XiaoMi-AI文件搜索系统
World File Search SystemDTW
基于深度学习的步行任务分类......
摘要 — 步态特征下降在老年人中很常见，是残疾、发病和死亡风险增加的指标。在双任务步行 (DTW) 条件下，老年人的步态和次要认知任务的表现进一步下降，这与跌倒史显着相关。最近有研究通过功能性近红外光谱 (fNIRS) 测量老年人 DTW 期间的步态皮质控制，特别是前额皮质 (PFC)。然而，在单任务和双任务步态条件下认知激活差异的自动分类尚未得到广泛研究。在本文中，我们将其制定为分类任务，并利用深度学习对 STW、DTW 和单认知任务 (STA) 进行自动分类。我们对数据样本进行分析，揭示 HbO2 和 Hb 值之间差异的特征，随后将其用作附加特征。我们执行特征工程，将 fNIRS 特征公式化为 3 通道图像，并应用各种图像处理技术进行数据增强，以提高深度学习模型的性能。实验结果表明，使用收集的 fNIRS 数据集以及性别和认知状态信息进行微调的预训练深度学习模型可以实现约 81% 的分类准确率，比传统机器学习算法高出约 10%。我们进一步进行了消融研究，以确定 fNIRS 级别和/或体素位置等特征对分类任务贡献的排名。
人力，物流和商业解决方案计划执行办公室
TDO概述了战略目标，并确定了与与PEO MLB的战略优先事项保持一致并符合每个支柱相关的三到五年里程碑。设计思维研讨会（DTW）由TDO与投资组合合作，以评估当前状态基线，并推动和指导创造力，以确定技术目标以朝着未来的州目标发展。研讨会的结果是制定投资组合实施计划，该计划将确定技术路线图上的关键路径里程碑，以实现既定的战略目标。
海报：绕过自动驾驶汽车中的基于控制不变的防御
摘要 - 自治车辆（AV）越来越受到黑客的攻击。但是，AVS的系统安全至关重要，因为任何成功的攻击都会导致严重的经济损失，设备损失甚至人类生命的损失。评估新算法的良好安全原则是表明该提案对强大的对手有抵抗力。因此，在这张海报中，我们意识到最糟糕的攻击类型，称为隐形攻击，对转向控制系统，这对于AVS的横向控制很重要。我们提出的隐形攻击的核心是使用模型预测性控制（MPC），状态空间模型（SSM），系统识别（SI）和动态时间扭曲（DTW）允许攻击者准确模拟系统行为，从而允许它们执行不可检测的攻击。
使用动态时间规整增强事件相关电位分析的平均值
在 [17] 中，作者考虑了一种扭曲方案，该方案采用基于最小二乘的时间位移和对齐底层模型。Gibbons 和 Stahl [20] 也考虑了 ERP 平均的响应时间校正：作者假设 ERP 分量（尤其是后期分量）的时间会有显著变化，因此他们建议使用多项式表达式来校正响应时间，该表达式基于先前确定的平均响应时间和线性插值。[21] 中介绍了不考虑噪声、抖动或新频率的出现而迭代使用平均 DTW。在 [22] 中，作者提出了一种成本矩阵的修改，该修改可以消除在对非线性对齐的信号周期进行平均时抑制噪声的不利结果。
纳米孔测序用于脑肿瘤DNA甲基化分类......
１）WHO肿瘤分类. 中枢神经系统肿瘤，第五版，第6卷。WHO肿瘤分类编辑委员会。里昂：国际癌症研究机构；2021。２）Capper D, Jones DTW, Sill M, Hovestadt V, Schrimpf D, Sturm D, et al. DNA甲基化为基础的中枢神经系统肿瘤分类。Nature 2018; 555: 469–74。３）Satomi K, Saito K, Shimoyamada H, Onizuka H, Shibayama T et al. The role of nonlinear dimension reduction of gene-wide DNA methylome in integration diagnostic: A case study of glioblastoma, IDH-wildtype. Pathol Int. 2023; 73: 523-6。 ４）Shibayama T, Satomi K, Tanaka R, Yoshida A, Nagahama K, Hayashi A 等. 肺部炎性平滑肌肉瘤是DNA甲基化为基础的肉瘤分类的潜在诊断缺陷：一例病例报告. BMC Pulm Med. 2023; 23: 324.
使用基于变压器的解码器和验证的Vocoder
摘要。这项研究描述了在想象的语音期间来自电皮质图（ECOG）的语音合成。，尽管使用基于变压器的解码器和预验证的Vocoder，我们的目标是产生高质量的音频。具体来说，我们使用了预训练的神经声码编码器Parallel Wavegan，将Transformer Decoder转换为对Log-Mel频谱图的输出，后者是在ECOG信号上训练的，将其转换为高质量的音频信号。在我们的实验中，使用来自13名参与者的ECOG信号，想象中的语音的综合语音实现了动态时间巡航（DTW）Pearson相关性，范围从0.85到0.95。这种高质量的语音合成可以归因于变压器解码器准确地重建高保真日志频谱图的能力，这证明了其在处理有限训练数据时的有效性。
使用 3-d 加速度计进行手势识别 - SMEC
摘要：基于手势的交互是一种自然的人机交互方式，在普适计算环境中有着广泛的应用。本文提出了一种基于加速度的手势识别方法，称为 FDSVM（基于帧的描述符和多类 SVM），该方法仅需要可穿戴的三维加速度计。使用 FDSVM，首先收集手势的加速度数据并用基于帧的描述符表示，以提取判别信息。然后构建基于 SVM 的多类手势分类器以在非线性手势特征空间中进行识别。在包含数周的 12 种手势的 3360 个手势样本的数据集上进行的大量实验结果表明，所提出的 FDSVM 方法明显优于其他四种方法：朴素贝叶斯、DTW、HMM 和 C4.5。在用户相关的情况下，FDSVM 对 4 个方向手势的识别率为 99.38%，对所有 12 个手势的识别率为 95.21%。在用户无关的情况下，它对 4 个手势的识别率为 98.93%，对 12 个手势的识别率为 89.29%。与文献中报道的其他基于加速度计的手势识别方法相比，FDSVM 在用户相关和用户无关的情况下均能给出最佳结果。
使用 3-d 加速度计进行手势识别 - SMEC
摘要：基于手势的交互是一种自然的人机交互方式，在普适计算环境中有着广泛的应用。本文提出了一种基于加速度的手势识别方法，称为 FDSVM（基于帧的描述符和多类 SVM），该方法仅需要可穿戴的三维加速度计。使用 FDSVM，首先收集手势的加速度数据并用基于帧的描述符表示，以提取判别信息。然后构建基于 SVM 的多类手势分类器以在非线性手势特征空间中进行识别。在包含数周内 12 个手势的 3360 个手势样本的数据集上进行的大量实验结果表明，所提出的 FDSVM 方法明显优于其他四种方法：朴素贝叶斯、DTW、HMM 和 C4.5。在用户相关的情况下，FDSVM 对 4 个方向手势的识别率为 99.38%，对所有 12 个手势的识别率为 95.21%。在用户无关的情况下，它对 4 个手势的识别率为 98.93%，对 12 个手势的识别率为 89.29%。与文献中报道的其他基于加速度计的手势识别方法相比，FDSVM 在用户相关和用户无关的情况下均能给出最佳结果。
使用 HyperGraphs 的 FDG-PET 图像增强抑郁症诊断
摘要 — 本研究探讨了图神经网络 (GNN) 和超图在使用氟脱氧葡萄糖正电子发射断层扫描 (FDG-PET) 图像改善抑郁症诊断的潜力。我们使用核密度估计和动态时间规整从单个静态 FDG-PET 图像构建图形和超图表示。在本地精神病数据集上使用各种 GNN 分类器（包括图卷积网络 (GCN) 和图同构网络 (GIN)）评估这些表示。我们的实验表明，与成对图相比，GNN（尤其是 GCN）在超图上的性能更优越。我们强调了基于超图的表示在捕捉与抑郁症相关的复杂模式方面的整体功效。此外，我们对超图表示的探索为提高诊断准确性提供了有希望的途径，特别是在捕捉复杂的大脑连接模式方面。这项研究为 GNN 有助于使用 FDG-PET 图像更好地诊断精神疾病提供了证据，为个性化治疗策略和跨不同临床环境的诊断进步提供了见解。索引词 — 抑郁症、FDG-PET、KDE、DTW、图、超图、图神经网络、GIN、GCN。
医疗 VR 训练模拟器中的评分和评估...
摘要 本研究提出并评估了虚拟现实 (VR) 训练模拟器的评分和评估方法。VR 模拟器可捕获详细的 n 维人体运动数据，这些数据可用于性能分析。开发了定制的医疗触觉 VR 训练模拟器，并用于记录来自 271 名具有多种临床经验水平的受训者的数据。提出了 DTW 多元原型 (DTW-MP)。VR 数据被分为新手、中级或专家。用于时间序列分类的算法的准确率为：动态时间规整 1-最近邻 (DTW-1NN) 60%，最近质心 SoftDTW 分类 77.5%，深度学习：ResNet 85%，FCN 75%，CNN 72.5% 和 MCDCNN 28.5%。专家 VR 数据记录可用于指导新手。评估反馈可以帮助受训者提高技能和一致性。动作分析可以识别个人使用的不同技术。可以实时动态检测错误，发出警报以防止受伤。