XiaoMi-AI文件搜索系统
World File Search System分辨率
优化 SNR/分辨率权衡以进行注册...
磁共振图像配准中 SNR/分辨率权衡的优化 S. Kale 1,2、JP Lerch 1、RM Henkelman 1,2 和 XJ Chen 1,2 1 小鼠成像中心，加拿大安大略省多伦多，2 多伦多大学医学生物物理学，加拿大安大略省多伦多 简介 配准是医学图像分析的重要工具，其应用包括评估纵向研究中的变化、构建数字图谱和执行形态分析。后者在研究疾病特定人群和大脑发育生物学方面发展尤为迅速 1 。配准已广泛用于磁共振 (MR) 图像，其中成像在捕捉神经解剖结构方面提供了极大的灵活性。用户可以以任意分辨率和方向获取 3D 体积或 2D 切片数据，同时可以定义视野以适合任何对象。一个限制因素是总成像时间，这让用户不得不在分辨率和信噪比 (SNR) 之间做出权衡决定。通常，会调整采集参数以使生成的图像满足人类的视觉偏好，但是，由于图像配准是一项计算机分析任务，因此优化应响应计算机分析的需求。本摘要介绍了一项研究，该研究旨在调查在恒定扫描时间内 MR 成像中 SNR 和分辨率之间的最佳权衡，以实现最佳配准精度。方法虽然任何解剖结构的图像都可以，但我们使用的是通过高质量显微镜协议获取的固定小鼠神经解剖结构图像。固定脑标本的原位成像准备方法与之前描述的方法类似 2 。成像是在 7 T 磁体上使用多通道 Varian INOVA 控制台和三线圈探头进行的，以进行并行样本成像。扫描参数包括：快速自旋回波脉冲序列，TR/TE = 325/8 毫秒，6 次回波（第四次回波位于 k 空间中心），TE eff = 32 毫秒，90° 翻转角，14 毫米 x 14 毫米 x 25 毫米 FOV，432 x 432 x 780 扫描矩阵，4 个平均值（NA）。成像时间为 11.3 小时，每次可获得三个大脑的 T2 加权图像，每个图像有（32 微米）3 个体素。扫描了十个大脑。图像在均质白质中的平均 SNR 为 16。这些图像代表了黄金标准。从每个黄金标准图像中模拟了五个降级权衡图像，以模拟 1.9 小时的采集时间，但以牺牲 SNR 或分辨率或两者为代价。第一步需要从黄金标准数据中选择 k 空间的子体积来表示降级的分辨率。选择了五个子体积，以下称为权衡 AE ，权衡之间的体素体积步长为 2 倍（表 1，顶部）。第二步涉及向原始数据添加高斯分布随机白噪声，以模拟权衡数据中适当的相对 NA，从而固定总有效成像时间（1.9 小时）。然后，使用 ANIMAL 3,4 将来自每个权衡组和金标准组的图像独立地配准到使用仿射和非线性配准 5 的无偏平均图谱。变形场可用于识别形态学差异，它由非线性配准产生，并用于评估权衡组相对于金标准配准的配准精度。均方根误差 ( RMSE ) 度量，其中 ( ) 2 1 2 / / ) ( ) ( ∑ − = NN RMSE ioirdrd ，
用于较低分辨率的多域卷积神经网络...
摘要：运动想象 (MI) 脑机接口 (BCI) 因其在用户意图和任务执行之间直观匹配的特点而被广泛应用于各种应用。将干脑电图 (EEG) 电极应用于 MI BCI 应用可以解决许多限制并实现实用性。在本研究中，我们提出了一种多域卷积神经网络 (MD-CNN) 模型，该模型使用多域结构学习特定于主体和依赖于电极的 EEG 特征，以提高干电极 MI BCI 的分类准确率。所提出的 MD-CNN 模型由三个域表示（时间、空间和相位）的学习层组成。我们首先使用公共数据集评估了所提出的 MD-CNN 模型，以确认多类分类的分类准确率为 78.96%（机会水平准确率：30%）。之后，10 名健康受试者参与并在两个阶段（干电极和湿电极）执行了三类与下肢运动（步态、坐下和休息）相关的 MI 任务。因此，与仅使用单个域的传统分类器（FBCSP、EEGNet、ShallowConvNet 和 DeepConvNet）相比，所提出的 MD-CNN 模型使用三类分类器实现了最高的分类准确度（干电极：58.44%；湿电极：58.66%；偶然水平准确度：43.33%），并且两种电极类型之间的准确度差异最小（0.22%，d = 0.0292）。我们期望所提出的 MD-CNN 模型可用于开发具有干电极的稳健 MI BCI 系统。
炎症分辨率的微生物群靶向疗法
微生物群和免疫系统之间的二元论串扰开始于出生前，它在整个生命中都形成了地理，文化和饮食习惯以及个人的遗传背景的态度。因此，每个人都拥有自己的正常生物生物生物群，这使得很难识别与固定健康相关的微生物生态学。肠道微生物植物组成的改变导致一种称为“营养不良”的疾病。生命事件发生在整个生命中（即抗生素使用情况，作为感染的疾病或药物给药）。然而，微生物的弹性恢复了可能由免疫系统帮助的正常生物状态。不过，如果发生重复的营养不良领先事件，新形状的微生物群与健康状况有太大不同，则需要微生物群修改干预措施才能恢复
图像超分辨率的生成对抗网络
单图像超分辨率（SISR）在图像处理领域起着重要作用。最近的生成对抗网络（GAN）可以在具有小样本的低分辨率图像上取得出色的结果。但是，几乎没有一些文献总结了SISR中不同的剂量。在本文中，我们从不同的角度对gan进行了比较研究。我们首先看一下甘斯的发展。第二，我们为图像应用中的大型和小样本中提供了流行的植物体系结构。然后，我们分析了基于gan的优化方法的动机，实施和差异，以及对图像超分辨率的歧视性学习，以受监督，半监督和无监督的方式来进行，在这些方面，通过整合不同的网络体系结构，先验知识，损失功能和多个任务来分析这些gans。接下来，我们通过SISR中的定量和定性分析在公共数据集上比较了这些受欢迎的gan的性能。最后，我们重点介绍了gan的挑战和SISR的潜在研究点。
20171年2月23日的分辨率CMN 4557
以艺术形式的巴西中央银行。宣布，国家货币委员会在2017年2月23日基于ART的会议上。4，本法律第七项，艺术。2，第六节和艺术。1965年7月14日的第4,728号法律的第9条，艺术。20，1965年11月29日第4,864条第1段，艺术。7和艺术。23，1974年9月12日的第6,099号法律的“ A”。1，2001年11月14日的194年法律第II项，艺术。1969年8月12日的第759号法令的第6条和艺术。1，2009年4月17日的补充法律130的第1段，
cc-seq：Spo11 DNA的核苷酸分辨率映射...
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。它是制作
2 型糖尿病诱发的超分辨率量化...
线粒体是细胞的动力源，参与细胞稳态的各种过程，尤其是能量代谢。线粒体的形态是其功能的关键指标，指线粒体的融合和分裂。在这里，我们进行了结构照明显微镜 (SIM) 来测量活细胞中的线粒体形态。得益于其纳米级分辨率，这种基于 SIM 的策略可以高灵敏度地量化线粒体的融合和分裂。此外，由于 2 型糖尿病 (T2DM) 是由能量底物利用障碍引起的，因此该策略有可能通过分析胰岛素抵抗 (IR) 细胞的线粒体形态来研究 T2DM。通过 SIM，我们发现 IR MRC-5、LO2、FHs 74 Int 和 HepG2 细胞中的线粒体裂变增加，但在具有高侵袭能力的 IR Huh7 细胞中没有增加。此外，我们发现二甲双胍可以抑制 IR 细胞中的线粒体裂变，而索拉非尼可以促进 HepG2 癌细胞中的线粒体融合，尤其是在那些 IR 细胞中。总之，线粒体裂变与 2 型糖尿病有关，具有高侵袭能力的癌细胞可能具有更强的抗能量代谢紊乱能力。此外，二甲双胍和索拉非尼在癌症中的药效学可能与抑制线粒体裂变有关，尤其是对于 2 型糖尿病患者。
普通话中歧义的韵律和手势分辨率...
抽象的说话者使用韵律来解决歧义，但是如果韵律不能做出区分，该怎么办？我们探讨了（1）说话者如何采用韵律和手势提示来处理含义模棱两可的句子，以及（2）对歧义性提供有关交流效率和努力的视听性解决方案的见解。三十二名中国人被要求阐明22个模棱两可的普通话句子。一半可以使用韵律在语义上进行区分，而一半则不能。首先，参与者自发地阐明了所有模棱两可的句子，并向同盟国提供了解释，并揭示了他们的主要解释。其次，参与者每次都以暗示不同含义的提示指导，参与者两次表达了相同的模棱两可的句子。参与者的韵律提示和手势进行了编码和分析。结果表明，对于可以韵律区分的模棱两可的句子，参与者采用了各种韵律提示，例如暂停，音调，压力和口语率。此外，有51.85％的句子伴随着参考（标志性的指向）手势，而17.33％的句子伴随着非援助（Beat;互动）手势。然而，当韵律提示无法标记歧义时，参与者采取了更多的参考手势（97.30％），但非指南的手势却更少（1.28％）。总而言之，说话者采用多模式的方法来提高交流效率，而模式之间存在权衡。索引术语：韵律，手势，中文，权衡假设，多模式歧义，沟通效率和努力
具有纳米级分辨率的 3D 打印二氧化硅
具有良好潜在应用前景的纳米结构无机材料引起了基础和实际方面的广泛研究关注。SiO 2 (二氧化硅) 是最广泛使用的无机材料之一，在微电子 1、2 、微机电系统 3、4 和微光子学 5、6 等领域需要具有纳米级分辨率的制造方法。为了制造具有所需纳米结构的二氧化硅，通常需要复杂的自上而下的图案化工艺，包括热氧化 7 和化学气相沉积 8，然后进行干 9、10 或湿 11、12 蚀刻步骤。虽然已经开发出具有高产量的成熟加工技术，但这些技术涉及使用危险化学品（例如抗蚀剂、显影剂和蚀刻剂）并且需要复杂的制造设备。此外，使用自上而下的制造方法实现纳米分辨率的复杂和/或不对称的三维 (3D) 结构非常具有挑战性。因此，对能够生产具有复杂几何形状和化学变化的 3D 二氧化硅结构的直接纳米制造技术的需求很大。新兴的增材制造 (AM) 技术或使用数字设计的 3D 打印可以通过逐层沉积 13-16 创建精细结构，以生成复杂的结构并简化制造过程。更重要的是，作为一种已得到充分证明的自下而上的技术，据报道 3D 打印可以构造曲线基底 17、非平面表面 18 和曲折的 3D 图案 19，这些超出了传统自上而下的图案化方法的能力。熔融石英玻璃的 AM 是通过对无定形富含二氧化硅的浆料 20 进行立体光刻实现的，分辨率为几十微米。尽管已经制造出具有出色光学和机械性能的明确结构，但商用 3D 打印技术提供的空间分辨率相对较低，限制了它们在微电子、微机电系统和微光子学中的应用。新兴的微数字光处理技术 2
ShuffleUNet：扩散加权 MRI 的超分辨率......
摘要 — 扩散加权磁共振成像 (DW-MRI) 可用于表征神经组织的微观结构，例如通过纤维追踪以非侵入性方式描绘脑白质连接。高空间分辨率的磁共振成像 (MRI) 将在以更好的方式可视化此类纤维束方面发挥重要作用。然而，获得这种分辨率的图像是以更长的扫描时间为代价的。由于患者的心理和身体状况，较长的扫描时间可能与运动伪影的增加有关。单图像超分辨率 (SISR) 是一种旨在从单个低分辨率 (LR) 输入图像中获得高分辨率 (HR) 细节的技术，通过深度学习实现，是本研究的重点。与插值技术或稀疏编码算法相比，深度学习从大数据集中提取先验知识并从低分辨率对应物中生成优质的 MRI 图像。在这项研究中，提出了一种基于深度学习的超分辨率技术，并已应用于 DW-MRI。 IXI 数据集中的图像已被用作地面实况，并被人工下采样以模拟低分辨率图像。所提出的方法在统计上比基线有显著的改进，并实现了 0.913±0.045 的 SSIM。索引术语 — 超分辨率、深度学习、DWI、DTI、MRI