XiaoMi-AI文件搜索系统
World File Search SystemDetecting
检测脑外伤患者的认知疲劳......
由于其复杂性，从 fMRI 数据理解认知状态尚未得到充分研究。在这项工作中，理解 TBI 患者的认知疲劳的问题已被表述为多类分类问题。我们构建了一个时空编码器模型，使用卷积和 LSTM 作为构建块来提取空间特征并模拟 fMRI 扫描的 4D 特性。为了更好地表示数据和条件，我们使用了一种名为“对比学习”的自监督学习技术，使用公共数据集 BOLD5000 对我们的编码器进行预训练，并进一步微调我们的标记数据集以预测认知疲劳。此外，我们提供了一个 fMRI 数据集，其中包含来自创伤性脑损伤 (TBI) 患者和健康对照 (HC) 的扫描，同时执行一系列标准化的 N-back 认知任务。该方法建立了一种最先进的技术来分析 fMRI 数据的认知疲劳，并且优于以前使用不同模式解决此问题的方法。此外，我们的模型能够接收原始 fMRI 扫描（扫描仪直接输出的带有伪影的噪声图像），因此无需实施根据所用扫描仪而变化的手动信号处理管道。最后，我们研究不同大脑区域对 CF 的影响。在此数据集上，所提出的技术比最先进的方法高出 13% 以上。
深度学习用于 MRI 上的脑转移瘤检测
摘要：由于手动检测脑转移瘤 (BM) 非常耗时，因此已经开展了使用深度学习来自动化此过程的研究。本研究的目的是对使用磁共振成像 (MRI) 检测癌症患者 BM 的深度学习模型的性能进行系统评价和荟萃分析。对 MEDLINE、EMBASE 和 Web of Science 进行了系统搜索，直至 2022 年 9 月 30 日。纳入标准为：患有 BM 的患者；使用 MRI 图像的深度学习来检测 BM；在检测性能方面有足够的数据；原创研究文章。排除标准为：评论、信件、指南、社论或勘误表；少于 20 名患者的病例报告或系列；队列重叠的研究；检测性能方面的数据不足；使用机器学习来检测 BM；非英语文章。使用诊断准确性研究-2 的质量评估和医学成像人工智能检查表来评估质量。最后，确定了 24 项符合条件的研究进行定量分析。患者和病变可检测性的汇总比例为 89%。文章应更严格地遵守清单。深度学习算法可有效检测 BM。由于报告差异，无法估计假阳性率的汇总分析。
基于意图检测的自动驾驶助手...
摘要。车辆安全性每年都在提高。最近，大脑信号被用于辅助驾驶员。试图做运动会在大脑的特定区域产生电信号。我们开发了一个基于运动意图的系统来辅助驾驶员并防止车祸。这项工作的主要目标是提高对外部危险的反应时间。运动意图由名为 Open-BCI 的便携式设备的 16 个通道记录。通过公共空间模式提取特征，这是基于运动图像的脑机接口 (BCI) 系统中众所周知的方法。通过使用增强型公共空间模式 (CSP)（称为强不相关变换复杂公共空间模式 (SUTCCSP)），提取预处理数据的特征。考虑到脑电图 (EEG) 的非线性特性，使用带有核技巧分类器的支持向量机 (SVM) 将特征分为 3 类：左、右和刹车。由于使用开发的 SVM，可以提前 500 毫秒预测命令，系统准确率平均为 94.6%。
超高灵敏度弱磁场检测...
摘要：提出了基于单孔纤维（SHF）的超高灵敏度检测磁液表面等离子体共振（SPR）传感器，以检测弱磁场。传感器是用单孔纤维构造的，其中覆层中的独家气孔带有金属线，并用磁性流体（MF）填充以增强磁场灵敏度。研究和优化了结构参数，嵌入式金属和芯层之间对磁场灵敏度和峰值损耗之间的折射率差异的影响。系统地分析了传感器的灵敏度，分辨率，功绩（FOM）和其他特征。数值结果揭示了451,000 pm/mt的最大磁场灵敏度，FOM的最大磁场灵敏度为15.03 mt -1。超高磁场灵敏度使传感器能够首次在PT水平上检测弱磁场，此外检测范围从3.5吨到17吨。SHF-SPR磁场传感器具有高精度，简单结构和易于填充的速度，在诸如矿产资源探索以及地质和环境评估之类的应用中具有巨大的潜力。
检测量子信息处理器中的串扰错误
串扰发生在大多数具有多个量子的量子系统中。它可能导致各种相关和非局部串扰误差，这可能特别有害于耐断层的Quantum误差校正，这通常是局部误差且相对可预测的。缓解串扰错误需要理解，建模和定义它们。在本文中，我们介绍了一个用于串扰错误的综合框架，以及用于检测和本地化的协议。我们给出了严格的串扰误差的偏见，该错误捕获了被称为“ Crosstalk”的各种不同的物理杂物，以及用于无串扰量子处理器的混凝土模型。违反此模型的错误是串扰错误。接下来，我们给出了串扰错误的等效但纯粹的（独立于模型的）定义。使用此定义，我们构建了一种协议，用于通过发现观察到的实验概率之间的条件依赖性来检测多Quit处理器中的一大批串扰误差。这是高度有效的，从某种意义上说，独特的实验数量最多可以在立方体上重新提出尺度，而且通常是四边形的量子数。我们使用2量和6 Quibit Process的模拟演示了协议。
用于检测海面浮油的 SAR 图像
摘要 — 遥感技术是全球海洋表面监测的重要环节，雷达是检测海洋污染的有效传感器。当局在实际使用时，通常必须在覆盖面积和雷达收集的信息量之间做出权衡。为了确定最合适的成像模式，基于接收器操作特性曲线分析的方法已应用于由两个在 L 波段运行的机载系统收集的原始数据集，这两个系统都具有非常低的仪器本底噪声。该数据集是在海上控制释放矿物油和植物油期间获得的。研究了各种与极化相关的量，并评估了它们检测浮油覆盖区域的能力。本文报告了主要极化参数的相对顺序。当传感器的本底噪声足够低时，建议使用 HV，因为它提供最强的浮油 - 海面对比度。否则，VV 被发现是检测海面浮油最相关的参数。在所有研究的四极化设置中，与单极化数据相比，没有发现显著的附加值。更具体地说，通过增加仪器噪声水平，证明了所研究的结合四个极化通道的极化量具有主要由仪器本底噪声（即噪声等效西格玛零）驱动的检测性能。该结果是通过向原始合成孔径雷达 (SAR) 数据逐步添加噪声获得的，表明清洁海域和污染区域之间的极化区分主要源于单次反弹散射和噪声之间的差异化行为。因此，使用以低仪器本底噪声收集的 SAR 数据证明了矿物和植物油覆盖的海面雷达散射与布拉格散射没有偏差。
利用 LiDAR 数据探测军事历史物品
光检测和范围（LIDAR）技术已成为过去几年中主要的遥感方法之一。有几个区域，可以非常有效地使用扫描的3D点云。在我们的研究中，我们回顾了LiDAR数据在军事历史重建中的潜在应用。，我们定义了整个重建过程的主要步骤，以及（主要是存档）有用的数据源。显然，这种调查的基础必须是存档数据，但是将尖端方法集成到此类任务中是一个有趣的挑战。LIDAR技术可能非常有用，尤其是在植被覆盖的地区，在这种区域中，传统的遥感技术大多效率低下。我们将总结激光扫描数据如何支持重建工作的不同部分，并定义LiDAR数据处理的技术步骤。关键字：LIDAR，地球信息学，军事历史，遥感
使用机器学习检测心理不确定性
心理不确定性包括焦虑，抑郁和躁郁症等发现，在及时诊断和成功治疗方面面临重大挑战。传统的诊断方法通常取决于主观评估，从而导致不一致和潜在偏见。这项研究发现机器学习技术以更高的准确性和客观性识别心理不确定性的应用。它使用医疗记录，标准化心理健康测试和社交媒体活动的全面数据集来培训多个机器学习模型，包括支持向量机（SVM），随机森林和卷积神经网络（CNN）。模型根据其准确性，精度，召回和F1得分进行评估。结果表明，随机森林模型的准确性最高（87％），其主要预测特征包括社交媒体情绪评级，医疗访问频率和生理数据，例如心率变异性。这些发现表明机器学习可以大大改善心理歧义的检测，从而为传统诊断方法提供了可靠的替代方法。这项工作突出了将机器学习纳入心理健康诊断的潜力，以实现早期的干预措施和个性化的治疗计划，最终改善患者的结果。未来的研究应集中于增加数据集并使用实时监控技术来改善这些预测模型。
通过计数米草图检测微构造攻击
摘要 - 对性能的持续追求推动了专业人员，以结合多个内核，缓存，加速单元或投机执行，使系统变得非常复杂。另一方面，这些功能通常会暴露出构成新挑战的意外漏洞。为了进行检查，可以利用缓存或投机执行引入的定时差异以泄漏信息或检测活动模式。保护嵌入式系统免受现有攻击是极具挑战性的，而且由于新的微体系攻击的持续崛起（例如，幽灵和编排攻击），这使它变得更加困难。在本文中，我们提出了一种新方法，该方法基于计数示意图，用于检测嵌入式系统介绍的微处理器中的微体系攻击。这个想法是将安全检查模块添加到系统中（无需修改保护器，而不是在保护下），负责观察被提取的说明，并识别和发出信号可能的可疑活动，而无需干扰系统的标称活动。可以在设计时（在部署后重新编程）对所提出的方法进行编程，以便始终更新Checker能够识别的攻击列表。我们将所提出的方法集成到了大型RISC-V核心中，我们证明了它在检测几种版本的幽灵，编排，Rowhammer和Flush+重新加载攻击方面的有效性。在最佳配置中，提出的方法能够检测到100％的攻击，没有错误的警报，并引入了大约10％的面积开销，大约增加了4％的功率，并且没有降低工作频率。
用于检测海面浮油的 SAR 图像
摘要 — 遥感技术是全球海洋表面监测的重要环节，雷达是检测海洋污染的有效传感器。当局在实际使用时，通常必须在覆盖面积和雷达收集的信息量之间做出权衡。为了确定最合适的成像模式，基于接收器操作特性曲线分析的方法已应用于由两个在 L 波段运行的机载系统收集的原始数据集，这两个系统都具有非常低的仪器本底噪声。该数据集是在海上控制释放矿物油和植物油期间获得的。研究了各种与极化相关的量，并评估了它们检测浮油覆盖区域的能力。本文报告了主要极化参数的相对顺序。当传感器的本底噪声足够低时，建议使用 HV，因为它提供最强的浮油 - 海面对比度。否则，VV 被发现是检测海面浮油最相关的参数。在所有研究的四极化设置中，与单极化数据相比，没有发现显著的附加值。更具体地说，通过增加仪器噪声水平，证明了所研究的结合四个极化通道的极化量具有主要由仪器本底噪声（即噪声等效西格玛零）驱动的检测性能。该结果是通过向原始合成孔径雷达 (SAR) 数据逐步添加噪声获得的，表明清洁海域和污染区域之间的极化区分主要源于单次反弹散射和噪声之间的差异化行为。因此，使用以低仪器本底噪声收集的 SAR 数据证明了矿物和植物油覆盖的海面雷达散射与布拉格散射没有偏差。