-
利用与公共医疗数据相连的脊柱登记系统,研究脊柱疾病患者高额医疗利用成本的预测因素
**摘要**
**背景**
脊柱疾病与高昂的医疗成本相关,但与高脊柱相关医疗支出相关的预后因素仍知之甚少。因此,本研究旨在确定脊柱疾病患者中与脊柱相关医疗成本相关的预后因素。
**方法**
本研究利用挪威颈部和背部登记处的数据进行了预后因素分析,共考虑了34个潜在的预
来源:European Journal of Pain
时间:2026-05-18
-
不同结构脑网络模型中解剖模块化的比较分析:一项针对天才儿童的认知研究
韩顺宁|Gemma Vilaseca|Núria Vilaró|段峰|孙哲|Cesar F. Caiafa|Jordi Solé-Casals
数据与信号处理研究小组,维克大学-加泰罗尼亚中央大学,维克,08500,加泰罗尼亚,西班牙
**摘要**
大脑的模块化组织
来源:Intelligence
时间:2026-05-18
-
通过LASSO回归分析转录组学和代谢组学数据,研究了从红花中分离出的一种多糖的结构特征及其对脑缺血/再灌注损伤的神经保护作用
李文涛|李若琪|卢一航|陈伟豪|吴建军|沈莉|万海通|何宇浙江中医药大学药学院,中国杭州310053摘要多组学技术能够系统地分析每个生物层面的分子信息,但同时也面临着从呈指数级增长的多组学数据中提取有价值见解的挑战。在这里,我们提出了一种使用最小绝对值收缩和选择算子(LASSO)
来源:Carbohydrate Polymers
时间:2026-05-18
-
术前头痛严重程度与前路手术治疗退行性颈神经根病不成功结局风险:一项基于挪威脊柱外科登记系统的全国性研究
引言 退行性颈神经根病(DCR)是颈椎手术最常见的适应证。许多表现为手臂疼痛和颈部疼痛的患者同时主诉头痛(HA)。研究问题 本研究探讨术前头痛是否是手术不成功结局的独立预测因素。材料与方法 研究人员纳入6234例因DCR接受前路颈椎手术的患者队列,这些患者前瞻
来源:Brain and Spine
时间:2026-05-18
-
深度学习基于超声影像对红鲍(Haliotis rufescens)生殖组织进行分类:性别判定研究
准确的性别判定对于保护育种项目及商业水产养殖的产卵成功率至关重要,然而针对鲍类的非侵入式性别判定方法仍十分有限。传统方法依赖目视检查,需要将个体从附着基上取下,可能造成损伤并诱发配子提前释放。本研究首次将机器学习应用于红鲍(Haliotis rufescens
来源:Frontiers in Artificial Intelligence
时间:2026-05-18
-
综述:基于神经影像数据利用人工智能技术对阿尔茨海默病进行分类的研究进展
阿尔茨海默病(Alzheimer‘s disease, AD)是一种以记忆障碍为特征的渐进性脑部疾病。该疾病无法治愈且具有进展性,最终会导致痴呆阶段。治疗在早期阶段有效,可控制但无法治愈。人工智能(Artificial Intelligence, AI)学习模
来源:Frontiers in Artificial Intelligence
时间:2026-05-18
-
利用太赫兹波照射非侵入性地促进人类神经前体细胞中神经细胞的分化
摘要
最近在神经调节方面的进展表明,精确且微创的策略对于调节神经元功能至关重要。太赫兹(THz)波作为一种有前景的方法被提出,因为它具有低光子能量,并且能够与生物分子的振动模式相互作用而不引起电离。这些频率特异性的相互作用可以影响生物分子周围的水动力学,改变分子间的相互作用,并
来源:Advanced Photonics Research
时间:2026-05-18
-
一种用于串联锂离子电池组健康状态估计的方法:从窄区间估计到精确点匹配
杜宇航|宋宇辰|刘大同
摘要
串联锂离子电池组是电力和储能系统中的关键能量单元,准确的健康状态(SOH)估计对于安全运行和容量管理至关重要。然而,在运行条件变化和不一致性演变的共同影响下,点估计模型容易出现不匹配。区间估计可以描述这种不确定性,但现有方法往往产生过宽的区间或偏倚
来源:Journal of Energy Storage
时间:2026-05-18
-
2023年卡赫拉曼马拉什7.8级地震强震记录中的近断层地面运动特征
吴宇 | 刘爱文 | 王宁 | 陆晨虎•开发了一种改进的基线校正方法,该方法结合了Hermite插值和优化的分割技术,用于高效批量处理强震动记录。•从2023年卡赫拉曼马拉什7.8级地震中获取了40条永久位移记录,并通过GPS和站点间数据进行了验证。•永久位移主要是水平的,这与走
来源:Journal of Asian Earth Sciences
时间:2026-05-18
-
量子强化学习在社区微电网动态多目标能源管理中的应用
严固|闫慧茹|王青乐|刘聪|刘成|成龙摘要深度强化学习(DRL)在提升微电网中能源管理系统(EMS)的性能方面受到了广泛关注,使得能源效率、运营成本和用户舒适度之间的权衡得以更有效地处理。与此同时,随着量子计算的发展,量子神经网络(QNN)在信息处理和表示方面展现了其独特的能力。
来源:ENERGY AND BUILDINGS
时间:2026-05-18