XiaoMi-AI文件搜索系统
World File Search System映像
结果报告安装在无人机上的 SAR 重复通过干涉测量...
无人机SAR，由2）成像算法+干扰算法、3）无人机、4）无人机控制算法、5）单双观测实验、6）数据分析工作组成。尽管这项研究非常新颖，但挑战在于如何继续该项目，而SAR的设计、可视化软件的开发以及数据分析都是由东京电机大学开发的主要研究机构进行的。无人机及其控制规则，由拥有实验场地（北海道大树町）的联合研究员JAXA承担了实验操作的责任。 SAR 根据东京电机大学的设计进行了这项实验，外包给供应商，并有偿借出制造的设备。
使用图形编译器和容器优化 AI 训练部署
摘要 — 基于深度神经网络 (DNN) 或深度学习 (DL) 的人工智能 (AI) 应用因其在解决图像分析和语音识别等问题方面的成功而变得流行。训练 DNN 需要大量计算，而高性能计算 (HPC) 一直是 AI 发展的关键驱动力。虚拟化和容器技术促成了云和 HPC 基础设施的融合。这些具有不同硬件的基础设施增加了部署和优化 AI 训练工作负载的复杂性。可以使用特定于目标的库、图形编译器以及通过改进数据移动或 IO 来优化 HPC 或云中的 AI 训练部署。图形编译器旨在通过为目标硬件/后端生成优化代码来优化 DNN 图的执行。作为 SODALITE（Horizon 2020 项目）的一部分，MODAK 工具旨在优化软件定义基础设施中的应用程序部署。 MODAK 使用数据科学家的输入和性能建模，将最佳应用程序参数映射到目标基础架构并构建优化的容器。在本文中，我们介绍了 MODAK，并回顾了 AI 的容器技术和图形编译器。我们说明了使用图形编译器和 Singularity 容器优化 AI 训练部署。使用 MNIST-CNN 和 ResNet50 训练工作负载的评估表明，定制的优化容器优于 DockerHub 的官方映像。我们还发现图形编译器的性能取决于目标硬件和神经网络的复杂性。索引术语 —MODAK、SODALITE、HPC、云、性能优化、AI 训练、Singularity 容器、图形编译器
在深层转录组数据集中研究RNA编辑，并用重新分类
RNA编辑是一种广泛的转录后机制，能够通过插入/缺失或基本替换来修改成绩单。它在哺乳动物中很突出，其中数百万腺苷被酶的成员脱离插入。a-to-i RNA编辑具有大量的生物学功能，但在大规模转录组数据集中的检测仍然是未解决的计算任务。为此，我们开发了Reditools，这是第一个软件包，该软件包专门用于RNA编辑Pro filefifing RNA序列（RNASEQ）数据。它已成功地用于人类转录组中，证明了RNA编辑的组织和细胞类型特异性及其普遍性。在我们的专业重复数据库中收集了有关人类RNASEQ数据的大规模重新分析分析的结果，其中包含超过450万个事件。在这里，我们详细描述了两个基于我们的计算资源，重新数字和重复的生物信息学过程。在第一个程序中，我们概述了在人类细胞系NA12878中检测RNA编辑的工作流，为此，转录组和整个基因组数据可用。在第二个程序中，我们展示了如何在亨廷顿疾病供体的验尸样本中鉴定在特定的重新编码位点上的非调节编辑。在64位计算机上运行≥32GB的随机存储器（RAM）的Linux上，这两个过程均应使用4至24个内核，〜76 h。我们的方案旨在研究具有可用转录组和/或基因组读数的不同生物体中的RNA编辑。可以在https://github.com/bioinfouniba/reditools上获得完成这两个过程和Docker映像的脚本。
II-III期非小细胞肺癌的围手术期免疫疗法：随机对照试验的荟萃分析基础
1代谢与生理学系，H。LeeMoffitt癌症中心和研究所，坦帕，佛罗里达州33612，美国； pietro.irrera@moffitt.org（p.i.）; bordway@mgh.harvard.edu（b.o.）; sultandamgaci@gmail.com（S.D.-E.）2李·莫菲特癌症中心和研究所免疫学系，美国坦帕，佛罗里达州33612，美国； oluwaseyi.oluwatola@moffitt.org（O.E.O。）3美国南部佛罗里达大学分子医学系，佛罗里达州坦帕市，美国4美国4比较医学，南佛罗里达大学，坦帕大学，佛罗里达州坦帕市，美国5号，美国5马萨诸塞州综合医院，马萨诸塞州波士顿，马萨诸塞州，马萨诸塞州02115，美国6美国，美国6号生物科学系，伊利诺斯大学Lee Moffitt癌症中心和研究所，坦帕，佛罗里达州33612，美国8意大利国家研究委员会（CNR）的生物结构与生物映像研究所（IBB），意大利10126年； dariolivio.longo@cnr.it 9 Helix BioPharma Corp., Bay Adelaide Centre-North Tower, 40 Temperance Street, Suite 2700, Toronto, ON M5H 0B4, Canada 10 Department of Pathology, H. Lee Moffitt Cancer Center and Research Institute, Tampa, FL 33612, USA 11 Small Animal Imaging Laboratory (SAIL), H. Lee Moffitt Cancer Center and Research Institute,坦帕，佛罗里达州33612，美国； drjustinlau@gmail.com *通讯：arig.ibrahimhashim@moffitt.org†这些作者对这项工作做出了同样的贡献。•当前地址：默克公司，770 Sumneytown Pike，West Point，PA 19486，美国。§当前地址：GE Healthcare，NY 12309，美国。
![arxiv：2409.17759v1 [eess.iv] 26 Sep 2024](/simg/2\2a76c65d7eeb83c3905c9889ad37609048111e07.webp)
arxiv：2409.17759v1 [eess.iv] 26 Sep 2024
在同一场景中捕获不同的强度和光线的方向，光场（LF）可以将3D场景提示编码为4D LF映像，该图像具有广泛的范围（即，捕获后的重新集中和深度感测）。LF图像超分辨率（SR）旨在通过LF相机传感器的性能来改善图像分辨率。尽管现有方法取得了令人鼓舞的结果，但这些模型的实际应用是有限的，因为它们不够轻巧。在本文中，我们提出了一个名为LGFN的轻量级模型，该模型集成了不同视图的Lo local和全局特征以及LF Image SR的不同频道的特征。具体而言，由于不同的子孔径图像中相同像素位置的相邻区域表现出相似的结构关系，因此我们设计了一个基于CNN的轻质CNN特征表演模块（即DGCE），以更好地通过特征调节提取局部特征。同时，随着LF图像中边界之外的位置呈现出很大的差异，我们提出了一个有效的空间注意模式（即ESAM）（即ESAM），使用可分解的大内核卷积来获得扩大的接受场，并获得了一个扩大的接收场和效率的通道注意模块（即，Ecam）。与具有较大术语的现有LF图像SR模型相比，我们的模型的参数为0.45m，拖失术为19.33G，这已经达到了竞争效果。进行消融研究的实验实验证明了我们提出的方法的效率，该方法对NTIRE2024光场超级分辨率挑战的赛道2忠诚度和效率排名，这是赛道1 Fidelity的第七名。
读取电池电量计时出现问题 Pixel 4Xl
我正在寻求帮助，并分享我在 4XL 上使用 Android 12 的令人沮丧的经历。自从升级到 A12 以来，我一直收到烦人的推送通知，说电池表无法读取。昨天醒来时，我的手机在充电仅两分钟后就没电了。除非插上电源，否则它不会重新开机，即使插上电源，也只能持续很短的时间。我尝试了多个充电器，但 Ampere 无法检测到任何充电问题。更糟糕的是，Verizon 的技术支持没有帮助，并告诉我他们无法/不会解锁我的引导加载程序。尝试恢复到 Android 11 后，我意识到由于被锁定在当前操作系统中，因此无法选择该选项。电池问题似乎是与 A12 相关的软件问题。有没有人遇到过这种情况？如果您有任何针对引导加载程序锁定的手机的解决方案，请分享！否则，直接从 Google 购买似乎是可行的方法。自收到 2021 年 6 月的安全更新以来，Google Pixel 设备（尤其是 Pixel 4 XL）一直面临一个反复出现的问题。用户不断受到“读取电池计量器时出现问题”系统 UI 通知的轰炸，该通知几乎每小时都会出现一次。尽管有大量报告，但谷歌尚未公开评论此事，但谷歌支持社区的一位产品专家已证实该问题正在升级。即使更新到最新的 Android 软件并重新启动设备后，问题仍然存在。虽然一些用户通过更换电池或降级到 2021 年 5 月的安全更新找到了临时解决方案，但这些解决方法并不被视为永久解决方案。要降级到 2021 年 5 月的安全更新，用户可以按照分步指南将 5 月的出厂映像刷入他们的 Pixel 4 XL 设备。但是，此过程需要谨慎，必须正确完成以避免任何进一步的复杂情况。必须注意的是，虽然这些解决方法提供了临时修复，但 Google 仍需要解决根本问题，以确保 Pixel 4 XL 设备上的无缝用户体验。在刷新 5 月出厂映像并在开发者选项中禁用自动系统更新后，我的 Pixel 4 XL 上再次出现了“读取电池计量器时出现问题”通知。希望 Google 能尽快为这个问题提供永久修复。与此同时，如果用户遇到此问题，可能需要联系 Pixel 支持并更换或维修电池。我自掏腰包让 UBIF 更换电池，然后将其带回给他们并让他们诊断问题（免费）。如果他们确认是主板问题，至少我会知道。市场上有许多低质量的电池，这可能是导致此问题的原因。CNLiberal 分享了他们自己在主板针脚连接器上遇到类似问题的经历。他们也开始看到与我相同的消息，但最初手机充电正常，直到问题变得更加频繁，最终一直发生。当出现“？”符号时，手机无法充电，因此他们不得不在插电的情况下使用手机一周。维修店向他们展示了 MB 连接器在显微镜下确实损坏了。由于智利的维修成本太高，他们决定购买一台新的 Pixel 5a 5g。最近，我把手机带回 UBIF，他们说谷歌会在 4 小时后免费更换电池。现在我的手机显示的电池百分比正确，这很奇怪，因为谷歌最初告诉我它不在 Pixel 延长保修范围内（几周前我曾使用我的 IMEI 与他们核实过）。更奇怪的是，当我 6 月份去 UBIF 询问是否在保修范围内时，他们说不，我必须支付 100 美元（+税）来更换电池。现在要么 UBIF 真的免费更换了电池，要么新电池上的连接器松了，他们没有告诉我就把它放回去了。我遇到了同样的问题，“？”标志出现了，我今天下午在 ubreakifix 有一个约会，看看他们是否能帮我。与他们交谈后，我将在今天晚些时候更新。
“石头剪刀布AI”我绝不会输！
这是一个简单的演示，您可以和客户玩石头剪刀布。它是在配备 AMD 的 SOM（系统模块）“Kria™ K26 SoM”的“KR260 机器人入门套件”上实现的。 输入：请在USB摄像头前展示“石头、剪刀、布”。 处理：在ROS2（机器人操作系统）下，AI推理处理单元与机械手控制单元应用程序分离，对输入图像进行“手势分类”，输出PWM信号控制机械手。 输出：经过上述处理后，产生以下两个输出。输出1：将“手势分类”的结果输出到显示器。 ⇒ 根据顾客所出的手牌（石头、剪刀、布），通过AI推理，即AI的预测，显示获胜手牌。 输出2：根据处理结果，控制“机械手”中实现的伺服电机，帮助客户获胜。 ⇒ 下面的例子中，视频输入是“石头”，所以“机械手”会变成“布”的形状来获胜。
tnm以外的预后标记
P-D-08研究摘要用于医学图像分割的黑盒改编Jay Nitin Paranjape； Shameema Sikder，医学博士，FACS； S. Swaroop Vedula，MBBS，博士，MPH；以及马里兰州巴尔的摩的Vishal M. Patel Johns Hopkins大学；约翰·霍普金斯大学医学院，马里兰州巴尔的摩简介：大型基础模型在一般计算机视觉任务中具有先进的图像细分，但是由于接受了非医疗数据培训，它们在医学图像细分方面经常表现不佳。当前用于将这些模型调整为医疗任务的方法通常假设对模型参数完全访问，这并不总是可行的，因为许多模型仅作为API或黑框可用。此外，对此类模型进行微调可能是计算密集的，并且隐私问题限制了与第三方共享医疗数据。方法：为了解决这些挑战，我们提出了BAPS（用于促进分割的黑盒改编），这是一种新型技术，旨在在黑盒条件下适应医疗图像分割中的基础模型。BAPS由两个组成部分组成：一个图像促销解码器（IP解码器），该解码器（IP解码器）从输入映像和提示中生成视觉提示，以及零订单优化（Zoo）方法，SPSA-GC，该方法可更新IP解码器，而无需通过基础模型进行回音。此方法允许在不了解模型的权重或梯度的情况下进行适应，因此它非常适合黑色盒子方案。结果：BAPS以四种不同的医学成像方式进行了测试，表明原始基础模型的性能大约提高了4％。公开可用的BAPS代码。实现了这种改进，而没有与基础模型的内部参数进行任何直接相互作用，从而突出了我们的黑盒适应方法的有效性。结论：BAPS为将基础模型调整为医学图像分割提供了创新的解决方案，尤其是在模型参数无法访问时。通过将图像推出解码器与零订单优化方法相结合，BAP可以有效地提高分割性能，而无需访问模型的内部结构。这种方法解决了计算和隐私方面的关键挑战，为在医学成像中应用基础模型提供了新的途径。
