XiaoMi-AI文件搜索系统
World File Search System主干
行动报告 废水能源转移计划
WET 项目涉及与城市废水（下水道）基础设施的连接，以非接触方式交换可再生热能，从而取代建筑物中的化石燃料使用，而化石燃料是多伦多最大的温室气体 (GHG) 排放源。因此，启用 WET 项目是实施 TransformTO 净零排放战略的关键部分。据估计，多伦多的卫生主干下水道网络有能力支持超过 20 个 WET 项目。一旦投入运营，这些项目每年将减少约 200,000 吨温室气体排放，同时通过出售热能为城市释放价值。评估框架对于及时处理连接请求和确保项目不会对多伦多水务基础设施的运营/完整性产生负面影响是必要的。第一阶段 - 启动 2022 年第一季度的项目接收，以评估兴趣、项目规模/类型以及具体位置/时间表。• 可再生能源开发商/建筑业主访问城市网页进行自助项目筛选并提交初步申请。 • EED 工作人员审查申请的完整性，以便多伦多水务局工作人员向申请人提供初步设计/商业案例所需的信息。在 2022 年第二季度/第三季度启动第二阶段之前，工作人员将与其他关键部门建立高效的后台流程，以便对申请进行筛选后详细审查，这些部门包括：多伦多水务局、运输服务、工程和建筑服务、企业房地产管理和法律服务。
2022-2023 年草案 - AOP
AOP - 年度运营计划 ACHP - 历史保护咨询委员会 AF - 英亩英尺 B - 十亿 BiOp - 生物学观点 BOR - 垦务局 cfs - 立方英尺每秒 Corps - 工程兵团 CY - 日历年（1 月 1 日至 12 月 31 日） elev - 海拔 ESA - 濒危物种法案 ft - 英尺 FTT - 目标流量 FY - 财政年度（10 月 1 日至 9 月 30 日） GWh - 千兆瓦时 ISAP - 独立科学咨询小组 KAF - 1,000 英亩英尺 kcfs - 1,000 立方英尺每秒 kW - 千瓦 kWh - 千瓦时 MAF - 百万英亩英尺 MRNRC - 密苏里河自然资源委员会 MRBWMD - 密苏里河流域水资源管理处 MW - 兆瓦 MWh - 兆瓦时 NEPA - 国家环境政策法案 plover - 环颈鸻 PA -计划协议 P-S MBP - 皮克-斯隆密苏里盆地计划 RCC - 水库控制中心 RM - 河流英里 RPA - 合理审慎替代方案 SHPO - 州历史保护官员 SR - 稳定释放系统 - 密苏里河主干系统 tern - 内陆最小燕鸥 T&E - 受威胁和濒危 THPO - 部落历史保护官员 USFWS - 美国鱼类和野生动物管理局 WY - 水年 yr - 年
使用具有控制孔隙率的陶瓷主链的MXENE网络组装
过渡金属碳化物（MXENES）是具有出色特性的新型2D纳米材料，对诸如储能，催化和能量转化等应用的有希望的显着影响。阻止MXENES广泛使用的主要障碍是缺乏在3D空间中组装MXENE的方法，而无需重大的恢复，从而降低了其性能。在这里，通过引入一种新型材料系统来成功克服这一挑战：在多孔陶瓷主链上形成的MXENE的3D网络。主干决定了网络的3D体系结构，同时提供了机械强度，气体/液体渗透性和其他有益特性。冻结铸件用于制造带有开放孔和受控孔隙率的二氧化硅主链。接下来，墨西哥流用于从分散体中将Mxene填充到主链中。然后将系统干燥以将孔壁与MXENE一起覆盖，从而形成一个相互连接的3D-MXENE网络。制造方法是可重现的，MXENE填充的多孔二氧化硅（MX-PS）系统是高导电性的（例如340 S m-1）。MX-PS的电导率受孔隙率分布，MXENE浓度和内部填充周期的数量控制。带有MX-PS电极的三明治型超电容器显示出极好的面积电容（7.24 f cm-2）和能量密度（0.32 MWH cm-2），仅添加了6％的MXENE MXENE质量。这种创建2D纳米材料的3D体系结构的方法将显着影响许多工程应用程序。
脑回、脑沟和神经的局部解剖研究
Alex Martins Machado 5 André Valério da Silva 6 摘要：简介：在大脑发育过程中，脑沟和脑回形成，它们的形态变化类似于面神经 (CN VII)，具有感觉和运动功能，其损伤会造成临床和美学损害。文献中有一些关于成人的这些结构的信息，但在胎儿中这些结构尚未得到很好的定义。目的:描述人类胎儿尸体中的脑回、脑沟和第七对脑神经的走行。方法：从 UFMS CPTL 解剖实验室的收藏中选择了七个男女胎儿。分为三个阶段：胎龄评估、解剖和解剖描述。该研究已通过 CAEE 研究伦理委员会批准：75069617.5.0000.5386 2022。结果：在背外侧表面观察到上中额叶和后中央、上颞叶和下颞叶、环形岛叶和中央岛叶沟。有中央前回、中央后回、颞回、上回、下回和中回。内侧有双扣带沟、旁中央回、顶枕回和额上回。所有胎儿均有第七回主干及其分支在颞下区穿入腮腺实质，然后沿面部分支。结论：胎儿脑回沟的形态对于早期识别皮质畸形至关重要。此外，鉴于关于胎儿时期该神经的特征的记录很少，对 NC VII 的形态学研究可能会鼓励未来的研究。关键词：解剖学；胎儿发育；面神经疾病；皮质发育畸形；面神经。
基于人工智能的外科手术预测模型...
腹腔镜胆囊切除术 (LC) 是切除胆囊的标准手术。虽然该手术已发展成为一种相对安全且可耐受的日间手术，但有时可能会很困难，并且可能会出现并发症。复杂的胆结石疾病，如胆囊炎或胆结石性胰腺炎，是增加 LC 技术难度的危险因素。虽然可以对手术难度进行术前预测，但围手术期发现可能会令人惊讶。使用基于 AI 的模型了解手术场景的难度对于对手术性能进行基准测试和改进手术室规划非常重要。本研究旨在开发一种深度学习 (DL) 来预测腹腔镜胆囊切除术在特定手术发现上的难度。基于 Nassar 评分使用了难度分级量表。为了训练 DL 网络，从录制的视频中提取了帧。所有帧均标记为“胆囊”难度 1-3 级和“粘连”难度 1-3 级。排除由体外图像组成或胆囊不可见的帧。总共有 26.483 帧。ResNet 用作模型的主干。调整超参数以改善模型结果。多类和二元分类网络都经过了训练。训练用于分类胆囊难度（3 级）的网络比训练用于分类粘连难度的网络表现更好（准确率 74%）。可以对胆囊炎进行分类，准确率为 91%，对简单病例进行分类，准确率为 87%。本研究结果可作为进一步研究 LC 难度分类的起点。这是提高对手术场景理解并为 LC 外科医生提供基准的第一步。
跨模态引导辅助多模态学习与双重注意用于 MRI 脑肿瘤分级
摘要 — 脑肿瘤是全球最致命的癌症之一，在儿童和老年人中非常常见。早期准确识别肿瘤类型和等级对于选择精准治疗方案起着重要作用。不同序列的磁共振成像 (MRI) 协议为临床医生提供了识别肿瘤区域的重要矛盾信息。然而，由于数据量大且脑肿瘤类型多样，人工评估既耗时又容易出错。因此，MRI 自动脑肿瘤诊断的需求尚未得到满足。我们观察到单模态模型的预测能力有限，其性能在不同模态之间差异很大，而常用的模态融合方法会引入潜在的噪声，导致性能显着下降。为了克服这些挑战，我们提出了一种新的跨模态引导辅助多模态学习，并采用双重注意来解决 MRI 脑肿瘤分级任务。为了平衡模型效率和功效之间的权衡，我们使用 ResNet Mix Convolution 作为特征提取的主干网络。此外，还应用双重注意分别捕获空间和切片维度中的语义相互依赖性。为了促进模态之间的信息交互，我们设计了一个跨模态引导辅助模块，其中主要模态在训练过程中引导其他次要模态，这可以有效地利用不同 MRI 模态的互补信息，同时减轻可能的噪声的影响。在 BraTS2018 和 BraTS2019 数据集上的实验结果证明了所提方法的有效性，其性能大大优于基于单模态的方法和几种最先进的多模态方法，在两个数据集上的 AUC 分别为 0.985 ± 0.019 和 0.966 ± 0.021。
Sakonnet - 创意圈媒体解决方案
蒂弗顿——上周，附近居民反对一家枪支店在主干道上修建射击场。位于蒂弗顿主干道 404 号的枪支店 Sakonnet River Outfitters 的老板兼经营者 Gary Lebeau 计划在主干道西侧与哈斯金斯大道交叉口处修建一座 8000 平方英尺的建筑。该建筑的一半以上（4500 平方英尺）将用作室内射击场。其余部分将作为枪支店的零售空间。“我打算修建这座建筑。我要把我的枪支店搬到那里，我要把我的零售业务搬到那里，”Lebeau 先生周二晚上告诉议会。“我希望今晚进行投票，”Lebeau 先生说。Lebeau 先生向议会成员分发了一包来自犹他州普罗沃的一家私人公司（Action Target）的信息，他表示该公司将修建射击场。该公司表示，其设计和制造射击场“用于世界各地的执法、军事和商业射击场”。勒博先生的提议引起了反对者和支持者的激烈争论。“我不想在自家后院听到射击场的声音，”斯普林格大道 14 号的 Evangeline Jandro 说。“我的房产距离那道围栏只有 20 英尺，”她指的是勒博先生计划建造的射击场。“你只能租房，”勒博先生回答 Jandro 女士。蒂弗顿的 Tim Llewellyn 说，该镇需要商业，但没有多少人愿意在该镇投资。“我认为这是个热门话题。这是一个枪支问题
使用改进的 YOLOv8 进行脑肿瘤识别
摘要 — 确定脑肿瘤的范围是脑癌治疗中的一项重大挑战。主要困难在于对肿瘤大小的近似检测。磁共振成像 (MRI) 已成为一种重要的诊断工具。然而，从 MRI 扫描中手动检测脑肿瘤的边界是一项劳动密集型任务，需要广泛的专业知识。深度学习和计算机辅助检测技术已导致机器学习在这方面取得了显着进步。在本文中，我们提出了一种改进的 You Only Look Once (YOLOv8) 模型来准确检测 MRI 图像中的肿瘤。所提出的模型用检测头中的实时检测变压器 (RT-DETR) 取代了非最大抑制 (NMS) 算法。NMS 会滤除检测到的肿瘤中的冗余或重叠的边界框，但它们是手工设计和预设的。RT-DETR 删除了手工设计的组件。第二项改进是通过用鬼卷积替换正常卷积块进行的。 Ghost Convolution 降低了计算和内存成本，同时保持了高精度并实现了更快的推理速度，使其成为资源受限环境和实时应用的理想选择。第三项改进是在 YOLOv8 的主干中引入视觉变换器模块来提取情境感知特征。我们在提出的模型中使用了公开的脑肿瘤数据集。所提出的模型比原始 YOLOv8 模型表现更好，也比其他物体检测器（Faster R-CNN、Mask R-CNN、YOLO、YOLOv3、YOLOv4、YOLOv5、SSD、RetinaNet、EfficientDet 和 DETR）表现更好。所提出的模型实现了 0.91 mAP（平均精度）@0.5。
利用可学习的 3D PE 加权池化对阿尔茨海默病诊断进行高效训练
摘要：三维卷积神经网络 (3D CNN) 已广泛应用于分析阿尔茨海默病 (AD) 脑图像，以更好地了解疾病进展或预测从认知障碍 (CU) 或轻度认知障碍状态的转变。众所周知，由于医学成像领域的样本量较小，训练 3D-CNN 的计算成本很高，并且有可能过度拟合。在这里，我们提出了一种新颖的 3D-2D 方法，通过使用可学习加权池化 (LWP) 方法将 3D 脑图像转换为 2D 融合图像，以提高训练效率并保持可比的模型性能。通过 3D 到 2D 的转换，所提出的模型可以轻松地通过预先训练的 2D 模型转发融合的 2D 图像，同时在不同的 3D 和 2D 基线上实现更好的性能。在实施过程中，我们选择使用 ResNet34 进行特征提取，因为它的表现优于其他 2D CNN 主干。我们进一步表明，切片的权重与位置有关，模型性能取决于 3D 到 2D 融合视图，冠状视图的结果最佳。与传统的 3D CNN 相比，使用新方法，我们能够减少 75% 的训练时间，并将准确率提高到 0.88，使用公开的阿尔茨海默病神经影像计划数据集对 CU 参与者的 AD 患者的淀粉样蛋白 PET 成像进行分类。这种新颖的 3D-2D 模型可能对未来在临床环境中及时诊断 AD 具有深远的影响。
太阳能炼钢
AE 碱性电解 ATR 自热重整 BAT 最佳可用技术 BESS 电池储能系统 BF 高炉 BFG 高炉煤气 BOP 电厂平衡 BOF 转炉 CAPEX 资本支出 CBAM 碳边境调整机制 CCS 碳捕获与封存 CCU 碳捕获与利用 CDA 碳直接避免 COG 焦炉煤气 CS 粗钢 DRI 直接还原铁 DRP 直接还原工艺 DSR 需求侧响应 EAF 电弧炉 EHB 欧洲氢能主干 ETS 排放交易体系 EU 欧盟 EUA 欧盟配额 FF55 Fit For 55 立法方案 FID 最终投资决定 GHG 温室气体 GO 原产地保证 HBI 热压铁 HHV 高热值 ICE 内燃机 IED 工业能源指令 IEA 国际能源署 ISP 综合钢厂 LCOE 平准化电力成本 LCOH 平准化氢气成本 LHV 低热值 LOHC 液态有机氢载体 MS 成员国 OPEX 运营费用 PEM 质子交换膜 PV 光伏PI 过程集成 RE 可再生能源 RED II 修订版可再生能源指令（指令 2009/28/EC） RED III 拟议的 RED II 修订版，包含在 FF55 方案中 RES 可再生能源 RFCS 煤炭和钢铁研究基金 SMR 蒸汽甲烷重整 tpa 吨/年 tpd 吨/天 TSO 输电系统运营商