XiaoMi-AI文件搜索系统
World File Search System识别率
婴儿期功能连接组指纹的存在及其数月内的稳定性
功能连接组指纹是一组个体化的大脑功能连接模式，能够区分不同个体。尽管它已在青少年和成人中得到证实，但尽管它在识别可能反映不同行为表型的内在连接组模式的起源方面具有重要意义，但这种个体化模式是否存在于婴儿期却很少被研究。为了填补这一知识空白，利用纵向高分辨率结构和静息态功能磁共振成像数据集，包括 104 名人类婴儿（53 名女性）的 806 次纵向扫描（年龄，16 – 876 天）和婴儿特定的功能分区图，我们观察到大脑功能连接组指纹可能自婴儿期就存在，并在早期大脑发育的数月内保持稳定。具体而言，通过使用；5% 的选定功能连接，我们实现了；78% 的个体识别率，而没有连接选择的最佳识别率为 60%。额顶叶网络被认为是成人功能连接组指纹中最有贡献的网络，尽管人们普遍认为它在儿童时期发展迅速，但它在婴儿中仍然保持着优势。功能连接组指纹的存在和稳定性在相邻年龄组中得到进一步验证。此外，我们发现婴儿额顶叶网络在预测个体早期学习综合得分方面可以达到与全脑连接组类似的准确度，这再次与成人的观察结果相似，并突出了功能连接组指纹与认知表现的相关性。这些结果首次表明，每个个体在早期大脑发育过程中可能保留一个独特而稳定的功能连接组标记。
氧化还原 -
对脑肿瘤位置的自动检测对于医学和分析用途都是必不可少的。 在本文中，我们聚集了大脑MRI图像以检测肿瘤位置。 为了获得完美的结果，我们向群集图像提供了一种无监督的鲁棒PCA算法。 所提出的方法将大脑MR图像像素群簇为四个杠杆。 该算法是针对诸如神经胶质瘤，亨廷顿，脑膜瘤，Pick和Alzheimer的五个脑部疾病实施的。我们使用每种疾病的十张图像来验证最佳识别率。 根据获得的结果，确定了图像不良杠杆部分中2％的数据，这可以接受，从而辨别了肿瘤。 结果表明，该方法有可能检测具有高灵敏度的脑疾病的肿瘤位置。 此外，结果表明，胶质瘤图像的方法比其他图像的结果大约更好。 但是，根据所有选定疾病的ROC曲线，本方法可以发现病变位置。对脑肿瘤位置的自动检测对于医学和分析用途都是必不可少的。在本文中，我们聚集了大脑MRI图像以检测肿瘤位置。为了获得完美的结果，我们向群集图像提供了一种无监督的鲁棒PCA算法。所提出的方法将大脑MR图像像素群簇为四个杠杆。该算法是针对诸如神经胶质瘤，亨廷顿，脑膜瘤，Pick和Alzheimer的五个脑部疾病实施的。我们使用每种疾病的十张图像来验证最佳识别率。根据获得的结果，确定了图像不良杠杆部分中2％的数据，这可以接受，从而辨别了肿瘤。结果表明，该方法有可能检测具有高灵敏度的脑疾病的肿瘤位置。此外，结果表明，胶质瘤图像的方法比其他图像的结果大约更好。但是，根据所有选定疾病的ROC曲线，本方法可以发现病变位置。
XSL•FO
目的：本研究探讨 GPT-4 在头颅 CT 扫描中识别和注释脑出血的能力。它代表了 NLP 模型在放射影像学中的一种新应用。方法：在这项回顾性分析中，我们收集了 2023 年 1 月至 9 月期间在上海交通大学医学院附属仁济医院进行的 208 次 CT 扫描，这些 CT 扫描包含 6 种类型的脑出血。所有 CT 图像都混合在一起并按顺序编号，因此每张 CT 图像都有自己对应的编号。生成从 1 到 208 的随机序列，并按随机序列的顺序将所有 CT 图像输入 GPT-4 进行分析。随后使用 Photoshop 检查输出，并由经验丰富的放射科医生根据 4 分量表进行评估，以评估识别的完整性、准确性和成功率。结果：6 种类型脑出血的总体识别完整率为 72.6%（SD 18.6%）。具体而言，GPT-4 在硬膜外出血和脑实质内出血中的识别完整度较高（分别为 89.0%、SD 19.1% 和 86.9%、SD 17.7%），但其在慢性硬膜下出血中的识别完整度百分比很低（37.3%、SD 37.5%）。复杂性出血（54.0%、SD 28.0%）、硬膜外出血（50.2%、SD 22.7%）和蛛网膜下腔出血（50.5%、SD 29.2%）的误识别率相对较高，而急性硬膜下出血（32.6%、SD 26.3%）、慢性硬膜下出血（40.3%、SD 27.2%）和脑实质内出血（26.2%、SD 23.8%）的误识别率相对较低。大出血和轻微出血的识别完整性百分比均未显示
基于上下文的空间自我监督学习...
这项工作是出于空间信息在HTR任务[25]中的相关性以及以下事实，据我们所知，它以前尚未进行过研究，并着重于适应HTR领域的此类方法。更确切地说，我们提出了两种替代方案，可以在HTR方案中使用这些SSL策略（见图1）：（i）将HTR任务调整为原始SSL方法，即输入适应性，（ii）提出针对HTR任务特征的新型基于空间上下文的SSL方法，即适应。通过考虑多个参考HTR Corpora，将这些建议全面评估，并与该领域遵循的参考策略进行比较。获得的结果表明，与参考SSL方法相比，所提出的SSL策略提供了最先进的识别率，同时保持概念上的简单性。
AAPS-外包-通讯-2021 年 8 月。 ，
疾病的外科治疗是医疗保健不可或缺的一部分。实现外科目标可以在保留形态和生理功能的同时实现最佳的疾病治疗，这主要取决于可视化 [1]。最近，外科医生已开始使用荧光进行手术导航，以提高术中识别率并引导病变切除 [2,3]。荧光成像首次应用于外科手术是在 1948 年，当时使用静脉注射荧光素在神经外科手术期间可视化颅内肿瘤4。X 射线、计算机断层扫描 (CT)、超声波 (US) 和磁共振成像 (MRI) 等成像技术主要用于手术计划或中期评估，因为它们不提供实时术中引导 [3]。荧光引导成像提供更深层的解剖信息和实时术中反馈，以帮助切除病变组织。
快速手持式连续脑电图有可能检测老年人的谵妄症
意识错乱评估方法-ICU (CAM-ICU) 是唯一在老年和重症监护患者群体中得到验证的谵妄筛查工具。3–9 CAM-ICU 在研究中使用时具有高敏感性 (93-100%) 和特异性 (98-100%)，因此受到重症监护医学会 (SCCM) 的推荐。3,4 然而，在临床实践中，镇静剂的使用和脑损伤阻碍了对多达 58% 的 ICU 患者的准确评估。加上临床医生评分者间信度 (43-47%) 挑战和实践漂移，阳性谵妄病例的识别率约为 20%。10,11 即使确诊，谵妄也常常被认为是痴呆或其他原因造成的。12 因此，迫切需要一种能够早期准确检测的客观生理监测器。
使用机器学习的高级自动板识别器
摘要：本文提出了一种高度准确的自动板识别（ANPR）算法，旨在正确识别超过99.5％精度的印度车牌。该系统结合使用OpenCV，Python和机器学习模型来达到这一高度的精度。算法捕获和处理图像以识别和识别车牌，包括板上的颜色。使用HAAR级联反应进行初始板识别，然后将其转移到Yolo V3，从而提高了精度和速度。该系统结合了复杂的图像预处理技术 - 包括灰度调整，阈值，侵蚀，细节和轮廓检测 - 以确保对图像进行优化，以用于角色分离和识别。这种综合方法不仅提高了识别率，而且更有效地处理图像，尤其是在传统系统可能失败的情况下。结果，它为在动态环境中的强大ANPR实现铺平了道路。
基于注意机制Res-Dense卷积神经网络的水下目标识别深度学习新方法
摘要：无论在国防还是民用领域，都需要对远距离水下目标进行准确、快速的识别。然而，数据缺乏、舰船工况等因素会显著影响水下声目标识别（UATR）系统的性能。由于海洋环境非常复杂，UATR严重依赖于特征工程，人工提取的特征在统计模型中偶尔会失效。本文提出了一种基于卷积神经网络和注意力机制的端到端UATR模型。该网络模型以原始时域数据为输入，结合残差神经网络和密连接卷积神经网络，充分利用两者的优势。在此基础上，加入通道注意机制和时间注意机制，提取通道维度和时间维度上的信息。经过对实测的四种舰船辐射噪声数据集进行实验，结果表明，所提方法在不同工况下均获得了97.69%的最高正确识别率，优于其他深度学习方法。
使用 EfficientNet 模型进行脑肿瘤分类
[2] 中，SVM 分类器和模糊 C 均值的组合已被用于检测脑肿瘤。为了获得大脑属性，该方法采用了灰度运行长度矩阵 (GLRLM)。SVM 分类器用于确定脑部扫描是否包含肿瘤。SVM 分类器利用 120 次脑部 MRI 扫描中的 96 次进行训练，然后使用剩余的 24 张图像进行测试。该方法在分类任务中获得了最高 91.66% 的准确率。[3] 中利用朴素贝叶斯分类器识别了脑肿瘤。对 50 次脑部扫描的评估发现总体准确率为 94%，肿瘤识别率为 81.25%，非肿瘤检测率为 100%。在这里，从分割的灰度脑部图片中得出了八个形态特征和三个强度特征来对肿瘤进行分类。朴素分类器是一种基于贝叶斯概率理论的监督机器学习算法。
使用机械影响，粘弹性的对象识别...
摘要 - 电流机器人触觉对象识别依赖于从运动相互作用信号（例如力，振动或位置）得出的统计措施。可以从这些信号估算的机械性能是可能产生更强大对象表示的内在对象属性。因此，本文提出了一个使用多种代表性的机械特性的对象识别框架：刚度，粘度和摩擦系数以及恢复原状的系数，很少被用于识别对象。这些属性是使用双重卡尔曼滤波器实时估计的（无切向力量测量），然后用于对象clasinition和clustering。通过触觉探索识别20个对象的机器人，对所提出的框架进行了测试。结果证明了该技术的有效性和效率，并且所有四个机械性能都是最佳识别率为98.18±0.424％所必需的。对于对象聚类，与基于统计参数的方法相比，这些机械性能的使用也可以提高性能。