XiaoMi-AI文件搜索系统
World File Search System视力的
ARVO 关于在眼科和视觉研究中使用动物的声明
1. 简介 视觉和眼科研究拓展了我们对神经系统的了解，为发现预防失明和改善人类和动物视力的新疗法铺平了道路。目前，还没有能够充分重现眼睛和大脑中复杂且错综复杂的生物系统的结构和功能的计算机或体外模型。因此，对活体动物进行研究对于视觉临床和基础研究的许多领域的持续进步至关重要。因此，在研究中正确使用动物是对改善人类和动物生活的光荣而重要的贡献。我们对人道对待动物的关注迫使我们始终确立对人类和动物健康的潜在益处大于动物生命的代价。因此，视觉和眼科研究协会等科学协会必须制定人道使用实验动物进行研究的指南。本文件的其余部分提供了人道对待和道德使用动物进行视觉研究的指南。这些准则基于生物医学研究界普遍认为可接受且合理的指导方针，适用于负责视觉研究中人道、道德地照顾和使用动物的研究人员。讨论主要涉及吸热（温血）脊椎动物，但这些原则可以普遍应用。涉及使用任何物种的伦理问题都应考虑其中枢神经系统的复杂性及其对环境的明显意识。
3D-MVP：3D Multiview for Anipulation
摘要：最近的作品表明，使用蒙版自动编码器（MAE）在以自我为中心的数据集上进行视觉预处理可以改善下游机器人技术任务的概括[1，2]。但是，这些方法仅在2D图像上预处理，而许多机器人应用程序需要3D场景的理解。在这项工作中，我们提出了3D-MVP，这是一种使用蒙版自动编码器进行3D多视图预处理的新方法。我们利用机器人视图变压器（RVT），该变压器（RVT）使用多视图变压器来理解3D场景并预测抓地力姿势动作。我们将RVT的多视图变压器拆分为视觉编码器和动作解码器，并在大规模3D数据集（例如Objaverse）上使用蒙版自动编码预处理其视觉编码器。我们在一组虚拟机器人操纵任务上评估了3D-MVP，并证明了基准的性能提高。我们还在真正的机器人平台上显示出令人鼓舞的结果，并具有最小的填充。我们的结果表明，3D感知预处理是提高样品效率和基于视力的机器人操纵策略的有前途的方法。我们将发布代码和验证模型，以促进未来的研究。
5M7 绿色游行 – 详解（2024-2025 年）
该基金会成立于 1960 年，致力于帮助盲人和视力受损者。狮子会视力捐赠眼库提供用于移植的角膜和用于研究的眼组织。狮子会儿童眼科诊所每年治疗超过 5,000 名儿童，为每个儿童提供终生视力的最佳机会。狮子会黄斑变性中心研究和治疗黄斑变性，这是美国失明的主要原因。视力基金会的重点领域如下：明尼苏达狮子会眼库、狮子会儿童眼科诊所、明尼苏达狮子会黄斑变性研究和康复中心、眼科研究支持、旧眼镜回收。支票应写给明尼苏达狮子会视力基金会或狮子会视力捐赠。如果您在支票的备注栏中写明明尼苏达狮子会视力基金会以外的其他实体的捐款，狮子会视力基金会将不予接受。最好直接向该实体捐款。捐赠的资金将记录为海伦·凯勒捐款。每捐赠 1,000 美元，您的俱乐部可能会颁发海伦·凯勒奖，以表彰那些为视力做出杰出贡献的人。捐赠记录由视力基金会保存。3) 明尼苏达狮子会听力基金会：这是 501(c)(3)，有资格获得赌博或项目基金
![arxiv：2501.07447v1 [cs.lg] 2025年1月13日](/simg/b\bd85019652740d4af0b81f6cf8e79131ce64fb19.webp)
arxiv：2501.07447v1 [cs.lg] 2025年1月13日
世界气象组织（WMO）最近的一份报告强调，与水有关的灾害在过去50年中造成了自然灾害的最高人类损失，其中91％以上的死亡发生在低收入国家。这种差异很大程度上是由于缺乏足够的地面监测站，例如天气监测雷达（WSR），这些障碍雷达（WSR）的安装昂贵。对于外观，尽管美国和欧洲的共有600 WSR，尽管它们的房地产近一半，但少于40。为了解决这个问题，基于卫星的观察结果提供了全球，近实时的监视解决方案。但是，他们面临着几个挑战，例如准确，偏见和空间分辨率低。这项研究利用扩散模型和残留学习的力量，将这些局限性在统一的框架中构成。我们引入了第一个扩散模型，以纠正不同降水产物之间的不一致模型。我们的方法降低了从10 km到1 km的降压卫星沉淀估计的有效性。在西雅图地区进行的广泛经验表明，准确性，降低降低和空间细节方面有显着提高。重要的是，我们的方法仅使用降水数据来实现这些结果，展示了纯粹的基于相同视力的方法来增强卫星沉淀产品的潜力，并为该领域的进一步发展铺平了道路。
bevcar：bev地图和对象分割的摄像机雷达融合
摘要 - 从鸟类的视图（BEV）角度来看，语义场景细分在促进移动机器人的计划和决策方面起着至关重要的作用。尽管最近仅视力的方法表现出了显着的性能进步，但它们通常在不利的照明条件下（例如降雨或夜间）挣扎。虽然主动传感器为这一挑战提供了解决方案，但激光雷达的高成本仍然是一个限制因素。将摄像机数据与汽车雷达融合起来是更便宜的替代方法，但在先前的研究中受到了较少的关注。在这项工作中，我们旨在通过引入Bevcar（一种新型的BEV对象和地图细分方法）来推动这一有希望的途径。我们方法的核心新颖性在于首先学习原始雷达数据的基于点的编码，然后将其利用以有效地将图像特征抬起到BEV空间中。我们对Nuscenes数据集进行了广泛的实验，并证明Bevcar优于当前的技术状态。此外，我们表明，合并雷达信息显着提高了挑战性环境条件中的鲁棒性，并提高了远处对象的细分性能。为了培养未来的研究，我们提供了实验中使用的Nuscenes数据集的天气拆分，以及http://bevcar.cs.uni-freiburg.de的代码和训练有素的模型。
如何应对功能性视力丧失
功能性视力丧失是功能性神经疾病 (FND) 的一种亚型，是普通眼科和神经眼科实践中常见的视力障碍原因。眼科医生通常可以相当自信地诊断功能性视力丧失，但通常发现更难知道该对患者说什么、如何处理，甚至是否尝试治疗。尽管研究表明，多达 60% 的成年人在长期随访中出现了严重的症状，但基于证据的治疗却很少。在过去的 20 年里，我们在理解、处理和更广泛地管理 FND 的方式上发生了巨大变化。在本文中，我们阐述了管理功能性视力丧失的实用方法，包括：1) 在主观视力受损的情况下，根据显示在视力正常的检查做出阳性诊断，而不仅仅是因为测试或眼科检查正常；2) 解释和标记病情，强调这些阳性诊断特征，而不是安慰；3) 考虑眼部或脑部合并症，如偏头痛、特发性颅内高压或弱视； 4）考虑与斜视矫正师合作，以积极的方式进行诊断测试，以强调改善视力的可能性；5）制定简单的畏光治疗策略；6）将心理因素和合并症作为评估和治疗的一部分，但要保持更广泛的病因观，不要以此为诊断；7）其他治疗方式，包括催眠疗法、经颅磁刺激和更先进的视觉反馈形式，是未来功能性视力丧失治疗的有希望的候选者。
眼部给药途径：疾病概述和高级给药方法
眼睛是维持视力的关键，但容易患上糖尿病视网膜病变、老年性黄斑变性、青光眼和干眼症等疾病。这些疾病会严重影响生活质量并导致失明。传统的眼部疾病治疗方法，尤其是眼药水，生物利用度低，在眼表的滞留时间短。为了克服这些问题，人们开发了新的药物输送系统，如水凝胶、隐形眼镜、微针和纳米系统，以提高药物渗透性并保持治疗效果。药物可以通过全身、局部、玻璃体内、角膜内、结膜下和脉络膜上腔途径输送到眼睛，每种途径都有不同的优点和局限性。全身给药通常会导致眼部药物浓度低和全身副作用。局部眼药水易于涂抹和局部使用，但在吸收和滞留方面存在困难。玻璃体内和脉络膜上腔注射可向后段提供靶向输送，但具有侵入性并存在感染风险。结膜下和角膜内途径提供了侵入性较小的替代方案，并提高了靶向能力。纳米系统和控释技术有望克服当前的障碍，旨在提高药物的生物利用度、延长释放时间并提高患者的依从性。总体而言，先进的药物输送方法对于有效治疗前段和后段眼部疾病都很重要。
种系 CRISPR/Cas9 介导的基因编辑可防止新型无虹膜小鼠模型出现视力丧失
无虹膜症是一种罕见的眼部疾病，由配对盒 6（PAX6）基因突变引起，由于缺乏长期挽救视力的治疗而导致视力丧失。治疗无虹膜症的一种方法是基于 CRISPR 的靶向基因组编辑。为了使携带与患者相同的突变的无虹膜症 Pax6 小眼（Sey）小鼠模型能够进行基于 CRISPR 的治疗方法的临床前测试，我们内源性标记了 Sey 等位基因，从而可以对每个等位基因中的蛋白质进行差异检测。我们在体外优化了一种校正策略，然后在我们新小鼠的生殖系中进行体内测试，以验证 Sey 突变的因果关系。通过 PCR 以及桑格测序和下一代测序分析了基因组操作。通过裂隙灯成像、免疫组织化学和蛋白质印迹分析对小鼠进行了研究。我们成功地实现了体外和体内 Sey 突变的种系校正，前者平均校正了 34.8% ± 4.6% SD，后者恢复了 3xFLAG 标记的 PAX6 表达和正常眼睛。因此，在本研究中，我们创建了一种新型无虹膜小鼠模型，证明了仅对 Sey 突变进行种系校正即可挽救突变表型，并开发了一种基于 CRISPR 的等位基因区分无虹膜策略。
caril：自主驾驶的模仿学习中的信心回归
摘要 - 基于端到端视力的模仿学习已直接从专家演示中学习控制命令来证明自主驾驶的有希望的结果。然而，传统方法依赖于基于回归的模型，这些模型提供了精确的控制，但缺乏一致性估计或基于分类的模型，这些模型提供了置信度得分，但由于分离而降低了精度。此限制使量化预测行动的可靠性并在必要时应用更正是一项挑战。在这项工作中，我们引入了双头神经网络体系结构，该架构既集成回归和分类负责人，以提高模仿学习中的决策可靠性。回归负责人预测了连续的驾驶动作，而分类头则估计了置信度，从而实现了一种调整机制，该校正机制可以调整低信心情景中的动作，从而增强了驾驶稳定性。我们在Carla模拟器内的闭环环境中评估了我们的方法，证明了其检测不确定的动作，估计信心并应用实时校正的能力。实验结果表明，我们的方法可降低车道偏差，并提高了传统精度高达50％，表现优于常规回归模型。这些发现突出了分类指导置信度估计的潜力，以增强基于视觉的模仿学习对自主驾驶的鲁棒性。源代码可在https：// github上找到。com/elahedlv/profester_aware_il。
用于无障碍科学教育的人工智能工具
摘要：无障碍科学教育中最重要的问题之一是创建一个可供盲人学生或有视力障碍 (VI) 学生使用的实验室工作区。虽然这些学生通常可以参加科学讲座，但他们通常无法充分参与动手实验室工作。目前解决这个问题的重点是提供特殊便利，例如要求有视力的实验室伙伴完成动手工作。尽管近年来现代科学教育中实验室设备的可访问性有所提高，但有视力障碍的学生往往仍然是被动学习者。在这项工作中，我们使用亚马逊网络服务 (AWS)、亚马逊 Alexa 技能套件 (ASK)、Alexa 智能扬声器和微控制器 (Raspberry Pi) 开发了一种新的人工智能工具，即 MSU Denver 虚拟实验室助手 (VLA)。VLA 可以与其他访问技术和设备结合用作实验室中的虚拟助手。VLA 允许有视力障碍的学生仅使用语音控制自行完成动手实验室工作。可以通过任何智能手机或 Amazon Echo 设备访问 VLA，以协助一般的科学实验室程序。VLA 旨在适用于不同的科学实验室工作。它还与其他常见的无障碍电子设备兼容，例如 Talking LabQuest (TLQ)。我们相信 VLA 可以促进 VI 学习者的融入，并有利于一般的无障碍科学教育工作。