XiaoMi-AI文件搜索系统
World File Search SystemMot
Alwasiti , HHA 和 Yusoff , MZ 2022, '使用深度卷积神经网络和 Mixup 进行脑机接口的运动意象分类
摘要 — 目标：构建一个可以在单个受试者的小型 EEG 训练集上进行训练的 DL 模型提出了一个有趣的挑战，这项工作正试图解决这一挑战。具体来说，本研究试图避免长时间的 EEG 数据收集过程，并且不组合多个受试者的训练数据集，因为这会对分类性能产生不利影响，因为受试者之间的个体间差异很大。方法：使用大约 120 次 EEG 试验对定制的具有混合增强功能的卷积神经网络进行训练，每个模型仅针对一个受试者。结果：经过修改的具有混合增强功能的 ResNet18 和 DenseNet121 模型分别实现了 0.920（95% 置信区间：0.908,0.933）和 0.933（95% 置信区间：0.922,0.945）的分类准确率。结论：我们表明，尽管本研究使用的训练数据集有限，但与同一数据集上先前研究中的其他 DL 分类器相比，设计的分类器具有更高的分类性能。
袋鼠妈妈护理对提前出院并入住新生儿科的早产儿灌注指数、心率和血氧饱和度的影响
摘要 目的：确定袋鼠妈妈护理 (KMC) 对提前出院并于随后几天入住新生儿重症监护病房 (NICU) 的早产儿灌注指数、心率和血氧饱和度的影响。方法：本研究采用随机对照实验设计，并使用前测-后测对照组模型。本研究纳入了 2019 年 12 月至 2020 年 12 月期间提前出院并随后入住 NICU 的婴儿。在土耳其伊斯坦布尔一家私立大学医院的 NICU，使用简单随机化技术分配实验组 (n = 38) 和对照组 (n = 38)。比较了应用 KMC 的实验组和未应用 KMC 的对照组的心率、灌注指数和血氧饱和度水平。以 15 分钟为间隔测量这些参数，持续 45 分钟（0-1、15、30、45 分钟）。资料收集通过母婴入门信息表、袋鼠妈妈护理准备表、袋鼠妈妈护理生理参数监测表、Noninvaziv脉搏血氧饱和度仪进行，采用独立样本t检验、Pearson卡方检验、Fisher精确概率法进行统计。结果：实验组与对照组婴儿胎龄（分别为31.11±3.25和31.61±3.04，p=.491）和体重（分别为1778.29±436.93和1953.29±345.74，p=.057）相近，差异均无统计学意义。袋鼠妈妈护理前，实验组与对照组婴儿心率、血氧饱和度、血流灌注指数值均无差异（p>.05）。从应用KMC后的第一个15分钟到KMC后45分钟，实验组的心率和血氧饱和度与对照组相比显著降低（p=0.001）且趋于稳定。实验组在KMC期间第15、30和45分钟的心率低于对照组（分别为147.63±11.04；142.47±11.94；136.82±13.22和153.13±8.73；154.50±7.27；154.84±7.05）。此外，袋鼠妈妈护理期间的氧饱和度高于对照组（分别为 96.68 ± 2.08；97.24 ± 2.18；97.87 ± 1.66 和 94.79 ± 1.27；94.66 ± 1.45；94.39 ± 1.38）。与对照组相比，实验组在袋鼠妈妈护理期间心率和氧饱和度的显著差异在袋鼠妈妈护理后 45 分钟内持续。灌注指数在袋鼠妈妈护理期间 30 分钟和 45 分钟时显著升高。然而，尽管这种变化在袋鼠妈妈护理后仍持续，但灌注指数的变化并不具有统计学意义。结论：袋鼠妈妈护理有助于调节提前出院并在随后几天进入 NICU 的早产儿的心率、氧饱和度和灌注指数。关键词：心率、婴儿护理、袋鼠妈妈护理法 氧饱和度 灌注指数 早产
不可避免的RNA图案和结构服务器
[1]可根据旋转不变性的最小值RNA结构基序的可扩展且可解释的识别，撰写的，Zhou，Malik，Tang，Mathews和Huang。重新梳理202 5。预印本：https：//arxiv.org/abs/2402.17206。[2]通过竞争对手结构的产生和结构分解，Zhou，Tang，Mathews和Huang通过竞争结构的产生和结构分解识别。RECOMB 2024，LNCS 14758的RECOMB会议记录，Springer。https://arxiv.org/abs/2311.08339 [3] RNA设计通过structure-ware Multi-Frontier合奏优化，作者：Zhou，Dai，Li，Li，Ward，Mathews和Huang。ISMB 2023的会议记录；生物信息学，39（supp。 1）。 https://doi.org/10.1093/bioinformatics/btad252ISMB 2023的会议记录；生物信息学，39（supp。1）。https://doi.org/10.1093/bioinformatics/btad252
Gonzalez v。 NISWI，LLC和AL。 -3：24-CV-50038邦森v。公司和其他。 -2：25-cv-00627
2 https://cofs.lara.state.mi.us/corpweb/corpsearch/corpsummary.aspx?token=nbxiln58hwvtv4jmrdwtm1cwbl OPJMZIGQ3FCQZRMH7Z0MRADEXC1CSQ3QJ8ONB4LNRNNR9QERGUGR0CTDL+XTLHZFIMWMOKS6I0251YORXZ3MBLPE yeqax2t9fj1gop0ioegb6vxhwkiiqhfvjmassz8uv44fws4ln74ziykeg53qp3/gqbb0xa2prg6poryyydxv8 Ozjw9U2KJQ1ZHUGQS4HI287MQILAAK25QA6YUV6JXHN3SEU11QHXBXUWGX72GNVO9NHN8RQV6LHWP3+H/VL DSZABDPS5MQFZAKI43TPOFGB1TCTB+IH6XBJBCMUU7DLZ1BC9IDG8RNUMYCP9O9BXMVUIP158 3 https://cofs.lara.state.mi.us/corpweb/corpsearch/corpsummary.aspx?token=nbxiln58hwvtv4jmrdwtm1cwbl OPJMZIGQ3FCQZRMH7Z0MRADEXC1K4V5JYHRBUNQDPRH4NG8TWEYBOXW4JOSWOFFJ1NKMG1ALXUWKCYW uzc6y0k/0wtzzosbgglydzeschwpon/iscsiijvkggt/hvtuanvmrtdt6ec1rgsb7mwinotzkjgxcas38444444444ilfxft JHZVUO31RMQDL1BJ05PDNJT8WVU4BI2XTZFKF4XOIS38JC3VKQ3H0JESNXNX/Y9DG5DL2REPO/EU7TC2C2QOMNNTQTV ESIH50WU64GDERHIIAJPDOC/WENBXGSWMNZQ21W9RCOXAJTKTQPVJRTTUTTM5JKQSQCR0S 4 https://cofs.lara.state.mi.us/corpweb/corpsearch/corpsummary.aspx?token=nbxiln58hwvtv4jmrdwtm1cwbl OPJMZIGQ3FCQZRMH7Z0MRADEXC1OUICO3RIEXGRIFHNTHPPA5MGJJHW4WXVEU5FY/UA7XVWARXXSS84FVJVUEZ JU+9EQFCNFXZCNJKNQEICZ3VBYZSDQZFQZBA6Z15JZGTOALR7+XN03KUJ9TPWWA1VXBDU+3K+3K+YVUE0VZGVQ RZ7SHT03TPOO2JDJLRM9L3SORDY5YL38NU32TG5AUZS/TT73UBVTRDRDRDR7UIMM2GH6ZEV5KQH2HK2HK11BFXNVSZ+TGSEF W8JCMNL8L4DF2PWVPEVUUF9ONRS+FHQAQZP9ACYNC6LYPNEGULMS13BGFGFGFJPMMVRM5
MAS：使用2D扩散
我们使用2D扩散模型引入了多视图祖传采样（MAS），这是一种3D运动生成的方法，这些方法是根据从野外视频中获得的动作进行训练的。因此，MAS为以前探索了3D数据而稀缺且难以收集的机会为令人兴奋和多样化的运动领域打开了机会。MAS通过同时降低多个2D运动序列来起作用，代表了同一3D运动的不同视图。它通过将单个世代组合到统一的3D序列中，并将其投影回原始视图，从而确保每个扩散步骤中所有视图的共识。我们在2D姿势数据上展示了MAS，从描述了演习篮球运动的视频中获取的数据，节奏的体操在带有球设备的节奏和赛马。在这些域中的每个域中，3D运动捕获都很艰难，但是，MAS生成了多样化和现实的3D序列。不喜欢分数蒸馏方法，该方法通过反复应用小固定来优化每个样品，我们的方法使用了为扩散框架构建的采样过程。正如我们所证明的那样，MAS避免了常见的措施，例如室外采样和模式折叠。https://guytevet.github.io/mas-page/
增强翻译中风康复：运动网络优化的特定任务动作观察疗法
年龄（年）71.7±10.8性别（女性 /男性）％8（40％） /12（60％）MAS-ul 1.25（0-6）FMA-UL 51（29-66）脂肪5（1-5）MBI 94（1-5）MBI 94（46-100）平均±标准偏差； n（％）;中值（最小值最小）。修改后的Ashworth Scale-upper肢体（MAS-ul）; FUGL-MEYER评估 - Upper肢体（FMA-ul）；法式手臂测试（FAT）；和修改的Barthel指数（MBI）。
用活动摄像头在夜间看到运动
我们专注于一项非常具有挑战性的任务：在夜间动态场景时进行成像。大多数以前的方法都依赖于常规RGB摄像机的低光增强。，他们不可避免地会在夜间长时间的长时间和动作场景的动作模糊之间面临困境。事件摄像机对动态变化的反应，其时间分辨率较高（微秒）和较高的动态范围（120dB），提供了替代解决方案。在这项工作中，我们使用活动摄像头提出了一种新颖的夜间动态成像方法。具体来说，我们发现夜间的事件表现出时间段落的特征和空间非平稳分布。conse-我们提出了一个夜间活动重建网络（NER-NET），主要包括可学习的事件时间戳校准模块（LETC），以使临时尾随事件和非均匀照明式落后事件保持一致，以稳定事件的spatiotalmorporal分布。此外，我们通过同轴成像系统构建了配对的真实低光事件数据集（RLED），这包括空间和时间对齐的图像GTS和低光事件的64,200个。广泛的实验表明，在视觉质量和泛化能力方面，所提出的方法优于最先进的方法。
制造重塑的集成机器人运动和过程控制
摘要 - 金属制造过程的未来，例如激光切割，焊接和添加剂制造，应依赖于行业4.0支头的智能系统。这样的数字创新确实正在推动机械制造商进行深刻的转变。是根据针对特定过程设计和优化的定制机器，雄心勃勃是利用开放性和大量的工业机器人可用性，以提高多流程实现的灵活性和可重新配置。挑战在于，机械构建者将自己转变为高知名度专业的过程驱动的机器人集成器，能够用智能传感和认知方面的过程控制器杠杆优化机器人运动。这项工作描述了BLM集团和Politecnico di Milano的多年合作，在CNR的支持下，重点是部署完整的机器人工作站，其特征是机器人控制和运动计划与制造过程的完整整合。索引术语 - 指导的能量沉积，激光金属拆卸，添加剂制造的设计，CAD/CAM
一种线性可扩展的多伪影去除方法，用于改进基于上肢脑电图的运动想象解码 Mojisola Grace Asogbon 1,2 , Oluwa
图 1：使用国际 10-20 系统从 (a) 矢状面和 (b) 轴平面 (c) 头皮角度看到的 64 个电极配置表示。注意：A= 耳垂，C = 中央，Pg = 鼻咽，P = 顶叶，F = 额叶，Fp = 额极和 O = 枕叶。