Pearson correlation-based clustering with collaborative task allocation in 5G Industrial Internet of Things divergent health networks
CHATA模型是一种新提出的任务分配策略，旨在优化工业互联网健康网络中的任务分配。通过基于Pearson相关性聚类的方法，CHATA能够实现高达90%的任务分配效率，显著优于现有的任务分配方法。该模型特别适用于动态和多样化的医疗健康环境，能够有效应对设备的异构性和任务的复杂性。研究结果表明，CHATA在提高任务分配准确性和网络资源利用率方面具有重要的应用潜力。
A self-supervised learning method for detection of retinitis pigmentosa and Stargardt disease
本研究提出了一种自监督学习方法，旨在提高视网膜色素变性（RP）和斯塔加特病（STGD）的检测准确性。通过利用5844个未标记图像和782个标记图像，研究展示了该方法在医学图像分析中的有效性，尤其是在标记数据稀缺的情况下。实验结果表明，该方法在准确性（98.15%）和AUC（99.68%）方面显著优于传统的监督学习方法，具有广泛的临床应用潜力。
Saturation mutagenesis identifies activating and resistance-inducing FGFR kinase domain mutations
本研究通过饱和突变扫描技术，系统识别了FGFR激酶域的激活和抗药突变，建立了一个全面的可药物化突变目录，具有重要的临床应用价值。研究发现474种激活突变和738种抗药突变，强调了FGFR靶向治疗在多种肿瘤中的潜力，为精准医疗提供了重要数据，具有高投资潜力。
Intelligent retinal disease detection using deep learning
本研究提出了一种基于深度学习的视网膜疾病检测模型，旨在提高视网膜疾病（如糖尿病视网膜病变和青光眼）的自动分类准确性。通过结合多种深度学习架构（如ANN、MobileNetV2和DenseNet121），该模型在多个公开数据集上实现了高达98.2%的分类准确率。研究强调了深度学习在医学影像分析中的潜力，尤其是在提高诊断效率和准确性方面。未来的工作将扩展到更多视网膜疾病的分类，并探索模型的泛化能力。
Differential effects of amphetamine on ultrasonic vocalizations and locomotor activity in a rat model of endogenous depression
本研究探讨了WKY大鼠在内源性抑郁模型中对安非他命和吗啡的反应，特别是其超声波发声（50-kHz）与运动活动的差异。结果显示，WKY大鼠在安非他命处理后发声显著减少，且运动活动也受到抑制，表明其对药物的反应与抑郁症状相关。研究结果支持50-kHz超声波作为评估抑郁症状的有效工具，具有重要的科学研究价值。
Interaction-driven classification of hyaluronic acid products
Hyaluronic acid (HyA) is a versatile biopolymer with established applications in medical devices and tissue regeneration. This review explores its interactions with various cell types, emphasizing its role in wound healing and muscle repair. The FDA's evolving regulatory stance on HyA-based products is also discussed, highlighting the need for a deeper understanding of its mechanisms of action to inform future classifications. The findings suggest significant potential for HyA in developing advanced therapies for tissue repair and regeneration.
Remnant cholesterol associated with contrast-induced acute kidney injury in patients with ST-segment elevation myocardial infarction following percutaneous coronary intervention
研究表明，残余胆固醇（RC）是急性肾损伤（CI-AKI）的独立预测因子，尤其在ST段抬高心肌梗死患者中。通过对1288名患者的回顾性分析，发现RC的整合显著提高了基于传统临床参数的预测模型的准确性，AUC从0.739提升至0.803。这一发现强调了RC在急性肾损伤风险评估中的潜在应用价值，提示临床医生在处理STEMI患者时应考虑RC水平，以便更好地识别高风险患者并实施预防措施。
Inhibition of free radicals and inflammation on RAW264.7 macrophage cell line by Arthrospira platensis extract
A. platensis提取物展示了强大的抗炎和抗氧化特性，能够显著抑制LPS刺激的RAW264.7巨噬细胞中的炎症反应。研究表明，该提取物通过降低TNF-α和IL-6的分泌以及减少细胞内活性氧和氮种类的生成，展现出其在预防和管理炎症及氧化应激相关疾病中的潜力。此外，A. platensis提取物的低细胞毒性使其成为开发功能性食品和药物的有前景的候选者。
Inflammatory transcriptomic signatures in a human cellular NMOSD model reveal upregulation of NF-κB and IL6 pathways
该研究通过建立人类细胞NMOSD模型，探讨了AQP4抗体与补体的相互作用，发现NF-κB和IL-6通路在炎症反应中的关键作用。转录组分析显示，细胞模型在补体激活后表现出显著的细胞毒性和炎症标志物的上调，为NMOSD的治疗提供了新的生物医学研究方向。
Modest improvement of metabolic and behavioral deficits with long-term ambroxol treatment in a Pink1−/−SNCAA53T double mutant mouse model of Parkinson’s disease
在Pink1−/−SNCAA53T小鼠模型中，长期使用ambroxol治疗显示出轻微的代谢和行为改善。研究表明，ambroxol可能通过影响溶酶体功能和脂质代谢来提供治疗益处，尽管其效果有限。这一发现为神经退行性疾病的治疗提供了新的思路，强调了ambroxol在帕金森病等疾病中的潜在应用。
A symbolic dataset for large language models to solve second kind Fredholm integral equations
本研究提出了一个名为FIE-500k的符号数据集，旨在解决第二类Fredholm积分方程。该数据集包含500,000个记录，涵盖多种数学函数，采用上下文无关文法生成，确保了数据的多样性和有效性。研究强调了该数据集在符号计算和AI模型训练中的潜在应用，旨在填补现有数据集的空白，促进相关领域的研究和发展。
Family social risks on neurodevelopmental outcomes in preterm infants without severe brain injury
研究评估了家庭社会风险对没有严重脑损伤的早产儿神经发育结果的影响，发现社会风险显著增加了神经发育障碍的几率。结果显示，82%的早产儿无或轻度神经发育障碍，14%为中度，4%为重度。每增加一个社会风险，严重神经发育障碍的几率增加1.6倍，氧气治疗天数的增加也与神经发育结果的下降相关。这一发现强调了对高风险早产儿的早期干预和支持的重要性。
Active avoidance of potential threat is reflected in oscillatory brain activity
该研究探讨了在面对潜在威胁时，脑电活动如何反映主动回避行为的神经机制。通过对95名参与者的EEG数据分析，研究发现不同的脑电波活动与回避反应的速度和焦虑水平相关。这一发现有助于理解视觉和运动皮层如何在威胁检测和回避行为中相互作用，具有重要的学术价值。
An EEG dataset to study neural correlates of audiovisual long-term memory retrieval
该研究介绍了一个EEG数据集，旨在研究视听长时记忆提取的神经相关性。数据集包含27名参与者在观看电影片段时的EEG信号，提供了分析大脑活动与记忆提取之间关系的机会。研究结果可能对教育和医疗领域产生重要影响，尤其是在神经康复和脑机接口的应用方面。
3M-CPSEED, An EEG-based Dataset for Chinese Pinyin Production in Overt, Mouthed, and Imagined Speech
3M-CPSEED数据集是一个基于EEG的中文拼音生产数据集，涵盖了显性发声、默念和想象三种语音模式。该数据集由20名参与者在一天内完成的1800个有效试验组成，旨在探索不同发音位置的神经活动差异。数据集的开放性和可重复性为语言神经生理学研究提供了重要支持，具有广泛的应用潜力。