XiaoMi-AI文件搜索系统
World File Search System分段的
使用启发式方法校正稳健的心脏分割
与心脏右侧有关的心血管疾病，例如肺部高血压，是墨西哥（和全球）人口中的一些主要死亡原因。为了避免侵入性技术，例如使心脏插入心脏，改善医学超声心动图系统的细分性能可以是早期检测与心脏右侧有关的疾病的一种选择。虽然当前的医学成像系统在心脏的左侧自动进行良好的分割，但他们通常会努力策划右侧腔。本文基于流行的U-NET体系结构，介绍了一种强大的心脏分割算法，能够通过减少的训练数据集准确地分割这四个腔。此外，我们提出了两个其他步骤，以提高机器学习模型中的结果质量，1）一种分割算法，能够准确检测锥形形状（因为已经对其进行了多个数据源进行了培训和完善）和2）2）一个后处理步骤，该步骤可根据SEG的形状和基于SEG-INTICATION的形状和轮廓，该步骤是根据SEG-Intication the Hearicians提供的。我们的结果表明，所提出的技术达到的分割精度可与通常用于此实践的数据集以及我们的医疗团队编制的数据集中的最新方法相媲美。此外，我们在相同的图像序列中测试了后处理校正步骤的有效性，并证明了其与临床医生进行的手动分段的一致性。
生成数据增强改善涂鸦 -
生成模型（例如扩散模型）的最新进展使生成高质量的合成IMEGES可以广泛访问。先前的工作表明，对合成图像进行培训可以改善许多感知任务，例如图像分类，对象检测和半分割。我们是第一个探索涂鸦审议语义序列的生成数据增强。我们提出了Scribblegen，这是一种生成数据增强方法，该方法利用ControlNET扩散模型，该模型以语义涂鸦为条件，以产生高质量的训练数据。但是，生成数据增强的幼稚实施可能会无意中损害下游分段的性能，而不是改善它。我们利用无分类的扩散指南来执行类的一致性，并引入编码ratios来将数据多样性换成数据现实主义。使用指导量表和编码比率，我们可以生成一系列高质量训练图像。我们提出了多个增强方案，并发现这些方案显着影响模型性能，尤其是在低数据状态下。我们的框架进一步减少了涂鸦监督段的性能和完全监督的分割之间的差距。我们还表明，我们的框架显着提高了小数据集上的细分性能，甚至超过了完全监督的细分。该代码可在https：//github.com/mengtang-lab/scribblegen上找到。
新的高效率分割的热电unicouple
为了实现高热能能量转换效率，希望在大温度梯度上操作热电发电机设备，并最大程度地提高用于构建设备的材料的热电性能。但是，没有单个热电材料适合在非常宽的温度（〜300-1000k）中使用。因此，必须在其具有最佳性能的每个温度范围内使用不同的材料。这可以通过两种方式实现：1）多阶段热电发生器，每个阶段在固定温度差上运行，并且是电隔离的，但与其他阶段进行热接触2）分段的发电机，其中P和N-Legs形成了由不同片段组成的不同片段。在较早的出版物中引入了将喷气推进实验室开发的新的热电材料整合到分段热电Unicouple中的概念。这种新的Unicouple预计将在300-973 K的温度差上运行，并将根据最先进的热电材料和新颖的P-Type Zn 4 SB 3，P-Type 4 SB 12-基于4 SB 12的合金和N型cosb 3-by-bys alloys的组合，将使用新颖的分段腿。预计该新的单分型将预计转化效率约为15％。我们在本文中介绍了该Unicouple制造的最新实验结果，包括P-Legs，N腿和P-Leg与N-Leg互连的不同段之间的键合研究。
解密人类基因组编辑调节景观的碎片
在发现所谓的CRISPR-CAS技术之后，基因组编辑技术引起了人们越来越兴趣。它引起了全球骚动，涉及其在人类中的使用，尤其是在2018年宣布中国科学家的宣布后，他使用CRISPR来编辑了双胚胎的基因。的确，尽管不是唯一的问题，但最大的关注点之一是使用基因组编辑技术来修改人类种系。在这种科学和技术背景下，法律在构建应允许或禁止的内容以及在哪些条件下起着关键作用，以确定安全和可访问的创新待遇与根据社会价值观和选择的基本权利之间的平衡。在欧盟内部，一些机构考虑了人类基因组编辑提出的问题，几个法律文本参与了适用于人类基因组编辑的欧洲监管框架的建立。然而，我们在本文中争辩说，既定的监管格局是在被分割，拆分或分段的意义上分散的。由于历史和技术原因，这种破碎化可能是不可避免的，它就适用于人类基因组编辑的当前监管框架的作用产生了影响。着眼于欧盟和法国治理层面，我们讨论了如何通过鉴定人类基因组编辑碎片监管景观的决定因素来进行这种分裂。我们认为，应该将其视为一个过程，该过程对人类基因组编辑的反应更具反应反映不断变化的政治和法律背景。
智能能源系统中的人工智能可解释性和治理
传统电网长期以来一直受到运行不可靠、不稳定、不灵活和效率低下的困扰。智能电网（或智能能源系统）继续通过新兴技术、可再生能源和其他趋势改变能源行业。人工智能 (AI) 正在应用于智能能源系统，以处理该领域的海量复杂数据并做出明智及时的决策。然而，人工智能缺乏可解释性和可治理性是利益相关者的主要担忧，阻碍了人工智能在能源领域的快速应用。本文回顾了智能能源系统中人工智能的可解释性和治理。我们从 Scopus 数据库中收集了 3,568 篇相关论文，自动发现能源领域人工智能治理的 15 个参数或主题，并通过回顾 150 多篇论文并提供研究的时间进展来阐述研究前景。发现参数或主题的方法基于“深度新闻”，这是我们基于数据驱动的深度学习的大数据分析方法，可以自动发现和分析横断面多视角信息，从而实现更好的决策并开发更好的治理工具。研究结果表明，对能源系统中人工智能可解释性的研究是分段的，并且仅关注少数人工智能特征和能源系统问题。本文加深了我们对能源领域人工智能治理的认识，有望帮助政府、行业、学术界、能源产消者和其他利益相关者了解能源领域人工智能的前景，从而更好地设计、运营、利用和管理能源系统。
设计专门为球员设计的美式橄榄球头盔以保护大脑
摘要 ：本研究的目的是利用高性能计算 (HPC)、有限元 (FE) 模拟和实验研究机械作用与脑损伤之间的关系，以设计特定于球员的美式足球头盔。我们根据 MRI 扫描数据创建了一个高分辨率 FE 头部网格，其中包含分段的头皮、颅骨、脑脊液 (CSF) 和大脑。我们对大脑使用多尺度内部状态变量 (ISV) 模型，该模型将根据实验数据进行校准并能够预测脑损伤。从单调（0.1/秒；Instron）到中等（200/秒；霍普金森杆）的不同应变率实验用于表征一系列传统和膨胀聚氨酯泡沫。这些泡沫用于 FE 模拟研究，以选择最佳的分层模式，以最大限度地吸收能量并最大限度地减少机械作用和脑损伤。最佳功能梯度设计被融入到原型美式橄榄球头盔中，并在自由大学 (LU) 工程研究与教育中心 (CERE) 新开发的头盔性能实验室 (HPL) 进行测试。LU 的 HPL 设备齐全，可进行国家橄榄球联盟 (NFL) 和国家运动器材标准委员会 (NOCSAE) 标准测试。我们的原型通过了所有 NOCSAE 标准，与 2020 年表现最好的两款头盔相比，性能提高了 15%。可以使用一组不同的边界条件重复此过程，以设计用于其他运动（包括曲棍球、长曲棍球和马术）的防护运动头盔
主动重新配置的分段空间声音调制器
高质量的声音 - 全外模式和图像，与3D显示器，声学和中间触觉等应用不可或缺的一部分需要精确的超声波分布以实现。此任务的基本工具是空间声音调节器（SSM），它控制组成元素以实现声音压力的动态分布。但是，由于高成本和许多小，紧密的单位，当前的超声SSM面临局限性。这项研究介绍了“分割的SSM”，即新型设备，这些设备将传统的声学跨表面像素单元组合到定制形状的分段元件中。这些分段的SSM降低了驱动成本和复杂性，同时保持压力分配质量。此方法包括一种自定义的相凝集算法（PAA），该算法是为用户选择的潜在分割解决方案的层次结构。使用OB-3D打印机和定制控制电子设备详细介绍了SSM制造方法，从概念到实现，完成了端到端方法。使用两个原型SSM设备验证了这种方法，它们使用动态分段元件将声波聚焦并悬浮聚苯乙烯珠。通过具有静态和动态元素的混合SSM设备探索了对技术的进一步增强。管道促进了各种应用程序跨不同应用的有效SSM构建，并邀请了以不同尺寸，用途和驱动机制的未来设备的成立。
评估UFS全局耦合模型中的土地 - 大气耦合过程和气候偏见
摘要：这项研究研究了后者的NCEP统一预测系统（UFS）耦合模型原型模拟模拟（P5 - P8）在2011年北部夏季 - 17在耦合的土地 - 大气层过程及其对模型偏置的影响方面的性能。在模型开发过程中实施了主要的土地物理更新。也就是说，Noah Land Surface模型被Noah MP取代，并且从P7开始更新了全球植被数据集。这些变化以及许多其他UF的改进发生了。这项研究研究了UFS根据模型土地表面过程的实现的35天预测中模拟表面条件的能力。针对全球的通风塔观测值评估了几种陆地表面状态和漏斗，并且还使用基于过程的多元度量指标来诊断分段的耦合过程。近地表气象变量通常会改善，尤其是表面空气温度，而土地 - 大气耦合指标更好地代表了在水分和辐射的表面土壤水分和表面流量之间观察到的协方差。此外，这项研究发现，连续美国的温度偏见与模型模拟水限制和能量限制区域之间耦合过程的不同平衡的能力有关。对土地初始条件的敏感性也被视为预测误差的来源。最重要的是，这项研究提出了构成耦合土地 - 预测模型中的大气行为的蓝图，这是一项至关重要的模型开发任务，可确保从第一天到季节时间尺度的第一天。
通过直接能量沉积制造的单道沉积物的特性获取自动化
摘要：金属增材制造工艺自诞生以来就得到了长足的发展，现代系统能够制造结构应用的部件。然而，要通过这些方法成功加工，需要进行大量实验，才能找到优化参数。在基于激光的工艺中，例如直接能量沉积，通常会沉积单道珠并进行分析，从而获得有关输入参数如何影响输出对基材的粘附等特性的信息。这些特性通常使用专门的软件从切割线珠的横截面获得的图像中确定。所提出的方法基于 Python 算法，使用 scikit-image 库和在 H13 工具钢上生产的 18Ni300 马氏体时效钢的光学显微镜成像，并计算 DED 生产的线珠的相关特性，例如轨道高度、宽度、渗透性、润湿性角度、基材上方和下方的横截面积和稀释比例。 18Ni300 马氏体时效钢沉积物的优化条件为：激光功率为 1550 W，进给速率为 12 g min −1，扫描速度为 12 mm s −1，保护气体流速为 25 L min −1，载气体流速为 4 L min −1，激光光斑直径为 2.1 mm。对于横截面焊道，计算其各自的高度、宽度和穿透力的误差分别为 2.71%、4.01% 和 9.35%；稀释比例计算的误差为 14.15%，基材上方面积的误差为 5.27%，基材下方面积的误差为 17.93%。处理一幅图像的平均计算时间为 12.7 秒。开发的方法是纯分段的，可以从机器学习实施中受益。
一个数据集和基准，用于完成农业机器人水果的形状
摘要 - 由于人口到2050年的人口预计将达到100亿，我们的农业生产制度仍需要使其生产率增加一倍，尽管农业部门的人类劳动力下降。自主机器人系统是通过接管劳动密集型手动任务（如取果采摘）来提高生产率的一种有希望的途径。为了有效，这种系统需要准确监测和与植物和水果相互作用，这是由于农业环境的混乱性而具有挑战性的，例如引起强烈的闭合。因此，能够在遮挡存在下估计物体的完整3D形状对于自动化的操作（例如水果收获）至关重要。在本文中，我们提出了针对农业视觉系统的第一个公开可用的3D形状完成数据集。我们提供了一个RGB-D数据集，用于估计水果的3D形状。特别是，我们的数据集在实验室条件下和商业温室中包含单个甜辣椒的RGB-D框架。对于每种水果，我们还收集了我们用作地面真理的高精度点云。为了获取地面真相形状，我们开发了一个测量过程，使我们能够以高精度记录真正的甜辣椒植物的数据，并以高精度记录，并确定感知的水果的形状。我们释放数据集，该数据集由属于100多种不同水果的近7000个RGB-D帧组成。我们还可以通过基准服务器上的公共挑战进行隐藏测试的形状完成方法评估。我们提供分段的RGB-D帧，并配有相机仪器，以便于获得彩色点云，以及使用高精度激光扫描仪获得的相应高精度，无咬合点云。