XiaoMi-AI文件搜索系统
World File Search System分辨率
单细胞分辨率的计算机空间转录组编辑
动机：生成对抗网络 (GAN) 在文本引导的自然图像编辑方面取得了令人印象深刻的表现。然而，对于具有匹配基因表达和生物医学图像数据的空间转录组学 (ST) 技术，GAN 的类似效用仍未得到充分研究。结果：我们提出了硅基空间转录组编辑，可以实现基因表达引导的免疫荧光图像编辑。使用从正常和肿瘤组织切片中提取的细胞级 ST 数据，我们在 GAN（反转）框架下训练该方法。为了模拟细胞状态转换，我们将编辑后的基因表达水平输入到训练模型中。与正常细胞图像（基本事实）相比，我们成功地模拟了从肿瘤到正常组织样本的转变，并以可量化和可解释的细胞特征来衡量。可用性和实施：https://github.com/CTPLab/SST-editing 。
重新思考多对比度MRI超分辨率：矩形...
最近，几种方法探索了多对比磁共振成像（MRI）超分辨率（SR）的潜力，并获得了优于单对比SR方法的结果。但是，现有方法仍然存在两个缺点：（1）它们只能解决固定的Inter Intermpling量表，例如2×，3×和4倍，它们需要培训并存储临床上每个UPSMPLAING SCALE的相应模型。（2）他们在采用方形窗口（例如8×8）变形金刚网络档案时缺乏直接交互，这导致长范围依赖性的建模不足。此外，参考图像和目标图像之间的关系尚未完全挖掘。为了解决这些问题，我们开发了一个新颖的网络，用于多对比度MRI任意规模的SR，被称为McASSR。具体来说，我们设计了矩形窗口交叉注意变压器，以在MR图像中建立长期依赖性，而无需增加计算复杂性并完全使用参考信息。此外，我们提出了参考吸引的隐式关注，作为提升的模式，通过隐式神经表示实现了任意规模的超分辨率，进一步融合了参考图像的补充信息。在公共和临床数据集上进行了广泛而全面的实验表明，我们的MCASSR比SOTA方法产生了卓越的性能，这表明其在临床实践中的巨大潜力。代码将在https：//github.com/guangyuankk/mcassr上找到。
揭开空间分辨率自身免疫性甲状腺疾病的分子结构
自身免疫性甲状腺疾病（AITD），例如Graves疾病（GD）或Hashi-Moto的甲状腺炎（HT）是器官特异性疾病，涉及甲状腺组织的不同成分之间的复杂相互作用。在这里，我们使用空间转录组学探索存在于甲状腺组织中的不同细胞的分子结构，异质性和位置，包括甲状腺卵泡细胞（TFC），基质细胞，如纤维卷素细胞，例如卷布细胞，内皮细胞，内皮细胞和甲状腺纤维细胞。我们在AITD患者的甲状腺样品中鉴定出具有上调的CD74和MIF表达的受损的抗原呈递TFC。此外，我们辨别结缔组织中的两个主要纤维细胞亚群，包括ADIRF +肌细胞细胞，主要富含GD，以及富含HT患者的弹药纤维细胞。我们还证明了AITD中的Fenstryplatsplvap +容器的增加，尤其是在GD中。我们的数据揭示了可能在AITD发病机理中起作用的基质和甲状腺上皮细胞亚群。
SEGGER 宣布支持意法半导体的STM32C0 MCU 系列
SEGGER 的高性能实时操作系统 embOS-Ultra 也已支持 STM32C0 系列。它使用循环分辨率计 时，提供更高的精度和时间分辨率。使用 embOS-Ultra 可提高性能并节省功耗，它还为应用 程序提供了可同时使用基于周期和基于微秒的计时选项。 API 与 embOS 完全兼容，使迁移变 得简单，无需更改应用程序，并保持 embOS 行为。 embOS-Ultra 只是在使用新的附加 API 调 用时提供循环计时，不用在两者之间做出选择。了解 embOS-Ultra ，可以点击文章： embOS- Ultra ：高分辨率系统时间
高温超导薄膜与超导机理研究
当需要一个低噪声 ，超 稳定 ， 高分辨率的偏置电 压时 ， DC205 是您正确的选择 。 它的双极四象限 输出可提供具微伏分辨率的高达 100 伏电压。其 电流可达 50 mA 。在 4 线模式下 （ 远程感测 ）， 此仪器会校正引线电阻 ， 从而为您的负载提供 准确的电势。 DC205 在 24 小时内的输出稳定性 为出色的 ±1 ppm 。 采用线性电源 ， 用户完全无 需担心高频噪声。
从高分辨率无人机图像中检测倒下的原木
（NFI）2001 年至 2004 年间，挪威云杉占森林覆盖面积的 47.7%（ÚHÚL 2007），是捷克境内分布最广泛的树种。挪威云杉生长迅速且相对容易管理，因此许多森林所有者青睐云杉单一栽培，这极大地改变了中欧的天然森林生态系统。在过去的一个世纪中，本土物种和非本土物种组成比例的快速变化（Böhm 1981）以及不稳定的云杉单一栽培的广泛建立逐渐导致林业灵活性的丧失，许多地区更容易受到生物和非生物损害（Klimo 等人 2000）。此外，由于气候变化带来的极端和不可预测的天气条件的风险，预计未来林地遭受的风灾将会增加（Seidl 等人 2017）。风倒干扰后的损害评估是森林管理和生态监测的重要组成部分。
此微管不存在：扩散模型的超分辨率显微镜图像生成
生成模型（例如扩散模型）在近年来已取得了重大进步，从而使能够在各个领域综合高质量的现实数据。在这里，我们探讨了从公开可用数据库的超分辨率显微镜图像的扩散模型的适应和培训。我们表明，生成的图像类似于实验图像，并且生成过程不会记住训练集中的现有图像。此外，我们比较了使用我们生成的高分辨率数据与使用样本数学建模获得的高分辨率数据训练的基于深度学习的反卷积方法的性能。使用一个小的实际训练数据集，我们可以根据空间分辨率获得出色的重建质量，从而表明了准确的虚拟图像生成的潜力，以克服收集和注释图像数据的局限性进行培训。最后，我们使我们的管道公开可用，可在线运行和用户友好，以使研究人员能够生成自己的合成显微镜数据。这项工作证明了生成扩散模型对显微镜任务的潜在贡献，并为其在该领域的未来应用铺平了道路。
安全协议验证者proverif及其喇叭子句分辨率算法
安全协议的验证是自1990年代以来非常活跃的研究领域。安全协议无处不在：Internet（特别是用于https：// connections使用的TLS协议），WiFi，移动电话，信用卡，。。。。众所周知，他们的设计容易出错，并且未通过测试检测到错误：仅当对手试图攻击协议时，它们才会出现。因此，正式验证它们很重要。为了使安全协议形式化，需要为其数学模型。通常会考虑一个活跃的对手，可以收听网络上发送的消息，计算自己的媒介，然后将它们发送到网络上，就好像它们来自诚实的参与者一样。为了促进协议的自动验证，大多数协议验证者都考虑了加密的符号模型，也称为“ dolev-yao模型” [18，15]。在此模型中，加密原语（例如加密）被视为理想的黑盒，以功能符号为代表。消息是通过这些原始词的术语建模的；并且对手仅限于应用定义的原语。这也称为完美的加密假设：对手解密消息的唯一途径是将解密函数与正确的密钥一起使用。在这样的模型中，协议验证的主要任务之一是计算对手的知识，即对对手可以获得的一组术语。这仍然是并非繁琐的，因为该集合通常是无限的，但是它比有关斑点和概率的推理要简单得多。两个最广泛使用的符号协议验证者可能是proverif [11]和tamarin [17]。有关协议验证领域的更多详细信息，我们将读者转移到调查[10，6]。在本文中，我们专注于协议验证者proverif，可以从https://proverif.inria.fr下载。我们在下一节中介绍了王朝的概述，并关注其喇叭条款分辨率算法。
用不同分辨率模拟的太阳日珥大振幅纵向振荡
背景。近几十年来，人们对太阳日珥中的大振幅纵向振荡 (LALO) 进行了广泛的研究。然而，它们的衰减和放大机制尚不清楚。目的。在本研究中，我们使用高分辨率数值模拟研究了 LALO 的衰减和放大，空间分辨率逐渐提高。方法。我们使用包含倾角区域的二维磁配置对 LALO 进行了时间相关的数值模拟。在磁倾角中加载日珥质量后，我们通过沿磁场扰动日珥质量来触发 LALO。我们使用四个空间分辨率值进行了实验。结果。在分辨率最高的模拟中，周期与摆模型非常吻合。收敛实验表明，随着分辨率的提高，阻尼时间在底部日珥区域达到饱和，这表明振荡衰减存在物理原因。在日冕顶部，振荡在最初几分钟内被放大，然后缓慢衰减。特征时间表明在具有最高空间分辨率的实验中放大更显著。分析表明，底部和顶部日冕区域之间的能量交换是导致 LALO 衰减和放大的原因。结论。高分辨率实验在研究 LALO 的周期和阻尼机制时至关重要。只有使用足够高的空间分辨率时，周期才与摆模型一致。结果表明，在空间分辨率不足的模拟中，数值扩散可能会隐藏重要的物理机制，例如振荡放大。
陀螺仪机械和电子相位漂移调查，分辨率为 2 μrad/√Hz
在当前的集成电路实现中，无法实时测量 Δ𝜙 𝐷𝑆，但如果最初校准了误差 Δ𝜙 𝐷𝑆 (𝑇)，则可以实现其在线温度补偿。虽然很少有作品介绍过这个问题 [2-4]，但它们都没有 (i) 设想出专用的装置来测量漂移 Δ𝜙 𝐷𝑆 (𝑇) ，(ii) 确定了此类测量的关键噪声贡献，以及 (iii) 通过实验从电子耦合漂移中分离出由模式分裂和品质因数的温度变化引起的机械漂移。这项工作完成了所有这些任务，使用图 1a 所示的三轴单驱动陀螺仪的俯仰轴作为测试设备。该设备的频率在 20 kHz 范围内，间隔约 500 Hz，驱动和感应品质因数分别在 7000 和 700 范围内 [5]。