XiaoMi-AI文件搜索系统
World File Search System纹理分析
社论：基于人工智能的医学影像数据脑部疾病计算机辅助诊断应用
近来，研究多种脑部疾病（如自闭症、多发性硬化症 (MS)、痴呆症、阿尔茨海默病 (AD)、神经胶质瘤、精神分裂症和癫痫）病因和机制的研究项目呈指数级增长。近年来，人工智能 (AI) 的实用性已在各种研究领域得到探索，包括现代计算机辅助诊断 (CAD) 系统的开发。在基于 AI 的 CAD 中使用医学影像和医学专家提供的特征示例是一个不断发展的领域，其目标是更准确地提取可靠的诊断线索，最终帮助医生提供更合适和个性化的治疗。例如，对脑 T2 加权磁共振成像 (MRI) 上的白质进行纹理分析有助于诊断 MS。此外，基于 AI 的 CAD 将促进所有可用数据的解释和利用，减轻繁重的手动评估，并使其在日常临床实践中实用。传统的基于机器学习 (ML) 的 CAD 系统采用许多学习技术，这些技术通常是针对特定应用量身定制的，通常需要大量调整，如果在训练数据集之外测试甚至会失败。AI 技术的进步，特别是端到端深度学习，再加上神经成像技术的最新进展（例如，弥散加权 MRI 和其他用于对大脑和神经系统进行成像的模式），为增强传统 ML 方法和应用新的潜在方法来预测或更好地诊断脑部疾病创造了令人兴奋的新机会。本研究课题的重点是最近的基于 AI 的 CAD 系统，用于分析来自患有脑部疾病（如：精神分裂症、痴呆症、阿尔茨海默氏症等）的患者的医学成像数据。本研究课题的目标受众包括工程和医学院教授；工程和应用科学系的研究生和本科生；医学生；在医疗公司工作的工程师；工业、学术界和健康科学家的研究人员；放射科医生等医生；以及包括放射技师和医学物理学家在内的医疗保健专业人员。
联邦圣玛丽亚科学中心...联邦圣玛丽亚科学中心...
作者：Gessica Hollweg。顾问：Paulo Cezar Bastianello Campagnol研究教授研究项目，到2050年，世界人口可以达到90亿人口。在这种情况下，全球粮食产量得到加强至关重要。粮食生产需要增加30％才能为不断增长的人口服务。这一增加是由饮食偏爱减少或防止动物起源产物的偏爱，这是由环境，道德和健康原因所激发的。用蔬菜成分组合制成的蔬菜汉堡包试图再现肉类产品的味道和质地，重点关注营养和感官体验以吸引消费者。这项研究旨在开发植物汉堡包，部分替代大豆纹理蛋白（PTS），其比例为5％，10％，15％和20％的Aguicus Bisporus蘑菇。替代对其对汉堡包的化学成分，纹理，颜色，烹饪性能和感觉特性的影响进行了评估。化学分析显示，水分含量从10％的替代水平显着增加，导致了更好的多汁性。蛋白质含量仍然与对照到15％的替代水平相似，而脂肪含量在治疗之间没有显着差异。纹理曲线表明汉堡浓缩剂（尤其是5％和10％）的硬度降低，导致产品较软。颜色分析表明，在每种蘑菇中5％PTs代替的处理中，亮度（L*）和红色（A*）的强度降低。感官分析表明，汉堡包最多可替换15％的汉堡与对照相当，具有“柔软”，“宜人的色彩”和“良好外观”等属性与消费者的偏好呈正相关。的发现表明，蘑菇agricus bisporus可以有效地用作基于植物的汉堡包中PTS的部分替代品，从而改善了不损害质量的感觉特性。此替代品提供了一种有希望的方法，可以在基于植物的产品上多样化成分，从而为消费者提供了理想的特征。关键字：基于植物的替代方案；感官评估；纹理分析；水分含量；烹饪产量；消费者接受；
SmartLab Studio II
1。引言多晶材料中的晶体纹理（首选方向）对这些材料的性质各向异性具有显着影响。这意味着Crystallites的方向分布或方向分布函数（ODF）的定量描述是材料表征和预测其性质的重要任务。无法直接测量ODF；取而代之的是，可以测量极线（PF）来确定ODF。从测量的PFS重建ODF是定量纹理分析的主要目标。因此，应解决两个问题以获得ODF：从PFS的实验PFS和ODF重建的测量和处理。在X射线衍射技术中，有两种用于PFS测量的基本模式：使用2D检测器（1）的常规模式，具有0D检测器和更高级的模式。虽然使用2D检测器的PF进行测量更为先进，但需要其他工具将检测器的数据转换为PFS。准备PFS时，可以启动ODF重建过程。当前，使用三种方法进行ODF重建：串联扩展方法（3），组件方法（4），（5）和直接方法，例如WIMV（6）或ADC（7）。每种方法都有优势和缺点。系列扩展方法更为笼统，但是它需要大量测量的PF，并且在数值计算中存在一些问题。组件方法将ODF表示为具有明确物理含义的一组模型函数（组件）。此方法最方便地解释和表示结果，但可能需要大量时间来选择组件并拟合其参数。直接方法在旋转空间中使用离散网格上的ODF的数值计算。它们是最简单，最方便的，但不提供ODF的解释。在下一节中，我们将描述SmartLab Studio II的纹理插件，该插件旨在用于数据处理和定量纹理分析。该插件实现了ODF重建的上述两种方法：WIMV和组件方法。两者都可用于所有类型的晶体系统和两种类型的样品对称性（三角骨和正骨）。另外，插件可以使用
推荐引用 推荐引用 Yaiprasert, Chairote 博士 (2021) “结合五种机器学习方法的人工智能橡胶识别”，卡尔巴拉国际现代科学杂志：第 7 卷：第 4 期，第 3 篇文章。网址：https://doi.org/10.33640/2405-609X.3154
橡胶树普遍种植于东南亚国家，属于橡胶树属，大戟科橡胶树属中，巴西橡胶树是唯一可生产商业乳胶的树种 [1]。每个种植区的橡胶树品种不同，其产量也不同。识别栽培中的不同橡胶品种有助于实现生产力目标。DNA分析和目视分类是两种常用的橡胶树品种分类方法。由于DNA分析过程耗时，因此橡胶树的目视分类法更受青睐。然而，如果没有专门的农业知识，很难对橡胶幼苗进行目视分类。一般来说，训练有素的专业人员使用橡胶叶作为植物器官的视觉和形态特征进行分类。尽管如此，识别这种植物的器官仍然很困难，因为每个品种的叶子在外观上都很相似。因此，缺乏专业的分类学家仍然是农业耕作中的一个问题。植物的器官和特征可用于检查其生理方面。一些研究关注植物光合作用中的生长因素 [2]，而冠层结构则被用于碳-水循环的研究 [3]，通过测量不同器官的生长状态来估算植物生长所需的各种营养物质 [4]。传统的研究方法往往需要砍伐树木的部分枝条，采用技术可以减少由此造成的损害。植物分类可以通过叶片识别系统的计算模型来进行。大多数植物物种都有独特的叶片，其形状、颜色、纹理和边缘均不相同 [5,6]。近年来，已经提出了各种基于形状 [7e10] 或纹理 [11,12] 的植物叶片识别方法。这些方法仅研究叶片图像的单一视觉特征，准确率较低。因此，一些叶片识别方法涉及整合叶片的多视觉特征进行植物物种识别 [13e15]。这种分类包括颜色和形状[16]、颜色和纹理分析[17]、表面和轮廓特征[18]、颜色、纹理和形状的融合属性[19]、叶脉[20]、颜色组合、叶脉属性和形状
使用地理空间数据评估茶树健康和产量...
茶是印度最重要的饮料之一。它是第一大外汇收入来源。印度是世界上最大的茶叶生产国。印度的阿萨姆邦、梅加拉亚邦、特里普拉邦、北孟加拉邦（大吉岭）和锡金邦对该国的茶叶总产量贡献巨大。除此之外，印度南部的泰米尔纳德邦、卡纳塔克邦和喀拉拉邦也为茶叶生产做出了贡献。过去几年，人们发现茶产业正在失去立足之地。这主要是因为生产结构错误、由于生产成本高而无法与其他茶叶生产国竞争、小农户组织化、加工阶段的质量控制不佳以及更重要的害虫和疾病侵扰。遥感和 GIS 技术已被有效用于监测水稻、小麦等多种一年生作物。因此，开发一种使用遥感和 GIS 监测茶园的方法已成为迫切需要。之前缺乏使用遥感监测茶叶的研究，这为开发一种方法提供了想法，该方法可以帮助监测种植园的生长并在需要时采取有效措施。在本研究中，尝试使用遥感图像的纹理和色调变化来评估茶树的健康状况。应用灰度共生矩阵 (GLCM) 技术将茶斑分为健康、中度健康和患病茶。使用纹理和分类图像来描绘患病斑块。得出了健康、中度健康和患病茶的百分比。观察发现，2001 年 12 月的 LANDSAT 图像显示健康茶树的面积为 60.4%，中度感染茶树的面积为 23.6%，患病茶树的面积为 16.2%。对于 2004 年 2 月的 LISS III 图像，发现健康茶树的面积为 43.9%，中度感染茶树的面积为 36.8%，患病茶树的面积为 19.3%。同样，对于 2004 年 6 月的 ASTER 图像，发现健康茶树的面积为 24.9%，中度健康茶树的面积为 50.1%，患病茶树的面积为 25.1%。最后将结果与地面叶面积指数 (LAI) 和产量进行了比较。因此，这里尝试的纹理分析和色调变化可以在识别和检测茶园中的病斑方面发挥重要作用。这项研究表明，4 月、6 月和 8 月基于 MODIS 的 NDVI 与庄园层面的茶叶产量有显著相关性。为进一步检验 MODIS 得出的 NDVI 是否与 LAI 相关，建立了一个经验方程，结果表明茶叶的 LAI 与 NDVI 具有显著的线性关系 (R 2 =0.36)。然而，研究发现，仅凭不同时间段的 NDVI 观测结果无法解释茶叶产量的差异。这表明茶叶产量的统计模型似乎并不令人鼓舞。
“ MHC-I- OPATHY”的Eular研究小组：识别疾病 转运蛋白介导的药物输送 细胞系和患者衍生的异种移植物的表面分析证实了FGFR4，NCAM1，CD276和突出显示AGRL2，JAM3和L1CAM，作为横纹肌肉瘤的表面目标 微生物 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 在类似手术的环境中，用于脑组织分化和白质纤维道鉴定的宽场成像摩尔器极化法的鲁棒性：离体研究 再生响应元件Careg监测MULLER GLIA在MNU诱导的斑马鱼视网膜损伤后的激活 介导对淡水的适应性
Jonas JW Kuiper ， Shumnalieva，10个秘密，11inakötter， 19,20名忠实居民，21,22NatašaVidovia，23,24和Talgal-Tutkun的折磨， 32FabianLötscher，33 Floor G Schance， 28,29 Ahmet Gul，40 John Bowes ，41,42 Rik Ju Loris ，19.20 MHC-I-Opathies研究