影像领域信息情报检索---XiaoMi-AI

计算智能

2024年10月14日 07:30

IEEE 模糊系统学报，第 32 卷，第 10 期，2024 年 10 月

IEEE Transactions on Fuzzy Systems, Volume 32, Issue 10, October 2024

1) 基于神经模糊建模和用户偏好学习的情境感知视听语音增强作者：Song Chen、Jasper Kirton-Wingate、Faiyaz Doctor、Usama Arshad、Kia Dashtipour、Mandar Gogate、Zahid Halim、Ahmed Al-Dubai、Tughrul Arslan、Amir Hussain页数：5400 - 54122) 用于医学视觉问答的深度模糊多教师蒸馏网络作者：Yishu Liu、Bingzhi Chen、Shuihua Wang、Guangming Lu、Zheng Zhang页数：5413 - 54273) 使用 EEG 预测

美国陆军工程兵团阿富汗地区

2024年9月19日 14:38

使用机器学习、自动训练数据和红带纹理层的索引集合自动提取建成基础设施土地覆盖

Automated Built-Up Infrastructure Land Cover Extraction Using Index Ensembles with Machine Learning, Automated Training Data, and Red Band Texture Layers

摘要：自动对建成基础设施进行分类是全球规划的需要。然而，单个指标存在弱点，包括与裸地光谱混淆，并且深度学习的计算要求很高。我们提出了一种计算量轻量的方法来对建成基础设施进行分类。我们使用一组光谱指标和一个新颖的红波段纹理层，其全局阈值由 12 个不同站点（每个站点两个季节性变化的图像）确定。使用 Sentinel-2 影像评估了多个光谱指标。我们的纹理指标使用红波段将建成基础设施与光谱相似的裸地分开。我们的评估通过评估 24 张图像中一系列特定于站点的最佳指标阈值的地面真实点来产生全局阈值。这些用于对集合进行分类，然后使用光谱指标、纹理和分层随机抽样指导训练数据选择。训练数据适合随机森林分类器

美国陆军工程兵团阿富汗地区

2024年9月11日 16:16

评估 Planet Lab 立体卫星图像的地形重建精度

Evaluating Topographic Reconstruction Accuracy of Planet Lab’s Stereo Satellite Imagery

摘要：本《海岸和水利工程技术说明》（CHETN）的目标是记录初步结果，利用 Planet Labs 的 SkySat 立体全色影像（在 Agisoft Metashape 中处理）得出北卡罗来纳州北部外滩的地形。本技术说明将初步评估 Planet Lab 的 SkySat 影像是否适合卫星运动结构 (SfM) 算法的图像来源，以及是否应将这些数据作为联邦海滩项目监测工具进行探索。根据所需的精度，这些数据有可能帮助沿海科学家、管理人员和美国陆军工程兵团 (USACE) 工程师了解其海岸线的现状并采用具有成本效益的自适应管理技术。

重点

2024年9月9日 22:34

研究发现，疫情期间少女大脑老化速度加快

Teen Girls’ Brains Aged Rapidly During Pandemic, Study Finds

神经影像学发现，在新冠疫情封锁的第一年，女孩的皮质变薄速度比男孩快得多。

科学特色系列

2024年8月14日 17:42

抑郁与冒险之间令人惊讶的联系

The Surprising Link Between Depression and Risk-Taking

结核病 (TB) 仍然是全球死亡的主要原因，儿童占病例和死亡人数的很大一部分。由于难以使用常规实验室检测，诊断儿童结核病尤其具有挑战性。胸部 X 光和 CT 扫描等放射影像在诊断儿童结核病方面起着至关重要的作用，但 […]

DailyAI | 探索人工智能的世界

2024年7月11日 14:20

科学家呼吁制定道德准则，因为法学硕士在医疗保健领域发挥着更广泛的作用

Scientists urge for ethical guidelines as LLMs play wider roles in healthcare

根据一项新研究，随着人工智能继续改变医疗保健，从药物发现到医学影像分析，道德准则却明显缺失。这项研究由波茨坦大学的 Joschka Haltaufderheide 和 Robert Ranisch 撰写，发表在《新泽西数字通讯》上，分析了 53 篇文章，以描绘出医学和医疗保健领域大型语言模型 (LLM) 的道德格局。研究发现，人工智能已经应用于各种医疗保健领域，包括：诊断影像解释药物开发和发现个性化治疗计划患者分类和风险评估医学研究和文献分析人工智能最近对医疗保健和医学的影响微不足道科学家呼吁制定道德准则，因为 LLM 在医疗保健中发挥着更广泛的作用，这篇文章首先出现在 DailyAI 上

SciTechDaily

2024年7月7日 04:48