我们提出了一种新颖的神经可变形模型 (NDM),旨在从二维稀疏心脏磁共振 (CMR) 成像数据中重建和建模心脏的三维双心室形状。我们使用混合可变形超二次曲面对双心室形状进行建模,该超二次曲面由一组几何参数函数参数化,能够进行全局和局部变形。虽然全局几何参数函数和变形可以从视觉数据中捕捉到总体形状特征,但可以学习局部变形(参数化为神经微分同胚点流)来恢复详细的心脏形状。与传统可变形模型公式中使用的迭代优化方法不同,可以训练 NDM 来学习此类几何参数函数、来自形状分布流形的全局和局部变形。我们的 NDM 可以学习以任意尺度加密稀疏心脏点云并自动生成高质量的三角网格。它还可以隐式学习不同心脏形状实例之间的密集对应关系,以实现准确的心脏形状配准。此外,NDM 的参数直观,医生无需复杂的后处理即可使用。大型 CMR 数据集上的实验结果表明,NDM 的性能优于传统方法。
地震对能源造成了巨大影响,许多地区,尤其是卡赫拉曼马拉什省和哈塔伊省的电网电力供应中断。土耳其总统府战略和预算办公室估计,该地区公共和私营电力部门遭受的损失总计约 5.7 亿土耳其里拉(3000 万美元)。地震发生后,太阳能协会和专业协会立即运送了太阳能电池板,以满足临时避难所和搜救协调小组的电力需求。尽管当地非政府组织和私营能源协会在为灾民提供临时可持续电力方面发挥了重要作用,但制定应对此类灾害的准备措施以确保长期解决方案至关重要。
●在Milano-Bicocca和Ciemat中测试的HD-XA PDE●相同的sipms(在CIEMAT和MIB之间交换),但不同的WLS栏●这些四个配置在Protodune-HD NP04中同样表示,并且在数字和位置W.R.T.中平衡。横梁,进行公平比较●跨言论校正
从 3D 显微镜图像重建数字神经元是研究大脑连接组学和神经元形态的重要技术。现有的重建框架使用基于卷积的分割网络在应用追踪算法之前将神经元从噪声背景中分割出来。追踪结果对原始图像质量和分割精度很敏感。在本文中,我们提出了一种新的 3D 神经元重建框架。我们的关键思想是利用点云的几何表示能力来更好地探索神经元的内在结构信息。我们提出的框架采用一个图卷积网络来预测神经骨架点,采用另一个图卷积网络来产生这些点的连通性。我们最终通过解释预测的点坐标、半径和连接来生成目标 SWC 文件。在 BigNeuron 项目的 Janelia-Fly 数据集上进行评估,我们表明我们的框架实现了具有竞争力的神经元重建性能。我们对点云的几何和拓扑学习可以进一步有益于 3D 医学图像分析,例如心脏表面重建。我们的代码可在 https://github.com/RunkaiZhao/PointNeuron 上找到。
从时间分辨的医学图像中精确重建右心几何形状和运动可增强基于图像可视化的诊断工具以及通过计算方法进行的心脏血液动力学分析。由于右心形态和运动的特殊性,常用的分割和/或重建技术仅采用短轴电影 MRI,在右心相关区域(如心室底部和流出道)缺乏准确性。此外,重建过程非常耗时,并且在生成计算域的情况下需要大量的人工干预。本文提出了一种从时间分辨 MRI 中精确高效地重建右心几何形状和运动的新方法。具体而言,所提出的方法利用表面变形来合并来自多系列电影 MRI(如短/长轴和 2/3/4 腔采集)的信息并重建重要的心脏特征。它还通过利用合适的图像配准技术自动提供完整的心脏收缩和放松运动。该方法既适用于健康病例,也适用于病理(法洛四联症)病例,并且比标准程序产生更准确的结果。所提出的方法还用于为计算流体动力学提供重要输入。相应的数值结果证明了我们的方法在计算临床相关血液动力学量方面的可靠性。© 2023 Elsevier BV 保留所有权利。
和一个锅的不同)或意图(例如通过刀与使用它进行切割),我们人类可以毫不费力地描绘出与日常生活中日常物体的这种互动。在这项工作中,我们的目标是构建一个可以同样生成合理的手动配置的计算系统。具体来说,我们学习了一个基于扩散的常规模型,该模型捕获了3D相互作用期间手和对象的关节分布。给定一个类别的描述,例如“握着板的手”,我们的生成模型可以合成人手的相对配置和表达(见图1个顶部)。我们解决的一个关键问题是,该模型是什么好的HOI表示。通常通过空间(签名)距离场来描述对象形状,但人的手通常是通过由发音变量控制的参数网格建模的。我们提出了一个均匀的HOI表示,而不是在生成模型中对这些不同的代表进行建模,并表明这允许学习一个共同生成手和对象的3D扩散模型。除了能够合成各种合理的手和物体形状的综合外,我们的扩散模型还可以在跨任务的辅助推理之前作为通用,而这种表示是所需的输出。例如,重建或预测相互作用的问题对于旨在向人类学习的机器人或试图帮助他们的虚拟助手来说是核心重要性。重建的视频重新投影错误)或约束(例如我们考虑了这些行沿着这些行的两个经过深入研究的任务:i)从日常交互剪辑中重建3D手对象形状,ii)鉴于任意对象网格,合成了合理的人类grasps。为了利用学到的生成模型作为推论的先验,我们注意到我们的扩散模型允许在任何手动对象配置给定的(近似)log-likelihood梯度计算(近似)log-likelihoodhoodhood。我们将其纳入优化框架中,该框架结合了先前的基于可能性的指南与特定于任务的目标(例如已知对象网格的合成)推理。虽然理解手动相互作用是一个非常流行的研究领域,但现实世界中的数据集限制了3D中这种相互作用的限制仍然很少。因此,我们汇总了7种不同的现实世界交互数据集,从而导致157个对象类别的相互作用长期收集,并在这些范围内训练共享模型。据我们所知,我们的工作代表了第一个可以共同生成手和对象的生成模型,并且我们表明它允许综合跨类别的各种手动相互作用。此外,我们还经验评估了基于视频的重建和人类掌握合成的任务的先前指导的推断,并发现我们所学的先验可以帮助完成这两个任务,甚至可以改善特定于特定于任务的状态方法。
从2013年到2023年,近15倍上州就业增长率的15倍。 此外,在北部社区中,工作艺术家是人口始终增长的少数部分。 在纽约州北部,居民艺术家人口增长了21%。 可悲的是,我们创意产业中的这些快速转变超过了国家经济发展工具以支持工人。 例如,上州(区域经济发展委员会)REDC仅授予了2021年与艺术和文化有关的所有赠款的3.7%。 此外,在2022年全纽约州的104个DRI项目中,只有12个与艺术和文化有关。 1资金来支持这一增长的经济工具,反过来,增长对经济的积极影响正在减少,而与艺术和艺术相关的就业资金的资金在政府和慈善部门都下降了。 ●该州的经济决策者不能闲置。 我们的领导人必须开发从2013年到2023年,近15倍上州就业增长率的15倍。此外,在北部社区中,工作艺术家是人口始终增长的少数部分。在纽约州北部,居民艺术家人口增长了21%。可悲的是,我们创意产业中的这些快速转变超过了国家经济发展工具以支持工人。例如,上州(区域经济发展委员会)REDC仅授予了2021年与艺术和文化有关的所有赠款的3.7%。此外,在2022年全纽约州的104个DRI项目中,只有12个与艺术和文化有关。1资金来支持这一增长的经济工具,反过来,增长对经济的积极影响正在减少,而与艺术和艺术相关的就业资金的资金在政府和慈善部门都下降了。●该州的经济决策者不能闲置。我们的领导人必须开发
过渡金属二甲化物(TMDS)的扭曲双层揭示了丰富的激子景观,包括混合激子和空间捕获的Moiré激子,占主导地位的材料光学响应。最近的研究表明,在低扭转角度方面,晶格经历了显着的松弛,以最大程度地减少局部堆叠能量。在这里,出现了低能堆叠配置的大域,通过应变使晶格变形,从而影响电子带结构。然而,到目前为止,原子重建对激子能量景观和光学特性的直接影响尚未得到充分了解。在这里,我们采用了微观和材料特异性方法,并预测了重建的晶格中Moiré激子的潜在深度发生了显着变化,并且自然堆叠的TMD TMD同质同层中发生了最大的变化。与刚性晶格相比,我们显示了多个频段的外观,并且捕获位点位置的显着变化。最重要的是,我们预测WSE 2同类体的光学吸收中出现了多发结构 - 与主导刚性晶格的单个峰相比。此发现可以被利用为在天然堆积的扭曲同性恋者中Moiré激子光谱中原子重建的明确特征。
摘要。过去气候的定量重建是19评估气候模型如何重现气候变化的重要资源。一种广泛使用的统计20方法,用于从化石生物组合进行此类重建的方法加权21平均部分最小二乘回归(WA-PLS)。然而,已知的22个WA-PLS产生重建的趋势是压缩到用于校准的气候范围的中心的重建,可能会偏向重建的过去气候。我们通过假设:(a)相对于所考虑的气候变量,每个分类单元的理论丰度为25个单峰; (b)观察到的分类单元丰度26遵循多项式分布,其中样品的总丰度在气候上是27个不明智的; (c)在给定站点和时间的气候价值的估计使得28个观察结果最有可能,即它最大化对数可能性函数。此气候29估计值是通过将其气候公差的30反平方平方的加权分类单元丰度近似。我们通过考虑训练数据集中气候变量的频率31(FX)进一步改善方法。与WA-PLS相比,具有FX校正的TWA-PLS大大减少了压缩偏置,并基于广泛的现代花粉数据集改善了33个重建的模型性能。34
