XiaoMi-AI文件搜索系统
World File Search System纹理分析
CPO和鞘褶中的定量纹理分析
摘要：正确的营养和饮食与心理健康，免疫系统的功能和肠道菌群组成直接相关。含有较高含量的营养素的饮食，例如纤维，植物化学物质和短链脂肪酸（Omega-3脂肪酸），似乎对神经系统具有抗炎和保护作用。在营养素中，补充益生菌和omega-3脂肪酸在改善几种精神疾病的症状中起作用。在这篇综述中，我们收集了有关营养素在精神分裂症，自闭症谱系障碍，严重抑郁症，双相情感障碍和人格障碍患者中的功效数据。本叙事评论旨在概述有关该主题的最新证据，并指出未来研究的方向。
使用纹理分析识别 MRI 图像中的脑肿瘤
a 伊玛目阿卜杜勒拉赫曼·本·费萨尔大学基础科学系、预科及辅助研究系主任，邮政信箱 1982，达曼 34212，沙特阿拉伯 b 苏丹科技大学、医学放射科学学院，喀土穆，苏丹 c 伊玛目阿卜杜勒拉赫曼·本·费萨尔大学基础科学系、预科及辅助研究系主任，邮政信箱 1982，达曼 34212，沙特阿拉伯 d 萨坦·本·阿卜杜勒阿齐兹王子大学、应用医学科学学院、放射学和医学影像系，邮政信箱 442，阿尔哈吉 11942，沙特阿拉伯 e 苏丹科技大学医学放射科学学院，邮政信箱 1908，喀土穆，苏丹 f 伊玛目阿卜杜勒拉赫曼·本·费萨尔大学、科学与人文学院、计算机科学系，沙特阿拉伯
纹理分析和人工智能作为诊断多发性硬化症的决策支持工具 - 系统评价
麦当劳标准（Thompson等，2018），MS的诊断结合了临床，成像和实验室证据。神经系统检查与成像[磁共振成像（MRI）或光学相干断层扫描]和神经生理测试（视觉诱发电位）结合使用。在MRI上患有临床症状和病变的患者中，脑脊液通过腰椎穿刺收集。在脑脊液流体中存在寡克隆条带证实了MS的诊断（Thompson等，2018）。磁共振成像技术，例如双重反转恢复，相位敏感的反转恢复和使用梯度回声序列的磁化的快速采集来突出大脑皮层的MS病变。这些区域是由T1，T2或流体衰减反转恢复（Flair）方法获得的MRI图像中存在的高强度白质区域（Hitziger等，2022）。在图1a上，有一个示例MRI T1图像，带有两个病变，这些损伤显示为白质的高强度区域（Sarica和Seker，2022年）。在长轴中至少有3毫米的高强度区域被认为是病变（Thompson等，2018）。监测该疾病的演变，但治疗的效率也通过在年度随访MRI图像上出现或没有新病变来分析（Martínez-Heras等人，2023年）。在MRI图像上对脱髓鞘区域的手动识别和划定（图1B）具有一些缺点，耗时，需要合格的人员。其结果取决于专家解释MRI图像的经验。除了人为因素的主观性外，还可能发生差异，这是由于不同分辨率或具有各种质量的MRI图像而发生的。为了减少这些缺点，已经提出了几种用于诊断和监测MS的自动解决方案（Shoeibi等，2021）。通过在深度学习算法中使用神经网络与纹理分析相结合（Componick等，2021a），获得了与专家注释相当的结果。纹理分析是医学图像处理中的一种已知且有前途的技术，可在检测硬化病变方面具有显着的结果（Elahi等，2020； Boca等，2023）。通常，尝试通过那些特征来检测病变，这些特征是强度，照明，几何变换或噪声变化的图像不变的。为此，量化了像素强度和像素分布的相互关系，因此获得了许多特征。这些功能可以分为以下类别：第一阶特征（灰度直方图分析），二阶特征（灰度依赖矩阵），光谱特征和分形特征（小波变换和傅立叶变换）。用随机纹理识别的像素被归类为噪声（Friconnet，2021）。为了提高信号噪声比并降低噪声，将包括数学过滤组成的预处理操作应用于MRI图像。为例，高斯带通滤波器用于消除背景噪声（Kumar等，2023）。放射线学的方法由于出现了用于检测医学图像病变的自动方法（Lambin等，2012），因此有必要开发一种方法来通过自动检测方法来分析和评估结果的可重复性和质量。放射素学已逐渐应用于病理损害，诊断，差异诊断和MS预后的分析。开发了使用放射线特征的机器学习（ML）模型来检测MS病变（Peng等，2021）。
机器学习根据MRI纹理分析预测犬胶质瘤的组织学类型和等级
大脑的恶性肿瘤，尤其是高级神经胶质瘤（HGG），是人类已知的最致命的肿瘤之一，尽管经过数十年的深入研究，但生存率很低[1-4]。手术切除与辅助无线电/化学疗法相结合是HGG的一线治疗[5-7]，切除程度的增加与更好的患者生存率相关[8-11]。因此，在大多数情况下，完全或接近总切除术是至关重要的，并且仍然是神经外科医生的最终目标。然而，腹膜组织的过度侵略性切除倾向于对患者的神经功能造成额外和持久或永久损害，对患者的生活质量和预后产生负面影响[12]。因此，对脑肿瘤患者进行手术仍然是太广泛和太少切除之间的挑战。此外，清楚地鉴定了脑肿瘤组织以及周围的健康或不太浸润的组织，包括其潜在雄辩的纤维区域对于获得最佳的临床结果至关重要。可以注意到，这种方法不仅可以在检测脑肿瘤的检测中有用，还可以在术中分化其他脑组织病理学（例如创伤后受伤的大脑[13]）[13]，在这种情况下，受影响和未受影响的组织的明显分化是本质的。现代脑外科手术的当前局限性包括周围健康脑和肿瘤组织之间的对比度不佳，以及缺乏通过A
使用小波纹理分析和机器学习对骨质疏松X射线图像进行分类
摘要：骨质疏松症是一种由骨矿物质含量降低和骨微体系结构的变化所定义的疾病，对使用X射线图像进行准确分类构成了挑战。本文旨在从跟骨放射线照片中提取纹理特征，并选择最佳的纹理特征，这些特征可用于训练机器学习分类器模型以检测骨质疏松症。这项工作基于多分辨率分析和微结构分析，以表征来自跟骨X光片的小梁骨微体系结构。将图像转换为使用两级小波分解提取特征细节。结构纹理方法，例如局部二进制图案，分形维度和Gabor滤波器被应用于小波分解的图像。使用独立的样本t检验和特征选择方法选择了最具区别的纹理特征。机器学习模型是通过使用最佳纹理功能训练分类器来构建的，以从骨质疏松图像中对健康图像进行分类。使用包含跟骨放射线图像的公共挑战数据集评估了所提出方法的E ff。值得注意的是，最佳分类是通过使用正向特征选择选择的功能训练的K-Nearest邻居获得的，精度为78.24％。结果表明该方法作为低成本筛查骨质疏松症的可能替代工具的潜力。
对患有...的儿科患者的基底神经节进行评估
背景：原发性肾病综合征是儿童慢性肾衰竭的重要原因。疾病期间可能会出现重要的神经元并发症。目的：本研究旨在通过纹理分析证明肾病综合征患儿的基底神经节受累情况。方法：分析了 22 例原发性肾病综合征患儿和 40 例年龄相仿的健康儿童的脑 MRI 图像。从丘脑、豆状核和尾状核提取脑 MRI T2 加权图像并进行纹理分析。结果：对 22 例原发性肾病综合征患儿和 40 例对照组患儿的图像进行了评估。患者组和对照组在年龄和性别方面没有显著差异（P 值分别为 0.410；0.516）。丘脑的直方图参数平均值、1.P、10.P、50.P、90.P、99.P值之间存在显著差异（P值分别为0.001；0.000；0.001；0.002；0.004；0.009）；豆状核的直方图参数平均值、1.P、10.P、50.P、90.P、99.P值之间存在显著差异（P值分别为0.031；0.019；0.006；0.006；0.003；0.003；0.001；0.002）。从尾核获得的直方图参数的平均值、1.P、10.P、50.P、90.P、99.P 值之间存在显著差异（P 值分别为 0.002；0.005；0.002；0.002；0.002；0.003；0.003）。结论：纹理分析可能有助于显示原发性肾病综合征儿科患者的脑实质受累情况，因为它可以显示传统图像上无法识别的变化。
计算机视觉、人工智能、计算量子光学和量子计算的项目提案
（注：该项目可能需要获得当地政府的无人机操作官方许可，请确保在项目的后续阶段不会遇到此类问题） 主题 3. 智能地理信息系统开发 该系统将基于卫星图像、地图、人工智能方法的统计数据分析，用于城市发展预测，因为其研究成果以后将适用于洪水估计，这对英国或世界任何关键地区的房地产市场都有重要的经济意义。预计在本研究中开发的任何预测系统都可能具有房地产和住房市场的市场潜力。（例如用于财产价值评估） 主题 4. 医疗健康应用（医学成像、红外成像、疾病或异常检测的组织/皮肤纹理分析）。我们的新方法“智能激光散斑分类”广泛用于从皮肤图像中检测健康异常。 （例如糖尿病等）有关更多信息，请访问：https://en.wikipedia.org/wiki/Intelligent_laser_speckle_classification 主题 5. 工业应用（产品检测的视觉系统、机器人视觉、物体跟踪、纹理分析、航空航天/汽车工业的 3D 成像、物理现象建模等） 主题 6. 生物细胞 - 化学物质通信解码 生物信息学的这个主题涉及在基础层面上解码细胞或细菌或药物之间的“通信语言”，并在进一步阶段了解它们的隐形策略以制定对抗疾病的对策。对于这种研究，使用了一些微观视频录制应用程序和 AI 软件。 主题 7. 计算量子物理与光学
谱与空间指数在特定类别中的应用...
在本文中，我们讨论了使用指标来应对机载棱镜实验 (APEX) 高光谱开放科学数据集 (OSD) 的维数缺点，并使用可能性 c 均值 (PCM) 算法提高分类精度。这用于制定光谱和空间指标，以较低的维度描述数据集中的信息。这种降低的维度用于分类，试图提高确定特定类别的准确性。光谱指标是根据目标的光谱特征编制的，空间指标是使用定义邻域上的纹理分析来定义的。为了评估光谱和空间指标在提取特定类别信息中的适用性，考虑了 20 个不同空间分布的类别的分类。数据集的分类分两个阶段进行；光谱和光谱与空间指数的组合分别作为 PCM 分类器的输入。除了降低熵之外，在考虑光谱空间指数方法的同时，实现了 80.50% 的整体分类准确率，而仅光谱指数为 65%，最佳确定的主成分为 59.50%。
定向能量沉积制造或修复的 316L 不锈钢样品在循环载荷下的自热行为
本文旨在评估一种自热测试方法，用于表征单道厚度增材制造试件的疲劳性能。它还评估了微观结构取向相对于载荷方向对耗散行为和微裂纹起始的影响。所研究的 316L 不锈钢试件采用定向能量沉积技术制造，有两种配置：(i) 完全打印试件（2 个取向）和 (ii) 修复试件。本文首先介绍形态学和晶体学纹理分析，其次介绍一系列循环载荷下的自热测试。微观结构分析显示，晶粒伸长，其尺寸、形状和优选取向由工艺参数控制。循环拉伸载荷下的自热测量证明，可以通过红外测量对小规模、薄试件进行耗散估算。自热曲线可以成功地用 Munier 模型表示。此外，可以建立打印参数和自热结果之间的几种联系。例如，连续沉积层之间的垂直增量越小，平均