XiaoMi-AI文件搜索系统
World File Search System盲视
杭州海康威视数字技术有限公司2022...
投资周期较长，业务前景不明朗，具有较高的风险性和不确定性，需要通过直接或间接投资进行探索，以便公司及时进入新的业务领域。首次披露于《核心员工投资创新业务管理办法公告》（www.cninfo.com.cn）。
视感知：对光遗传学大脑扰动的感知
动物是如何体验大脑操控的？光遗传学使我们能够选择性地操控和探究健康和疾病状态下大脑功能的神经回路。然而，对于小鼠是否能够检测和学习来自广泛大脑区域的任意光遗传学扰动以指导行为，我们知之甚少。为了解决这个问题，小鼠被训练报告光遗传学大脑扰动以获得奖励和避免惩罚。在这里，我们发现小鼠可以感知光遗传学操控，无论扰动的大脑区域、奖励效应或谷氨酸能、GABA 能和多巴胺能细胞类型的刺激如何。我们将这种现象命名为视感受，即一种由扰动大脑内部产生的可感知信号，就像内感受一样。利用视感受，小鼠可以学会根据激光频率执行两组不同的指令。重要的是，视感受可以通过激活或沉默单个细胞类型来发生。此外，刺激一只老鼠的两个脑区发现，一个脑区引起的视感知不一定会转移到另一个之前没有受到刺激的区域，这表明每个部位都会产生不同的感觉。学习后，它们可以模糊地使用来自两个脑区的随机交错扰动来指导行为。总的来说，我们的研究结果表明，老鼠的大脑可以“监控”自身活动的扰动，尽管是间接的，可能是通过内感受或作为一种辨别性刺激，这为向大脑引入信息和控制脑机接口开辟了一条新途径。
基于 Android 的视障人士应用程序使用深度......
视障人士在从事与环境、社会和技术相关的活动时遇到困难。此外，他们在日常生活中也难以独立和安全。本研究提出了基于深度学习的视觉对象识别模型，以帮助视障人士使用安卓应用平台进行日常生活。本研究主要关注金钱、衣服和其他基本物品的识别，以使他们的生活更轻松。基于卷积神经网络 (CNN) 的视觉识别模型由 TensorFlow 对象应用程序编程接口 (API) 开发，该模型使用单次检测器 (SSD) 和来自 Mobile V2 的预训练模型，是在 Google 数据集上开发的。视障人士捕捉图像，并将其与预加载的图像数据集进行比较以进行数据集识别。带有图像名称的口头信息将让盲人知道捕捉到的图像。物体识别实现了高精度，无需使用互联网连接即可使用。视障人士尤其从这项研究中受益匪浅。
视感知：对光遗传学脑刺激的感知
摘要：动物如何体验大脑操纵？光遗传学使我们能够选择性地操纵和探究健康和疾病状态下大脑功能的神经回路。然而，目前尚不清楚小鼠除了诱发的生理功能外，是否还能感知任意的光遗传刺激。为了解决这个问题，小鼠被训练报告光遗传刺激作为获得奖励和避免惩罚的线索。研究发现，无论调节的大脑区域、奖励效应或谷氨酸能、GABA 能和多巴胺能细胞类型的刺激如何，小鼠都能感知光遗传操纵。我们将这种现象命名为视感受。利用视感受，小鼠可以学会根据激光频率执行两组不同的指令。重要的是，视感受可以通过激活或沉默单个细胞类型来发生。我们的研究结果表明，小鼠的大脑能够“监控”它们的自我活动，尽管是间接的，可能是通过内感受或作为一种辨别刺激，这开辟了一种将信息引入大脑和控制脑机接口的新方法。
LEO卫星成像，具有自适应光学和边缘化的盲卷积
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
COVID-19 疫苗试验中的安慰剂使用和揭盲
接种疫苗后，将评估免疫反应。这项试验将揭示化疗、免疫疗法或化学免疫疗法是否会影响患者对疫苗接种的反应，并可作为对其他脆弱人群或接种不同 COVID-19 疫苗的可比群体进行转化研究的模型。了解这组患者是否能对 COVID-19 疫苗产生足够的免疫反应，将为他们在疫情期间提供支持和咨询的信息，并让他们发出自己的声音。抗体滴度是否足够高，可以预防 COVID-19？抗体滴度的持久性如何？这些患者的 T 细胞反应是否足以支持记忆 B 细胞的形成？两次接种疫苗是否足够，还是需要额外的剂量？是否需要替代措施？为了确保知识的快速传播，我们的目标是尽快公开结果。此外，数据共享将允许比较 VOICE 结果和其他研究的结果，以快速扩大获得的知识。❐
视觉过程改善对同侧偏盲患者的疗效
摘要 同侧偏盲是因中风、肿瘤、脑外伤和其他罕见原因引起的视野缺损。由于视觉系统受损，会出现侧向忽视，导致难以检测双眼视野一侧的物体，这使患者在日常活动中面临潜在危险，尤其是在户外交通中。已经开发出不同的光学辅助设备，如菲涅尔棱镜，通过增加受影响半视野的感知来帮助这些患者。这种棱镜矫正可以出现在各种配置中，例如：轭式棱镜、单眼和双眼扇形棱镜，底座朝向患侧。治疗这些患者的另一种选择是基于刺激受影响半视野的视觉训练。 关键词：同侧偏盲、视野丧失、棱镜矫正
使用随机预言机的简洁盲量子计算
在通用盲量子计算问题中，客户端希望利用单个量子服务器来评估 C | 0 ⟩，其中 C 是任意量子电路，同时保持 C 的秘密性。客户端的目标是使用尽可能少的资源。这个问题由 Broadbent、Fitzsimons 和 Kashefi[4] 首次提出，已成为量子密码学研究的基础，这不仅是因为它本身的重要性，还因为它为新技术提供了试验台，这些新技术以后可以应用于相关问题（例如量子计算验证）。关于这个问题的已知协议主要是信息理论 (IT) 安全的或基于陷门假设（公钥加密）。在本文中，我们研究了由随机预言机建模的对称密钥原语的可用性如何改变通用盲量子计算的复杂性。我们给出了一种新的通用盲量子计算协议。与之前关于 IT 安全协议（例如 BFK[4]）的工作类似，我们的协议可以分为两个阶段。在第一阶段，客户端准备一些具有相对简单量子门的量子小工具并将它们发送到服务器，而在第二阶段，客户端完全是经典的——它甚至不需要量子存储。至关重要的是，该协议的第一阶段是简洁的，也就是说，它的复杂性与电路大小无关。给定安全参数 κ ，它的复杂性只是一个固定的 κ 多项式，可用于评估大小高达 κ 的次指数的任何电路（或多个电路）。相比之下，已知的方案要么要求客户端执行与电路大小成比例的量子计算 [4]，要么需要陷门假设 [18]。
使用深度学习进行盲 MRI 脑损伤修复
摘要。在脑图像分析中，许多当前的管道对病变的存在不具有鲁棒性，从而降低了其准确性和鲁棒性。例如，处理病变时，经典医学图像处理操作（如非线性配准或分割）的性能会迅速下降。为了尽量减少它们的影响，一些作者提出修复这些病变，以便可以使用经典管道。然而，这需要手动划定感兴趣的区域，这很耗时。在本文中，我们提出了一个深度网络，它能够自动盲目地修复脑图像中的病变，从而使当前管道在病理条件下稳健地运行。我们使用 SPM12 管道和我们自动修复的图像证明了脑分割问题中改进的鲁棒性/准确性。关键词：病变修复、MRI、深度学习、稳健分割。