摘要。在脑图像分析中,许多当前的管道对病变的存在不具有鲁棒性,从而降低了其准确性和鲁棒性。例如,处理病变时,经典医学图像处理操作(如非线性配准或分割)的性能会迅速下降。为了尽量减少它们的影响,一些作者提出修复这些病变,以便可以使用经典管道。然而,这需要手动划定感兴趣的区域,这很耗时。在本文中,我们提出了一个深度网络,它能够自动盲目地修复脑图像中的病变,从而使当前管道在病理条件下稳健地运行。我们使用 SPM12 管道和我们自动修复的图像证明了脑分割问题中改进的鲁棒性/准确性。关键词:病变修复、MRI、深度学习、稳健分割。
Bliss,Carly M.,Hulin-Curtis,Sarah L Orcid logoorcid:https://orcid.org/0000-0000-000-0003-0889-964x,威廉姆斯,Marta,Marušková,Marušková,Mahulena,Mahulena,Mahulena,Mahulena,Davies,Davies,Davies,James A. Jones, Lauren E., Milward, Kate, Russell, Gabrielle, George, Sarah J., Badder, Luned M., Stanton, Richard J., Coughlan, Lynda, Humphreys, Ian R. and Parker, Alan L. (2024) A pseudotyped adenovirus serotype 5 vector with serotype 49 fiber knob is an effective vector for vaccine and gene治疗应用。分子疗法 - 方法与临床发育,32(3)。艺术:101308。doi:10.1016/j.omtm.2024.101308
这项工作着重于开发一种创新的移动解决方案,该解决方案可以增强身体和视觉障碍的人的独立性和可访问性。提议的语音控制轮椅配备了最新的语音识别技术,使用户能够发出简单的语音命令,例如“向前”,“向后”,“左”,“左”,“右”和“停止”和“停止”来控制其运动。该系统结合了强大的麦克风阵列和噪声策略算法,以确保在包括嘈杂设置在内的各种环境中准确的语音识别。对于盲人用户,轮椅与障碍物检测传感器和听觉反馈系统集成在一起,这些传感器和听觉反馈系统提供了实时的导航援助并确保运动过程中的安全性。轮椅的设计优先考虑用户友好性,对个人需求的适应性以及负担能力,使其可容纳更广泛的人口。实施涉及使用针对区域口音和不同语言模式量身定制的数据集培训语音识别模型,以增强包容性。障碍检测机制利用超声波和红外传感器,而听觉反馈系统则采用综合语音警报来方向指导。在受控和实际情况下对身体残疾和盲人进行广泛的测试表明,导航效率提高,降低对看护者的依赖以及更高的用户满意度。该项目弥合了技术与可访问性之间的差距,使用户能够重新获得对日常生活的自主权和信心。通过利用先进的语音控制系统和安全性增强,该项目彻底改变了针对残疾人的移动解决方案,为他们提供了有效与环境互动的变革性工具。
Blinklab Limited(ASX:BB1)(“ Blinklab”或“ Company”),这是一家创新的数字医疗保健公司,开发了AI驱动的智能手机技术来改变自闭症和ADHD诊断市场,很高兴地公布北岸Shore Pediatric Therapy(“ NSPT”)正在加入我们的临床研究。nspt是美国第二个基于美国注册研究100名患者初始阶段的站点。NSPT地点的入学率预计将在未来几周内开始。 nspt因其在管理ADOS-2诊断工具方面的广泛专业知识而被选择为本研究,该工具被广泛认为是自闭症诊断的金标准。 他们经验丰富的神经心理学团队专门进行全面的,基于游戏的评估,以评估社交,情感和沟通行为,以确保精确且可靠的自闭症诊断。 作为我们美国注册研究的一部分,NSPT对ADOS-2的使用将是进行标准比较的关键基准,有助于验证我们的Blinklab DX 1测试的有效性。 除了他们的临床专业知识外,NSPT还提供了整个芝加哥地区各种儿童的访问权,这是确保研究反映广泛背景和发展概况的重要因素。 他们招募18个月大的儿童的能力对于Blinklab研究特别有价值,因为我们的任务是实现早期诊断并改善自闭症儿童的长期结局。NSPT地点的入学率预计将在未来几周内开始。nspt因其在管理ADOS-2诊断工具方面的广泛专业知识而被选择为本研究,该工具被广泛认为是自闭症诊断的金标准。他们经验丰富的神经心理学团队专门进行全面的,基于游戏的评估,以评估社交,情感和沟通行为,以确保精确且可靠的自闭症诊断。作为我们美国注册研究的一部分,NSPT对ADOS-2的使用将是进行标准比较的关键基准,有助于验证我们的Blinklab DX 1测试的有效性。除了他们的临床专业知识外,NSPT还提供了整个芝加哥地区各种儿童的访问权,这是确保研究反映广泛背景和发展概况的重要因素。他们招募18个月大的儿童的能力对于Blinklab研究特别有价值,因为我们的任务是实现早期诊断并改善自闭症儿童的长期结局。NSPT的参与具有早期干预和自闭症诊断的良好记录,可以增强研究的稳健性,信誉和现实世界的适用性,最终有助于Blinklab更准确,更可访问的自闭症筛查工具的发展。
感知虚拟对象的空间信息(例如,方向,距离)对于寻求不可思议的虚拟现实(VR)体验的盲人用户至关重要。为了促进盲人用户的VR访问权限,在本文中,我们研究了两种类型的触觉提示(多余的提示和皮肤伸展线索)在传达虚拟物体的空间信息时,当应用于盲人手的背侧时。我们与10个盲人用户进行了一项用户研究,以调查他们如何使用定制的触觉机构在VR中感知静态和移动对象。我们的结果表明,盲人用户可以在接收皮肤拉伸线索时更准确地理解对象的位置和移动,这是对纤维曲折提示的。我们讨论了两种类型的触觉提示的利弊,并以设计建议的设计建议,以实现VR可访问性的未来触觉解决方案。
摘要 — 本项目旨在通过集成先进的硬件和软件技术,为视障人士提供安全独立的厨房导航。硬件模块采用 ESP32 微控制器,并集成了多个安全组件。温度传感器监测食物或烹饪食材的热量,并通过语音提醒是否适合食用。气体传感器通过检测泄漏并自动触发气缸旋钮关闭机制来确保安全。火灾探测由专用传感器管理,该传感器在紧急情况下会激活蜂鸣器。称重传感器用于测量物品的重量,当重量低于预设阈值时,系统会发出语音提示,通知用户重新加料。这些功能共同确保了安全便捷的烹饪环境,并根据视障用户的需求量身定制。在软件方面,该系统采用先进的人工智能驱动技术,进一步协助用户。图像转文本技术可以识别和发音包装上标注的成分名称,从而无需进行视觉识别。此外,基于 YOLOv5 的物体检测算法可以识别各种厨房食材、蔬菜和水果,并提供实时语音反馈,从而提升可用性。智能传感器与机器学习算法的结合,打造出强大且用户友好的解决方案,提升了用户的独立性和安全性。这款创新系统弥合了无障碍功能与科技之间的差距,使用户能够轻松自信地完成厨房任务。关键词:无障碍功能、ESP32、AI 驱动的厨房助手、温度检测、气体传感器、火灾探测、称重传感器、图像转文本、YOLOv5、物体检测、语音输出、视障人士支持、实时协助、智能厨房、安全监控。
。cc-by-nc-nd 4.0国际许可证是根据作者/资助者提供的,他已授予Medrxiv的许可证,以永久显示预印本。(未通过同行评审认证)
背景:虽然乳房 X 线摄影通常用于乳腺癌检测,但在资源受限的国家广泛实施这一技术具有挑战性。基于人工智能的 Thermalytix 是一种低成本、便携、无辐射的自动化测试,可用于检测所有年龄段的女性乳腺癌。尽管在印度使用,但 Thermalytix 的有效性尚未在非洲人群中进行过测试。目标:在赞比亚三级护理人群中评估 Thermalytix 输出与放射科医生报告的乳房 X 线摄影的一致性和相关系数。方法:2023 年 10 月,卢萨卡 Maina Soko 军事医院对 169 名女性进行了 Thermalytix 和标准乳房 X 线摄影评估。Thermalytix 使用先进的机器学习算法来解释乳房热扫描并生成一个定量分数,表明恶性肿瘤的可能性。所有女性都接受了这两项测试,结果都是盲测的。随后计算了 Thermalytix 输出与放射科医生解释的乳房 X 线摄影的 BIRAD 评分之间的 Spearman 相关系数和一致性水平。结果:本报告分析了 144 名数据完整的女性,平均年龄为 50 岁(53.5% 为绝经后,65.3% 为无症状)。6 名女性被评估为乳房 X 线摄影阳性,138 名被评估为乳房 X 线摄影阴性;其中,使用 Spearman 等级相关检验,Thermalytix 与乳房 X 线摄影之间的相关性为 0.9 [非常强],使用美国 FDA 推荐的一致性检验,阳性一致性为 83.3%。结论:Thermalytix 在之前的临床试验中表现出与乳房 X 线摄影非常强的相关性和一致性水平,以及良好的敏感性、特异性和阴性预测值,有潜力成为赞比亚乳腺癌早期检测的另一种工具。
光谱图像融合结合了低空间分辨率高光谱(HS)和低光谱 - 分辨率多光谱(MS)图像,以估计高分辨率(HR)光谱图像。尽管基于监督深度学习的最新融合技术显示出令人鼓舞的结果,但这些方法需要大量的培训数据集,涉及昂贵的获取成本和较长的培训时间。相比之下,基于深图像先验(DIP)方法的无监督的HS和MS图像融合为具有不同分布的图像的适应性提供了适应性。但是,现有的无监督方法依赖于线性降解模型的假设,并且需要对这些模型的精确知识才能获得最佳性能。为了克服这些挑战,我们提出了无监督的盲人HS和MS图像融合的中间输出深图像先验(MODIP)。Modip基于DIP模型,并在网络中的中间层产生融合图像。该体系结构包括两个高尺度的卷积发生器,它们从HS和MS输入中重建了HR光谱图像,以及两个网络,这些网络适当地降低了估计的HR图像,以匹配可用的MS和HS数据集,从而学习非线性降解模型。MODIP的网络参数是通过最小化所提出的复合损耗函数的共同和迭代调整的。重要的是,这种方法可以处理降解操作员未知或部分估计的方案。广泛的模拟表明,MODIP的表现优于其他基于模型的图像融合方法。为了评估MODIP的性能,我们在两个模拟光谱图像数据集(Pavia University和Salinas Valley)上测试了Fusion方法,以及通过光学实验室中的测试台实现获得的真实数据集。
方法:审查将包括 2019 年至 2024 年期间以英文发表的主要研究,重点关注辅助技术对盲人和视力不佳者的社会心理结果。符合条件的研究将涉及各个年龄段和各种环境下的盲人和部分失明参与者,研究心理(例如情绪健康、自尊)和社会结果(例如社会参与、支持)。将在七个电子研究数据库中进行搜索:CINAHL(EBSCO)、PsycINFO(EBSCO)、ACM 数字图书馆、IEEE Xplore、Scopus、Web of Science 和 Google Scholar(前 100 条记录)。研究将根据预定义的资格标准进行筛选和选择,数据提取将重点关注出版细节、研究设计、人口特征、辅助技术类型和心理社会影响。结果将使用描述性统计数据、图表和叙述综合进行总结。