99.90％。发达的测定法被证明是快速，敏感和准确的，用于检测和分化PHEV，PRV，CSFV和JEV。
X射线专家：放射学中可预测的错误
医疗错误是结果，但如果没有对过去案件的艰苦审查，就难以研究。i应用算法工具来衡量最常见的医学评估之一中的错误程度和性质：胸部X射线解释。使用大型医院的匿名医疗记录，我将放射科医生关于心脏健康的主张与相同的机器学习预测进行了比较，并使用外源给予的血液测试在两者之间进行裁定。至少有58％的放射科医生会犯错误，发出的报告可以预见，这些报告误解了患者心脏健康的严重程度。纠正这些错误会将假阴性率降低23.5％，假阳性率降低了7.6％，而代表性不足和诊断不足的患者群体的准确性明确提高了。审慎的算法基准选择表明，大约三分之二的错误是可以解释的，因为个人放射科医生做出不一致的决策（表现不佳的“个人边界”），而三分之一反映了人类实践与算法预测之间的差距（A”机器边界）。与医学文献中的主要假设相比，错误并不能反映放射学家超重的显着信息；相反，它们系统地对患者风险的信号有系统地反应。在一起，这些结果表明，算法工具的比较强度在于它们的潜力减少人类判断的过多变异性。
心理：一种心理健康筛查和支持治疗的工具，以改善临床和研究成果
日常生活的常规经历调用在线活动中可以检测到的特定模式。每当一个人在Internet上进行任何活动时，都会创建和存储以反映用户偏好的元数据。生成的元数据是大量用户相互作用的潜在双重产品，具有丰富的潜力，有可能被挖掘出来，以理解当前的精神状态。例如，Google记录了在Google搜索，地图和YouTube上进行的每个搜索查询。密切监视这些经验和事件以及在线活动的历史，可以告知系统以提供早期诊断和发现抑郁症，焦虑和相关问题。越来越多的研究重点是使用社交媒体来识别与各种心理健康现象相关的信号。但是，基于此类来源的干预措施往往具有很高的假阳性率，并且可能导致准确的诊断。在这项工作中，我们提出了一个框架，请注意，该框架可以利用大量被动感知的在线参与历史来估计有关抑郁症，焦虑，自尊心等的心理健康评估。思维旨在在主题的知情同意下使用这些原本被忽略的数据。我们设想，思维有可能在临床和研究环境中轻松整合到应用程序中，以帮助护理人员在任命期间和其他卫生部门之间进行有关个人的知情评估。
STARD-AI 指导小组
同样，如果两个检测结果独立，则出现两个假阴性结果的可能性会降至 9%。含义很明显：即使是不准确的检测也能告诉我们一些信息。或者，引用世界卫生组织的话：“检测，再检测，再检测”。如果有一个实时更新的数据库，记录世界各地实验室的即时检测，这一策略的使用将变得更加容易。该数据库可由世界卫生组织等国际组织建立，其中将列出实验室和检测名称、检测检测到的抗体（例如 IgG、IgN 或两者 7 ）、检测方法（例如横向流动免疫测定）及其准确性和可重复性、周转时间、检测试剂盒成本和样品处理成本。有了这些信息，政府和国际组织就可以为科学家提供建议，告诉他们哪种廉价检测组合最适合特定国家。第三，考虑一种快速廉价的测试，假阳性率为 30%，为简单起见，假阴性结果为零。首先，可以用这种测试测试许多人，然后用高精度测试测试阳性的子集。这节省了稀缺但准确的测试试剂盒的使用，同时允许比使用少数准确测试试剂盒进行更广泛的测试。简而言之：“测试、分类、重新测试”。最后，如果获得的样本可以“支持”多次测试，那么聪明的策略可以使昂贵的 RT-PCR 测试更便宜。一些德国医院正在使用从十个医院收集的样本进行“区块测试”。
使用计算智能和集成学习实现高效肺癌检测
肺癌是当代癌症相关死亡的主要因素，预计其将持续产生长期影响。及早发现症状对于有效治疗至关重要，这凸显了创新疗法的必要性。许多研究人员已经在这一领域开展了大量工作，但高假阳性率和高检测准确率等挑战仍然使准确诊断变得复杂。在这项研究中，我们旨在开发一种生态考虑的肺癌治疗原型模型，通过利用计算智能的最新进展来最大限度地提高资源利用率。我们还提出了一个基于医疗物联网 (IoMT) 的以消费者为中心的集成框架来实施建议的方法，为患者提供适当的护理。我们提出的方法采用逻辑回归、MLP 分类器、高斯 NB 分类器和使用 K 均值和模糊逻辑的智能特征选择来增强肺癌数据集中的检测程序。此外，通过投票分类器结合了集成学习。通过网格搜索的超参数调整提高了所提模型的有效性。通过与现有 NB、J48 和 SVM 方法的比较分析，证明了所提出的模型的性能，准确率达到 98.50%。这种方法带来的效率提升有可能节省大量时间和成本。这项研究强调了计算智能和 IoMT 在开发有效、资源高效的肺癌疗法方面的潜力。
使用低成本开源脑机接口和 3D 打印腕外骨骼诱导神经可塑性
摘要：脑机接口 (BCI) 已被证明可用于中风康复，但有许多因素阻碍了该技术在康复诊所和家庭中的使用，主要因素包括 BCI 系统的可用性和成本。本研究的目的是开发一种廉价的 3D 打印腕外骨骼，可由廉价的开源 BCI (OpenViBE) 控制，并确定使用这种设置进行训练是否可以诱导神经可塑性。11 名健康志愿者想象手腕伸展，这些伸展通过单次脑电图 (EEG) 检测到，作为响应，腕外骨骼复制了预期的运动。在使用外骨骼进行 BCI 训练之前、之后立即和 30 分钟后测量使用经颅磁刺激引起的运动诱发电位 (MEP)。BCI 系统的真阳性率为 86 ± 12%，每分钟有 1.20 ± 0.57 次误检。与 BCI 训练前的测量结果相比，MEP 在训练后立即增加了 35 ± 60%，在 BCI 训练 30 分钟后增加了 67 ± 60%。BCI 性能与可塑性诱导之间没有关联。总之，可以使用开源 BCI 设置检测想象运动并控制廉价的 3D 打印外骨骼，当与 BCI 结合时可以诱导神经可塑性。这些发现可能会促进 BCI 技术在康复诊所和家庭中的普及。然而，可用性必须提高，并且需要对中风患者进行进一步测试。
大型数据库的跨膜β桶的一般特征
大数据集为典范以前研究的主题提供了新的见解。我们使用共同进化数据创建了跨膜β桶（TMBB）的大型高质量数据库。通过在生成的进化接触图上应用简单的特征检测，我们的方法（Isitabarrel）在区分蛋白质类别时可以达到95.88％的平衡精度。此外，与Isitabarrel的比较表明，在先前的TMBB算法中，假阳性率很高。除了比以前的数据集更准确之外，我们的数据库（在线可用）还包含来自38个门的1,938,936个细菌TMBB蛋白，比以前的Sets TMBB-DB和OMPDB大17和2.2倍。我们预计，由于其质量和大小，该数据库将作为需要高质量TMBB序列数据的有用资源。我们发现TMBB可以分为11种类型，其中三种尚未报告。我们发现，含TMBB的生物的蛋白质组百分比的巨大差异，其中一些使用其蛋白质组的6.79％用于TMBB，而另一些则使用其蛋白质组的0.27％。TMBBS长度的分布暗示了先前假设的重复事件。此外，我们发现C末端β-信号在不同类别的细菌之间会有所不同，尽管最常见的是LGLGYRF。但是，该β-信号仅是原型TMBB的特征。九种非原型枪管类型具有其他C末端基序，并且这些替代基序是否有助于TMBB插入或执行任何其他信号传导函数，尚待确定。
一种在线脑机接口单通道脑电图精准检测运动意图的新方法
当人们想要进行想象 (IMI) 或真实运动 (RMI) 时，脑电图 (EEG) 中会引发低频准备电位 (RP)。虽然大多数脑机接口 (BCI) 应用中面临的挑战是从给定的 EEG 试验中对不同肢体的 RP 进行分类，但本研究的目的是从整个单通道 EEG 信号中快速自动检测 RP。所提出的算法有两个阈值块，第一个阈值块基于非线性 Teager-Kaiser 能量算子 (TEO)，第二个阈值块以 RP 波形的形态特性为约束。性能受到瞬变和伪影导致的突然能量变化的强烈影响。作为主要贡献，所提出的非线性凸优化算法通过提供快速阈值机制，实现将瞬变与低频分量分离。将所提出的方法应用于 Physionet RMI 数据集、BCI 竞赛 IV-1 IMI 数据集和我们自己的健康受试者左手运动数据集，可获得 76.5 ± 8.27%、83.85 ± 11.4% 和 81.1 ± 5.23% 的真阳性率 (TPR)，2.4 ± 1.07、1.4 ± 0.7 和 1.6 ± 0.69 的 FPs/min 数量，以及 85.4 ± 3.83%、90 ± 3.56% 和 91.2 ± 2.04% 的准确率。我们的自动 RP 检测器的运动开始检测延迟为 -384.9 ± 296.5 毫秒。总之，所提出的方法优于使用低至单通道 EEG 的最先进的技术，使其适用于中风瘫痪患者的实时神经康复。
引用li y，xiong y，fan w，wang k，yu Q，si l，van der smagt P，Tang J和Chen N（2024），顺序预测Sub
自动疟疾诊断是机器学习（ML）的困难但高价值的目标，有效的算法可以挽救数千个儿童的生命。但是，当前的ML努力在很大程度上忽略了关键的用例限制，因此在临床上没有用。尤其是两个因素对于开发可翻译为临床领域设置的算法至关重要：（i）对ML溶液必须适应的临床需求的清晰了解； （ii）指导和评估ML模型的与任务相关的指标。对这些因素的忽视严重阻碍了过去在疟疾上的ML工作，因为所产生的算法与临床需求不符。在本文中，我们通过显微镜诊断为GIEMSA染色的血液纤维来解决这两个问题。预期的受众是ML研究人员以及评估疟疾ML模型性能的任何人。首先，我们描述了为什么领域专业知识对于有效地将ML应用于疟疾，并列出提供此领域知识的技术文档和其他资源至关重要。第二，我们详细介绍了针对疟疾诊断的临床要求量身定制的性能指标，以指导ML模型的开发并通过临床需求的镜头（与通用ML镜头）评估模型性能。我们强调了患者级别的观点，室内变异性，假阳性率，检测限制和不同类型的错误的重要性。我们还讨论了ML工作中常用的ROC曲线，AUC和F1的原因很不适合这种情况。这些发现也适用于涉及寄生虫负荷的其他疾病，包括被忽视的热带疾病（NTD），例如血吸虫病。
揭开确保智能合约的不变有效性
与安全攻击相关的智能合约交易通常与攻击事件前的历史良性交易相比，通常会表现出不同的行为模式。已经提出了许多运行时监测和守卫机制来验证不变性并停止异常交易，但使用不变的经验有效性仍然在很大程度上没有探索。在本文中，我们研究了23个流行的8个类别的普遍不变式，它们要么以引人注目的协议部署，要么由领先的审计公司和安全专家认可。使用这些完善的不变性作为模板，我们开发了一个工具Trace2Inv，该工具根据其历史交易数据动态生成针对给定合同定制的新不变性。我们评估了42份智能合约的Trace2Inv，这是以太坊区块链上27个不同漏洞的受害者。我们的发现表明，仅凭最有效的不变后卫就可以成功地阻止27个确定的漏气量，而气体开销最少。我们的分析还表明，即使经验丰富的攻击者试图绕开它们，大多数不变性也仍然有效。此外，我们研究了组合多个不变后卫的可能性，从而阻止了27个基准漏洞中的23个，并达到了低至0的假阳性率。28％。Trace2Inv显着胜过最先进的智能合同不变式采矿和交易攻击检测。trace2inv还出人意料地发现了两项先前未报告的利用交易。