XiaoMi-AI文件搜索系统
World File Search System测量方法
钢中夹杂物分析的成像测量方法...
确定样品化学成分的最重要信息是，分析物元素的凝聚相和原子化物会发射出从可见光到 X 射线波长范围内的辐射。在大多数情况下，都会观察和分析来自外层电子轨道的激发态发出的原子发射，因为它可以使定量分析更准确、更精确。等离子体发射光谱法，例如射频电感耦合等离子体发射光谱 (ICP-OES)，是用于测定钢中除气态元素外的合金元素和杂质元素的典型分析工具，浓度范围从几十% 到几 ppm。1,2) ICP-OES 为钢铁制造业开发先进产品做出了贡献。 3,4) 另一方面，使用火花放电等离子体的等离子体发射光谱法 (SD-OES)，通常称为 QuantVac (QV)，5) 已用于钢铁生产中的现场/在线分析，并且特别适用于钢铁产品的质量和过程控制。6) ICP-OES 通常需要对样品进行预处理，包括酸分解和水溶解，而 SD-OES 可直接测定固体钢样品中的元素，这是该分析方法具有广泛应用的主要原因。
验证基于轻度脑电图的测量方法，用于真实驾驶期间的实时压力监测
摘要：驾驶员的压力会影响决策和风险发生的概率，因此它是道路安全的关键因素。这表明需要持续的压力监测。这项工作旨在验证一种压力神经生理测量方法——神经测量法，该方法可在实验室外使用，该方法依赖于两个湿式传感器，实时且无需校准，由轻量级脑电图获得。在多任务实验中测试了神经测量法，并通过逼真的驾驶模拟器进行了验证。20 名受试者参加了实验，并将得到的压力神经测量法与随机森林 (RF) 模型进行了比较，该模型通过使用脑电图特征以及受试者内和跨任务方法进行了校准。还将神经测量法与基于皮肤电导水平 (SCL) 的测量值进行了比较，SCL 代表了文献中研究的生理参数之一，与压力变化最相关。我们发现，在多任务和真实驾驶实验中，神经测量法能够区分低水平和高水平的压力，平均曲线下面积 (AUC) 值高于 0.9。此外，压力神经测量法显示出比 SCL 测量法和使用跨任务方法校准的 RF 更高的 AUC 和稳定性。总之，本研究提出的神经测量法被证明适用于实验室外的压力水平监测。
把握数字经济——一项拟议的测量方法...
数字技术正在改变企业的经营方式和社会的互动方式。其广泛影响体现在企业可以轻松进入市场并利用新的方式交付产品。当全球企业开始由数字公司领导时，政府、私人机构、媒体和学术界开始注意到这一点。自 2010 年左右以来，数字产品贸易在全球价值链上急剧上升。对工作和技能的需求也在发生根本性的变化，预计人工智能等新兴技术将在短期内无处不在。随着 COVID-19 疫情加剧了社会对技术平台的依赖，所谓的数字革命不再是子孙后代的事情：它已经降临到我们头上。
高LET粒子剂量测量方法
对于任何类型的电离辐射，在介质中发生的主要过程是电离和激发 ( 1 )。因此，在带电粒子、中子和伽马量子的影响下观察到的生物效应不是由它们的物理性质引起的，更不是由它们的来源引起的，而是由吸收能量的大小及其空间分布引起的，以线性能量转移 (LET) 为特征。LET 越高，生物损伤程度越严重。该程度决定了各种辐射的相对生物效应 (RBE)。在硼中子俘获疗法中，总吸收剂量是具有不同 RBE 的四个剂量成分的总和：硼剂量； 14 N(n,p) 14 C 反应的高 LET 剂量（“氮”剂量）；快中子剂量；和 c 射线剂量。如前所述，“前两个剂量成分原则上无法测量”（ 2 ）。测量 BNCT 快中子剂量的方法也不存在，因为中子的能量通常明显低于 1 MeV，例如，裂变电离室不适用。然而，有相当多的行之有效的方法
引用：GrässlerB，Herold F，Dordevic M等。多模式测量方法以识别有轻度认知障碍的个体：研究prot
摘要引入轻度认知障碍（MCI）的诊断，即正常年龄相关认知能力下降和痴呆症之间的短暂阶段仍然是一项艰巨的任务。观察到多模式方法（对几种互补方式的同时分析）可以提高分类精度。我们将结合三种非侵入性测量方式：功能性近红外光谱（FNIRS），通过ECG的脑电图和心率变异性。我们的目的是探索认知表现的神经生理学相关性，以及我们的多模式方法是否可以帮助早期鉴定MCI患者。方法和分析本研究将与MCI和健康对照患者（HC）进行横断面。将在休息期间和执行认知任务时测量神经生理信号：（1）Stroop，（2）N-BACK和（3）言语流利性测试（VFT）。统计分析的主要目的是（1）确定HC和MCI的神经生理反应的差异，（2）研究认知性能和神经生理反应的测量之间的关系，以及（3）研究是否可以通过使用我们的多态方法来提高分类精度。为了满足这些目标，统计分析将包括机器学习方法。据我们所知，这是同时应用MCI和HC同时应用这三种方式的第一项研究。我们假设与单峰方法相比，多模式方法提高了HC和MCI之间的分类精度。如果我们的假设得到了验证，则本研究为痴呆症研究多模式方法的更多研究铺平了道路，并促进了对新生物标志物的探索，以尽早发现非生理年龄与年龄相关的认知能力下降。伦理和传播伦理批准是从当地伦理委员会获得的（参考：83/19）。数据将在学习和数据组装完成后不超过1年。试验注册号临床临床。
Moray West 施工前数字航空测量方法...
在马里西区及周边 4 公里缓冲区内进行的 11 次空中调查中，均记录到了塘鹅，其数量在 9 月达到顶峰，这与雏鸟羽化后的时期相对应。繁殖季节（4 月至 9 月）马里西区及周边 4 公里缓冲区的塘鹅种群估计值仅在 9 月超过区域种群（1,681 只）的 1% 阈值（当时估计有 2,827 只塘鹅）。通过 MRSea 分析马里西区，9 月估计有 336 只塘鹅。9 月以外，繁殖季节的塘鹅种群数量相对较低，第二高的估计值为 2016 年 6 月的 238 只。国内和国际塘鹅种群的 1% 值在任何一个月都没有被超过。在对塘鹅定义的繁殖后季节（10 月至 11 月）进行的空中调查中，估计 2016 年 10 月的种群数量达到峰值 439 只。这一数量未超过塘鹅繁殖后 BDMPS 种群（4,562 只）的 1% 阈值。同样，在繁殖前季节（12 月至 3 月）进行的调查中，2 月份出现的 144 只种群峰值也没有区域重要性（2,484 只种群的 1%）。
Moray West 施工前数字航空测量方法说明
• 根据在 EIA 范围界定期间从苏格兰自然遗产 (SNH) 和苏格兰海洋科学局 (MSS) 收到的建议，需要评估的关键物种被确定为海鸠、暴风鹱、塘鹅、海鹦、刀嘴海雀、三趾鸥、银鸥和大背鸥。对于项目研究区域 (Moray West 海上风电场场地和海上出口电缆走廊) 中存在的大多数物种，施工期间对干扰的敏感度被评估为可忽略到低，但海鸠、刀嘴海雀和海鹦除外，它们的敏感度为中等。总体而言，结论是，对所有物种的影响显著性都是可忽略到轻微的不利影响，因此在 EIA 方面并不显著。 • 对所有物种而言，施工和运营期间猎物可用性变化所造成的影响被评估为可忽略到轻微。 • 尽管项目研究区域内存在对污染影响高度敏感的物种（红喉潜鸟、大北潜鸟和鸬鹚），但发生污染事件的风险被认为是可以忽略不计的。施工和运营期间污染对所有物种的潜在影响被评估为可以忽略不计，因此在 EIA 方面并不重要。 • 根据 JNCC 联合 SNCB 临时位移建议说明 2017 1 的建议和 MSLOT 向 Forth 和 Tay 开发商提供的范围界定建议（例如 Seagreen 海上风电场的范围界定意见，2017），评估了运营期间对海鹦、刀嘴海雀、海鸠和三趾鸥的潜在位移和屏障影响。评估认为这些影响对所有物种的不利影响较小，因此在 EIA 方面并不重要。这包括
皮层脑电图和立体脑电图提供了大脑连通性的不同测量方法：对网络模型的影响
附属机构：1 宾夕法尼亚大学生物工程系，宾夕法尼亚州费城，19104 2 宾夕法尼亚大学神经工程与治疗学中心，宾夕法尼亚州费城，19104 3 宾夕法尼亚大学医院放射科，宾夕法尼亚州费城，19104 4 宾夕法尼亚大学生物统计学、流行病学与信息学系，宾夕法尼亚州费城，19104 5 宾夕法尼亚大学成像与可视化中心统计，宾夕法尼亚州费城，19104 6 宾夕法尼亚大学临床流行病学与生物统计学中心，宾夕法尼亚州费城，19104 7 宾夕法尼亚大学医院神经外科系，宾夕法尼亚州费城，19104 8 宾夕法尼亚大学医院宾夕法尼亚癫痫中心神经内科，宾夕法尼亚州费城，19104 美国 9 宾夕法尼亚大学电气与系统工程系，宾夕法尼亚州费城，19104 10 宾夕法尼亚大学物理与天文学系，宾夕法尼亚州费城，19104 11 宾夕法尼亚大学精神病学系，宾夕法尼亚州费城，19104 12 圣达菲研究所，新墨西哥州圣达菲，87501
评估昼夜节律的有效测量方法？
© 作者。2020 开放存取 本文根据知识共享署名 4.0 国际许可协议进行授权，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可协议的链接，并指明是否做出了更改。本文中的图片或其他第三方资料包含在文章的知识共享许可协议中，除非资料的致谢中另有说明。如果资料未包含在文章的知识共享许可协议中，且您的预期用途不被法定规定允许或超出了允许的用途，则需要直接从版权所有者处获得许可。要查看此许可证的副本，请访问 http://creativecommons.org/licenses/by/4.0/ 。知识共享公共领域贡献豁免（http://creativecommons.org/publicdomain/zero/1.0/）适用于本文中提供的数据，除非数据来源中另有说明。
回顾心理生理测量方法以评估真实驾驶中的认知状态
随着驾驶功能越来越自动化，驾驶员面临着认知脱离驾驶过程的风险。心理生理测量可能提供仅通过行为或自我报告测量无法获得的附加价值。本文选择性地回顾了可用于评估真实驾驶环境中认知状态的心理生理测量。首先，讨论了心理生理测量在交通安全背景下的重要性。接下来，最常用的基于生理的认知状态指标被视为与驾驶研究相关的潜在候选指标。这些指标包括：脑电图和事件相关电位、光学成像、心率和心率变异性、血压、皮肤电导率、肌电图、热成像和瞳孔测量。对于每一项测量，都提供了概述，然后讨论了在驾驶环境中测量它的方法。根据最近的实证驾驶和心理生理研究，讨论了每一项测量的相对优势和局限性，以突出每一项测量的独特价值。考虑了从实验室到（不太可预测的）真实驾驶环境的有效可靠量化挑战和建议。最后，我们讨论了可能更适合近乎实时评估驾驶员认知状态的措施，这些措施可以在实验室外的应用环境中使用