XiaoMi-AI文件搜索系统
World File Search SystemVisual
RSVP 下基于视觉 ERP 的 BCI 中的刺激大小效应
摘要：快速序列视觉呈现 (RSVP) 是目前最适合用于基于事件相关电位 (ERP-BCI) 的视觉脑机接口 (ERP-BCI) 的范例之一，适用于眼球运动障碍患者。然而，凝视非依赖性范例的研究不如凝视依赖性范例那么深入，而且在 RSVP 下尚未探索诸如呈现的刺激大小等变量。因此，本研究的目的是评估刺激大小是否会影响 RSVP 范例下的 ERP-BCI 性能。12 名参与者使用三种不同的刺激大小测试了 RSVP 下的 ERP-BCI：小 (0.1 × 0.1 厘米)、中 (1.9 × 1.8 厘米) 和大 (20.05 × 19.9 厘米)，距离为 60 厘米。结果显示，不同条件下的准确度存在显著差异；刺激越大，准确度越高。研究还表明，这些差异不是由于对刺激的错误感知造成的，因为在感知辨别任务中，刺激大小没有影响。因此，本研究显示，刺激大小会影响 RSVP 下 ERP-BCI 的性能。未来针对需要注视独立系统的用户的 ERP-BCI 提案应考虑这一发现。
视觉与深层神经网络中的内部注意机制用于图像分类和对象检测
深神经网络（DNN）中所谓的“注意机制”表示DNN的自动适应，以捕获具有特定分类任务和相关数据的代表性特征。这种注意机制通过加强特征通道和本地强调每个特征图中的特征来在全球范围内发挥作用。渠道和特征重要性是在全球端到端DNS培训过程中学习的。在本文中，我们提出了一项研究，并提出了一种具有不同方法的方法，并在训练图像旁边添加了补充视觉数据。我们使用人类的视觉注意图在任务驱动或自由观看条件下独立于心理视觉实验获得的人类视觉注意图，或者在自由观看条件下或预测视觉注意图的强大模型。我们在图像旁边添加了视觉注意图作为新数据，从而将人类的视觉注意力引入DNNS培训中，并将其与全球和局部自动注意机制进行比较。实验结果表明，DNN中的已知注意力机制几乎与人类的视觉关注在一起，但提出的方法仍然可以更快地收敛和在图像分类任务中更好地表现。
我的想法在哪里（看）？脑电图关注关系的研究
摘要：视觉注意力估计是不同学科的十字路口的研究领域：计算机视觉，深度学习和医学。估计代表注意的显着性图的最常见方法之一是基于观察到的图像。在本文中，我们表明可以从脑电图获取中获取视觉关注。结果与观察到的图像的传统预测相媲美，这引起了人们的关注。基于图像的显着性估计是参与者独立的，脑电图的估计可以考虑到主题的特定城市。为此，已经记录了一组信号，并开发了不同的模型来研究视觉注意力与大脑活动之间的关系。结果令人鼓舞，并且与其他方法估计注意力的其他方法相媲美。能够预测脑电图的视觉显着性图可以帮助研究研究大脑活动与视觉注意力之间的关系。它也可以在各种应用中有助于：驾驶，神经营销期间的警惕评估，以及有助于诊断和治疗与视觉注意力相关的疾病的帮助。为了重现性，本文中考虑的代码和数据集已公开可用，以促进该领域的研究。
后视觉途径的参与与通过虚拟现实/眼睛跟踪范式检测到的儿童中风患者的高阶视觉障碍相关
儿童中风造成的脑损伤会增加高阶视觉处理（HOVP）缺陷的风险，例如脑视觉障碍（CVI），如果未治疗，这会导致严重的行为和学习障碍。使用基于虚拟的现实搜索任务和结构磁共振成像分析，我们评估儿童中风患者的功能视觉缺陷程度和潜在的解剖相关性。方法：20名儿童中风患者和38个健康对照组完成了动态视觉搜索任务，该任务使用虚拟现实/眼睛跟踪（VR/ET）范式来量化2021年至2024年之间的功能视觉能力（中风后平均7.34年）。使用统计比较方法和线性回归模型分析了同类人群之间的虚拟现实评估措施，中风成像特征（视觉途径参与）和神经心理结局。结果：所有童年中风患者都可以完成VR/ET任务，其指标与视觉注意力和处理速度的神经心理学测试相关，如成功率和任务符合性以同等程度与控制措施所证明的那样。但是，在我们的患者队列中观察到对任务负荷变化的敏感性较低，对任务负荷变化的敏感性较小，并且在启动对目标的响应时会受到更大的损害。涉及后视觉途径的MRI病变分析损伤，特别是视觉辐射，下纵向筋膜或上部纵向筋膜，与较慢的反应时间相关，以在VR测试时控制目标时固定在目标上时固定在目标上。结论：受到中风影响的儿童的床边VR/ET评估可以检测到神经心理学测试证实的HOVP缺陷迹象。成像表明诊断时的后视觉途径参与与后来生活中视觉跟踪能力受损的发展密切相关。虽然HOVP缺陷的检测依赖于3至6岁之间的当前标准临床和神经心理学评估，但我们的研究表明，中风发作时成像的损伤模式可以帮助识别出患有HOVP缺陷风险的儿童。这可能使早期监控和及时的适应能力促进功能视觉发展，这对于学习和技能掌握至关重要。关键词：儿童中风，功能视觉，脑视觉障碍，高阶视觉处理，视觉辐射，后视觉途径
城市街景的视觉复杂性：人类与计算机视觉
抽象理解城市环境的视觉复杂性可能会改善城市设计策略，并限制由于广告，道路标牌，电信系统和机械而引起的视觉污染。本文旨在通过向一组450个以上的互联网用户提交一组地理参考的照片来量化城市街景中的视觉复杂性。将本调查发出的平均复杂性排名与一组计算机视觉预测进行了比较，试图找到最佳匹配。总的来说，一个计算机视觉指标可以全面匹配调查结果，并未清楚地从分析中出现，但是一组感知的假设表明，某些类别的刺激更相关。结果表明，具有对比颜色区域和锋利边缘的图像如何更容易驱动高复杂性的感觉。
QRS 环路的 3D 映射：心室电活动的可视化
本文介绍了用于分析和解释三维心动向量图 (VCG) 的创新可视化工具，重点关注心动周期的 QRS 波群。传统心电图 (ECG) 缺乏全面评估心脏所需的空间细节；然而，VCG 提供了心脏电活动的三维表示，让我们能够细致入微地了解心脏动力学。我们提出了五种不同的方法来表示空间 QRS VCG 环：(1) 跟踪心室去极化进展的未修改空间 VCG 环，(2) 便于跨个体和条件进行直接比较的固定比例 VCG 环，(3) QRS 环相对于 3D 空间中三个正交平面的方向。(4) 提供空间分布洞察的八分圆特定图，以及 (5) 强调方向运动同时标准化幅度的单位矢量和单位球体表示。每种方法在阐明正常和心脏病（例如前壁心肌梗死和下壁心肌梗死）中的心室电动力学方面都有独特的优势，突出了环路大小、传播方向、方向和形态的差异。这些方法共同为推进 VCG 研究和增强心脏功能的临床评估提供了一个强大的框架。初步研究结果突出了这些创新工具的潜力。
在视觉侦察中军事使用人工智能的道德考虑
机器和深度学习中的人工智能（AI）和相关技术正在进入我们的所有生活中：由AI提供支持的智能对话系统和智能手机简化了日常生活，具有基于AI的信号处理和控制的自动驾驶汽车会增加自动化水平，并且AI被认为是第四次工业革命的基础之一。但是，尽管AI通常变得更强大，更广泛地使用，但必须考虑对人类及其福祉的影响。因此，仅仅在技术上使AI可以解决给定的任务不足。其用途必须遵循人类价值观和道德原则的准则。这种含义不仅适用于AI的一般用途，而且与军事应用尤其重要。在这份白皮书中，我们分析并讨论了如何通过符合道德和法律准则来实现军事场景中的AI使用。在第2节中，我们首先回顾了现有的文献，该文献广泛讨论了民事和军事领域中负责人AI的道德准则。基于这些发现，我们得出了一组合并的道德原则，该原则反映了我们对在军事应用中AI驱动的援助功能的符合道德符合道德符合道德的融合的看法。
将Mol2VEC技术应用于大型数据可视化和分析
化学中深度学习的最新成功与文本挖掘的进展以及通过类比与文本处理化学图的能力紧密结合。深度学习也是分子描述中的关键问题，因为在深度学习过程中，存储在隐藏神经元层（潜在变量）上的内部值可以有效地用作分子描述符[1]。由于深神经网络几乎可以“读取”几乎所有野蛮的，未经准备的分子表示（分子图，微笑的字符串 - 典型化或不使用典型化 - 甚至是像素化图像格式中的2D草图），这些潜在变量可以被视为被人工智能的“发明”。他们应该弄清（几乎）分子图中存在的所有信息，尽管它不会在设计新型分子描述符的专家使用的化学专业知识之后提取。后者会知道，例如，要强调可以从图中推断但难以提取的结构方面。典型的例子是药效团