XiaoMi-AI文件搜索系统
World File Search SystemTopology
3D图像分割的拓扑感知焦点损失
分割算法的疗效经常因拓扑错误，连接中断和空隙等拓扑错误而受到损害。为了解决这一问题，我们引入了一种新颖的损失函数，即拓扑 - 意识局灶性损失（TAFL），该功能将基于基于地面真实和预测段蒙版的持久性图表之间的拓扑结构术语与拓扑结构术语结合在一起。通过实施与地面真理相同的拓扑结构，拓扑的约束可以有效地解决拓扑结构，而焦点损失可以解决阶级失衡。我们首先是从地面真理和预测的分割掩模的过滤的立方复合物中构造持久图。随后，我们利用sindhorn-knopp算法来确定两个持久图之间的最佳运输计划。最终的运输计划最小化了将质量从一个分布到另一个分布的运输成本，并在两个持久图中的点之间提供了映射。然后，我们根据该旅行计划计算沃斯堡的距离，以测量地面真相和预测的面具之间的拓扑差异。我们通过训练3D U-NET与MICCAI脑肿瘤分割（BRATS）CHALLENE验证数据集来评估我们的方法，该数据需要准确地分割3D MRI扫描，从而整合各种方式，以精确鉴定和跟踪恶性脑肿瘤。然后，我们证明，通过添加拓扑约束作为惩罚项，通过将焦点损失正规化来提高分段性能的质量。
PointNeuron：通过点云的几何和拓扑学习进行 3D 神经元重建
从 3D 显微镜图像重建数字神经元是研究大脑连接组学和神经元形态的重要技术。现有的重建框架使用基于卷积的分割网络在应用追踪算法之前将神经元从噪声背景中分割出来。追踪结果对原始图像质量和分割精度很敏感。在本文中，我们提出了一种新的 3D 神经元重建框架。我们的关键思想是利用点云的几何表示能力来更好地探索神经元的内在结构信息。我们提出的框架采用一个图卷积网络来预测神经骨架点，采用另一个图卷积网络来产生这些点的连通性。我们最终通过解释预测的点坐标、半径和连接来生成目标 SWC 文件。在 BigNeuron 项目的 Janelia-Fly 数据集上进行评估，我们表明我们的框架实现了具有竞争力的神经元重建性能。我们对点云的几何和拓扑学习可以进一步有益于 3D 医学图像分析，例如心脏表面重建。我们的代码可在 https://github.com/RunkaiZhao/PointNeuron 上找到。
用于拓扑的自监督边缘检测重建...
许多基于机器学习的轴突追踪方法依赖于带有分割标签的图像数据集。这需要领域专家的手动注释，这需要大量劳动力，并且不适用于以细胞或亚细胞分辨率对半球或整个脑组织进行大规模脑映射。此外，保留轴突结构拓扑对于理解神经连接和大脑功能至关重要。自监督学习 (SSL) 是一种机器学习框架，允许模型在未注释的数据上学习辅助任务，以帮助完成监督目标任务。在这项工作中，我们提出了一种新颖的 SSL 辅助任务，即为面向拓扑的轴突分割和中心线检测的目标任务重建边缘检测器。我们使用小鼠大脑数据集对三个不同的 SSL 任务进行了 3D U-Nets 预训练：我们提出的任务、预测排列切片的顺序和玩魔方。然后，我们在不同的小鼠大脑数据集上评估了这些 U-Nets 和基线模型。在所有实验中，针对我们提出的任务进行预训练的 U-Net 分别将基线的分割、拓扑保留和中心线检测提高了 5.03%、4.65% 和 5.41%。相比之下，切片排列和魔方预训练的 U-Net 并没有比基线有持续的改进。
优化多量芯片拓扑
标题为“多量芯片拓扑的优化”的海报着重于设计用于多量量子处理器的可扩展和高效的ARCHITECTURES。该研究突出了超导量子位，以其可控性和作为量子计算中量子信息的基本单位而闻名。这项研究强调了参数的重要性，例如纠缠，量子误差校正和可扩展性在多Qubit芯片设计中。该团队提出了一个2D体系结构，其中包含三个量子位，并以等边三角形和一个3D体系结构排列，其中有四个量子位在四面体结构中。这些配置可以用作大型量子系统的模块化单元。未来的方向包括优化谐振器长度，能量参与率以及扩展较大多数阵列和系统的体系结构。在高能物理学中，量子系统用于量子模拟复杂的粒子相互作用。因此，易于扩展的多量芯片肯定是高能粒子碰撞的复杂计算和模拟的前进的道路，因此在不久的将来为其在新的和更令人兴奋的发现中为其在高能物理中的使用铺平了道路。
网络拓扑，极化和算法策划
Bluesky是一种新兴的“ Twitter”和Sectralized社交媒体网络，具有新颖的功能和前所未有的数据访问。本文提供了其相互作用网络的特征，研究了500万用户的政治倾向，两极分化，网络结构和算法策展机制。数据集跨越了该网站于2023年2月至2024年5月的第一个版本。我们调查了蓝军网络的层次，喜欢，喜欢，重新发布并关注层。我们发现所有网络的特征都以重尾分布，高聚类和短连接路径（类似于其他较大的社交网络）。Bluesky介绍了Feeds - 为用户创建和由用户创建的Algorithmic内容推荐人。我们分析了所有提要，并发现尽管已经创建了大量自定义供稿，但用户对它们的吸收似乎受到限制。我们分析了布鲁斯基用户共享的超链接，并且从他们共享的新闻来源的政治倾向方面没有发现两极分化的证据。他们主要共享左中央新闻来源，几乎没有与可疑新闻来源相关的链接。与统一的政治意识形态相反，我们通过研究与以色列 - 巴勒斯坦冲突相关的观点来发现重要的基于问题的分歧。出现了两个明确的同质群集：亲帕勒斯坦的声音超过了亲以色列的使用者，并且该比例有所增加。我们结论是，蓝军在其网络结构上与现有和较大的社交媒体网站的网络结构非常相似，并为社会科学家，网络科学家和政治科学家提供了前所未有的研究机会。
从不完整心脏MRI的标准12铅ECG电极位置的个性化拓扑信息定位，可有效心脏数字双胞胎
心脏数字双胞胎（CDTS）of er个性化的内部心脏表示，以推断与心脏机制相关的多尺度特性。CDT的创建需要有关躯干上电极位置的精确信息，特别是对于个性化心电图（ECG）校准。然而，当前的研究通常依赖于对ECG电极定位的躯干成像和手动 /半自动方法的额外获取。在这项研究中，我们提出了一种新颖和E FFI Cient拓扑知识模型，以完全自动从2D临床标准心脏MRIS中提取个性化的ECG标准电极。具体来说，我们从心脏MRI中获得稀疏的躯干轮廓，然后从轮廓中定位12铅ECG的标准电极。心脏MRI旨在成像心脏而不是躯干，从而导致成像中不完整的躯干几何形状。为了解决错过的拓扑结构，我们将电极合并为关键点的子集，可以将其与3D躯干拓扑明确对齐。实验结果表明，所提出的模型优于耗时的常规模型投影方法（Euclidean距离：1。24±0。293厘米与1。48±0。362 cm）和E FFI效率（2 S vs. 30-35分钟）。我们进一步证明了使用检测到的电极进行硅内ECG模拟的e FF具有效果，从而突出了它们创建准确和E ffi cient CDT模型的潜力。该代码可在https://github.com/lileitech/12Lead_ecg_electrode_localizer上获得。©2025 Elsevier B. V.保留所有权利。
软物质和生物物质中的拓扑
Luca Tubiana 1 , 2 , ∗ , Gareth P. Alexander 3 , Agnese Barbensi 4 , Dorothy Buck 5 , Julyan HE Cartwright 6 , 7 , Mateusz Chwastyk 8 , Marek Cieplak 8 , Ivan Coluzza 9 , Simon Čopar 10 , David J. Craik 11 , Marco Di Stefano 12 , Ralf Everaers 13 , Patrícia FN Faísca 14 , 15 , Franco Ferrari 16 , Achille Giacometti 17 , 18 , Dimos Goundaroulis 9 , 19 , Ellinor Haglund 20 , Ya-Ming Hou 21 , Nevena Ilieva 22 , Sophie E. Jackson 23 , Aleksandre Japaridze 24 , Noam Kaplan 25，Alexander R. Klotz 26，Hongbin Li 27，Christos N. Likos 28，Emanuele Locatelli 28，29，30，TeresaLópez-León31，Thomas Machon 32，Cristian Micheletti 33，Davide Michieletto 34，34，35，35，Antti niiem 33，33 39，Francesco Nitti 40，Enzo Orlandini 29，30，Samuela Pasquali 42，Agata P. Perlinska 39，Rudolf Podgornik 43，44，45，Raffaello Potestio 1，2拉夫尼克 10,48, 伦佐·里卡 49,50, 克里斯蒂安·M·罗沃 51,52, 安杰洛·罗萨 33, 扬·斯姆雷克 28, 安东·苏斯洛夫 53, 安德烈·斯塔西亚克 54,55, 达尼埃莱·斯蒂尔 40,41, 乔安娜·苏乌科夫斯卡 39, 皮奥特·苏乌科夫斯基 56, 德威特·L·萨姆纳斯 57, 卡斯滕·斯瓦内博格 58, 皮奥特·希姆扎克 56, 托马斯·塔伦齐 59, 鲁伊·特拉瓦索 60, 彼得·维尔瑙 61, 迪米特里斯·弗拉索普洛斯 62,63, 普里莫日·齐赫尔 10,48, 斯洛博丹·尤默 10,48
负面延迟理论关于李拓扑
摘要本文研究了“ Li”几何形状拓扑的创新负面群体延迟（NGD）理论。Li-Topology是一个非常简单且完全分布的电路，该电路由耦合线（CL）组成。考虑了CL耦合系数，延迟和衰减的LI S参数模型。NGD分析表明，开发了有关LI拓扑参数的NGD条件的可能性。表达了NGD特征作为NGD值，中心频率，带宽，传输和反射系数。Li-NGD理论通过微带技术实施的两个概念概念证明。计算的模型，模拟和测量值良好。正如预期的，在大约2.56 GHz和0.92 GHz时，Bandpass NGD呈现中心频率，NGD水平约为-0.9 ns和-3.7 ns，大小为li原型。出色的时间域分析，解释了带通道NGD的含义，其创新的衰减输出也呈现。时间域结果突出显示了不违反因果关系的时间及时的脉冲信号信封。
多人广播，分形工程，人工智能和智能广播环境：一种基于分形集和智能元表面拓扑的新方法
这些研究的相关性与需要对无线电和无线电工程系统中发生的实际过程进行更准确的描述有关。首先，考虑到遗传，非高斯和田野的缩放。所有这些概念都包含在分形或分形的描述中，这是Mandelbrot B [1]于1975年首次提出的。上个世纪末的“分形”一词被认为是异国情调的。有些夸张，我们可以说分形在20世纪末在强大的科学骨架上形成了薄薄的汞合金。在技术应用中使用分形结构来处理随机信号和图像，人工智能，无线电波的传播和散射，电动动力学，天线器件的设计，其他电动力学和无线电工程结构，具有分形障碍等的无线电等等， 。 [2-18]。 目前，我们可以自信地谈论完全分形无线电系统的设计。 同时，包括新的数学设备中的物理学家，数学家被新的启发式考虑和联合问题陈述所吸引。 这项工作的目的是尽可能多地介绍问题的基本概念和数学理论，。 [2-18]。 目前，我们可以自信地谈论完全分形无线电系统的设计。 同时，包括新的数学设备中的物理学家，数学家被新的启发式考虑和联合问题陈述所吸引。 这项工作的目的是尽可能多地介绍问题的基本概念和数学理论，。 [2-18]。 目前，我们可以自信地谈论完全分形无线电系统的设计。 同时，包括新的数学设备中的物理学家，数学家被新的启发式考虑和联合问题陈述所吸引。 这项工作的目的是尽可能多地介绍问题的基本概念和数学理论，。 [2-18]。 目前，我们可以自信地谈论完全分形无线电系统的设计。 同时，包括新的数学设备中的物理学家，数学家被新的启发式考虑和联合问题陈述所吸引。 这项工作的目的是尽可能多地介绍问题的基本概念和数学理论，。[2-18]。目前，我们可以自信地谈论完全分形无线电系统的设计。同时，包括新的数学设备中的物理学家，数学家被新的启发式考虑和联合问题陈述所吸引。这项工作的目的是尽可能多地介绍问题的基本概念和数学理论，