XiaoMi-AI文件搜索系统
World File Search System图像数据
SAG-GAN：用于医学图像数据增强的半监督注意力引导 GAN
摘要 — 最近，深度学习方法，特别是卷积神经网络 (CNN)，在计算机视觉领域取得了巨大突破。此外，大规模注释数据集是成功训练过程的关键。然而，在医学领域获取这样的数据集是一个巨大的挑战。为此，我们提出了一种使用循环一致性生成对抗网络 (GAN) 生成合成医学图像的数据增强方法。我们添加半监督注意模块来生成具有令人信服的细节的图像。我们将肿瘤图像和正常图像视为两个领域。所提出的基于 GAN 的模型可以从正常图像生成肿瘤图像，反过来，它也可以从肿瘤图像生成正常图像。此外，我们表明生成的医学图像可用于提高 ResNet18 在医学图像分类中的性能。我们的模型应用于三个有限的肿瘤 MRI 图像数据集。我们首先在有限的数据集上生成 MRI 图像，然后训练三种流行的分类模型以获得最佳的肿瘤分类模型。最后，我们使用经典的数据增强方法使用真实图像训练分类模型，使用合成图像训练分类模型。这些训练模型之间的分类结果表明，与经典的数据增强方法相比，所提出的 SAG-GAN 数据增强方法可以提高准确率和 AUC。我们相信所提出的数据增强方法可以应用于其他医学图像领域，并提高计算机辅助诊断的准确性。索引词——生成对抗网络 (GAN)、数据增强、注意模块、医学图像处理
开放大脑同意：告知研究参与者并获得同意分享大脑图像数据
Abramian, D., & Eklund, A. (2019)。Refacing：使用 GAN 重建匿名面部特征。2019 年 IEEE 第 16 届国际生物医学成像研讨会 (ISBI 2019) 上发表的论文，1104 – 1108。https://doi.org/10.1109/ISBI.2019.8759515 Bishop, DVM (2016)。开放式研究实践：意想不到的后果以及避免这些后果的建议。（对同行评审开放倡议的评论）。 Royal Society Open Science，3 (4)，160109。https://doi.org/10.1098/rsos.160109 de Sitter, A., Visser, M., Brouwer, I., Cover, KS, van Schijndel, RA, Eijgelaar, RS … Vrenken, H. (2020)。神经影像中的隐私问题：删除面部特征会降低图像分析方法的性能。欧洲放射学，30 (2)，1062 – 1074。https://doi.org/10. 1007/s00330-019-06459-3 Duan, D., Xia, S., Rekik, I., Wu, Z., Wang, L., Lin, W., … Li, G. (2020)。基于皮质的个体识别和个体变异分析
在整个鼠标脑图像数据集中用于3D细胞检测的深度学习算法
了解神经系统的功能需要绘制其由功能，解剖学或基因表达定义的其组成细胞的空间分布。最近，组织制备和显微镜的发展使整个啮齿动物大脑都可以成像细胞种群。但是，手动映射这些神经元很容易偏见，并且通常不切实际。在这里，我们提出了一种开源算法，用于使用标准台式计算机硬件在鼠标全脑显微镜图像中完全自动化的3D检测神经元somata。我们通过绘制通过通过逆行反式突触病毒感染表达的细胞质荧光蛋白标记的大型细胞的大脑范围来证明我们方法的适用性和功能。
在整个鼠标脑图像数据集中用于3D细胞检测的深度学习算法
了解神经系统的功能需要绘制其由功能，解剖或基因表达定义的其组成细胞的空间分布。最近，组织制备和显微镜的发展使整个啮齿动物大脑都可以成像细胞弹出。但是，手动映射这些神经元很容易出现偏见，并且通常不切实际地消耗。在这里，我们提出了一种使用stan-dard台式计算机硬件的鼠标全脑显微镜图像中完全自动化的3D检测神经元somata的开放源算法。我们通过绘制大脑范围的位置来证明方法的应用和力量，这些位置的大脑种群用逆行跨突触性VI-RAL感染表达的细胞质泛流蛋白标记。
使用组合专题制图仪 (TM) 和航天飞机成像雷达 (SIR-B) 图像数据对植被进行特征化
与森林砍伐、碳循环、酸沉降和污染有关的重要问题。此外，全球植物信息在经济方面也很有用，例如调查粮食和纤维资源状况。许多研究人员已经研究了光学数据的信息内容，重点研究了 Landsat 传感器 [即多光谱扫描仪 (MSS) 和专题制图仪 (TM)]。遥感和植物学文献中充满了关于 MSS 和 TM 图像数据的潜在或实际用途的论文（请参阅 Colwell (1983) 的摘要）。其他研究人员已经探索了主动微波数据的信息内容（请参阅 Ulaby 等人 (1983) 的摘要）。很少有研究人员将光学和主动微波数据结合起来用于植被特征描述（Wu，1981）。在本文中，我们介绍了对加利福尼亚州某地区航天器拍摄的光学和有源微波图像数据进行综合研究的结果，该地区的草本植物和木本植被种类繁多。 1984 年 10 月，美国国家航空航天局 (NASA) 进行了第二次航天飞机成像雷达 (SIR) 任务。第一次任务 (SIR-A) 于 1981 年 11 月完成。它是一台合成孔径雷达 (SAR)，工作在 L 波段，波长为 23.5 厘米，微波发射和接收均为水平极化（即 HH 极化组合）。SIR-A 以入射角观察地球表面
SANS-CNN：一种利用宇航员图像数据来诊断航天相关神经眼部综合症的自动机器学习技术
太空飞行相关神经眼综合征 (SANS) 是太空飞行最大的生理障碍之一，需要对未来的行星任务进行评估和缓解。由于太空飞行环境是临床受限的环境，本研究的目的是使用在宇航员 SANS 光学相干断层扫描 (OCT) 图像上训练和验证的机器学习模型提供 SANS 的自动早期检测和预测。在本研究中，我们提出了一个轻量级卷积神经网络 (CNN)，它结合了 EffficientNet 编码器，用于从 OCT 图像中检测 SANS，名为“SANS-CNN”。我们使用 6303 张 OCTB 扫描图像进行训练/验证（80%/20% 分割），并使用 945 张 SANS 图像进行测试，结合地面图像和宇航员 SANS 图像进行测试和验证。使用 NASA 标记的 SANS 图像对 SANS-CNN 进行了验证，以评估准确度、特异性和敏感性。为了评估真实世界的结果，还在这个数据集上采用了两种最先进的预训练架构。我们使用 GRAD-CAM 来可视化中间层的激活图，以测试 SANS-CNN 预测的可解释性。SANS-CNN 在测试集上的准确度为 84.2%，特异性为 85.6%，敏感性为 82.8%，F1 分数为 84.1%。此外，SANS-CNN 的准确度分别比另外两种最先进的预训练架构 ResNet50-v2 和 MobileNet-v2 高出 21.4% 和 13.1%。我们还应用两种类激活图技术来可视化模型感知到的关键 SANS 特征。 SANS-CNN 代表一种使用真实宇航员 OCT 图像进行训练和验证的 CNN 模型，能够快速有效地预测在临床和计算资源极其有限的地球轨道以外的太空飞行任务中出现的类似 SANS 的情况。
使用基于本地非图像数据的人工智能临床医生模型预测 2019 年冠状病毒病患者的氧气需求
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
被证明是耗时且成本密集的，用于培训机器学习模型的标记图像数据（Assadzadeh等人20
被证明是耗时且成本密集的，用于培训机器学习模型的标记图像数据（Assadzadeh等人。2022）。由于现代游戏发动机的几乎现实渲染（Pavelka and Landa，2024），它们的使用代表了一种可能具有成本效益且节省时间的标签图像数据的替代方法。在本主题的论文中，游戏引擎的适用性以虚幻引擎为例测试。为此，开发了一般的工作流程，该工作流程可以自动化空间数据以供游戏引擎中使用，从而可以简单地创建游戏引擎中的图像和标签，并通过修改数据来确保随后进一步工作。目的是提供可直接用于培训机器学习模型的数据。
利用熔池图像数据开发定向能量沉积工艺中基于一维卷积神经网络的高度轮廓预测模型
摘要 定向能量沉积 (DED) 工艺是一种代表性的金属增材制造技术，它使用柔性沉积头，主要用于航天和海洋工业的维修。DED 工艺节省时间和金钱，因为它只修复受损的零件和部件。因此，几何控制对于经济准确地填充目标受损区域的体积非常重要。然而，效率取决于激光功率、扫描速度等工艺参数。本研究提出了一种一维卷积神经网络 (1D-CNN) 模型，利用熔池图像数据预测 DED 部件的高度轮廓。首先，对总共 9 种情况进行了 DED 实验，考虑了激光功率和扫描速度作为参数。对收集到的熔池图像数据进行预处理，只提取与感兴趣区域相关的数据。最初，从熔池图像中提取了大小、形状、位置和亮度等共 15 个特征。然后，通过置换特征重要性评估方法选择 10 个关键特征，将其输入到 1D-CNN 算法中，以预测沉积层的高度轮廓。在测试阶段，平均绝对百分比误差（MAPE）为9.55％，验证了所提模型的适用性。