XiaoMi-AI文件搜索系统
World File Search System纹理
基于纹理特征的脑信号数据神经系统异常智能检测方法
神经系统疾病的诊断是现代医学面临的最大挑战之一，也是当前的一个主要问题。脑电图 (EEG) 记录通常用于识别各种神经系统疾病。EEG 会产生大量的多通道时间序列数据，神经科医生可以通过视觉分析这些数据来识别和了解大脑内的异常及其传播方式。这是一个耗时、容易出错、主观且令人精疲力尽的过程。此外，EEG 分类的最新进展主要集中在使用 EEG 数据将特定疾病的患者与健康受试者进行分类，这种方法成本效益不高，因为它需要多个系统来检查受试者的 EEG 数据以查找不同的神经系统疾病。这迫使研究人员推进他们的工作，并创建一个统一的分类框架，用于从 EEG 信号数据中识别各种神经系统疾病。因此，本研究旨在通过开发一种基于机器学习 (ML) 的数据挖掘技术来满足这一要求，以从 EEG 数据中对多种异常进行分类。纹理特征提取器和基于 ML 的分类器用于时频谱图图像以开发分类系统。首先，使用滤波技术从信号中去除噪声和伪影，然后进行归一化以降低计算复杂度。之后，将归一化信号分割成小的时间段，并使用短时傅里叶变换从这些时间段生成频谱图图像。然后使用两个基于直方图的纹理特征提取器分别计算特征，并使用主成分分析从提取的特征中选择显著特征。最后，使用四种不同的基于 ML 的分类器将选定的特征归类为不同的疾病类别。在四个实时 EEG 数据集上测试了所开发的方法。所得结果显示出对各种异常类型进行分类的潜力，表明可以利用它从脑信号数据中识别各种神经系统异常。
使用多模态 MRI 的放射纹理特征描述符来区分复发性脑肿瘤与放射性坏死
尽管采取了化学放射疗法和手术切除等多模式积极治疗，多形性胶质母细胞瘤 (GBM) 仍有可能复发，这被称为复发性脑肿瘤 (rBT)。在多种情况下，良性和恶性病变在放射影像上可能看起来非常相似。其中一个例子就是放射性坏死 (RN)（放射治疗的中度良性影响），在结构磁共振成像 (MRI) 上，它们在视觉上几乎与 rBT 无法区分。因此，需要在常规获取的脑部 MRI 扫描中识别可靠的非侵入性定量测量：对比前 T1 加权 (T1)、对比后 T1 加权 (T1Gd)、T2 加权 (T2) 和 T2 液体衰减反转恢复 (FLAIR)，可以准确区分 rBT 和 RN。在这项工作中，复杂的放射纹理特征用于在多模式 MRI 上区分 rBT 和 RN，以进行疾病表征。首先，提取随机多分辨率放射组学描述符，该描述符可捕获体素级纹理和结构异质性以及强度和直方图特征。随后，这些特征用于机器学习设置，以从四个 MRI 序列（包含 30 个 GBM 病例（12 个 RN，18 个 rBT）的 155 个成像切片）中表征来自 RN 的 rBT。为了减少准确度估计的偏差，我们使用留一交叉验证 (LOOCV) 和分层 5 倍交叉验证与随机森林分类器来实现模型。在本研究中，我们的模型使用多分辨率纹理特征区分 rBT 与 RN，对于 LOOCV 提供 0.967 ± 0.180 的平均准确度，对于分层 5 倍交叉验证提供 0.933 ± 0.082 的平均准确度。我们的研究结果表明，与文献中的其他研究相比，复杂的纹理特征可以更好地区分 MRI 中的 rBT 和 RN。关键词：复发性脑肿瘤，放射性坏死，放射组学特征，多模态磁共振成像
地面表面纹理和工具磨损分析加工...
时间和成本，后处理的铣削操作通常是不切实际的，可能需要专门的工具。为了减轻对特殊工具的需求和其他处理，开发了混合添加剂制造系统以依次打印和铣削，以在一个机器平台中实现所需的表面饰面。商用机器平台与定向能源沉积系统结合了铣削（例如，Optomec，Mazak，DMG Mori）和粉末床融合系统（例如，Matsuura和Sodick）以达到小于0.8μm的表面粗糙度（SA）[1，2]。直接从构建室直接使用完成的机加工表面。Matsushita Electric Works，Ltd。（日本境外的Panasonic Electric Works）和Kanazawa University在2006年进行了第一项有关联合融合粉末床融合和铣削的研究，以生产A
预镀引线框架表面纹理与
汽车设备集成电路封装中模塑料和引线框架之间的粘合性差会导致严重的可靠性问题并降低封装质量。本研究旨在评估和了解预镀引线框架 (PPF) 的表面纹理化程序 (粗糙化) 与集成电路封装中的分层现象之间的相关性。引线框架供应商准备了具有纹理表面的预镀引线框架。进行了四项主要评估，基于形态分析、接触角测量、模具剪切强度测试和可靠性测试。对于形态分析，与标准引线框架 (174nm) 相比，纹理 PPF 具有更高的表面粗糙度 (284nm)。在室温下 (71°) 观察到纹理 PPF 的最高接触角值。相反，在根据在线制造条件模拟的 175°C (55°) 下观察到纹理 PPF 的最低接触角值。与标准引线框架相比，纹理 PPF 获得了更高的剪切强度测试。此外，可靠性测试证明 PPF 样品未检测到分层。然而，在标准引线框架中也观察到了这种现象。所有观察结果都表明，通过对引线框架进行表面纹理化处理，模具化合物和引线框架之间的界面粘附性得到了显著改善。粘附性的改善有助于消除分层并提高封装可靠性。
使用嵌入式聚类策略提取纹理特征并描绘边界，检测 MRI 中的细微白质病变
白质病变 (WML) 是多种脑部疾病的根源，而自动 WML 分割对于评估自然病程和临床干预措施（包括药物研发）的有效性至关重要。尽管最近的研究在 WML 分割方面取得了巨大进展，但准确检测疾病早期出现的细微 WML 仍然特别具有挑战性。在这里，我们提出了一种使用强度标准化技术、灰度共生矩阵 (GLCM) 嵌入聚类技术和随机森林 (RF) 分类器自动分割轻度 WML 负荷的方法，以提取纹理特征并识别特定于真正 WML 的形态。我们通过局部离群值因子 (LOF) 算法精确定义它们的边界，该算法通过相对于其邻居的局部密度偏差来识别边缘像素。该自动化方法已在 32 名人类受试者身上进行了验证，结果显示，通过类内相关性 (ICC = 0.881，95% CI 0.769, 0.941) 和皮尔逊相关性 (r = 0.895，p 值 < 0.001)，与神经放射科医生的手动描绘具有很强的一致性和相关性（排除一个异常值），并且在 MICCAI 大挑战赛中定义的六个既定关键指标中的五个方面优于三种领先算法（修剪均值异常值检测、病变预测算法和 SALEM-LS）。通过促进对细微 WML 的更精确分割，该方法可以实现更早的诊断和干预。
具有可调拓扑纹理的光学天空的产生
摘要：最近，光学动物的天空，具有复杂矢量结构的拓扑准粒子在光线下引起了越来越多的兴趣。在这里，我们通过理论和实验性地提出了这些普遍的家族，即可调的光泽度，揭示了一种新的机制，可以通过简单的参数调整来转换各种Skyrmionic拓扑之间，包括Néel-，Bloch-，Bloch-和anti-Kyrmion类型。此外，还提出了一种几何Skyrme-Poincaré表示，以可视化可调的天空的完整拓扑演化，我们称之为Skyrmion torus。为了通过实验生成可调节的光学空间，我们基于空间光调节器实现了数字全息图系统，结果与我们的理论预测表现出了很大的一致性。
手性旋转纹理中的无定形铁 - germanium厚膜
抽象的拓扑孤立场（例如磁性和极性天空）被设想为革新微电子。这些配置已在具有全局反转对称性破坏的固态材料中稳定，该材料将磁性材料转化为称为dzyaloshinskii – Moriya Interaction（DMI）的矢量自旋交换（DMI），以及旋转手学选择和同型溶质词。这项工作报告了3D手性旋转纹理的实验证据，例如螺旋旋转和具有不同手性和拓扑电荷的天空矩阵，在无定形的Fe – Ge厚膜中稳定。这些结果表明，具有随机DMI的结构和化学无序的材料可以类似于具有SIMI磁性特性，力矩和状态的反转对称破碎系统。无序的系统与具有全球反转对称性的系统通过其退化的旋转心脏破裂的区别，可以在RE Manence时形成各向同性和各向异性拓扑纹理，同时在材料合成，伏特，伏特，应变和菌株操纵方面具有更大的灵活性。
LETO 月球尘埃减缓静电 μ 纹理覆盖层
1 执行摘要 我们的目标是开发 LETO（月球尘埃减缓静电 μ 纹理覆盖层），这是一种具有多种特性和功能的材料，专门用于月球环境的探索。本研究中实际生产的材料在真正的月球南极环境中性能不佳。然而，这项研究的结果可能为更大的研究工作提供支持，其中可以调整各个组件以允许真正融入其研究中。我们的设计表明，外层或“覆盖层”必须包含几个设计元素才能发挥作用。它应该具有具有纳米微尺度特征的表面结构，我们称之为微结构，它应该具有具有厘米级特征的预定折叠图案，我们称之为宏观结构，并且它应该连接到静电发生器，通过静电发生器可以促进表面充电程度。设计伴随着这三个组件的一些基础研究。本文将描述实现这三个目标的单独努力，并详细解释将它们结合在一起的额外挑战。我们对每个设计组件的可行性进行了多次观察。我们认为，LETO 的加入将有利于 Artemis 任务，并且可以以多种方式使用。
回顾了电子纹理的微电子的整合
摘要：现代电子纺织品正朝着可穿戴的可穿戴纺织品迈进，即所谓的纺织品，这些纺织品的微电子元素嵌入了纺织品面料上，可用于各种功能类别。有不同的方法将刚性微电源组件整合到纺织品中以开发智能纺织品，其中包括但不限于物理，机械和化学方法。集成系统必须满足灵活，轻巧，可拉伸且可洗的功能，以提供卓越的可用性，舒适性和非感染性。此外，由此产生的可穿戴服装需要透气。在这项审查工作中，讨论了微电子的三个级别的集成到纺织结构中，纺织品适应，纺织品集成和基于纺织品的集成。纺织品集成和纺织品适应的电子纹理无法有效地满足其灵活和可洗的。为了克服上述问题，研究人员研究了使用各种机制在纤维或纱线水平上将微电子的整合到纺织品中。因此，由于最终产品的灵活性和可洗可用性优势，一种基于纺织品的新方法，基于纺织品的挑战。通常，本综述的目的是提供对电子组件的不同互连方法的完整概述。
纳米级非共线旋转纹理D2D Heusler Compound
和铁磁交换相互作用。也许最广泛研究的旋转纹理是，首先是在非中心体B20化合物中观察到的类似Bloch的天空，无论是在单个Crys-talls [5]中，在[10]和第二个薄膜中的外皮膜中，第二，在薄膜中层中的Néel-like skyrim层中的néel-like skyrim层中的厚度金属层和厚度的厚度层均层层。[6,11]前者依赖于体积，后者是派生的dmi界面。在最近的研究中，已经证明了基于四Yz的逆元2 yz的抗速素家族可以维持磁性反孔m，[12-14]另一种类型的非共线性自旋纹理，表现出独特的拓扑特征，此外，椭圆形的bloch skyrmions。[15]这些纹理是基础D 2D晶体对称性的结果，该晶体对称性必然引起各向异性DMI。该DMI还导致反对者在场和温度方面的稳定性增强，并且通过简单地改变存在的薄片的厚度来使其大小的极端可调性。[16,17]后者是偶极 - 偶极相互作用的结果，在与低对称性相对的相对量中很重要，例如D 2D，也解释了同一材料系统中椭圆形Bloch Skyrmions的可能性。[15,18,19]