XiaoMi-AI文件搜索系统
World File Search SystemVisual
利用自然文本监督的视觉模型进行MRI检索，字幕，分类和视觉问题回答
摘要 - 大型多模型现在已在全球范围内广泛使用，最强大的模型在大规模的通用数据集中受过训练。尽管它们迅速部署，但仍关注培训数据的质量和领域相关性，尤其是在放射学，医学研究和神经科学方面。此外，当查询接受医疗数据训练的模型时，医疗保健数据隐私至关重要，有关服务托管和数据存储的透明度也是如此。到目前为止，放射学研究中的大多数深度学习算法旨在执行特定任务（例如诊断分类），并且不能提示使用自然语言执行多个任务。在这项工作中，我们引入了一个基于矢量检索和对比度学习的框架，以通过自然语言监督有效地学习视觉脑MRI概念。我们展示了该方法如何通过联合嵌入和自然语言监督来识别影响阿尔茨海默氏病（AD）的大脑的因素。首先，我们使用自我监督的学习预处理文本和图像编码器，并共同微调这些编码器以开发共享的嵌入空间。我们训练模型执行多个任务，包括MRI检索，MRI字幕和MRI分类。我们通过开发检索和重新排列的机制以及用于视觉问题回答的变压器解码器来显示其多功能性。
用于生物医学数据实例化和可视化的创新深度学习方法
摘要 大多数生物医学应用面临的主要问题之一是大量未标记的数据。人类专家手动分析和分类海量数据库大多是不可行的，在某些有限条件下（仍然极其耗时）只有部分工作仅针对专家可轻松识别的简单特征。关于这个方面，医学专家面临两个具有挑战性的问题：如何选择最重要的数据进行标记，以及数据集的最小大小是多少（但足以定义每种病理）以进行分类器的训练。在本章中，我们提出了一种基于可视化数据分析的新方法，以使用最少的标记数据构建有效的分类器。编码器是卷积变分自动编码器 (CVAE) 的一部分，用作 2D 可视化的数据投影。输入向量被编码到二维潜在空间中，这有助于专家直观地分析训练数据集的空间分布。
可视化方法评估医学图像分类神经网络的鲁棒性
深度学习方法已显示出在医学图像分析 [1] 中的高性能潜力，尤其是计算机辅助诊断的分类。然而，解释它们的决策并非易事，这可能有助于获得更好的结果并了解它们的可信度。已经开发了许多方法来解释分类器的决策 [2]–[7]，但它们的输出并不总是有意义的，而且仍然难以解释。在本文中，我们将 [8] 的方法改编为 3D 医学图像，以找出网络对定量数据进行分类的基础。事实上，定量数据可以从不同的医学成像模式中获得，例如用正电子发射断层扫描 (PET) 获得的结合电位图或从结构磁共振成像 (MRI) 中提取的灰质 (GM) 概率图。我们的应用重点是检测阿尔茨海默病 (AD)，这是一种诱导 GM 萎缩的神经退行性综合征。我们使用从 T1 加权 (T1w) MRI 中提取的 GM 概率图（萎缩的代理）作为输入。该过程包括两个不同的部分：首先训练卷积神经网络 (CNN) 以将 AD 与对照对象进行分类，然后固定网络的权重并训练掩码以防止网络正确分类训练后已正确分类的所有对象。这项工作的目标是评估最初为自然图像开发的可视化方法是否适用于 3D 医学图像，并利用它来更好地理解分类网络所做的决策。这项工作是原创作品，尚未在其他地方提交。
移动操纵器的视觉预测控制-LAA -HAL
对自动移动操纵器的需求是多种应用程序中的几种应用程序的核心，例如精密农业[1]，工业安装[2]，搜索和救援[3]或人类援助[4]。一般而言，移动操纵器必须同时执行移动基础的导航任务，并为机器人臂进行操纵。必须考虑几个挑战以执行这两个任务。从感知的角度来看，机器人系统必须配备可以检测不同地标并分析周围环境的传感器。此外，有必要确保用于执行任务的地标保留在传感器的视野中。从控制的角度来看，控制方案必须同时处理移动基础和机器人组，以使两个子系统之间的协作并避免惩罚完成另一个任务的动作。最后，有必要将机器人臂的控制与移动基础的位移进行协调，以避免机器人系统通过延伸的臂导航的情况，从而在末端效果下导致显着振动，并增加与外部元素奇异构型和碰撞的风险。与任何机器人系统一样，有许多控制移动操纵器的方法。广泛使用的解决方案包括在欧几里得空间中表达任务。在这种情况下，机器人使用板载传感器来估计系统配置。LIDAR型传感器提供几何数据，从而可以准确估计，但不能提供对环境的先进感知。基于视觉的传感器提供丰富的环境信息，但姿势估计对错误高度敏感。使用摄像机时，另一种广泛使用的解决方案
在视觉雪综合征中，主要视觉皮层的神经可塑性增强了：MEG伽马振荡的证据
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是制作
CVI（脑视觉障碍）资源
家长手册：https：//cviscotland.org/downloads/cvibookint.pdf教学CVI：Teach-cvi（Teachcvi.net）Teachcvi是一种合作伙伴关系，旨在为教师和卫生保健专业人员创建协作工具。它的目的是在教师/教育者和医疗保健专业人员之间建立桥梁，以便他们可以共同努力以使目标群体受益：脑视觉障碍的儿童（CVI）。儿科皮质视觉障碍协会https://pcvis.vision/儿科皮质视觉障碍社会的使命是提倡改善由于脑部障碍，疾病或伤害而导致视力丧失的儿童生活质量。任务仅限于有关视觉感的问题。珀金斯盲人学校：www.perkinselearning.org提供在线课程，讲座和信息会议。美国盲人基金会：www.afb.org提供与CVI儿童教育有关的教科书。www.afb.org/info/living-with-vision-loss/eye-条件/Cortical-visual-impairment-raumatic-traumatic-traumatic-brain-brain-injury-brain-brain-brain-brain-brain---nokological-vision-vision-vision-loss-vision-vision-loss-nopstical-nopersportical-cortical-cortical--cortical-- cortical-视觉效果 - 与盲人的brine for Brain for Brine for Brine for Brine for Brine for Brine for Brine for Brine：癫痫发作的半球切除术www.brainrecoveryproject.org告知父母和看护人为孩子做出更好的医疗保健决定。教育工作者在了解孩子的优势和需求时尽其所能。临床医生在触手可及的知识翻译总结时会更好地咨询家庭。作为可信赖的循证信息提供商，我们的网站，指南和网络研讨会是您孩子癫痫手术旅程中任何人的可靠来源。Strategytosee.com : Strategy To See's Mission is to provide strategies, suggestions and techniques to parents, caretakers, teachers and other action heroes, who hope to encourage more consistent and efficient use of vision in children with Cerebral/Cortical Visual Impairment CVI connect: https://cviconnect.co/ An iPad application for use by families, educators, medical professionals and others in support of children with Cortical Visual损害。Kanlovkids：https：//kssb.net/services/kanlovkids/网站上有关视觉障碍和视觉发展儿童的网络研讨会。Prosopagnosia：无法识别面孔的人的网站www.faceblind.org
在早期老年康复的情况下，使用基于技术的秋季预防计划具有视觉反馈：受控和非随机
背景：Otago计划（OP）是基于证据的，重点是预防老年人的秋季预防。在早期老年康复（EGR）中以OP原理为基础的短期数字计划的可行性和可用性尚不清楚。目的：本研究调查了EGR设置的其他基于技术的秋季预防计划（FPP）的可行性和可用性。方法：我们在EGR的环境中进行了可行性研究。在2024年3月至6月之间招募了30名患者的样本（至少由Walker迁移；微型精神状态测试评分> 17），并与回顾性队列进行了比较（n = 30，前EGR患者）。使用称为“ Pixformance”的基于技术的平台，干预组（IG）中的所有患者（IG）中的所有患者/周/周进行了20分钟的监督FPP。该设备是数字教练，可以实时更正。主要终点是可行性（当IG的80％在2周内参加6次培训时，给出了可行性）。次要结果是可用性（患者和促进者的观点；≥75％），跌倒风险（伯格平衡量表），流动性（定时和进行测试），功能独立性（功能独立性措施）和日常生活的活动（Barthel Intex）。分析了包括焦虑和抑郁症（四个项目患者健康问卷； PH-Q4）的几个进一步的探索性终点。在进入EGR时以及出院前2周后访问数据。用于分析验证前的结果，应用依赖的学生t检验和Wilcoxon检验。EGR的主要指示是中风（9/60，15％）。使用重复测量的混合方差分析用于时间，组和相互作用相关的变化的统计分析。结果：分析了60例患者的队列（平均80.2，SD 6.1 y； 58％女性，35/60）。将患者招募到前瞻性IG（n = 30）和回顾性对照组（n = 30）中。在前瞻性IG中的30名患者中，有11例（37％）在2周内完成了6次培训课程。参与者未完成6次培训课程的原因是诊断任命（33％），疼痛/不适（33％）或疲劳（17％）。EGR患者将FPP的可用性定为84％，促进因子为100％中的65％。 对标准评估的预测试分析显示，伯格平衡量表有显着的相互作用（<.01）。 在两组中，随着时间的推移和GO测试（<.01），Barthel索引（<.01）和功能独立性度量（<.01）都发现了显着改善。 同样，在IG中，pH-Q4分数（.02）得到了提高。EGR患者将FPP的可用性定为84％，促进因子为100％中的65％。对标准评估的预测试分析显示，伯格平衡量表有显着的相互作用（<.01）。在两组中，随着时间的推移和GO测试（<.01），Barthel索引（<.01）和功能独立性度量（<.01）都发现了显着改善。同样，在IG中，pH-Q4分数（.02）得到了提高。
前进视觉感知学习：来自数据的见解...
上午11:30 - 下午12:30 │2025年2月21日（星期五）CPD1.24，1/f，Run Run Shaw Tower│Centennial Campus│香港大学抽象视觉感知学习（VPL）可以通过培训来增强任务性能，有时通过培训提高了准确性，从近乎机会到熟练程度。 鉴于其在优化视觉和认知功能中的关键作用，因此了解通过学习的看法如何变化至关重要。 然而，人类学习是一个动态过程，涉及一般学习，遗忘，快速重新学习和适应，由于许多研究中使用的粗糙时间分析，通常会忽略它们。 本谈话从大规模的多任务VPL研究中介绍了发现，揭示了特定于主题的一般学习能力，会议内和间隔过程以及任务之间的干扰效应。 为了更好地分析这些学习动力学，我们使用非参数和分层贝叶斯模型介绍了新的数据分析方法，从而为人类学习行为提供了细粒度的见解。 此外，新的计算建模技术允许对生成过程模型进行逐审拟合，从而通过最小的培训数据可以预测学习性能。 这些进步为优化培训策略和改善人类绩效提供了基础。 演讲将以未来的研究方向结束，包括精炼生成模型，探索组件学习过程对经典感知学习操作的影响，并开发一个全面的框架来增强学习概括和效率。上午11:30 - 下午12:30 │2025年2月21日（星期五）CPD1.24，1/f，Run Run Shaw Tower│Centennial Campus│香港大学抽象视觉感知学习（VPL）可以通过培训来增强任务性能，有时通过培训提高了准确性，从近乎机会到熟练程度。鉴于其在优化视觉和认知功能中的关键作用，因此了解通过学习的看法如何变化至关重要。然而，人类学习是一个动态过程，涉及一般学习，遗忘，快速重新学习和适应，由于许多研究中使用的粗糙时间分析，通常会忽略它们。本谈话从大规模的多任务VPL研究中介绍了发现，揭示了特定于主题的一般学习能力，会议内和间隔过程以及任务之间的干扰效应。为了更好地分析这些学习动力学，我们使用非参数和分层贝叶斯模型介绍了新的数据分析方法，从而为人类学习行为提供了细粒度的见解。此外，新的计算建模技术允许对生成过程模型进行逐审拟合，从而通过最小的培训数据可以预测学习性能。这些进步为优化培训策略和改善人类绩效提供了基础。演讲将以未来的研究方向结束，包括精炼生成模型，探索组件学习过程对经典感知学习操作的影响，并开发一个全面的框架来增强学习概括和效率。关于发言人Lu Zhong-lin教授是NYU上海的神经科学教授，也是纽约大学神经科学中心的全球网络教授。Lu教授于2019年加入俄亥俄州立大学的纽约大学，在那里他是艺术与科学学院杰出心理学教授，心理学，验光学和转化数据分析教授，以及认知和脑科学中心，以及认知和行为脑智慧中心的中心。lu是实验心理学家和心理科学协会的会员。Zoom会议（对于无法亲自参加研讨会的参与者）
视觉提示和步态上听觉提示的有效性...
1位艾格纳（Ognaj）Akar物理治疗学院的助理教授。2副校长兼高级讲师在艾哈迈达巴德Ranip的Shree Swaminarayan物理治疗学院。摘要背景：帕金森氏病（PD）是中枢神经系统的进行性疾病。步态障碍是PD的常见和早期特征，是功能依赖，跌倒和死亡的主要原因。约有50％的帕金森患者患有步态（FOG）。替代步态康复技术，包括视觉，听觉和触觉刺激的这种外部感觉提示最近受到了很多关注。研究的目的：研究视觉提示和听觉线索对帕金森氏病个体步态参数的有效性。方法论：选择了30名受试者进行研究。受试者被随机分配为两组。组1：听觉提示第2组：视觉提示，1次/天，5天/周，4周和20-30分钟步态训练。两组接受传统的物理疗法20-30分钟。动态脚印，速度，节奏和tinetti性能的迁移率评估测试（POMA-G）作为结果指标，并在干预前和4周结束前进行检查。结果：结果表明，在小组分析中，步骤长，步长，速度和POMA -G的统计学显着差异，但两组的节奏均无差异（P值<0.05）。关键字：帕金森氏病，步态疾病，步态障碍，步态训练，步态康复，听觉提示，视觉提示。显示POMA -G的统计学显着改善（P值<0.05），但在步长，步长长度，节奏和速度（p -value˃0.05）中不显示。结论：结果显示出听觉提示和视觉提示组的改善，但是在组分析的步态参数之间没有显着差异，即步长，步幅长度，节奏，速度和POMA-G。这表明这两种干预措施都是有益的，可以轻松地用于临床实践中，对于那些在治疗师和患者最低成本方面遇到困难的患者。引言中枢神经系统的进行性神经退行性疾病称为帕金森氏病（PD）。（1）通常在病理上通过Lewy身体和Nigra中的神经元丧失以及运动表型在临床上鉴定。（2）在60岁以上的每100个人中影响2个，
Georges Hattab – 简历 - 可视化小组
2018–2019 博士后研究员，德国国家肿瘤疾病中心 (NCT)、德国癌症研究中心 (DKFZ)、德累斯顿工业大学卡尔古斯塔夫卡鲁斯大学医院，德国德累斯顿。在计算机和机器人辅助手术领域对人体器官进行混合现实的生物力学分析和计算机视觉。由 Stefanie Speidel 教授指导 2014–2017 博士，比勒费尔德大学，生物数据挖掘组，基因组多样性和动态分析的计算方法 (DiDy)，德加 DFG 国际研究培训组，德国比勒费尔德。在时空实验中分析菌落动态并可视化细胞多样性。指导老师：Tim W. Nattkemper 教授和 Tamara Munzner 教授 2016 访问研究生，信息可视化小组，不列颠哥伦比亚大学 (UBC)，温哥华，不列颠哥伦比亚省，加拿大。开发一种有效的算法和数据抽象来分析延时图像数据中的细菌菌落生长。指导老师：Tamara Munzner 教授 2016 访问研究生，数据库和数据挖掘小组，计算机科学学院，西蒙弗雷泽大学 (SFU)，本拿比，不列颠哥伦比亚省，加拿大。科学交流。指导老师：Martin Ester 教授