XiaoMi-AI文件搜索系统
World File Search SystemAided
Computer-Aided Screening of Autism Spectrum Disorder
背景：自闭症谱系障碍（ASD）的早期诊断非常可取，但仍然是一项具有挑战性的任务，这需要一组认知测试和临床检查时间。此外，存在这种症状的变化，这可以使ASD的识别更加困难。尽管诊断测试在很大程度上是由专家开发的，但它们仍然存在人类偏见。在这方面，计算机辅助的技术可以在支持筛选过程中发挥关键作用。目的：本文遵循基于眼睛凝视的特征元素在ASD中使用眼睛跟踪作为筛选评估的集成部分的路径。这项研究增加了使用眼睛跟踪技术来支持ASD筛选方法的越来越多的努力：所提出的方法基本上旨在将眼睛跟踪与可视化和机器学习相结合。一组59名学龄性参与者参加了这项研究。邀请参与者观看一组与社会认知有关的适合年龄的照片和视频。最初，将眼睛跟踪的扫描路径转换为视觉表示形式，作为一组图像。随后，培训了卷积神经网络以执行图像分类任务。结果：实验结果表明，视觉表示可以简化诊断任务，并且还获得了很高的精度。具体来说，卷积神经网络模型可以达到有希望的分类准确性。这在很大程度上表明可视化可以成功地编码注视运动及其潜在动态的信息。此外，我们探讨了基于最大信息系数的自闭症严重程度与眼动动力学之间的可能相关性。的发现主要表明，眼睛跟踪，可视化和机器学习的结合具有开发客观工具来协助筛查ASD的强大潜力。结论：从广义上讲，我们提出的方法可以转移到筛查其他疾病，尤其是神经发育障碍的方法。
计算辅助经典量子多址接入提升网络通信速度
多址信道 (MAC) 由多个发送者同时向单个接收者传输消息组成。对于经典量子情况 (CQ MAC)，可实现的速率是假设所有消息均已解码而已知的，这是量子网络设计中的常见假设。然而，这种传统的设计方法忽略了全局网络结构，即网络拓扑。当 CQ MAC 作为量子网络通信的一部分时，这项工作表明，计算属性可用于通过依赖于网络拓扑的代码设计来提高通信速度。我们量化了具有双发送者 CQ MAC 的计算属性的代码可实现的量子通信速率。当双发送者 CQ MAC 是具有二进制离散调制的玻色子相干信道时，我们表明它实现了最大可能的通信速率（单用户容量），这是传统设计无法实现的。此外，这种速率可以通过不同的检测方法实现：量子（有或没有量子记忆）、开/关光子计数和同差（每种方法的光子功率都不同）。最后，我们描述了两个实际应用，其中一个是加密应用。
文章通过深度学习模型和放射组学方法实现阿尔茨海默病的计算机辅助诊断
摘要：本文针对阿尔茨海默病的诊断问题，结合深度学习与影像组学的方法，提出了一种基于改进的卷积神经网络模型和图像融合方法的阿尔茨海默病诊断分类模型，并与现有的网络模型进行了比较。在ADNI和PPMI数据库中收集了182例阿尔茨海默病患者，在单模态图像训练中AUC达到0.906，在融合图像训练中AUC达到0.941，证明了所提方法在融合图像上具有更好的性能。该研究对促进多模态图像在阿尔茨海默病诊断中的应用具有推动作用，基于多模态图像的融合图像数据集比单模态图像数据集具有更高的诊断准确率。深度学习方法和影像组学显著提高了阿尔茨海默病的诊断准确率。
研究论文 计算机辅助脑肿瘤诊断
脑瘤是一种致命的神经系统疾病，由脑或颅骨内细胞异常和不受控制的生长引起。患有这种疾病的患者的死亡率正在逐渐上升。手动分析磁共振图像 (MRI) 不足以有效准确地诊断脑瘤。早期诊断疾病可以及时治疗，从而提高患者的存活率。现代脑成像方法提高了脑瘤的检出率。在过去的几年里，已经进行了大量研究以利用计算机辅助诊断人类脑瘤，以实现 100% 的诊断准确率。本研究的重点是通过卷积神经网络 (CNN) 对脑瘤进行早期诊断，以提高最先进的诊断准确率。所提出的 CNN 是在包含脑瘤 MRI 的基准数据集 BR35H 上进行训练的。在六个不同的数据集（即 BMI-I、BTI、BMI-II、BTS、BMI-III 和 BD-BT）上评估了模型的性能和可持续性。为了提高模型的性能并使其对完全看不见的数据具有可持续性，我们采用了不同的几何数据增强技术以及统计标准化。所提出的基于 CNN 的脑肿瘤诊断 CAD 系统比其他系统表现更好，平均准确率约为 98.8%，特异性约为 0.99。它还对两个脑部 MRI 数据集（即 BTS 和 BD-BT）的诊断正确率为 100%。我们还将所提出的系统的性能与其他现有系统进行了比较，分析表明，所提出的系统优于所有系统。
基于多分支深度学习融合模型的计算机辅助颅内脑电信号识别方法及临床验证
1 北京邮电大学泛网无线通信教育部重点实验室，北京市海淀区西土城路10号，100876，中国；ypwang@bupt.edu.cn（YW）；liuzimo@bupt.edu.cn（ZL）；guojinjie2@bupt.edu.cn（JG）；gpcao@bupt.edu.cn（GC）；baytest@bupt.edu.cn（MO）2 首都医科大学宣武医院神经外科，北京市西城区长椿街45号，100053，中国；yangdai@mail.ccmu.edu.cn（YD）；shanyongzhi@xwhosp.org（YS）3 北京航空航天大学机电工程与自动化学院机器人研究所，北京市海淀区学院路37号，100191，中国； drliuda@buaa.edu.cn 4 无锡北邮传感技术与工业研究所有限公司，无锡 214001，中国 * 通讯作者：gxkang@bupt.edu.cn (GK); ggzhao@xwhosp.org (GZ) † 这些作者对这项工作的贡献相同。
机翼形状的辅助惯性估计 - oatao
先进的大翼展飞机具有更大的结构灵活性，但可能出现不稳定或操纵性差。这些缺点需要稳定性增强系统，该系统需要主动结构控制。因此，飞行中机翼形状的估计有利于控制非常灵活的飞机。本文提出了一种基于扩展卡尔曼滤波估计柔性结构状态的新方法，该方法利用了辅助惯性导航系统中采用的思想。将不同机翼位置的高带宽率陀螺仪角速度集成在一起，以提供短期独立惯性形状估计解决方案，然后使用额外的低带宽辅助传感器来限制发散估计误差。所提出的滤波器实现不需要飞机的飞行动力学模型，简化了通常繁琐的卡尔曼滤波调整过程，并允许在机翼偏转较大和非线性的情况下进行准确估计。为了说明该方法，通过使用瞄准装置作为辅助传感器的模拟来验证该技术，并进行可观测性研究。与文献中基于立体视觉的先前研究相比，我们发现了一种传感器配置，仅使用一个摄像头和多个速率陀螺仪分别用于卡尔曼滤波更新和预测阶段，即可提供完全可观察的状态估计。
计算机辅助工业设计系统的优化...
摘要：客机概念设计系统可以辅助设计人员提高设计质量、提高工作效率、缩短设计周期、降低研发成本。针对现有客机概念设计系统TADAO存在技术路线不足、设计辅助能力弱、部分模块缺乏理论推导、系统鲁棒性弱等不足，本文对客机基本参数估算模块、客舱布局模块、机翼尾翼外形初步设计模块进行了更新，并增加了总体参数灵敏度分析模块。参考相关飞机总体设计文献及理论推导，总结出一套基本参数初步估算方法，能够以较少的输入参数估算出主要基本参数。参考相关飞机总体设计文献，总结出一套机翼尾翼外形初步设计方法，可用于快速外形设计；通过比较不同的技术路线，确定了总体参数灵敏度分析方法。
计算机辅助创意思维机（CAXTUS）
机器无法思考，但是他们可以在设计机器的阶段执行人类描述的特定大脑功能。机器只能做我们告诉它要做的事情，直到今天的机器都不具有“思维”。一个人可以说一个人可以对机器“注入”一个想法或洞察力，并且它会在一定程度上做出响应，然后静止，就像用锤子击中的钢琴弦[6]。本身，大脑几乎无法实现。大脑无缝地编织了来自感觉系统和认知过程的复杂信息，如图3，图4和图5所示。经验的来源最初可能是个体，但是要使经验可用，必须通过文化和许多其他人类大脑之间的互动产生的协同作用来处理它[26]。
数字孪生辅助桥梁基础设施在极端条件下的脆弱性评估和基于风险的维护规划
摘要：在过去的几个世纪中，全球已建成数以百万计的桥梁基础设施。其中许多桥梁已老化并表现出巨大的潜在风险。基于风险的公路桥梁频繁检测和维护管理对于公共安全尤为重要。目前，大多数桥梁依靠人工检查方式进行管理。效率极低，导致桥梁劣化和缺陷风险日益增加，降低了桥梁的承载能力，制约了桥梁的正常和安全使用。目前，数字孪生在建筑行业的应用势头强劲，行业逐渐进入信息时代。为了获取和共享相关信息，工程师和决策者在项目的整个生命周期中都采用了数字孪生，但其应用仍然局限于数据共享和可视化。本研究进一步展示了数字孪生在可持续性和脆弱性评估方面的前所未有的应用，这可以实现下一代基于风险的检查和维护框架。本研究以中国浙江省中城村大桥施工人员获得的数据为案例研究。重点介绍了数字孪生在桥梁模型建立、信息收集和共享、数据处理、检查和维护规划中的应用。然后，建立了“数字孪生（或建筑信息模型，BIM）+桥梁风险检查模型”的集成，这将成为所有利益相关者在整个生命周期内减轻极端天气条件下的风险和不确定性的更有效的信息平台。
通过注意力机制的弱监督框架对计算机辅助诊断阿尔茨海默氏病
摘要：阿尔茨海默氏病（AD）是最普遍的神经退行性疾病，引起了人们的疾病，并对中年和老年人构成了显着的健康风险。大脑磁共振成像（MRI）是AD最广泛使用的诊断方法。但是，收集具有高质量注释的能力大脑成像数据是一项挑战。弱监督学习（WSL）是一种机器学习技术，旨在从有限或低质量的注释中学习有效的功能表示。在本文中，我们提出了一个基于WSL的深度学习（DL）框架（ADGNET），该框架由具有注意机制的骨干网络和同时图像分类和图像重建的任务网络组成，以使用有限的注释来识别和分类AD。ADGNET基于六个评估指标（Kappa，敏感性，特定型，精度，准确性，F1分数）在两个大脑MRI数据集（2D MRI和3D MRI数据）上实现出色的性能，并使用两个数据集中的Babels仅使用20％的标签。ADGNET的F1得分为99.61％，灵敏度为99.69％，表现优于两个最先进的模型（Resnext WSL和SIMCLR）。所提出的方法代表了一种潜在的基于WSL的计算机辅助诊断方法，用于临床实践中的AD。