XiaoMi-AI文件搜索系统
World File Search System同质性
MODIS 红外海面温度算法... - NASA
该算法正在 MODIS 海洋团队计算设施 ( MOTCF ) 上开发，用于 EOS 数据和信息系统 ( EOSdis ) 核心处理系统和迈阿密大学罗森斯蒂尔海洋与大气科学学院的科学计算设施。Sea_sfc 温度测定基于卫星红外海洋温度检索，使用多个 MODIS 中红外和远红外波段的组合对大气吸收进行校正。云筛选基于两种方法：使用云筛选产品 (3660) 和在 SST 检索期间得出的云指标。后一种方法包括通过一系列负阈值、空间同质性和增量气候学测试的单独检索。质量评估 SST 输出产品是由估计的 SST 值、输入校准辐射度和每个波段的导出亮度温度、量化云筛选结果的标志、扫描坐标信息、纬度、经度和时间组成的矢量。
使用卷积神经网络进行 ADHD 分类的 fMRI 特征提取模型
生物医学智能为疾病和障碍的自动诊断提供了一种预测机制。随着计算生物学的进步，神经成像技术已广泛应用于临床数据分析。注意力缺陷多动障碍 (ADHD) 是一种精神障碍，其症状包括注意力不集中、冲动和多动，早期诊断对于预防不良后果至关重要。本研究通过评估多种特征提取方法，利用静息状态大脑的功能性磁共振成像 (fMRI) 数据解决 ADHD 识别问题。比较应用基于种子的相关性 (SBC)、低频波动分数幅度 (fALFF) 和区域同质性 (ReHo) 的特征来获得特异性和敏感性。这有助于确定使用卷积神经网络 (CNN) 进行 ADHD 分类的最佳特征。使用 fALFF 和 ReHo 的方法的准确率为 67%，而 SBC 的准确率在 84% 到 86% 之间，灵敏度在 65% 到 75% 之间。
使用卷积神经网络进行 ADHD 分类的 fMRI 特征提取模型
生物医学智能为疾病和障碍的自动诊断提供了一种预测机制。随着计算生物学的进步，神经成像技术已广泛应用于临床数据分析。注意力缺陷多动障碍 (ADHD) 是一种精神障碍，其症状包括注意力不集中、冲动和多动，早期诊断对于预防不良后果至关重要。本研究通过评估多种特征提取方法，利用静息状态大脑的功能性磁共振成像 (fMRI) 数据解决 ADHD 识别问题。比较应用基于种子的相关性 (SBC)、低频波动分数幅度 (fALFF) 和区域同质性 (ReHo) 的特征来获得特异性和敏感性。这有助于确定使用卷积神经网络 (CNN) 进行 ADHD 分类的最佳特征。使用 fALFF 和 ReHo 的方法的准确率为 67%，而 SBC 的准确率在 84% 到 86% 之间，灵敏度在 65% 到 75% 之间。
公共管理的数字化转型......
公共行政和公共服务的数字化转型已成为全球许多政府的迫切需求。本文旨在通过COVID-19大流行的影响探索公共行政数字化转型的同质性和步伐，并确定欧盟层面研究过程的问题和预测。采用聚类分析的方法研究欧盟公共行政数字化转型的相似性。通过趋势分析研究了COVID-19大流行背景下公共行政数字化的步伐。研究结果表明，欧盟国家根据公共行政数字化水平分为五个集群，各集群之间存在明显的数字差距。COVID-19大流行扩大了差距，可能影响欧盟数字化社会和建立电子政务的战略。2020年至2021年的公共电子服务使用率高于趋势分析对2009年至2019年的预测。这表明在COVID-19大流行期间欧盟的数字化进程有所加速。所提出的技术可用于预测任何国家或国家集团的数字化水平。
用于开发下一代技术的数字平台...
抗体药物偶联物 (ADC) 使用抗体实现将治疗药物靶向递送至特定细胞群和组织。在肿瘤学中，ADC 用于选择性消除肿瘤，同时减少与常规化疗相关的脱靶效应。在这里，我们介绍了 Genedata Biologics ® 如何支持和加速从抗体筛选和工程到抗体表达、纯化、药物偶联以及 ADC 特定分析（例如 DAR、药物分布、同质性）报告的整个 ADC 发现过程。该平台能够自动生成、注册和跟踪大量 ADC 候选物，并将分析和功能分析的结果整合到一个集成系统中，从而大幅提高 ADC 发现过程的吞吐量和效率。该系统还支持其他下一代抗原靶向偶联物，包括双特异性 ADC、替代支架（例如 scFV、DARPins）和新型有效载荷（例如寡核苷酸、抗生素），以加速这些新技术的应用。
手动计算解剖工具箱 - CAT12
VBM 数据 ● 使用默认值分割数据（对纵向数据使用分段纵向数据）。现在可用于 VBM 的结果分割保存在“mri”文件夹中，灰质的分割名为“mwp1”，白质的分割名为“mwp2”。如果您使用了纵向管道，则灰质的默认分割名为“mwp1r”或“mwmwp1r”（如果选择了用于检测较大变化的纵向模型）。 ● 获取总颅内容积 (TIV) 以校正不同的脑部大小和体积。选择保存在“报告”文件夹中的 xml 文件。 ● 使用检查样本检查 VBM 数据的数据质量（可选择将 TIV 和年龄视为干扰变量）。从第一步中选择灰质或白质分割。 ● 平滑数据（建议起始值为 6-8mm 1）。从第一步中选择灰质或白质分割。 ● 指定具有平滑灰质或白质分割的二级模型，并检查设计正交性和样本同质性：
图像处理研究 - 开放期刊系统
本研究使用复杂的图像处理技术来处理评估牛奶鱼的新鲜度的重要问题。通过RESNET-101培训的CNN分类方法的研究人员通过严格的评估过程进行了培训，其中包括GLCM功能提取，参数设置和彻底的混淆矩阵评估。在各种新鲜度水平上仔细分析了图像增强和图像分割技术对GLCM提取过程中纹理特征的影响，测量对比度，同质性，相关性和能量值。使用ADAM优化的训练，批量大小为16，学习率为0.0001和30个时代，建议的CNN配置为产生平衡的收敛期23分钟36秒。建议的方法在评估方面表现出色，在整个培训中达到了99.72％的出色精度。在测试阶段进行的其他测试证实了其有效性，因为所有指标（召回，精度和F1得分）保持在100％。这些结果突出了此特定图像处理工作中基于Resnet-101 CNN的弹性，并证明了其在正确分类牛奶新鲜度水平方面的有效性。
用壳测量
图4。刺激记录和使用壳测量。（a）带有封装器官的3D壳MEA的图像。在孵化器内部保留的同时，刺激和记录了类器官。（b）3D-Shell MEA的示意图，并标有北，东和西的三个传单。（c）图显示了通过所有三个电极将20 µA的刺激电流发送到类器官时，显示了记录的电压。（d）所有三个电极的记录电压轮廓图显示从类器官收集的信号。与（c）中所示的刺激相对应的峰将从此轮廓中删除。（e）八周龄的类器官的代表性最大强度Z练习图显示了核（I）和绿色，紫色，紫色和黄色（ii）中所示的核（Hoechst），神经元干细胞（SOX2）和轴突（NF-H）的存在。染色说明了器官内的细胞同质性。在20倍拍摄图像。比例尺为100 µm。
在基于大脑的整个学习中的保留成就是...
学习模型应该能够提高学生的学习能力。基于大脑的整体学习（BBWL）模型是可以改善学生保留成就的替代学习模型之一，并得到科学素养和概念的支持。本研究旨在确定BBWL模型对学生科学素养，概念掌握和保留的影响。这种研究方法是准实验性的，随机进行四个类别的样本。总样本是132名XI级科学专业学生的学生，在玛德拉萨·阿里亚·班格鲁（Madrasah Aliyah Bengkulu）中，他们参加了生物学。进行假设测试后，使用ANOVA测试分析数据，即正态性和数据同质性测试。结果显示了BBWL模型对学生科学素养技能，概念的掌握和保留的影响。具有BBL，WBT和控制的BBWL模型之间存在显着差异。根据研究结果，可以得出结论，BBWL模型可以通过支持良好的科学素养和概念精通的结果来改善学生的保留成就。关键字：BBWL，基于大脑的整个学习教学模型，保留，科学素养，概念掌握
硅中电子自旋的量子非破坏读出
虽然单次检测硅自旋量子比特现在已成为实验室常规操作，但大规模量子计算设备中量子误差校正的需求需要量子非破坏 (QND) 实现。与传统方法不同，QND 自旋读出对探测的自旋极化施加的干扰最小，因此可以重复进行以消除测量误差。在这里，我们表明，通过探测与量子比特自旋 Ising 耦合的相邻点中的另一个电子自旋，可以以高度非破坏的方式测量硅中的电子自旋量子比特。高非破坏保真度（平均 99%）使单个自旋状态的读出重复超过 20 次，在 1.2 毫秒内产生高达 95% 的总体平均测量保真度。我们进一步证明，我们的重复 QND 读出协议可以实现预期的高保真度（>99.6%）基态制备。我们基于 QND 的测量和准备，由相同类型的第二个量子位介导，将允许在硅中实现具有电子自旋的多种量子信息协议，而不会损害结构的同质性。