XiaoMi-AI文件搜索系统
World File Search System侧视
在帕金森氏病患者中使用人姿势估计的暂时空间和运动学步态参数的评估：近额外和侧视图之间的比较
步态障碍是帕金森氏病（PD）患者最常见的症状之一，与临床不良结局密切相关。最近，基于视频的人类姿势估计（HPE）技术吸引了与基于标记基于标记的3D运动捕获系统更便宜，更简单的方法进行步态分析的方法。然而，尚不清楚基于视频的HPE是否是测量PD患者的临时和运动步态参数的可行方法，以及该功能如何随相机位置而变化。在这项研究中，使用运动捕获系统和两个智能手机摄像机测量了24例早期PD患者的跑步机和地面步行，并放置在受试者的近额和外侧侧面。我们比较了从3D运动捕获系统和无标记的HPE获得的关节位置数据之间的暂时步态参数和运动学特征的差异。我们的结果证实了使用HPE的PD患者的Ana-lyzing步态的可行性。尽管脚后跟和脚趾清晰可见的近额外视图对于估计时间步态参数有效，但横向视图特别适合评估空间步态参数和关节角度。，在侧面记录不可行的临床环境中，近额外的视图记录仍然可以作为运动捕获系统的实际替代方法。
基于贝塞尔梁的侧视图测量七核纤维内部核心分布
鉴于其广泛的应用，包括在纤维剪接，捆绑式风扇中/扇出，模式耦合，编写光栅和光纤绘制的情况下，必须准确了解多核纤维（MCF）的内部核心分布（MCFS）。然而，由于测量精度决定了产品的性能，因此可用于精确测量纤维核心分布的有限方法的广泛使用受到限制。在这项研究中，提出了基于贝塞尔束照明的侧视图和非破坏性方案，用于测量七核纤维的内部核心分布。贝塞尔束在散射介质中提供较大的焦距，并在具有空间变化的折射率变化的外轴介质中传播时表现出独特的图案。结果表明，在贝塞尔梁的情况下，较长的焦距和独特的模式会影响图像对比，这与典型的高斯梁不同。此外，使用数字相关方法证明了基于贝塞尔束的七纤维核心分布的高精度测量。一种深度学习方法用于将测量精度提高到0.2°，精度为96.8％。所提出的侧视图基于贝塞尔束的方法具有处理更复杂的MCF和光子晶体纤维的潜力。
腹侧视觉通路功能性近红外光谱在实际应用中的可行性研究
朱超哲 , g 和董明浩 a,b,c,* a 西安电子科技大学生命科学与技术学院，分子与神经影像教育部工程研究中心，西安，中国 b 西安电子科技大学生命科学与技术学院，西安 跨尺度生命信息智能感知与调控重点实验室，西安，中国 c 西安电子科技大学人工智能学院，智能感知与图像理解教育部重点实验室，西安，中国 d 西北工业大学外国语学院，西安，中国 e 中国人民解放军资金支付中心，北京，中国 f 西安电子科技大学电子工程学院，智能感知与图像理解教育部重点实验室，西安，中国 g 北京师范大学，认知神经科学与学习国家重点实验室，北京，中国
大脑的腹侧视觉通路能计算物体的形状吗？
大量行为文献表明，人类的物体识别是由形状表征支持的，这种表征能够容忍物体外观的变化。这种“全局”形状表征是通过描述物体局部特征或结构的空间排列而不是特征本身的外观来实现的。然而，越来越多的证据表明，腹侧视觉通路（物体识别的主要基础）可能并不代表整体形状。相反，腹侧表征可能更适合描述为局部图像特征的基础集。我们认为，这一证据迫使人们重新评估腹侧通路在物体感知中的作用，并提出了一个更广泛的形状感知网络，其中包括来自背侧通路的贡献。
腹侧视觉流的无监督神经网络模型
深层神经网络目前提供了整个灵长类动物腹视觉流中神经元反应模式的最佳定量模型。然而，作为腹侧流的开发模型，此类网络仍然令人难以置信，部分原因是它们是经过超级可见的方法培训的，需要比婴儿在发育过程中可以使用更多标签的方法。在这里，我们报告说，无监督学习的最新进展在很大程度上缩小了这一差距。我们发现，在多个腹侧视觉皮质皮质区域中，神经网络模型以深层的对比性嵌入方法获得了神经预测的准确性，该区域等于或超过了使用当今最佳监督方法得出的模型，并且这些神经网络模型的映射是神经层在整个通风流中的神经层。令人惊讶的是，我们发现这些方法即使仅接受从头部安装的相机收集的实际人类儿童发育数据进行训练，即使这些数据集很嘈杂且有限，也会产生类似的表示形式。我们还发现，半佩里的深层对比嵌入可以利用少量标记的示例来产生代表，具有大大改善人类行为的错误模式一致性。综上所述，这些结果说明了无监督学习的使用，以提供穆尔氏皮质脑系统的定量模型，并为灵长类动物感觉学习的生物学上合理的计算理论提供了强有力的候选者。
真实和合成孔径侧视机载雷达
tohoku.ac.jp › 用户 › sato PDF 2015年1月7日 — 2015年1月7日 雷达通常被称为侧视机载...胶片记录被数字采样和存储所取代。...尺寸和可靠性。