物种名是生物分类学的核心概念,是认识和描述生物多样性的前提。拉丁种名的命名具有语言独立性、规范性和唯一性,不受地域和语言差异影响,确保跨语言、跨学科交流的准确性;但物种地方名(俗名)缺少命名规则,融合了历史与文化传统,往往存...物种名是生物分类学的核心概念,是认识和描述生物多样性的前提。拉丁种名的命名具有语言独立性、规范性和唯一性,不受地域和语言差异影响,确保跨语言、跨学科交流的准确性;但物种地方名(俗名)缺少命名规则,融合了历史与文化传统,往往存在误用、混乱甚至是缺失的情况,特别是在鱼类中,约20%的物种缺少中文名,严重制约了生物多样性认知、跨语言交流、科学传播和数据共享与利用等。为应对这一问题,本研究整合《拉汉世界鱼类系统名典》等多个权威数据源,构建了60564条高质量拉丁学名与中文名双语平行语料库。基于多语言大模型mT5(multilingual text-to-text transfer transformer,包含small、base、large三种参数规模),引入对偶学习框架与命名规则约束,实现鱼类中文名的自动生成与校正。结果显示,微调后的mT5-large模型在独立测试集上获得的BLEURT和COMET的对偶译质评分分别为0.90和0.93,较DeepSeek-R1等通用大语言模型提升38%~159%,并将低频属名与新描述种名的翻译错误率降低25%~80%。所有生成的鱼类中文名均由分类学专家逐条审定,以确保命名的科学性和规范性。本研究首次系统性地补全了全球鱼类的中文名系统,打通了物种学名与俗名之间的信息壁垒;并开发配套微信小程序面向所有用户开放,实时更新种名信息和分类变动。研究方法为其他生物类群的多语言俗名翻译提供了可复制、可推广的技术范式,助力全球生物多样性与文化多样性保护实践。展开更多
目的·探讨接受机械取栓(mechanical thrombectomy,MT)治疗的前循环急性大血管闭塞性缺血性卒中(acute ischemic stroke with large vessel occlusion,AIS-LVO)男性患者术后90 d不良预后的影响因素,并基于临床特征与炎症标志物构建...目的·探讨接受机械取栓(mechanical thrombectomy,MT)治疗的前循环急性大血管闭塞性缺血性卒中(acute ischemic stroke with large vessel occlusion,AIS-LVO)男性患者术后90 d不良预后的影响因素,并基于临床特征与炎症标志物构建预测模型。方法·回顾性纳入2022年3月—2024年6月因前循环AIS-LVO于上海市2所医院接受MT治疗的126例男性患者,以术后90 d的改良Rankin量表(modified Rankin Scale,mRS)评分为结局指标,并据此将患者分为预后良好组与预后不良组。收集并比较2组患者的基线资料、围术期临床指标、入院实验室指标。采用单因素Logistic回归模型筛选与术后90 d不良预后相关的变量,而后采用多因素Logistic回归模型确定独立预测因子并以此构建预测模型。使用受试者操作特征曲线(receiver operator characteristic curve,ROC curve)评估该预测模型的效能。结果·根据术后90 d的mRS评分,MT术后前循环AIS-LVO男性患者被分为预后良好组(n=50)和预后不良组(n=76)。对2组患者的基线资料、围术期临床指标及入院实验室指标分析后发现,入院美国国立卫生研究院卒中量表(National Institutes of Health Stroke Scale,NIHSS)评分、既往卒中或短暂性脑缺血发作(transient ischemic attack,TIA)史及中性粒细胞‑淋巴细胞比率与纤维蛋白原‑白蛋白比率乘积(neutrophil-lymphocyte ratio multiplied by fibrinogen to albumin ratio,NMF)指数等指标的组间差异具有统计学意义(P<0.05)。单因素Logistic回归分析显示,NMF指数的升高与不良预后风险增加呈强相关(OR=6.944,95%CI 2.636~22.022,P<0.001)。多因素Logistic回归分析显示NMF指数为不良预后的独立预测因子(OR=6.153,95%CI 1.939~24.563,P=0.004),其他独立预测因子包括NIHSS评分(P=0.003)、既往卒中或TIA史(P=0.034)、急性卒中治疗Org 10172试验(Trial of Org 10172 in Acute Stroke Treatment,TOAST)分型中的大动脉粥样硬化型(P=0.032)与不明原因型(P=0.006)以及白细胞计数(P=0.027)。ROC曲线分析显示模型对不良预后的预测效能良好,曲线下面积(area under the curve,AUC)为0.889,灵敏度为70%,特异度为96%。结论·NMF指数可能是MT术后前循环AIS-LVO男性患者不良预后的潜在生物标志物,将其与入院NIHSS评分、既往卒中或TIA史、TOAST分型、白细胞计数等独立预测因子联合应用,对预测该类患者的不良预后具有较高准确性。展开更多
Temporal alignment of multisensor time series(MTS)is a critical prerequisite for accurate modeling and optimal control in subsequent data-driven applications.Nevertheless,many approaches frequently neglect to consider...Temporal alignment of multisensor time series(MTS)is a critical prerequisite for accurate modeling and optimal control in subsequent data-driven applications.Nevertheless,many approaches frequently neglect to consider the complex interdependencies between different sensors in MTS,and temporal alignment in many methods is typically treated as an isolated task disconnected from the downstream objectives,leading to unsatisfactory performances in follow-up applications.To address these challenges,this paper proposes a novel knowledge graph(KG)-guided iterative-updating graph neural network(GNN)for time-delay estimation(TDE)in MTS.Initially,a domain-specific KG is constructed from domain mechanism knowledge,providing a foundation for GNN's initialization.Next,capitalizing on the inherent structure of the graph topology,a GNN-based TDE method is developed.Then,a customized loss function is constructed,which synthesizes both the performances of downstream tasks and graph-based constraints.Moreover,an innovative algorithm for GNN structure learning and iterative-updating is proposed to renovate the graph structure further.Finally,experimental results across various regression and classification tasks on numerical simulation,public datasets,and the real blast furnace ironmaking dataset demonstrate that the proposed method can achieve accurate temporal alignment of MTS.展开更多
文摘物种名是生物分类学的核心概念,是认识和描述生物多样性的前提。拉丁种名的命名具有语言独立性、规范性和唯一性,不受地域和语言差异影响,确保跨语言、跨学科交流的准确性;但物种地方名(俗名)缺少命名规则,融合了历史与文化传统,往往存在误用、混乱甚至是缺失的情况,特别是在鱼类中,约20%的物种缺少中文名,严重制约了生物多样性认知、跨语言交流、科学传播和数据共享与利用等。为应对这一问题,本研究整合《拉汉世界鱼类系统名典》等多个权威数据源,构建了60564条高质量拉丁学名与中文名双语平行语料库。基于多语言大模型mT5(multilingual text-to-text transfer transformer,包含small、base、large三种参数规模),引入对偶学习框架与命名规则约束,实现鱼类中文名的自动生成与校正。结果显示,微调后的mT5-large模型在独立测试集上获得的BLEURT和COMET的对偶译质评分分别为0.90和0.93,较DeepSeek-R1等通用大语言模型提升38%~159%,并将低频属名与新描述种名的翻译错误率降低25%~80%。所有生成的鱼类中文名均由分类学专家逐条审定,以确保命名的科学性和规范性。本研究首次系统性地补全了全球鱼类的中文名系统,打通了物种学名与俗名之间的信息壁垒;并开发配套微信小程序面向所有用户开放,实时更新种名信息和分类变动。研究方法为其他生物类群的多语言俗名翻译提供了可复制、可推广的技术范式,助力全球生物多样性与文化多样性保护实践。
文摘目的·探讨接受机械取栓(mechanical thrombectomy,MT)治疗的前循环急性大血管闭塞性缺血性卒中(acute ischemic stroke with large vessel occlusion,AIS-LVO)男性患者术后90 d不良预后的影响因素,并基于临床特征与炎症标志物构建预测模型。方法·回顾性纳入2022年3月—2024年6月因前循环AIS-LVO于上海市2所医院接受MT治疗的126例男性患者,以术后90 d的改良Rankin量表(modified Rankin Scale,mRS)评分为结局指标,并据此将患者分为预后良好组与预后不良组。收集并比较2组患者的基线资料、围术期临床指标、入院实验室指标。采用单因素Logistic回归模型筛选与术后90 d不良预后相关的变量,而后采用多因素Logistic回归模型确定独立预测因子并以此构建预测模型。使用受试者操作特征曲线(receiver operator characteristic curve,ROC curve)评估该预测模型的效能。结果·根据术后90 d的mRS评分,MT术后前循环AIS-LVO男性患者被分为预后良好组(n=50)和预后不良组(n=76)。对2组患者的基线资料、围术期临床指标及入院实验室指标分析后发现,入院美国国立卫生研究院卒中量表(National Institutes of Health Stroke Scale,NIHSS)评分、既往卒中或短暂性脑缺血发作(transient ischemic attack,TIA)史及中性粒细胞‑淋巴细胞比率与纤维蛋白原‑白蛋白比率乘积(neutrophil-lymphocyte ratio multiplied by fibrinogen to albumin ratio,NMF)指数等指标的组间差异具有统计学意义(P<0.05)。单因素Logistic回归分析显示,NMF指数的升高与不良预后风险增加呈强相关(OR=6.944,95%CI 2.636~22.022,P<0.001)。多因素Logistic回归分析显示NMF指数为不良预后的独立预测因子(OR=6.153,95%CI 1.939~24.563,P=0.004),其他独立预测因子包括NIHSS评分(P=0.003)、既往卒中或TIA史(P=0.034)、急性卒中治疗Org 10172试验(Trial of Org 10172 in Acute Stroke Treatment,TOAST)分型中的大动脉粥样硬化型(P=0.032)与不明原因型(P=0.006)以及白细胞计数(P=0.027)。ROC曲线分析显示模型对不良预后的预测效能良好,曲线下面积(area under the curve,AUC)为0.889,灵敏度为70%,特异度为96%。结论·NMF指数可能是MT术后前循环AIS-LVO男性患者不良预后的潜在生物标志物,将其与入院NIHSS评分、既往卒中或TIA史、TOAST分型、白细胞计数等独立预测因子联合应用,对预测该类患者的不良预后具有较高准确性。
文摘在智利的一座山顶上,一个超大的望远镜正在建造中。为了在为该望远镜定制的一个部件上加工出深槽腔,Jakob Behr Maschinenfabrik采用了新型英格索兰铣床。成品铝制部件的背面,其形状酷似一把扶手椅。这一设计启发了企业负责人Sebastian Firmenich,让他联想到Hermle C 62 U MT的工作空间。这一场景看似平常,却掩盖了一个事实:该部件正面的加工,对精度和表面质量的要求极为严苛。
基金supported by the Young Scientists Fund of the National Natural Science Foundation of China(62303491)the Major Program of Xiangjiang Laboratory(22XJ01005)+1 种基金the Science and Technology Innovation Program of Hunan Province(2024RC1007)the Natural Science Foundation of Hunan Province(2025JJ10007)。
文摘Temporal alignment of multisensor time series(MTS)is a critical prerequisite for accurate modeling and optimal control in subsequent data-driven applications.Nevertheless,many approaches frequently neglect to consider the complex interdependencies between different sensors in MTS,and temporal alignment in many methods is typically treated as an isolated task disconnected from the downstream objectives,leading to unsatisfactory performances in follow-up applications.To address these challenges,this paper proposes a novel knowledge graph(KG)-guided iterative-updating graph neural network(GNN)for time-delay estimation(TDE)in MTS.Initially,a domain-specific KG is constructed from domain mechanism knowledge,providing a foundation for GNN's initialization.Next,capitalizing on the inherent structure of the graph topology,a GNN-based TDE method is developed.Then,a customized loss function is constructed,which synthesizes both the performances of downstream tasks and graph-based constraints.Moreover,an innovative algorithm for GNN structure learning and iterative-updating is proposed to renovate the graph structure further.Finally,experimental results across various regression and classification tasks on numerical simulation,public datasets,and the real blast furnace ironmaking dataset demonstrate that the proposed method can achieve accurate temporal alignment of MTS.
