XiaoMi-AI文件搜索系统
World File Search SystemTomography
通过学习Kraus操作员
我们通过使用KRAUS操作员学习过程表示，对离散和连续变量量子系统执行量子过程断层扫描（QPT）。Kraus形式确保重建过程是完全积极的。为了使过程跟踪保留，我们在优化过程中使用了所谓的Stiefel歧管上使用受约束的梯度 - 偏生（GD）方法，以获取Kraus oberators。我们的Ansatz使用几个Kraus操作员来避免直接估计大型过程矩阵，例如Choi矩阵，用于低级量子过程。GD-QPT匹配压缩 - 感应（CS）的性能和预测的最小二乘（PLS）QPT的基准测试中，具有两倍的随机过程，但是通过结合这两种方法的最佳功能来发光。类似于CS（但与PLS不同），GD-QPT可以仅从少量随机测量中重建一个过程，并且类似于PLS（但与CS不同），它也适用于更大的系统尺寸，最多可至少五个Qubits。我们设想，GD-QPT的数据驱动方法可以成为一种实用工具，可大大降低中等规模量子系统中QPT的成本和计算工作。
使用计算机断层扫描图像评估心血管疾病中深度学习模型的公平性：数据和代码透视
摘要。在过去五年中，大多数变化在过去的十年中，对医学中AI应用的兴趣已大大增加。最近，使用计算机断层扫描（CT）图像的深度学习算法在心血管疾病（CVD）的预测和分类中的应用显示出令人鼓舞的结果。但是，在这一研究领域的显着进步与与可发现性（F），可访问性（a），互操作性（I），可重复使用性（R）相关的不同挑战有关。这项工作的目的是确定反复出现的缺失的公平相关特征，并评估用于预测/诊断CT图像中心血管疾病的数据和模型的公平程度。我们使用RDA（研究数据联盟）公平数据成熟度模型和Fairshake工具包评估了数据和模型的公平性。这一发现表明，尽管预计AI会为复杂的医疗问题带来破碎的解决方案，但数据/元数据/代码的可发现性，可访问性，互操作性和可重复性仍然是一个杰出的挑战。
使用光学相干断层扫描
摘要：紫外线（UV）辐射会导致90％的光损伤对皮肤，长期暴露于紫外线辐射是对皮肤健康的最大威胁。研究了紫外线引起的光损伤的机制和晒伤皮肤的修复，要解决的关键问题是如何非破坏性和连续评估对皮肤的UV诱导的光损伤。在这项研究中，提出了一种使用光学相干断层扫描（OCT）定量分析人工皮肤（AS）的结构和组织光学参数的方法，作为一种非损害和连续评估光损伤效果的一种方式。是根据OCT图像的强度信号的特征峰来实现表面粗糙度的，这是使用Dijkstra算法量化为角质层厚度的基础。通过灰级共发生矩阵法获得的本质本地纹理特征。一种经过修改的深度分辨算法用于量化基于单个散射模型的3D散射系数分布。对AS进行了光损伤的多参数评估，并将结果与MTT实验结果和H＆E染色进行了比较。紫外线发生损伤实验的结果表明，与正常培养的AS相比，光损伤模型的角质层较厚（56.5％），表面粗糙度（14.4％）。角第二矩更大，相关性较小，这与H＆E染色显微镜的结果一致。AS的组织散射系数与MTT结果良好相关，可用于量化生物活性的损害。角度时刻和相关性与紫外线辐射剂量有良好的线性关系，这说明了OCT在测量内部结构损伤中的潜力。实验结果还证明了维生素C因子的抗疫苗效率。对AS的结构和组织光学参数的定量分析可实现多个维度中AS的非破坏性和连续检测。
http://dx.doi.org/10.18576/isl/120433 基于深度神经网络的计算机断层扫描检测脑肿瘤
摘要：脑肿瘤是最致命的疾病之一，对人类健康有许多影响。脑肿瘤是脑内或脑周围的异常细胞团或生长。它们并非都是癌症，因为它们可能是良性的或恶性的。医生使用各种诊断技术来评估良性或恶性脑肿瘤的存在，以及估计其大小、位置和生长速度。使用适当的诊断方式来提供完整的大脑视图以检测任何异常。应对脑部进行计算机断层扫描 (CT) 扫描以检查异常。CT 扫描的好处包括准确检测钙化、出血和骨骼细节，以及与磁共振成像 (MRI) 相比成本低。因此，我们研究了一种基于 CT 的检测方法，以确定是否存在脑肿瘤。所提出的方法适用于从曼苏拉大学医院收集的 CT 图像数据集。使用不同的预训练模型：VGG-16、ResNet-50 和 MobileNet-V2。对比结果，预训练模型 MobileNet-V2 尽管参数数量最少，但结果却更好。它的准确率为 97.6%，而其精确度、召回率和 F1 分数分别为 96%、95% 和 96%。
量子计算和计算机断层扫描
随着量子计算机的普及，许多公司开始涉足量子计算领域，以熟悉这项技术并尝试将其与自己的专业领域相结合 [1]。由此产生的首要问题是，如何使用量子计算机通过量子算法来解决或改善工业问题。挑战在于找到这样的问题并创建算法，因为使用量子计算机需要采用与传统编程不同的方法。虽然传统计算机使用 0 和 1 的位，但量子计算机使用量子位 (Qubit)，它可以被带入这些二进制状态的任意叠加。这种叠加使量子计算机能够同时对各种值执行单个计算，这是量子计算机提供的优势之一。量子态的叠加尤其允许多个量子位的纠缠（一种特定形式的关联），这代表了量子计算最显着的特征，也是其基本概念优势的核心。然而，困难在于一旦人们想要检索该计算的结果，最后一步就会出现。在单个量子比特测量中，量子比特将坍缩为两个基态之一。后者随后被映射到经典值 0 和 1。测量这两个值中的哪一个取决于系统的量子态，并且通常是基态的叠加。重复测量的结果将相应地遵循各自的概率分布。结果是，单个量子计算通常不会直接提供所需的值。计算必须重复多次（所谓的 shots），具体取决于量子比特的数量，以提供统计分布，从而找到所需的值。重复量子测量所花费的时间可能超过量子计算机与传统计算机的计算时间相比的优势。为了实现性能优势，需要一种量子算法，该算法可以通过利用计算中的建设性和破坏性干扰来减少所需的 shots 次数，如众所周知的 Deutsch-Jozsa [2] 和 Grover [3] 算法所示。我们在公共资助的 BayQS 联盟内启动了一个为期五年的项目，目的是找出量子计算机在计算机断层扫描领域的潜力。
淀粉样蛋白正电子发射断层扫描成像的效用在患有癫痫和认知下降的老年人
在认知能力下降和癫痫病的老年人中，诊断认知能力下降的病因是具有挑战性的。我们确定了6个受试者，该受试者参加了淀粉样蛋白成像扫描（思想）研究和非癫痫的成像痴呆证据。三位认知神经科医生审查了每例病例，以确定阿尔茨海默氏病（AD）病理学的可能性。将它们的印象与淀粉样蛋白宠物发现进行了比较。在3个情况下，印象与PET发现一致。在2例“可能暗示性”的情况下，宠物降低了诊断不确定性，其中1个具有淀粉样蛋白升高的宠物，而另一个具有中间淀粉样蛋白的宠物。在剩下的情况下，由于缺乏审核者的一致性，宠物与淀粉样蛋白升高的意义仍然不确定。该病例系列强调，在具有癫痫病史和认知能力下降史的个体中，淀粉样蛋白PET可以成为评估在适当情况下使用认知能力下降的病因的有用工具。
量子重叠断层扫描的实验演示
近年来，随着人们对量子信息处理研究的兴趣和努力[1,2]，在构建和控制大规模量子系统方面取得了令人瞩目的进展，一系列物理系统包括但不限于超导电路[3-5]、线性光学[6,7]、离子阱[8,9]和超冷原子[10]。虽然创建和操作一个拥有大约 100 个甚至 1000 个量子比特的大规模系统已经现实[11,12]，但如何测量这样的多体态并证明系统中任意两部分之间的相关性仍然是一个问题。由于量子比特的量子特性，量子比特所携带的信息不能通过一次测量读出[13]。相反，需要对一个量子态用多组基进行多次测量，才能重建表示该状态的密度矩阵[14]。随着系统中量子比特数量的增加，所需测量的数量呈指数增长 [15]，导致不可接受的时间复杂度，这可能会破坏即使是中等规模的系统稳定性。事实上，对于只有 10 个量子比特的系统，全状态断层扫描 (FST) 已经相当困难 [16]。在这一挑战的推动下，人们提出了各种协议来降低时间复杂度。一些协议为具有特殊结构的某些量子态提供了优势 [17]。一些协议可以更高效地估计未知状态，但它们需要量子非破坏性测量，而这在当今的实验中仍然无法实现 [18]。一个更现实的想法是通过重建简化的密度矩阵来检索有限但关键的信息
使用微型层析成像和微机械测试对超材料材料模型
1 Fraunhofer Cluster of Excellence Programmable Materials, 79108 Freiburg im Breisgau, Germany 2 Fraunhofer Institute for Mechanics of Materials IWM, 79108 Freiburg im Breisgau, Germany 3 Lightweight Systems, Saarland University, 66123 Saarbrucken, Germany 4 Fraunhofer Institute for Integrated Circuits IIS, 91058德国Erlangen 5 Fraunhofer机床和成立技术IWU研究所，德累斯顿，德累斯顿，6弗劳恩霍夫非造成的测试研究所IZFP IZFP，66123，德国萨尔布鲁肯，德国 *通信 *通信：）; sarah。fincher@izfp.fraunhofer.de（s.c.l.f.）†当前地址：Deggendorf理工学院应用计算机科学学院，德国Deggendorf 94469。‡当前地址：复杂材料研究所，莱布尼兹·伊夫·德累斯顿（Leibniz ifw Dresden），德国德累斯顿（Dresden），德国。
经颅超声检查与计算机断层扫描对创伤性脑损伤患者中线移位的评估比较
背景：大脑中线移位 (MLS) 是通过计算机断层扫描 (CT) 成像诊断的重要临床发现，而经颅超声 (TCS) 可帮助在床边诊断 MLS 并促进干预以改善结果。该研究旨在发现基于 TCS 和 CT 的创伤性脑损伤 (TBI) 患者 MLS 评估之间的关联。患者和方法：我们纳入了所有中度至重度 TBI 的成年患者，不限性别，年龄在 18 至 65 岁之间，在 3 个月内接受全身麻醉下颅内手术。借助格拉斯哥昏迷量表 (GCS) 和格拉斯哥昏迷量表-瞳孔 (GCS-P) 评分评估意识。我们使用 CT 扫描和 TCS 计算 MLS。使用 Bland Altman 图以及 Pearson 和 Spearman 系数检验。结果：本研究共分析了 17 名患者。使用 TCS 时 MLS 为 0.52 ± 0.90 厘米，使用 CT 扫描时 MLS 为 0.58 ± 0.39 厘米。TCS 和 CT 成像测量的 MLS 差异的 Pearson 相关系数 (r2) 为 0.002 (p<0.05)。结论：经颅超声检查可以检测出 TBI 患者的 MLS，前提是 TCS 和 CT 扫描的 MLS 测量之间使用最小时间窗口。关键词：计算机断层扫描、超声检查、创伤性脑损伤。印度重症监护医学杂志 (2023)：10.5005/jp-journals-10071-24376
基于最大熵形式的量子态层析成像变分方法
图 3：对于范围从 2 到 6 的量子比特，该图显示了在每一步优化中使用重建的量子态获得的 Hermitian 算子的 IC 集的真实期望值和生成的期望值之间的时期数的函数即均方误差 (MSE) 损失。