XiaoMi-AI文件搜索系统
World File Search System四类
全球背景下的需求和分配制度
本文旨在从理论和实证上分析全球价值链 (GVC) 背景下需求与供应之间的相互作用。首先，我们受近期结构主义和后凯恩斯主义文献的启发，建立了一个理论框架，以建立全球化生产链情景中的需求和分配制度。我们根据国际收支约束文献 (Blecker & Setterfield, 2019) 定义 (1) 需求制度，重点关注贸易、投资和国家在全球价值链中的地位。 (2) 分配/供应制度，以就业、增值和成本来定义。从理论框架中，我们选择代理来表征这两种制度。受 Braunstein 等人 (2020) 使用的方法的启发，我们使用主成分分析 (PCA) 来总结这些制度。PCA 使我们能够识别不同国家和地区的增长和分配模式，并将它们分为四类。数据集包含 38 个国家，数据来源为世界发展指标 (WDI)、世界投入产出数据库 (WIOD)、贸易增加值 (TiVA) 和宾夕法尼亚世界表 (PWT)。一方面，本文为结构主义增长模型做出了贡献，这些模型通常独立估计需求和分配制度，从而为 GVC 背景下的经济增长制度提供了统一的叙述。另一方面，四重类型学描述了不同地理区域的增长动态如何明显不同，以及全球化如何保留并加速全球不平衡发展的过程。
afrli61-102.pdf - 空军
本指令实施 DAFPD61-1 和 10 美国法典 (U.S.C.)4123，也称为国防部 (DoD) 资助实验室增强 (X) 四类 (FLEX-4) 权力，应与空军部政策指令 (DAFPD) 61-1、科学技术企业管理以及 AFRL 指令 (AFRLI) 90-104 第 3 卷、空军研究实验室创新解决方案近期需求结合使用。10 U.S.C.4123 建立了机制，国防实验室主任可以使用不低于国防实验室可用资金总额的 2% 且不超过 4% 的资金用于四个特定类别。本说明为 AFRL 提供了有关资金正确使用和项目选择程序的指导和程序，如 10 U.S.C.4123 所指示的。此外，还描述了参与 AFRL 的 FLEX-4 授权实施的关键人员的角色和职责。使用空军部 (DAF) 表格 847《出版物变更建议》将建议的变更和有关本出版物的问题提交给 OPR；通过适当的指挥链传递 DAF 表格 847。豁免请求必须提交给 OPR 进行审议和批准。确保根据本出版物中描述的流程创建的所有记录均按照空军指令 (AFI) 33-332《记录管理和信息治理计划》进行维护，并按照空军记录处置时间表进行处置。
新的航空航天技术有望在空中发生巨大变化……
本杰明·S·兰贝斯 红外力量与信息力量相结合，可以说已成为大多数战争环境下的主导力量。自第二次世界大战以来，红外力量为美国和盟军地面部队提供了不受上空干扰的行动自由。现在，通过技术发展和精明的作战概念的结合，如果能够明智地利用眼前的可能性，红外力量可能会成为国家力量中更为关键的因素。 过去十年，许多空中力量手段从高级开发演变为作战使用。这些系统主要集中在隐身、精确防区外攻击和增强信息可用性方面。1991 年的海湾战争中，这些能力首次在战斗中结合在一起。在技术、条令、作战概念和领导力前所未有的融合下，联军迅速取得了不容置疑的空中优势。今天，无论是已经拥有的还是即将出现的航空航天新技术，都有望带来更为剧烈的变化，进一步拉大拥有这些技术的国家与未拥有这些技术的国家之间的差距。就系统的技术性质而言，这些发展很可能导致程度上的变化，而不是性质上的变化。即便如此，从操作的角度来看，它们预示着质的变化。这些技术分为四类： • 先进平台。F-22 战斗机是第一款下一代战斗机
基于X射线和深度学习的尘肺病计算机辅助诊断系统
摘要 目的：本研究旨在利用X射线和深度学习算法构建正常人和尘肺病的计算机辅助诊断系统。材料与方法：实验收集了2017年1月至2020年6月期间1760张真实患者的匿名数字X射线图像。为了使模型的特征提取能力更加集中在肺部区域，抑制外界背景因素的影响，建立了由粗到细的两阶段流水线。首先，使用U-Net模型提取采集图像两侧的肺部区域；然后，采用结合迁移学习策略的ResNet-34模型对提取出的肺部区域的图像特征进行学习，实现尘肺病患者和正常人的准确分类。结果：在收集的1760例病例中，分类模型的准确率为92.46%，曲线下面积为89%。结论：深度学习在尘肺病诊断中的成功应用进一步证明了医疗人工智能的潜力，并证明了我们提出的算法的有效性。然而，当我们进一步将尘肺病患者和正常人分为四类时，我们发现整体准确率下降到70.1%。我们将在未来的研究中使用CT模态来提供更多肺部区域的细节。关键词：尘肺病诊断，X射线，深度学习，U-Net，ResNet
利用功能性近红外光谱衍生的生物标志物对神经精神疾病进行四级分类
摘要：大多数神经精神疾病的诊断依赖于主观测量，这使得最终临床决策的可靠性值得怀疑。本研究的目的是提出一种基于机器学习的分类方法，利用功能性近红外光谱 (fNIRS) 衍生的生物标志物对三种神经精神或神经系统疾病进行客观诊断。十三名健康青少年和六十七名临床诊断为偏头痛、强迫症或精神分裂症的患者执行了 Stroop 任务，同时用 fNIRS 监测前额皮质血流动力学。提取血流动力学和认知特征来训练三种监督学习算法（朴素贝叶斯 (NB)、线性判别分析 (LDA) 和支持向量机 (SVM)）。通过十次十倍交叉验证程序运行来测试每种算法在四个类别中正确预测每个参与者的类别的性能。所有算法均实现了四类分类性能，准确率超过 81%，特异性超过 94%。SVM 在准确率（85.1 ± 1.77%）、敏感度（84 ± 1.7%）、特异性（95 ± 0.5%）、精确度（86 ± 1.6%）和 F1 分数（85 ± 1.7%）方面表现最佳。fNIRS 衍生特征用于自动分类时没有主观报告偏差。所提出的方法可能对协助客观诊断与额叶功能障碍相关的神经精神疾病具有巨大潜力。
BCM-VEMT：根据 MRI 对脑癌进行分类...
摘要：脑癌很可能是近年来导致死亡的最主要原因。正确诊断癌症类型使专家能够选择正确的治疗方法和决策，从而挽救患者的生命。具有图像处理功能的计算机辅助诊断系统能够正确分类肿瘤类型，其重要性不言而喻。本文提出了一种增强方法，该方法可以使用深度学习和机器学习算法集合对磁共振图像 (MRI) 中的脑肿瘤类型进行分类。名为 BCM-VEMT 的系统可以对四个不同的类别进行分类，包括三类脑癌（神经胶质瘤、脑膜瘤和垂体）和非癌性（即正常类型）。开发了一种卷积神经网络来从 MRI 图像中提取深度特征。然后将这些提取的深度特征输入到多类 ML 分类器中，以对这些癌症类型进行分类。最后，使用加权平均分类器集合通过组合每个 ML 分类器的结果来实现更好的性能。该系统的数据集共有四类 3787 张 MRI 图像。BCM-VEMT 的表现更佳，胶质瘤类准确率为 97.90%，脑膜瘤类准确率为 98.94%，正常类准确率为 98.00%，垂体类准确率为 98.92%，总体准确率为 98.42%。BCM-VEMT 在对脑癌类型进行分类方面具有重要意义。
CRISPR技术在植物基因组编辑中的应用
新型基因编辑技术中使用的核酸酶主要有四类，分别是：巨核酸酶、锌指核酸酶（ZFN）；转录激活因子样效应核酸酶 (TALEN)；以及成簇的规律间隔的短回文重复序列 (CRISPR) 相关 (Cas) (Gaj 等人，2016)。巨核酸酶是一种在特定区域切割 DNA 的内切核酸酶，可识别大于 12 bp（碱基对）的序列。 LAGLIDADG 巨核酸酶家族包含 I-CreI 和 I-SceI，它们是第一种用于基因编辑的酶。由于只有少数氨基酸残基与核苷酸接触，这些酶被设计用于在特定位点切割基因（Paques；Duchateau，2007）。此外，ZFN 是一种人工酶，也是最早用于诱导植物靶向突变的酶之一。这些酶是由锌指型结构域和限制性酶 Fok I 的结构域融合产生的。与基因编辑中使用的其他核酸酶一样，ZFN 会在需要修复的 DNA 特定位置插入双链断裂 (DSB)，并且由于修复机制中的故障，可能会出现突变 (Carroll, 2011)。使用该系统的主要问题是这种酶的高毒性，以及它会产生许多脱靶效应（Cornu et al., 2008; Ramirez et al., 2008），这会损害不应改变功能的基因的功能（Zhang et al., 2015）。随着版本的合并
传感器
摘要：脑电信号被广泛应用于情绪识别，但目前基于脑电信号的情绪识别准确率较低，实时性受到限制。针对这些问题，本文提出了一种改进的特征选择算法来基于脑电信号识别受试者的情绪状态，并结合该特征选择方法设计了一种在线情绪识别脑机接口系统。具体而言，首先提取时域、频域、时频域不同维度的特征；然后采用改进的多阶段线性递减惯性权重（MLDW）粒子群优化（PSO）方法进行特征选择。MLDW算法可以很容易地优化惯性权重的递减过程；最后采用支持向量机分类器对情绪类型进行分类。我们从32名受试者采集的DEAP数据集中的脑电数据中提取了不同的特征，进行了两次离线实验，结果表明四类情绪识别的平均准确率达到了76.67%。与最新基准相比，我们提出的MLDW-PSO特征选择提高了基于脑电的情绪识别的准确率。为了进一步验证MLDW-PSO特征选择方法的有效性，我们开发了一个基于中文视频的在线二类情绪识别系统，对10名健康受试者取得了良好的效果，平均准确率达到了89.5%。证明了我们方法的有效性。
使用 YOLOv10 进行脑肿瘤检测和分类...
洛克奈特戈皮纳特吉蒙德工程教育与研究学院 (LOGMIEER)，纳西克，印度 摘要：先进的医学成像技术与人工智能 (AI) 的结合极大地提高了脑肿瘤的早期发现和诊断。本文介绍了一种使用 YOLOv10（You Only Look Once）模型进行脑肿瘤检测和分类的新型系统，该系统通过由大型语言模型 (LLM) 驱动的 AI 聊天机器人进行增强。利用 YOLOv10 的实时物体检测功能，该系统可以准确地将 MRI 图像中的脑肿瘤分为四类：神经胶质瘤、脑膜瘤、垂体和无肿瘤。这种基于深度学习的方法可以确保快速准确地分析复杂的医学图像。此外，还集成了一个 AI 聊天机器人，为患者和医疗专业人员提供无缝交互和信息检索。利用 LLM，聊天机器人提供高级对话能力，根据检测到的肿瘤特征提供有关肿瘤类型、潜在治疗方法和进一步医疗建议的详细解释。这种双系统方法旨在提高诊断准确性，同时提供实时、可访问的支持，最终改善医务人员的决策并改善患者的治疗效果。所提出的系统体现了尖端人工智能技术与医疗诊断之间的协同作用，展示了彻底改变患者护理的潜力。关键词：YOLOv1o、法学硕士、聊天机器人、脑肿瘤、松果
利用多时相多光谱机载激光扫描、Sentinel-2 和移动激光扫描进行地图更新
摘要。遥感技术的快速发展为进一步发展目前主要基于被动航空图像的全国测绘程序提供了有趣的可能性。特别是，我们假设多时相机载激光扫描 (ALS) 在地形测绘方面具有巨大的未被发现的潜力。在本研究中，首次测试了多时相多光谱 ALS 数据的自动变化检测。结果表明，直接比较不同日期的高度和强度数据可以揭示与郊区发展相关的微小变化。未来工作的主要挑战是将变化与地图制作中感兴趣的对象联系起来。为了在未来的测绘中有效利用多源遥感数据，我们还研究了卫星图像和地面数据补充多光谱 ALS 的潜力。开发并测试了一种从 Sentinel-2 卫星图像时间序列中进行连续变化监测的方法。最后，使用地面移动激光扫描获取高密度点云并自动将其分为四类。将结果与 ALS 数据进行比较，并讨论了不同数据源在未来地图更新过程中可能发挥的作用。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。全部或部分分发或复制本作品需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.JRS.13.4.044504]