XiaoMi-AI文件搜索系统
World File Search SystemAutomate
通过 R3D Transformer 实现超声心动图矢量嵌入，推动自动超声心动图的发展
我们的模型性能接近为相同 EF 分类问题开发的当前 SOTA（最先进）分类器，这突显了其质量。例如，我们的准确率高于最新模型，同时与最佳 SOTA 准确率相差 5 分以内。我们的 AUC 也高于最新模型，与最佳 SOTA AUC 相差 6 分以内。a R3D Transformer，ResNet18 主干。b 未公开的算法。c 具有空洞卷积的 3D 卷积神经网络。d GSM，Inception 主干，32 帧超声心动图。e 移动 U-Net。
生物医学数据分析中的人工智能：对自动临床试验解释和统计评估的大语言模型的比较评估
分析临床试验数据对于评估新疗法的功效和安全性至关重要。传统上，此过程需要在生物医学，临床研究，生物统计学和数据科学方面的专业专业知识，通常使其劳动密集型，耗时且昂贵[1]。对于缺乏数据分析培训的临床医生和研究人员，复杂的统计要求可能会成为重大障碍，从而导致将研究结果转化为临床实践的延迟。以大数据集和多个终点为特征的现代临床试验的复杂性日益加剧，加剧了这些挑战[2]。临床试验越来越依赖的不同原始和次要数据源的整合进一步强调了对处理复杂的，异质数据的先进分析工具的需求。介入的临床试验依赖于严格的协议下的一致记录保存，涉及多个学科的专家，包括 - 疾病生物学，专科临床护理，毒理学，转化科学，生物统计学，生物分析科学，监管事务，监管事务和生物医学伦理学。每个领域都为试验设计提供了重要的要素，以确保试验的各个方面都符合监管标准和科学严格的严格性，以产生有关治疗功效和安全性的证据。
材料科学的人工智能
自动化的导向车辆（AGV）在各个研究领域都起着至关重要的作用。我们的项目旨在增强人类的视觉系统并开发智能机器。AGV广泛用于工业领域，社区服务和危险工作环境中。他们在我们的日常生活中具有许多优势，使他们能够像机器人一样感知和对环境做出反应。考虑到它们的广泛使用，我们开发了一个AGV的原型，该原型使用两个DC电动机和一个freewheel遵循平坦表面上的预定路径。相机连接到PC，以通过MATLAB进行图像采集和处理。GUI应用程序允许用户确定路径，而RF模块可以在PC和MicroController之间进行通信。我们可以根据车辆的位置从PC发送命令，然后按照指示向前，向左，右或停止。这项研究旨在利用医疗保健部门的机器人技术来增强残疾人的流动性。该项目涉及开发一个机器人系统，该机器人系统可以跟踪和导航各种环境，包括工业领域，仓库，医疗设施以及人类无法运作的地区。所提出的系统由三个主要组件组成：机器人组件，PC和GUI应用。机器人组件包括Atmega 16A微控制器，电机驱动器电路（L293D），RF模块（CC2500），IR传感器和USB摄像头。PC将从GUI应用程序接收命令，并通过RF模块向机器人组件发送信号。基于IR的传感器用于障碍物检测。系统的功能框图说明了摄像机如何使用阈值捕获车辆路径的鸟眼视图图像，并使用阈值检测车辆上的红色条并跟踪其运动。GUI应用程序允许用户追踪路径，而微控制器识别PC中的命令并控制机器人的运动（向前，左或右）。电路图显示了两个主要部分：机器人组件和PC。机器人组件采用带电机驱动器电路的Atmega 16A微控制器，用于隔离高功率电动机。RF模块CC2500使用串行协议操作，并连接到微控制器的TX和RX引脚。该系统的算法涉及初始化微控制器，USART和电机；从USB摄像头获取图像；处理图像；跟踪位置；向机器人组件发送信号；并在各自的方向上移动机器人。原型实施证明了在各个领域中使用AGV的可行性，包括工业环境，仓库，医疗设施和人类无法运作的危险区域。参考：1。R.C. Arkin和R.R. Murphy，“制造环境中的自动导航”，IEEE Int。 conf。 机器人和自动化，1997年，pp。 2312-2317。 2。 K. Schilling，M。Mellado-Arteche，J。Garbajosa和R. Mayerhofer，“用于工业生产的灵活自动运输机器人的设计”，《 Proc》。 ieee int。 sammp。 工业电子（ISIE'97），第1卷。R.C.Arkin和R.R.Murphy，“制造环境中的自动导航”，IEEE Int。conf。机器人和自动化，1997年，pp。2312-2317。2。K. Schilling，M。Mellado-Arteche，J。Garbajosa和R. Mayerhofer，“用于工业生产的灵活自动运输机器人的设计”，《 Proc》。ieee int。sammp。工业电子（ISIE'97），第1卷。在1997年，纽约纽约发行了一份出版物，涉及从第791页到796。一份题为“自动导向车辆的同时调度和无冲突路线的动态优化”的研究论文发表在2010年的高级机械设计，系统和制造杂志上。另一项研究是“自动制造系统的过程与以资源为导向的Petri净建模”，由N. Wu和M. Zhou进行，出现在2010年5月的《亚洲控制杂志》中。本文讨论了与AGV词典中与AGV相关的框图。
自动存储和检索系统的进步
自动存储和检索系统（ASRS）通过自动化库存存储和检索来改变现代仓库管理，从而大大提高了运营效率，准确性和空间利用率。与手动存储系统相关的效率和错误越来越多，导致行业采用自动解决方案，这些解决方案可以处理复杂的大规模操作。本文研究了ASRS在增强仓库管理中的作用，重点是机器人技术，传感器，人工智能（AI）和工业互联网（IIOT）等关键技术进步。这些技术使ASR可以通过实时数据收集，预测性维护和增强的决策能力来优化库存管理。此外，ASR与AI算法的集成允许自我优化和适应性，从而提高了整体仓库生产率，同时降低了运营成本。本文还讨论了ASRS对行业4.0的影响，在该行业4.0中，这些系统在启用智能，相互联系的制造和物流环境中起着关键作用。对手动与自动化系统的比较分析突出了ASR的相当优势，包括较高的吞吐量率，减少人为错误和改善空间利用率。通过对相关文献和行业应用的综述，本研究强调了ASR在现代工业环境中的变革潜力及其对仓库运营效率和可持续性的贡献。
已发表版本的引用（APA）：Zhang, D., Hansen, C., De Frène, F., Kærgaard, S.P., Qian, W., & Chen, K. (2023)。自动贴标和在线
基于脑电图 (EEG) 的脑机接口 (BCI) 允许用户使用脑信号来控制外部仪器，而运动意图检测 BCI 可以帮助失去运动功能的患者康复。现有该领域的研究大多依赖于基于线索的数据收集，这种方法便于样本标记，但会引入来自线索刺激的噪音；此外，它需要大量的用户培训，并且不能反映真实的使用场景。相比之下，自定步调的 BCI 可以通过支持用户按照自己的主动性和步调进行运动来克服基于线索的方法的局限性，但它们在标记方面存在不足。因此，在本研究中，我们提出了一种自动标记方法，可以交叉引用肌电图 (EMG) 信号以进行 EEG 标记，而无需人工干预。此外，考虑到只有少数研究专注于评估用于在线使用的 BCI 系统，并且其中大多数没有报告在线系统的细节，我们开发并详细介绍了一个伪在线评估套件，以促进在线 BCI 研究。我们收集了 10 名参与者的自定步调运动 EEG 数据，这些参与者进行张开和闭合手部动作，以进行训练和评估。结果表明，与基线标记方法相比，自动标记方法可以很好地处理噪声数据。我们还探索了用于在线自定步调运动检测的流行机器学习模型。结果证明了我们的在线管道的能力，并且由于在线 BCI 系统的特定设置，性能良好的离线模型并不一定能转化为性能良好的在线模型。我们提出的自动标记方法、在线评估套件和数据集向现实世界的自定步调 BCI 系统迈出了坚实的一步。© 2023 作者。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
半自动化的MEA Spike Sorting（SAMS）方法用于高吞吐量评估培养的神经元
1美国威斯康星大学麦迪逊分校生物医学工程系，美国威斯康星州53705，美国2威斯康星大学麦迪逊分校，威斯康星州麦迪逊大学，威斯康星州53705，美国3美国神经科学系，医学院，医学和公共卫生学院威斯康星州麦迪逊，威斯康星州麦迪逊市，美国威斯康星州53705，美国5这些作者同样贡献了6个铅接触 *通信：Xinyu Zhao（Waisman中心和威斯康星大学麦迪逊大学医学与公共卫生学院神经科学系，麦迪逊大学，麦迪逊大学，麦迪逊大学，麦迪逊，麦迪逊大学，美国西澳州53705，USA; AVIAD HAI（威斯康星大学麦迪逊分校工程学院生物医学工程系，威斯康星州麦迪逊，美国53706，美国；电话：（608）890-3411;电子邮件：ahai@wisc.edu）;或阿里·罗森伯格（Ari Rosenberg）（威斯康星大学麦迪逊分校医学与公共卫生学院神经科学系，美国威斯康星州麦迪逊市53705；电话：（608）265-5782；电子邮件：ari.rosenberg@wisc.edu）
基因组分辨的元文字组学揭示了合成微生物群中保守的根定植决定因素
摘要：近年来，协作机器人已成为行业4.0的主要动力之一。与工业机器人相比，自动化的导向车辆（AGV）更具生产力，灵活，多功能和更安全。它们在智能工厂被用于运输货物。今天，许多工业机器人的生产商和开发商都进入了AGV领域。但是，他们在设计AGV系统（例如设计过程的复杂性和不连续性）以及定义分散系统决策的困难方面面临着一些挑战。在本文中，我们提出了一种基于群体机器人技术的新的集成设计方法，以应对功能，物理和软件集成的挑战。此方法包括两个阶段：一个自上而下的阶段，从需求规范到使用系统建模语言（SYSML）的功能和结构建模；在机器人操作系统（ROS）中进行模型集成和实现的自下而上阶段。选择了自动导向车辆（AGV）系统的案例研究以验证我们的设计方法，并说明了其对AGV的有效设计的贡献。这种提出的方法的新颖性是SYSML和ROS的结合，以解决AGV系统的不同设计级别之间的可追溯性管理，以实现功能，物理和软件集成。
n-power AI：临床试验设计中的自动样本量和功率分析的专业代理框架
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是此预印本版本的版权持有人，该版本发布于2025年2月8日。 https://doi.org/10.1101/2025.02.06.636776 doi：Biorxiv Preprint