XiaoMi-AI文件搜索系统
World File Search SystemFIED
![arxiv：2305.04536v2 [CS.CV] 2024年6月18日](/simg/9\954ae78a6188e649adb8f41247881a246a455e8d.webp)
arxiv：2305.04536v2 [CS.CV] 2024年6月18日
长尾的多标签视觉识别（LTML）任务是由于标签共发生和不平衡的数据分布，这是一项极具挑战性的任务。在这项工作中，我们为LTML提出了一个统一的框架，即促使特定于班级的嵌入损失（LMPT）进行调整，从而通过结合文本和im im Im operational数据来捕获语义功能相互作用，并在头部和尾部同步改进型号。具体来说，LMPT通过班级感知的软边距和重新投资介绍了嵌入式损失函数，以学习特定的班级上下文，并带有文本描述（字幕）的好处，这可以帮助建立类之间的语义关系，尤其是在头和尾部之间。fur-hoverore考虑到类失样的类别，分配平衡的损失被用作分类损失函数，以进一步提高尾部类别的性能而不会损害头部类别。在VOC-LT和可可-LT数据集上进行了广泛的实验，这表明我们的方法显着超过了先前的最新方法，而LTML中的零拍夹。我们的代码在https：//github.com/richard-peng-xia/lmpt上完全公开。
lmpt：长尾多标签视觉识别的特定于类的嵌入损失
长尾的多标签视觉识别（LTML）任务是由于标签共发生和不平衡的数据分布，这是一项极具挑战性的任务。在这项工作中，我们为LTML提出了一个统一的框架，即促使特定于班级的嵌入损失（LMPT）进行调整，从而通过结合文本和im im Im operational数据来捕获语义功能相互作用，并在头部和尾部同步改进型号。具体来说，LMPT通过班级感知的软边距和重新投资介绍了嵌入式损失函数，以学习特定的班级上下文，并带有文本描述（字幕）的好处，这可以帮助建立类之间的语义关系，尤其是在头和尾部之间。fur-hoverore考虑到类失样的类别，分配平衡的损失被用作分类损失函数，以进一步提高尾部类别的性能而不会损害头部类别。在VOC-LT和可可-LT数据集上进行了广泛的实验，这表明我们的方法显着超过了先前的最新方法，而LTML中的零拍夹。我们的代码在https：//github.com/richard-peng-xia/lmpt上完全公开。
识别预后生物标志物和药物靶点...
摘要：结直肠癌是常见的消化道恶性肿瘤之一，发病率和死亡率较高。越来越多的证据表明，长链非编码RNA（lncRNA）和蛋白编码RNA通过竞争相同的微小RNA反应元件（MRE）相互作用，在多种肿瘤类型的基因表达调控中发挥重要作用。但lncRNA介导的竞争性内源性RNA网络在结肠癌中的调控机制和预后作用尚不清楚。从The Cancer Genome Atlas数据库下载了471例结肠癌和41例癌旁组织样本的mRNA、lncRNA和miRNA的表达谱，构建了结肠癌的lncRNA‑miRNA‑mRNA ceRNA网络，由17个枢纽lncRNA、87个枢纽miRNA和144个枢纽mRNA组成。分析了网络的拓扑特性，并使用随机游走算法识别与结肠癌显着相关的节点。使用 UALCAN 数据库进行的生存分析表明，17 个 lncRNA 中有 2 个被识别为[转移相关肺腺癌转录本 (MALAT1) 和母体表达基因 3 (MEG3)] 和
桥接甲状腺癌组织之间的域间隙
深度学习技术越来越多地用来以高准确性对医学成像数据进行分类。尽管如此，由于训练数据通常有限，这些模型可能缺乏足够的可推广性来预测不同领域中产生的未见测试数据，并具有可观的性能。本研究的重点是甲状腺组织病理学图像分类，并研究了只有156个患者样品训练的生成对抗网络[GAN]是否可以产生高质量的合成图像以充分增强训练数据并改善整体模型的可推广性。利用stylegan2方法，生成网络生成的图像产生了频率创造距离（FID）分数为5.05的图像，匹配的最新gan会导致具有可比数据集尺寸的非医疗域。当对从三个单独的域中采购的外部数据进行测试时，使用这些GAN生成的图像对训练数据进行培训数据增加了模型，将总体精度和AUC分别提高了7.45％和7.20％，而基线模型则分别提高了7.45％和7.20％。最重要的是，在训练有素的病理学家进行分类时，在少数群体图像，肿瘤亚型上观察到了这种绩效改善。
veillonella和菌孢菌与妊娠糖尿病有关
被定义为“在妊娠的第二或第三三个月诊断出的糖尿病，在妊娠前没有明显明显明显的糖尿病” [1]。在墨西哥，GDM的流行率一直在增加。目前，其发病率为17.7％[2]。GDM增加了后代的敏感性，发展出胰岛素抵抗，肥胖和高血压[3，4]。儿童菌群的早期改变与过敏，炎症和儿童肥胖有关[5-7]。根据健康与疾病的发展起源（DOHAD）理论，宫内暴露于过度能量可能会导致永久性的生理学和代谢改变，从而增加了成年后疾病的风险增加肥胖和2型糖尿病[8-13]。新生儿的肠道菌群特别有趣，因为由于时间的迅速变化，肠中的细菌群落非常不稳定。因此，幼儿期是一个关键的时间窗口，可以修改孩子的肠道菌群[14，15]，而成年人的“成熟”微生物群（随着时间的流逝，这似乎相对稳定）。这项研究的目的是确定与年龄和GDM相关的分类变化，并对患有GDM的母亲的后代和后代的肠道 - 微生物群和没有GDM（N-GDM）的母亲的后代进行分类。
用于评估文本到图像生成中对齐的度量
合成图像产生的进展使评估其质量至关重要。虽然已经提出了几种大会来评估图像的渲染，但对于基于提示的文本形象（T2I）模型至关重要，这些模型基于提示，以考虑其他范围，例如生成的图像与提示的重要内容相匹配。此外，尽管生成的图像通常是由随机起点引起的，但通常不考虑该图像的影响。在本文中，我们提出了一个基于提示模板的新指标，以研究提示中规定的内容与相应生成的图像之间的对齐。它使我们能够更好地以指定对象的类型，它们的数字和颜色来表征对齐方式。我们对最近的几个T2I模型进行了一项研究。我们通过方法获得的另一个有趣的结果是，图像质量可能会大大变化，这取决于用作图像种子的噪声。我们还量化了提示中概念数量的影响，它们的顺序以及其（颜色）属性的影响。最后，我们的方法使我们能够识别出比其他种子比其他种子更好的种子，从而开辟了有关该研究不足的主题的新研究方向。
审查人类血清肉推酶抑制剂发展中艺术状态
摘要：人血清carnosinase是一种用C-末端组氨酸的二肽的优先水解的酶。只有较高的灵长类动物在血清和脑脊液中排泄这种酶。在人类中，由于基因多态性，血清水解速率具有很高的个体差异，尽管年龄，性别，饮食以及疾病和手术干预措施可以改变血清活性。肉毒药酶活性改变的人类遗传疾病已被鉴定出来，并与神经系统疾病和与年龄有关的认知下降有关。 相反，低外周肉推酶活性与肾脏保护有关，尤其是在肌病中。 因此，血清肉毒素酶是用于发展抑制剂的可药物靶标。 然而，只有一个分子（即狂欢节）被发现的血清carnosinase抑制剂发现。 bestatin是肉眼性症以外唯一报道的抑制剂，尽管其活性对血清肉推酶没有选择性。 在本文中，我们介绍了有关人血清肉毒素酶的最关键发现，包括酶表达，定位和底物选择性，以及影响水解活性的因素，其在人类疾病中的暗示以及已知的酶抑制剂的性质。肉毒药酶活性改变的人类遗传疾病已被鉴定出来，并与神经系统疾病和与年龄有关的认知下降有关。相反，低外周肉推酶活性与肾脏保护有关，尤其是在肌病中。因此，血清肉毒素酶是用于发展抑制剂的可药物靶标。然而，只有一个分子（即狂欢节）被发现的血清carnosinase抑制剂发现。bestatin是肉眼性症以外唯一报道的抑制剂，尽管其活性对血清肉推酶没有选择性。在本文中，我们介绍了有关人血清肉毒素酶的最关键发现，包括酶表达，定位和底物选择性，以及影响水解活性的因素，其在人类疾病中的暗示以及已知的酶抑制剂的性质。
在...
融化电动制品（MEW）是一种高分辨率添加剂制造技术，可以平衡多个参数变量，以达到稳定的制造过程。在这里使用高分辨率的摄像机视觉在不同的电场中使用高分辨率的摄像头视觉来强调这种平衡的更好理解。补充此视觉信息是以精确点获得的光纤直径测量值，从而允许与电气射流性质的相关性。通过机器视觉系统进行了监测和分析的两个过程签名 - 射流角度和第一次泰勒锥区域，而直径测量的SEM成像则与实时信息相关。此信息反过来允许检测和校正纤维脉冲，以便在收集器上精确放置喷射，以及对纤维直径的进程评估。改进的过程控制用于成功制造可折叠的MEW管；需要出色准确性和打印稳定性的结构。使用60°和300层的精确绕组角，产生的12毫米厚的管状结构具有与机械超材料相关的弹性快速不稳定性。这项研究提供了MEW中纤维脉冲发生的详细分析，并强调了对泰勒锥体积的实时监测的重要性，以更好地理解，控制，控制和预测印刷不稳定性。
EEG-Deformer：用于脑机接口的密集卷积变换器
摘要 — 有效学习脑电图 (EEG) 信号中的时间动态具有挑战性，但对于使用脑机接口 (BCI) 解码大脑活动至关重要。尽管 Transformers 因其长期顺序学习能力在 BCI 领域广受欢迎，但大多数将 Transformers 与卷积神经网络 (CNN) 相结合的方法都无法捕捉 EEG 信号从粗到细的时间动态。为了克服这一限制，我们引入了 EEG-Deformer，它将两个主要的新组件合并到 CNN-Transformer 中：(1) 分层粗到细 Transformer (HCT) 块，将细粒度时间学习 (FTL) 分支集成到 Transformers 中，有效辨别从粗到细的时间模式；(2) 密集信息净化 (DIP) 模块，利用多级、净化的时间信息来提高解码准确性。对三项代表性认知任务（认知注意力、驾驶疲劳和心理负荷检测）进行的全面实验一致证实了我们提出的 EEG-Deformer 的通用性，表明它的表现优于或与现有的最先进方法相当。可视化结果表明，EEG-Deformer 从神经生理学上有意义的大脑区域学习相应的认知任务。源代码可在 https://github.com/yi-ding-cs/EEG-Deformer 找到。
物流和供应链管理中的人工智能：研究的底漆和路线图。
严重的共同感染后的抽象目的，一定比例的个体出现了长时间的症状。我们调查了急性Covid-19的症状持续性几个月的持续性的免疫功能障碍。方法我们分析了细胞因子，细胞表型，SARS-COV-2峰值特异性和中和抗体以及住院后1、3和6个月患者的全血液基因表达谱。结果我们观察到持续异常，直到第6个月为标志，以（i）高血清单核细胞/巨噬细胞和内皮激活标记，趋化性和造血细胞因子的高度水平； （ii）中央记忆CD4 +和效应子CD8 + T细胞的高频； （iii）抗SARS-COV-2尖峰和中和抗体的降低； （iv）与血小板，中性粒细胞激活，红细胞，髓样细胞分化和Runx1信号有关的基因的上调。我们确定了与血栓性事件史相关的“核心基因特征”，并上调了一组参与中性粒细胞激活，血小板，造血和血液凝结的基因。结论在随访6个月后，即使在经历了严重的Covid-19的Asymp-Tomatic患者中，基因表达缺乏恢复到正常特征，这表明需要仔细扩展其临床随访并提出预防措施。