XiaoMi-AI文件搜索系统
World File Search SystemMultiscale
使用多尺度全卷积神经网络校正运动伪影
缩写：FCN = 完全卷积神经网络；MSE = 均方误差；SSIM = 结构相似性指数在 MRI 检查期间，患者运动会导致伪影，而伪影是临床实践中造成图像质量下降的常见原因，据报道，这会影响 10% – 42% 的脑部检查的图像质量。1、2 在图像采集时可能会识别出对 MRI 检查诊断价值有重大影响的运动伪影，导致近 20% 的 MRI 检查出现重复序列。1、3 这些重复序列会给放射科带来大量的时间和财务成本。1 由于无法保证患者在重复序列期间能够更好地保持静止，因此图像的诊断价值往往会受到影响。
具有基于图的聚类
异质多尺度方法（HMM）能够同时使用Exascale超级计算机的出现，能够同时使用多个尺度模拟多个尺度。但是，幼稚的实现显示大量裁员，并且非常昂贵。宏观模型通常需要计算大量非常相似的显微镜模拟。在层次方法中，这几乎不是一个问题，因为现象学组成模型很便宜。但是，当微观模拟需要例如高维分子动力学（MD）或有限元（Fe）模拟时，必须避免冗余。我们提出了一种适用于HMM工作流的聚类算法，该算法会自动分类并消除冗余显微镜模拟。该算法具有条纹的组合，以呈现微观模拟的参数配置和基于其相似性的图网络表示的低维表示。该算法可以将相似的参数配置聚类为单个参数，以减少所需的显微镜模拟数量。我们描述了算法在HMM应用耦合Fe和MD的背景下的实现，以预测聚合物 - 透明烯纳米复合材料的化学机械行为。该算法提供了计算效果的三倍降低，准确性损失有限。
多尺度实验和用于减轻晶格添加剂制造失败的预测性建模
添加剂制造（AM）赋予了高性能蜂窝材料的创造，强调了对可编程和可预测能量吸收能力的日益增长的需求。这项研究评估了精确调整的融合纤维纤维制造（FFF）过程对通过多尺度实验和预测建模的2D-热塑料晶格材料的能量吸收和失效特性的影响。宏观厚度和薄壁晶格的平面内压缩测试，以及它们的μ-CT成像，揭示了相对密度依赖的损伤机制和故障模式，从而促使开发可靠的预测建模框架以捕获过程诱导的性能变异和损害。对于较低的相对密度晶格，这是一种基于扩展的排水沟 - 武器材料模型的Fe模型，将Bridgman的校正与危机失败标准融合在一起，可准确捕获破碎的响应。随着晶格密度的增加，沿珠珠界面的界面损伤变得占主导地位，因此需要使用微观粘性区模型富集该模型以捕获界面剥离。预测建模引入了增强因素，是一种直接的方法来评估AM过程对能量吸收性能的影响，从而促进了FFF打印的晶格的逆设计。这种方法对如何优化FFF流程进行了批判性评估，以实现最高可实现的性能并减轻架构材料的故障。
利用透明石墨烯微电极阵列实现对海马癫痫的多模式、多尺度洞察
1 费城儿童医院儿科神经内科，宾夕法尼亚州费城 19104，2 宾夕法尼亚大学生物工程系，宾夕法尼亚州费城 19104，3 宾夕法尼亚大学佩雷尔曼医学院神经科学系，宾夕法尼亚州费城 19104，4 宾夕法尼亚大学神经工程与治疗中心，宾夕法尼亚州费城 19104，5 迈克尔·J·克雷森茨退伍军人医疗中心神经创伤、神经变性和修复中心，宾夕法尼亚州费城 19104，6 宾夕法尼亚大学生物化学与分子生物物理学研究生组，宾夕法尼亚州费城 19104，7 宾夕法尼亚大学物理与天文学系，宾夕法尼亚州费城 19104，8 宾夕法尼亚大学佩雷尔曼医学院神经内科，宾夕法尼亚州费城 19104，9 物理医学与宾夕法尼亚大学康复科，宾夕法尼亚州费城 19104
发行者校正：多色多尺度大脑成像使用色素多光子串行显微镜
Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在材料的信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您将需要直接从版权所有者获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/。
使用多尺度时间依赖的深度学习框架对锂离子电池的4D排放进行建模
Los Alamos国家实验室是一项平权行动/均等机会雇主，由Triad National Security，LLC经营，为美国能源部国家核安全管理局根据合同89233218CNA000001运营。通过批准本文，出版商认识到，美国政府保留了不判有限定的免版税许可，以出版或复制已发表的此捐款形式，或者允许其他人出于美国政府的目的。洛斯阿拉莫斯国家实验室要求出版商根据美国能源部主持的工作确定这篇文章。Los Alamos国家实验室强烈支持学术自由和研究人员发表权；但是，作为一个机构，实验室并未认可出版物的观点或保证其技术正确性。
多模式的多尺度洞察力对透明的基于石墨烯的微电极阵列实现的海马癫痫发作
'lylvlrq ri 1hxurorj \'hsdufhqw ri 3hgldwulfv 7kh＆kloguhq¶v +rvldo ri 3klodghoskld ϵ3Klodghoskld ϵ3Klodghoskld $ 86 $ 86 $ 86 'hsduwphqw ri％lrqjlqhulqj 8qlyhuvlw \ ri 3hqv \ oydqld 3Klodghoskld $ 3 fart 'HSDUWPHQW RI 1HXURVFLHQFH 3HUHOPDQ 6FKRO RI 0HGLFLQH 8QLYHUVLW \ RI 3HQQV \ oydqld \ oydqld ooydqldϯ3Klodghoskld3Klodghoskld $ 86 $ 86 $ 86 $ 86 $ 86 ＆hqwhu iru 1hxurhqlqlqhulqj dqg 7khudshxwlfv 8qlyhuvlw \ ri 3HQQV \ oydqld 3klodghoskld 3 $ 86 $ 86 $ 86 $ ϲ ＆hqwhu iru 1hxurwudxpd 1hxurghjhqhudwlrq dqg dqg 5hvwrudwlrq＆rusrudo 0ilfkdho -fkdho -fkdho -uhvfhq] 9hwhudqV $ 86 $θ *udgxdwh *urxs lq％lrfkhplvwu \ dqg 0rohfxodu％lrsk \ vlfv 8qlyhuvlw \ ri 3hqqqv \ oydqlld 'HSDUWPHQW RI 3K \ VLFV DQG $ VWURQRP \ 8QLYHUVLW \ RI 3HQQV \ oydqld 3Klodghoskld $3ϯ$ 86 $ 86ϯϯ 'HSDUWPHQW RI 1HXURORJ \ 3HUHOPDQ 6FKRO RI 0HGLFLQH 8QLYHUVLW \ ri 3HQQV \ oydqld \ oydqld 3Klodghoskld $ 86 $ 86 $ 86 $ 86 'HSDUWPHQW RI 3K \ VLFDO 0HGLFLQH DQG 5HKDELOLWDWLRQ 8QLYHUVLW \ RI 3HQQV \ oydqld \ oydqld 3Klodghoskld 3 $ 86 $ 86 ϯϲ div> div> div> div> div> div> div> div> div> div> div> div> div>
BGF-YOLO：增强的Yolov8具有多尺度注意特征融合用于脑肿瘤检测
摘要。您只看一次（YOLO）的对象探测器显示出显着的自动脑肿瘤检测精度。在本文中，我们通过结合双级路由关注，广义特征金字塔网络和第四个检测到Yolov8的探测来开发一种新型的BGF-Yolo架构。bgf-yolo包含一种注意机制，可以通过将高级半智能特征与空间细节合并，以更多地关注重要特征，并具有金字塔网络来丰富特征表示。此外，我们研究了不同注意力机制和特征融合的影响，检测脑肿瘤检测准确性的检测头构造。实验结果表明，与Yolov8x相比，BGF-Yolo的MAP 50绝对增加4.7％，并且在脑肿瘤检测数据集BR35H上实现了最先进的地图。该代码可在https://github.com/mkang315/ bgf-yolo上找到。
考虑多尺度不确定性的电力系统容量扩张嵌套交叉分解算法
现代电力系统见证了可再生能源、储能、电动汽车和各种需求响应资源的迅速普及。因此，电力基础设施规划面临着更多挑战，因为各种新资源带来了多变性和不确定性。本研究旨在开发一个多阶段多尺度随机混合整数规划 (MM-SMIP) 模型，以捕捉电力系统容量扩张问题的粗时间尺度不确定性，例如投资成本和长期需求随机性，以及细时间尺度不确定性，例如每小时可再生能源产出和电力需求不确定性。要应用于实际电力系统，所得到的模型将导致极大规模的混合整数规划问题，不仅遭受众所周知的维数灾难，而且每个阶段的大量整数变量也会带来计算困难。针对MM-SMIP模型的此类挑战，我们提出了一种嵌套交叉分解算法，该算法由两层分解组成，即Dantzig-Wolfe分解和L形分解。该算法在我们的数值研究中表现出良好的计算性能，并且特别适合并行计算，这也将通过计算结果得到证明。
基于射频应用的Parylene-Electronic束光刻过程
高等教育技术研究所（I.S.T），高等教育和科学研究部，IADIAMBOLA AMPASAMPITO，PO BOX 8122，ANTANANARIVO 101，马达加斯加b物理学和数学工程的实验室（Madagascar b La and of Ensight and Mathimatical of Ensighon and Novernation and the Enviration） - la r r'1177 rue tue du o r'117 rue， -la r´eunion，法国