XiaoMi-AI文件搜索系统
World File Search SystemSpatial
用于建筑遗产分析的机器学习和深度学习：激光扫描和基于无人机的测量应用程序对复杂的空间网格结构
摘要：从基于现实的数据开始的3D几何形状的重建是具有挑战性的，并且由于对现有结构进行建模和建筑遗产的复杂性的困难，因此具有挑战性且耗时。本文介绍了一种方法论方法，用于对测量产出的自动分割和分类，以改善从激光扫描和摄影数据的解释和构建信息建模。的研究重点是测量19-20-21世纪后期的网状，空间网格结构，这是我们的建筑遗产的一部分，这可能需要监视维护活动，并依赖于人工智能（机器学习和深度学习），用于以下方面： 加工。专注于博洛尼亚（Bologna）的钢中的网格结构的案例研究，这项工作就数据准确性，几何和空间复杂性，语义分类和组件识别提出了许多关键问题。
特刊 - 单细胞和空间多
高通量组学技术的最新突破彻底改变了我们对人类生物学和疾病的理解。新兴的单细胞和空间多组学在空间背景下以单细胞分辨率提供了组织内细胞组成和分子景观的整体视图。这些进步从整体组织或细胞类型过渡到单细胞和空间水平，开启了各种新的生物学发现，例如基因表达、细胞杂合性、微环境和疾病发病机制之间错综复杂的相互作用。这些技术已成为单细胞组学和多细胞分辨率空间技术的标志，并得到了非常先进的分析工具的支持。本期《基因》特刊欢迎评论和原创论文，涵盖人类疾病或小鼠模型中任何类型的单细胞或细胞核空间基因组学、转录组学和表观遗传学的最新遗传学研究。将特别关注综合单细胞组学研究。
对肌肉侵入性膀胱癌的新辅助治疗反应的空间生物标志物：dutreneo试验
<伊迪贝尔（Idibell），巴塞罗那大学，巴塞罗那，西班牙19月12日，10月12日，西班牙马德里20号医学野主，西班牙巴塞罗那圣保罗医院21分子和过渡性肿瘤学，ciemat； “ 10月12日”大学医院生物医学研究所；西班牙马德里市的Ciberonc 22医学肿瘤服务，拉巴斯大学医院 - 西班牙马德里23号医学系，巴塞罗那大学，巴塞罗那，巴塞罗那，巴塞罗那24号，马尔基斯·德·瓦尔德西尔大学医院，桑坦德，西班牙，巴塞罗那25 NA，巴塞罗那西班牙 *等效贡献**
利用电势进行量子空间搜索：长期动力学和抗噪声能力
离散时间量子游动 (DQW) 对应于量子细胞自动机的单粒子部分 [1,2]。它们可以模拟许多物理系统，从任意杨-米尔斯规范场中的粒子 [3] 和黑洞附近的无质量狄拉克费米子 [4]，到带电量子流体 [5]，其他面向物理的应用参见参考文献 [6–16]。此外，DQW 可以看作是经典随机游动 (CRW) [17] 的量子类似物，可以用来构建空间搜索算法，其性能优于 [18] 使用 CRW 构建的算法。连续时间量子游动也可以用于这一目的 [19]。在三维空间中，基于 DQW 的算法 [18,19] 可以在 O (√
空间旋转：带有Spintronics实施的基于空间辍学的二进制贝叶斯神经网络
摘要 - 机器学习系统在实时，关键的决策领域（例如自动驾驶和工业自动化）中获得了突出性。他们的实现应通过不确定性估计来避免过度自信的预测。贝叶斯神经网络（Baynns）是估计预测不确定性的原则方法。但是，它们的计算成本和功耗阻碍了它们在Edge AI中的广泛部署。利用辍学作为后验分布的近似值，将贝恩的参数进行二进制，以及在基于Spintronics基于旋转的计算中（CIM）硬件阵列中实现它们的进一步，可以提供可行的解决方案。但是，设计用于卷积神经网络（CNN）拓扑的硬件辍学模块是具有挑战性且昂贵的，因为它们可能需要大量的辍学模块，并且需要使用空间信息来删除某些元素。在本文中，我们引入了MC-SpatialDropout，这是一种基于空间辍学的近似贝恩，带有Spintronics的新兴设备。我们的方法利用Spintronic设备的固有随机性与现有实现相比有效地实现了空间辍学模块。此外，每个网络层的辍学模块的数量减少了9倍，能量消耗量为94。11×，同时与相关工作相比仍能实现可比的预测性能和不确定性估计。
深点：利用空间上下文来增强空间转录组学预测H＆E图像
空间转录组技术仍然是资源密集型的，不太可能很快被患者护理采用。这阻碍了新型的精确医学解决方案的发展，更重要的是，将研究发现的转换限制为患者治疗。在这里，我们提出了DeepSpot，这是一个深入的神经网络，它利用病理学和空间多层组织上下文中的最新基础模型来有效地预测H＆E图像的空间转录组学。DeepSpot与以前的最新ART相比，来自转移性黑色素瘤，肾脏，肺或结肠癌患者的多个数据集的基因相关性大大改善了基因相关性。使用DeepSpot，我们生成了1 792个TCGA空间转录组学样本（3700万个斑点），黑色素瘤和肾细胞癌队列。我们预计这将是生物发现的宝贵资源，也是评估空间转录组学模型的基准。我们希望DeepSpot和该数据集将刺激计算空间转录组学分析中的进一步进步。
作者更正：生物细胞内反应和传输的空间建模算法
开放存取本文采用知识共享署名4.0国际许可证，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可证的链接，并表明是否做了更改。本文中的图片或其他第三方资料包含在文章的知识共享许可证中，除非在资料的致谢中另有说明。如果资料未包含在文章的知识共享许可证中，且您的预期用途不被法定规定允许或超出了允许的用途，您需要直接从版权所有者处获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/by/4.0/。
多样性方面的空间不匹配揭示了对新西兰鲸类生物多样性的对比鲜明的保护
Theophile Mouton，Fabrice Stephenson，Leigh G. Torres，Will Rayment，Tom Brough等。多样性方面的空间不匹配揭示了对新西兰的鲸类生物多样性的对比的保护。生物保护，2022，267，109484（12p。）。10.1016/j.biocon.2022.109484。hal-04203806
10plus2minus5plus36plus3minus3minus3minus3minus3minus3minus of空间生长
本文探讨了内部移民和贸易开放性如何通过知识扩散来形成空间和蔓延的经济增长。使用中国快速增长时期的数据，我们提供了因果证据表明，吸引移民的地区，尤其是从更加行事的地区以及更接触国际贸易的地区，经历更快的知识积累。我们开发了一个动态的空间模型，在这种模型中，贸易和移民介导的思想流动，推动前瞻性因素积累（劳动力和资本）以及内源性生产率的增长。我们的定量分析强调了初始分配条件对中国长期生长路径的重大影响，并揭示了因素的积累和思想扩散在其过渡的不同阶段的重要性而异。此外，我们的定量分析强调了思想扩散在解释空间生长异质性中的关键作用。