XiaoMi-AI文件搜索系统
World File Search SystemICT
研究中心的数据AICTE 2024
Brian tumor segmentation in MRI Images using Deep Learning Techniques 2 No Shree Lakshmi H Dr. Mallikarjun A 2020 On Duty Traffic Personel Behavior analysis using AI 0 No Praveen Gurav Dr. Santosh S. Saraf 2015 Not avialbe 0 No Gajanan Tudavekar Dr. Santosh S. Saraf 2016 H.264 Video Inpainting and Error Concealment Techniques 4 No Ms. J.d .mallapur
ICT360官方FindingsReport 7月_2024 -ISTE
ICT360是由ARK Tech Innovation Pvt开发的同步和异步数字平台。Ltd.具有信息和通信技术（ICT）和计算机科学（CS）的课程。ICT360通过将ICT/CS知识与21世纪技能和技术的发展相结合，将重点从静态课程转变为动态课程。该平台采用基于项目的学习和设计思维教学法，为学生做好准备的先进技术，促进创新，协作和解决问题的技能，以应对现实世界中的挑战。非常强调计算思维和流（科学，技术，工程，艺术，数学）方法论，ICT360将教育工作者和学生供应有效，全面的教学和学习经验所需的技术和工具。
基于人工智能的外科手术预测模型...
腹腔镜胆囊切除术 (LC) 是切除胆囊的标准手术。虽然该手术已发展成为一种相对安全且可耐受的日间手术，但有时可能会很困难，并且可能会出现并发症。复杂的胆结石疾病，如胆囊炎或胆结石性胰腺炎，是增加 LC 技术难度的危险因素。虽然可以对手术难度进行术前预测，但围手术期发现可能会令人惊讶。使用基于 AI 的模型了解手术场景的难度对于对手术性能进行基准测试和改进手术室规划非常重要。本研究旨在开发一种深度学习 (DL) 来预测腹腔镜胆囊切除术在特定手术发现上的难度。基于 Nassar 评分使用了难度分级量表。为了训练 DL 网络，从录制的视频中提取了帧。所有帧均标记为“胆囊”难度 1-3 级和“粘连”难度 1-3 级。排除由体外图像组成或胆囊不可见的帧。总共有 26.483 帧。ResNet 用作模型的主干。调整超参数以改善模型结果。多类和二元分类网络都经过了训练。训练用于分类胆囊难度（3 级）的网络比训练用于分类粘连难度的网络表现更好（准确率 74%）。可以对胆囊炎进行分类，准确率为 91%，对简单病例进行分类，准确率为 87%。本研究结果可作为进一步研究 LC 难度分类的起点。这是提高对手术场景理解并为 LC 外科医生提供基准的第一步。
M.Tech。嵌入式和机器学习系统课程和教学大纲-M.Sc.应用数学电子与ICT学院，NIT WARANGAL https://forms.gle/ ...
关于FDP：有关人工智能（AI）的教师发展计划（FDP），用于计算机视觉，医学成像应用将帮助教育者和研究人员了解AI基础知识及其如何应用于具有多个安全应用的医学成像技术。参与者将探索机器学习和深度学习概念，专注于使用AI进行医学成像，这有助于诊断，医疗保健，农业，零售和监视系统。AI通过基于面部识别，虹膜识别，指纹分析和语音识别的准确有效的身份验证方法，在计算机视觉中起关键作用。通过实践活动和实例实例，与会者将获得实用技能，可以在教学和研究中有效地使用不同的AI使用AI。在计划结束时，参与者将准备将AI工具集成到他们的工作中，提高他们通过现代技术教授和解决安全挑战的能力。这将通过增强他们在这些关键领域的专业知识和教学能力来使参与者受益。主要课程内容：针对计算机视觉应用程序的最新实施介绍。机器学习基础知识，使用数据预处理和数据可视化。监督和无监督的学习方法，SVM分类，神经网络和应用程序。深度学习方法的简介和基于DL的其他架构及其应用程序。用于计算机视觉，生物特征和医学成像实现的深度学习体系结构。使用Python/Matlab的动手会话。医学图像数据处理和分析。用于生物医学成像，基于CT扫描/MRI的图像分析，眼底和医学图像分类的AI/ML。对象检测/跟踪算法（例如Yolo等），诸如UNET等分段算法等使用张量流/Pytorch识别人类活动/动作/生物识别识别张量流/keras/pytorch/jupyter和colab的基础知识。使用Python/Matlab使用数据预处理和数据可视化。CV和AI算法在硬件平台上实现，例如Jetson Nano，TX2和Pynq等。主持此计划的教师：该计划将由Nit Warangal的教职员工进行；邀请来自IIT/NIT/IIIT的有关领域的院士在该计划中发表讲座。也有望作为课程的一部分提供行业的演讲者。
AICTE 赞助为期三天的研讨会
• 为人民服务的军事科学 • 空间与国防技术中的复合材料 • 增材制造在空间与国防技术中的应用 • 特殊制造工艺在国防应用中的作用 • 空间机器人技术 - 进步与挑战 • 无人驾驶飞行器在国防中的作用 • 空间应用的未来结构 • 空间与国防应用表面工程的最新进展 • 核反应堆中的材料 • 摩擦在空间与国防中的作用 • 国防应用中的储能材料 • 装甲车（战斗坦克）技术的进步及其重要性
ICT要求
○年7年来的学生可能希望在YR 10或11中升级其设备。○年9年来的学生可能会等待更长的时间。●平板电脑（iPad/Galaxy等）从YR 9开始时不适合。●Chromebook的处理能力有限，可以应对3D设计，数字技术等技术重型主题。●您是否已经有一个合适的设备可以满足您第一年左右的需求？●除了学校工作以外，我是否会使用此设备进行其他工作 - 我是否需要具有更高规格的东西？●在高级级别，考试越来越多地以数字方式完成，并且需要带有键盘的设备 - 我们将鼓励尽早开发键盘技能。●尺寸，重量，电池寿命等是重要的考虑因素 - 您将把此设备携带到每个班级 - 它需要在可能的情况下或袖子中充分强大并受到保护。
冷原子量子技术探索基础物理学视野 ICTS 2022 年 11 月.pptx
“LIGO/Virgo 式”网络与合作，为英国领导层提供了一条道路。第一阶段目前由 QTFP 计划和其他来源资助了约 1000 万英镑，第二阶段可以放在 Boulby 或 Daresbury（英国）的国家设施，也可能放在 CERN（法国/瑞士）。
附件 18 AICTE 2024
SN 教师姓名 职位 1 MONIKA MERAVI 助理教授 2 PRIYA JAIN 助理教授 3 ANKIT JOSHI 助理教授 4 MAKRAND SAMVATSAR 助理教授 5 RAJSHRI KHARE 助理教授 6 VAIBHAV MISHRA 助理教授 7 ANIL KUSHWAH 教授 8 CHANDRESH KHARE 助理教授 9 DEEPSHIKHA VYAS 助理教授 10 KAMLESH JOSHI 助理教授 11 KAPIL JAIN 助理教授 12 KHUSHBU SONI 助理教授 13 MOHIT JAIN 助理教授 14 NEHA DUBEY 助理教授 15 NIKHILESH BHANDARI 助理教授 16 NILESH SHARMA 助理教授 17 NISHA BAREDIYA 助理教授 18 PINKY PANDIT 助理教授 19 PRIYANKA MALVIYA 助理教授