XiaoMi-AI文件搜索系统
World File Search SystemImages
使用 MRI 图像和 AI 进行脑肿瘤分类
摘要：脑肿瘤是儿科和成人医疗保健领域的重大挑战，占原发性中枢神经系统 (CNS) 肿瘤的大多数，每年影响约 11,700 人。在 5 年内，被诊断患有癌性脑肿瘤或 CNS 肿瘤的男性存活率徘徊在 34%，女性存活率徘徊在 36%。这些肿瘤多种多样，从良性到恶性，包括垂体瘤等。有效的治疗计划和准确的诊断对于改善患者预后至关重要。磁共振成像 (MRI) 是肿瘤检测的基石，可产生大量图像数据供放射科医生解释。然而，由于脑肿瘤特征固有的复杂性，手动检查这些图像很容易出错。由机器学习 (ML) 和人工智能 (AI) 驱动的自动分类技术提供了一种有希望的途径，与手动方法相比，它始终表现出更高的准确性。因此，提出一个集成深度学习技术（如人工神经网络 (ANN) 和卷积神经网络 (CNN) 算法）和迁移学习 (TL) 的系统，可以彻底改变全球脑肿瘤检测和分类。这种创新方法将为医疗专业人员提供宝贵的支持，提高诊断准确性，并最终改善患者对抗脑肿瘤的结果。关键词：FCM、CNN、分割、SVM、医学图像
使用深度学习
大米是一个至关重要的全球主食，是粮食安全不可或缺的一部分。精确识别稻田生长阶段，引导，标题，花纹，谷物填充和谷物成熟度对于农业决策至关重要。但是，使用红绿色蓝色（RGB）图像识别这些阶段时存在差距。本研究使用最先进的计算机视觉和深度学习分类（卷积神经网络）算法来解决这一差距。在所研究的算法中，EfficityNet_B0的总体准确性令人印象深刻。值得注意的是，将图像大小从64x64像素增加到128x128像素可以显着提高精度。对生长阶段的详细评估揭示了准确性的水平不同，启动叶是最精确的（95.1％），而创生的最具挑战性的是最具挑战性的（72.28％）。这项工作大大提高了自动监测，从而在实时决策中增强了研究人员的能力。
基于轻量级深度学习的微波脑图像网络模型，利用重建的微波脑 (RMB) 图像进行脑肿瘤分类
1 马来西亚国立大学工程与建筑环境学院电气、电子与系统工程系先进电子与通信工程中心，万宜 43600，马来西亚 2 达卡工程技术大学计算机科学与工程系，加济布尔，加济布尔 1707，孟加拉国 3 马来西亚理工大学无线通信中心，士古来 81310，马来西亚 4 卡塔尔大学电气工程系，多哈 2713，卡塔尔 5 马来西亚国立大学 (UKM) IR4.0 研究所，万宜 43600，马来西亚 6 卡塔尔大学土木与建筑工程系，多哈 2713，卡塔尔tariqul@ukm.edu.my （MTI）; mchowdhury@qu.edu.qa (MEHC)
使用高阶动态模式分解和小型数据集的视觉变压器
基于机器学习的框架，以及深入学习的更具体的框架。这包括第一次使用高阶动态模式分解（HODMD）算法，以便在医学场中的数据增强和特征提取。第二阶段的重点是构建和训练视觉变压器（VIT），在相关文献中几乎没有探索。即使使用小数据集，VIT也适用于从头开始的有效培训。设计的神经网络分析来自超声心动图序列的图像，以预测心脏状态。获得的结果表明了所提出的系统的优越性和HODMD算法的效率，即使表现优于预认证的综合神经网络（CNN），这是迄今为止文献中选择的方法。
从卫星图像中学习的自我监督...
基于深度学习（DL）的一般图像表示学习（IRL）对于卫星图像引起了极大的兴趣，因为它的能力：i）通过自我监督的学习来模拟大量的大量免费可用遥感（RS）数据，从而大大降低了标记数据的要求； ii）将各种RS问题概括为下游任务。基于学习的方法最初为在RS图像上使用自我监督的IRL铺平了道路（例如[1]，[2]）。这种方法通过最大化同一图像的两种观点之间的一致性来对卫星图像表示与卷积神经网络（CNN）进行对比度学习，这是通过数据增强策略生成的。关于RS IRL的最新研究集中在卫星图像的掩盖数据建模上，例如[3] - [10]。他们通过遮罩的自动编码器（MAE）促进了自我监督的学习，并具有视觉变压器（VITS）。通过重建卫星图像，用遮盖的零件执行有效的IRL，即他们学习了描述图像的视觉内容的功能，这些功能可用作调整下游任务的专用模型的起点。最近对MAE对卫星图像IRL的兴趣取决于两个主要原因。首先，与对比的自我监督学习相反，MAE能够学习图像表示，而无需应用任何数据增强策略。这对于卫星图像特别重要，因为大多数数据增强策略都是为自然图像而设计的，并且它们直接适应卫星可能总是可行的。）。第二，已经表明，与VIT相结合的MAE可以根据训练数据的数量成比例地将其缩放到较大的DL模型中[11]，[12]。但是，当使用MAE时，所得图像表示往往为较低的语义水平[13]。这防止了他们的全部潜力，用于需要更高级别卫星图像语义的许多下游任务（例如，场景分类，土地地图生成等。
6D高核加密模型，以确保安全到3D印刷模型和医疗图像
摘要 - 在6G时代，预计超快速和可靠的通信将无处不在，加密将继续在确保数据的安全性和隐私方面发挥关键作用。在这项研究工作中，提出了使用6D高调功能的医学图像和3D打印模型的加密和解密，以确保数据传输的安全性。在这里，我们使用六维高核系统来设想加密目的，该系统将由于其复杂且不可预测的动态，并具有多个正lyapunov指数。该系统可以潜在地增强3D对象和医疗图像的加密过程，从而确保保护敏感数据并防止未经授权的访问。超核系统是一种动态系统，其特征是表现出多个阳性lyapunov指数，表明对初始条件的敏感性很强。与标准混沌系统相比，这些系统具有更高的自由度，复杂和复杂的动态。加密方案的安全性取决于高核系统的复杂性和秘密密钥的随机性。6D高核系统的参数应用作具有六个维度的加密密钥，每个维度都具有其值范围，并应提供许多可能的键。在这项工作中，我们实施了一个6D高核系统，以加密3D打印模型和医学图像。超核系统可以在平行计算体系结构中有效实现，从而可以更快地加密和解密过程。绩效评估是通过指标熵，相关性，像素数量变化率（NPCR）和统一平均变化强度（UACI）完成的，这揭示了加密模型在确保安全方面的鲁棒性。关键字 - 图像加密，超核系统，3D打印，医疗图像处理
开发一种 CD163 靶向 PET 放射性示踪剂，用于成像动脉粥样硬化中的常驻巨噬细胞
组织驻留巨噬细胞与促炎性巨噬细胞相互补充，促进动脉粥样硬化的进展。非侵入性检测它们的存在和动态变化对于理解它们在动脉粥样硬化发病机制中的作用非常重要。本研究的目的是开发一种靶向 PET 放射性示踪剂，用于在多种小鼠动脉粥样硬化模型中对 CD163 阳性 (CD163 1 ) 巨噬细胞进行成像，并评估 CD163 作为人类动脉粥样硬化生物标志物的潜力。方法：使用噬菌体展示技术鉴定 CD163 结合肽，并将其与 NODAGA 螯合剂结合进行 64 Cu 放射性标记 ([ 64 Cu]Cu-ICT-01)。使用过表达 CD163 的 U87 细胞测量 [ 64 Cu]Cu-ICT-01 的结合亲和力。在尾静脉注射后多个时间点对野生型 C57BL/6 小鼠进行生物分布研究。在多种小鼠动脉粥样硬化模型中评估了 [ 64 Cu]Cu-ICT-01 在动脉粥样硬化斑块表面上调的 CD163 1 巨噬细胞成像中的敏感性和特异性。进行免疫染色、流式细胞术和单细胞 RNA 测序以表征 CD163 在组织驻留巨噬细胞上的表达。使用人颈动脉粥样硬化斑块测量 CD163 1 驻留巨噬细胞的表达并测试 [ 64 Cu]Cu-ICT-01 的结合特异性。结果：[ 64 Cu]Cu-ICT-01 对 U87 细胞表现出高结合亲和力。生物分布研究表明，注射后 1、2 和 4 小时，血液和肾脏清除迅速，所有主要器官中的滞留率低。在 ApoE 2 / 2 小鼠模型中，[ 64 Cu]Cu-ICT-01 表现出对 CD163 1 巨噬细胞的敏感和特异性检测以及追踪动脉粥样硬化病变进展的能力；这些发现在 Ldlr 2 / 2 和 PCSK9 小鼠模型中得到进一步证实。免疫染色显示 CD163 1 巨噬细胞在斑块中的表达升高。流式细胞术和单细胞 RNA 测序证实了 CD163 在组织驻留巨噬细胞上的特异性表达。人体组织表征表明动脉粥样硬化病变中 CD163 1 巨噬细胞表达量高，体外放射自显影显示 [ 64 Cu]Cu-ICT-01 与人 CD163 特异性结合。结论：这项工作报告了一种结合 CD163 1 巨噬细胞的 PET 放射性示踪剂的开发。人类斑块中 CD163 1 驻留巨噬细胞表达升高表明 CD163 具有作为易损斑块生物标志物的潜力。[ 64 Cu]Cu-ICT-01 在成像 CD163 1 巨噬细胞方面的敏感性和特异性值得在转化环境中进一步研究。
使用计算机视觉和机器学习
摘要：预测城市规模的碳排放（CES）对于对各种紧急环境问题（包括全球变暖）的影响至关重要。但是，先前的研究忽略了微观街道环境的影响，这可能会导致偏见的预测。为了填补这一空白，我们开发了一个有效的机器学习（ML）框架，以基于单个数据源，Street View Images（SVI）（SVI）预测邻里级别的住宅CE，该框架在全球范围内公开可用。具体来说，使用语义分段从SVI分类了30多个街道元素，以描述微级街道环境，其视觉特征可以表明重大影响住宅CES的主要社会经济活动。部署了十倍的交叉验证来训练ML模型，以预测1公里网格水平的住宅CE。我们首先发现，随机森林（R 2 = 0.8）的表现优于许多传统模型，证实视觉特征在解释CES时不可忽略。第二，更多的建筑物，墙壁和围栏视图表示更高的CE。第三，树木和草的存在与CES成反比。我们的发现证明使用SVI作为单个数据源以有效预测邻里级别的住宅CE的可行性。该框架适用于各种城市形式的大型地区，向城市规划者提供可持续的城市形式战略，以实现碳中性目标，尤其是对于新城镇的发展。
调查运动历史图像和卷积神经网络，以供孤立的爱尔兰手语手指识别
摘要手语的全球能力有限，是通过重要和必要的计算处理来改善聋人和听力障碍社区的沟通。为了解决这个问题，我们的研究利用了爱尔兰手语形状（ISL-HS）数据集和最先进的深度学习体系结构来识别爱尔兰手语字母。我们通过使用运动历史图像（MHIS）来监视手语动作，简化特征提取方法，并为有效利用卷积神经网络（CNN）铺平道路。在这项研究中研究了许多强大的CNN体系结构在MHI中捕获的复杂运动模式中的有效性。该过程包括从ISL数据集生成MHI，然后使用这些图像训练多个CNN神经网络模型，并评估其识别爱尔兰手语字母的能力。结果证明了使用高级CNN调查MHI以增强手语识别的可能性，并以值得注意的精度百分比。通过为爱尔兰手语的语言处理工具和技术的开发做出贡献，这项研究有可能解决爱尔兰聋哑和听力障碍社区缺乏技术交流的可访问性和包容性。