XiaoMi-AI文件搜索系统
World File Search SystemNode
表皮生长因子受体靶向的荧光分子成像，用于口腔癌患者的术后淋巴结评估
在大多数口腔癌患者中，手术治疗包括切除原发性肿瘤以及切除淋巴结（LNS），以进行分期或进行治疗。手术期间收获的所有LN都需要组织加工和随后的微观组织疗法评估，以确定淋巴结阶段。在这项研究中，我们研究了在组织病理学检查之前溶于荧光示踪剂cetuximab-800CW的使用来区分肿瘤阳性和肿瘤阴性LN。在这里，我们报告了一项临床试验的回顾性临时分析，旨在评估口腔鳞状细胞癌患者的切除缘（NCT02415881）。方法：手术前两天，将患者静脉注射75 mg西妥昔单抗，然后是15 mg Cetuximab-800CW（一种表皮生长因子受体 - 靶向均匀的示踪剂。获得了切除的，福尔马林固定的LN的荧光图像，并与组织病理学评估相关。结果：514 LNS（61个病理性的淋巴结）的荧光分子成像可以检测具有100％敏感性的肿瘤阳性LNS exvo，且特定的86.8％（曲线下的面积为0.98）。在此队列中，需要微观评估的LN数量减少了77.4％，而不会缺少任何转移。此外，在7.5％的LNS假阳性对荧光成像的阳性中，我们鉴定了标准组织病理学分析所遗漏的转移酶。结论：我们的发现表明表皮生长因子受体 - 靶向荧光分子成像可以帮助检测口腔癌患者的离体环境中的LN跨阶段。这种图像引导的概念可以改善术后LN检查的有效性并确定其他转移，从而保护适当的术后治疗并有可能改善预后。
5 纳米技术节点设计中的碳纳米管 SRAM...
摘要 — 在本文中，我们提出了一种基于碳纳米管 (CNT) 场效应晶体管 (CNFET) 的静态随机存取存储器 (SRAM) 设计，该设计在 5 纳米技术节点上基于性能、稳定性和功率效率之间的权衡进行了优化。除了尺寸优化之外，还评估和优化了包括 CNT 密度、CNT 直径和 CNFET 平带电压在内的物理模型参数，以提高 CNFET SRAM 性能。基于亚利桑那州立大学 [ASAP 7 纳米 FinFET 预测技术模型 (PTM)] 库，将优化的 CNFET SRAM 与最先进的 7 纳米 FinFET SRAM 单元进行了比较。我们发现，与 FinFET SRAM 单元相比，所提出的 CNFET SRAM 单元的读取、写入 EDP 和静态功率分别提高了 67.6%、71.5% 和 43.6%，稳定性略好。 CNFET SRAM 单元内部和之间的 CNT 互连被视为构成全碳基 SRAM (ACS) 阵列，本文第二部分将对此进行讨论。本文实施了一个具有铜互连的 7 纳米 FinFET SRAM 单元并将其用于比较。
概念框架“知识节点”中的名词
Martina ASENBRENER KATIC*、Sanja CANDRLIC、Mile PAVLIC 摘要：“知识节点”方法是概念框架“知识节点 (NOK)”的元素之一。它能够以图形和形式化（文本）形式表示知识，并可以将自然语言句子的形式化记录存储在关系数据库中。为了能够将所有单词从自然语言句子正确转换为形式化记录，有必要设计一种语言的元模型，即分析每种特定自然语言的所有词类，并定义将自然语言句子转换为形式化记录的规则。本文分析了克罗地亚语和英语中的名词。它介绍了将名词和名词短语结构转换为形式化记录的规则，并提供了两种语言的示例。使用一小组句子（用作输入知识）和问题对系统进行了初步测试。测试结果展示并讨论。关键词：知识表示；知识节点；NOK；名词 1 引言及相关工作 知识表示的发展始于 20 世纪 70 年代的人工智能领域。它在人工智能的发展中发挥了重要作用，并且一直是人工智能最强大的领域之一 [1]。知识表示寻找对信息和知识进行形式化描述的方法，这意味着用一种具有明确语法和语义的无歧义语言或符号来表示。知识可以以不同的方式存储 [2]，例如通过使用语义网络 [3]、框架 [4]、本体 [5]、模糊 Petri 网 [6]、神经网络 [7] 或其他图形方法进行知识表示 [8]。知识表示方法之一是知识节点 (NOK) [9, 10]。概念框架“知识节点 (NOK)”是一组方法、规则、相应的分析工具和自然语言句子中包含的语义表示。概念框架 NOK 包括 NOK 方法、图形表示的形式化（知识图表节点，DNOK）、以文本形式显示知识的形式化（知识形式化节点，FNOK）和以文本形式表示问题的形式化（知识形式化节点，QFNOK）[11]。初步研究 [12-14] 表明，可以使用概念框架 NOK 对自然语言中的句子进行建模。进一步的研究表明，只要规则定义明确，NOK 可适用于不同语言，而无需调整问答系统 (QA) 的算法 [15]。有必要分析自然语言的所有词类，以设计一种语言的元模型并定义将句子转换为 FNOK 记录的规则。在之前的工作中，已经在 NOK 方法中对形容词 [16] 和动词 [17] 进行了分析。本文重点关注克罗地亚语和英语中的名词。本文定义了名词转换为 FNOK 记录中的节点的规则和解决方案。规则根据名词与动词（服务于主语或宾语的名词）、谓语名词、同位语和名词格之间的关系来分析名词。此外，冠词（a、an、the）
使用量子金刚石显微镜对 8 nm 工艺节点芯片进行矢量磁流成像和 3D 电流分布
业界越来越倾向于采用三维 (3D) 微电子封装，这要求开发新的创新型故障分析方法。为此，我们的团队正在开发一种称为量子金刚石显微镜 (QDM) 的工具，该工具利用金刚石中的一组氮空位 (NV) 中心，在环境条件下同时对微电子进行宽视野、高空间分辨率的矢量磁场成像 [1,2]。在这里，我们展示了 8 nm 工艺节点倒装芯片集成电路 (IC) 中的二维 (2D) 电流分布和定制多层印刷电路板 (PCB) 中的 3D 电流分布的 QDM 测量结果。倒装芯片中 C4 凸块发出的磁场在 QDM 测量中占主导地位，但这些磁场已被证明可用于图像配准，并且可以减去它们以分辨芯片中微米级相邻的电流轨迹。通孔是 3D IC 中的一个重要组件，由于其垂直方向，因此仅显示 B x 和 B y 磁场，而使用传统上仅测量磁场 B z 分量（与 IC 表面正交）的磁强计很难检测到这些磁场。使用多层 PCB，我们证明了 QDM 能够同时测量 3D 结构中的 B x 、B y 和 B z 磁场分量，这对于在电流通过层间时解析通孔磁场非常有利。两个导电层之间的高度差由磁场图像确定，并且与 PCB 设计规范一致。在我们最初使用 QDM 为复杂 3D 电路中的电流源提供更多 z 深度信息的步骤中，我们证明了由于麦克斯韦方程的线性特性，可以从整个结构的磁场图像中减去各个层的磁场图像。这允许从设备中的各个层中分离信号，该信号可用于通过求解 2D 磁逆来映射嵌入式电流路径。这种方法提出了一种迭代分析协议，利用神经网络对包含各种类别的电流源、隔离距离和噪声的图像进行训练，并结合 IC 的先验信息，
使用量子金刚石显微镜对 8 nm 工艺节点芯片和 3D 电流分布进行矢量磁流成像 Sean M. Oliver, 1,2,*
摘要 业界采用三维 (3D) 微电子封装的趋势日益增长，这要求开发新的创新型故障分析方法。为此，我们的团队正在开发一种称为量子金刚石显微镜 (QDM) 的工具，该工具利用金刚石中的一组氮空位 (NV) 中心，在环境条件下同时对微电子进行宽视野、高空间分辨率的矢量磁场成像 [1,2]。在这里，我们展示了 8 nm 工艺节点倒装芯片集成电路 (IC) 中的二维 (2D) 电流分布和定制多层印刷电路板 (PCB) 中的 3D 电流分布的 QDM 测量结果。倒装芯片中 C4 凸块发出的磁场在 QDM 测量中占主导地位，但这些磁场已被证明可用于图像配准，并且可以减去它们以分辨芯片中微米级相邻的电流轨迹。通孔是 3D IC 中的一个重要组件，由于其垂直方向，因此仅显示 B x 和 B y 磁场，而使用传统上仅测量磁场 B z 分量（正交于 IC 表面）的磁强计很难检测到这些磁场。使用多层 PCB，我们证明了 QDM 能够同时测量 3D 结构中的 B x 、B y 和 B z 磁场分量，这对于在电流通过层之间时解析通孔产生的磁场非常有利。两个导电层之间的高度差由磁场图像确定，并与 PCB 设计规范相符。在我们为以下提供进一步 z 深度信息的初始步骤中
高级CMOS技术节点中RRAM的传感电路设计技术
1微电器设备的关键实验室集成技术，中国科学院微型电子学研究所，中国北京100029； zhangdonglin20@mails.ucas.ac.cn（d.z.）; zhaoyulin@ime.ac.cn（y.z。）; hanzhongze20@mails.ucas.ac.cn（Z.H.）; qhu@mail.ustc.edu.cn（Q.H.）; xuanzhi@mail.ustc.edu.cn（X.L.）; hommyoun@163.com（H.Y.）; chengjh0903@foxmail.com（J.C。）; dingqingting@ime.ac.cn（q.d.）; lvhangbing@ime.ac.cn（H.L.）2中国科学学院微电子学院，中国北京100049，中国3张实验室，中国311121； pengb806@nenu.edu.cn（B.P. ）; hanyk@zhejianglab.com（y.h。 ）; jianghaijun@zhejianglab.com（H.J.） 4中国科学技术大学微电子学院，中国Hefei 230026 *通信：yangjianguo@ime.ac.ac.cn;电话。 ： +86-10-82995-5852中国科学学院微电子学院，中国北京100049，中国3张实验室，中国311121； pengb806@nenu.edu.cn（B.P.）; hanyk@zhejianglab.com（y.h。）; jianghaijun@zhejianglab.com（H.J.）4中国科学技术大学微电子学院，中国Hefei 230026 *通信：yangjianguo@ime.ac.ac.cn;电话。 ： +86-10-82995-5854中国科学技术大学微电子学院，中国Hefei 230026 *通信：yangjianguo@ime.ac.ac.cn;电话。： +86-10-82995-585