XiaoMi-AI文件搜索系统
World File Search SystemVisualization
以参与者为中心的 AI 规划交互式可视化
引用本文 请注意，如果 King's Research Portal 上提供的全文是作者接受的手稿或后印刷版本，则可能与最终发布的版本不同。如果引用，建议您检查并使用出版商的最终版本以获取分页、卷/期和出版日期详细信息。如果在研究门户上提供最终发布的版本，如果引用，建议您再次检查出版商的网站以进行任何后续更正。一般权利 研究门户中提供的出版物的版权和道德权利由作者和/或其他版权所有者保留，并且用户访问出版物的条件是承认并遵守与这些权利相关的法律要求。
室内气流、温度和浓度的可视化
我衷心感谢我的导师 Bahram Moshfegh 教授和 Mats Sandberg 教授对我的支持。我非常感谢他们让我的博士生生涯成为最有价值、最愉快的学习和工作经历。他们总是乐于助人，愿意听取我的建议和问题，并在必要时提供建议。我还要感谢 Tor-Göran Malmström 教授，他是我在皇家理工学院的助理导师和联系人。我感谢 KK 基金会（斯德哥尔摩）、耶夫勒大学（瑞典耶夫勒）和 FLIR Systems AB（瑞典丹德吕德）的财政支持。我真的很想感谢 Elisabet Linden，她密切参与了我的工作。没有她的贡献，这项工作就不可能完成。这项工作的很大一部分智力发展要归功于我与 Hans Lundström 的互动。他一直愿意倾听我的问题并帮助我解决问题。如果没有建筑环境中心人员的技术支持，实验工作就不可能实现：Hans Lundström、Claes Blomqvist、Ragnvald Pelttari 和 Larry Smids。我非常感谢他们愿意提供帮助。我还要感谢我的办公室同事 Ulf Larsson，他总是向我提供帮助，让我振作起来，让我的工作时间非常愉快。还要特别感谢 Eva Wännström，她总是如此友善和乐于助人。此外，Divisi 的所有人
脑肿瘤分割与 3D 可视化
1 计算机工程系，1 通用工程学院，瓦塞，印度 摘要：脑肿瘤分割在医学图像处理中起着重要作用。脑肿瘤的早期诊断有助于改善治疗可能性并提高患者的存活率。从医疗常规生成的大量 MRI 扫描中手动分割脑肿瘤可能非常耗时。这导致需要一个自动脑肿瘤图像分割系统来进行顺利诊断。从磁共振成像 (MRI) 扫描中定位和分割脑肿瘤对于医学分析领域的多种应用来说是一项艰巨而重要的任务。每种脑成像模态都提供与肿瘤每个部分相关的独特和关键细节。许多最近的方法使用了四种模态，即 T1、T1c、T2 和 FLAIR。NeuroVision 是一个灵活有效的脑肿瘤分割和可视化 Web 应用程序。该系统使用基于 CNN 的 UNET 模型进行脑肿瘤分割并显示不同的肿瘤区域。其次，使用 Python 图形库以 2-D、3-D 和 360 度视图可视化肿瘤的不同区域。生成的医疗报告包括肿瘤在脑内的位置和肿瘤相对于脑的占有率。在 BRATS 2020 数据集上进行了全面的实验，结果表明，所提出的模型获得了有竞争力的结果。所提出的方法分别实现了平均整个肿瘤、增强肿瘤和肿瘤核心骰子得分 88.3%、75.3% 和 79.0%。索引术语 - 脑肿瘤、UNET、BRATS、MRI、分割、可视化、模态、骰子得分。I. 介绍脑肿瘤是一组异常细胞以不受控制的方式繁殖的阶段。磁共振成像 (MRI) 是一种非侵入性测试，医生可以使用它来诊断患者的病情。 MRI 提供高分辨率和软组织高对比度的图像。MRI 提供有关脑肿瘤形状、大小和位置的重要信息，以便对患者进行有效的诊断和治疗计划。因此，脑肿瘤医学领域的大部分研究都是使用 MRI 图像进行的。可以创建各种 MRI 模式，这些模式可以称为加权图像。这些模式是 T1 加权、T2 加权、T1c 和液体衰减反转恢复 (FLAIR)。T1 加权图像在脑组织的灰质和白质之间具有高对比度，这有助于更好地分割脑肿瘤。T1 加权对比度增强了 T1 图像，而 FLAIR 使肿瘤区域变得高强度，这就是它用于脑肿瘤结构诊断的原因。研究需求 MRI 图像代表了诊断和治疗计划中一项关键且具有挑战性的任务，有助于准确分割脑肿瘤。图像分割是医学成像中的一个动态领域，包括从图像中提取一个或多个肿瘤区域，这使得肿瘤区域对治疗很有吸引力。为了进行脑肿瘤检测，文献中已经开发了各种算法，包括基于阈值的方法、基于区域的方法、可变形方法、分类方法和深度学习。但在这项工作中，UNET 已用于脑肿瘤的检测和分割。图像可视化在医学领域也起着非常重要的作用。这有助于确定治疗或手术的可能结果。医疗专业人员可以很容易地与患者沟通他们的问题是什么以及如何治疗。因此，脑肿瘤的检测、分割、可视化以及肿瘤占据了大脑某个区域的百分比，所有这些过程都在一个名为 NeuroVision 的平台上执行。可以使用脑肿瘤分割从健康脑组织中提取肿瘤区域并检测脑肿瘤。因此，肿瘤可以有不同的大小和位置，准确有效地分割肿瘤成为一项具有挑战性的任务。肿瘤可以具有各种外观特性，例如其结构可以是非刚性的并且可以具有复杂的形状。
可视化工具对业务绩效的影响
1 Adobe Inc，SR网络开发工程师。电子邮件：siddharth.konkimalla@gmail.com 2 Tata Consultancy Services，高级解决方案建筑师。电子邮件：gagankpatra@outlook.com 3 Mitaja Corportaion，高级解决方案建筑师。电子邮件：chandrababu.kuraku@gmail.com 4 CVS Pharmacy Inc.，Sr。Oracle数据库管理员。电子邮件：janardhanasunkara9@gmail.com 5 Pharmavite LLC，高级数据库管理员。电子邮件：sanjaybauskar@gmail.com 6 Microsoft，支持升级工程师。电子邮件：chandrakanthmadhavaram@gmail.com 7 Adobe Inc，软件工程师。电子邮件：kiran.polimetla@gmail.com *通讯作者：Siddharth Konkimalla，Adobe Inc，SR网络开发工程师。引用：Siddharth K，Patra GK，Chandrababu K，Janardhana Rao S，Sanjay Ramdas B等。（2023）数据驱动的管理：可视化工具对业务绩效的影响。J时代Edu Theo Artific Intel：Jcetai-101。收到的日期：2023年10月10日；接受日期：2023年10月18日；发布日期：2023年10月23日
脑磁图和脑电图脑波活动可视化
在这个项目中，我们最初使用 MNE 样本数据集作为基础数据集。这些数据是使用 MGH/HMS/MIT Athi-noula A. Martinos 生物医学成像中心的 Neuromag Vectorview 系统收集的。EEG 数据是使用 60 通道电极帽与 MEG 同时采集的。原始 MRI 数据集是使用带有 MPRAGE 序列的西门子 1.5 T Sonata 扫描仪获得的。在实验期间，在受试者的左、右视野中呈现棋盘格图案，并穿插着向左耳或右耳发出的音调。刺激之间的间隔设置为 750 毫秒。此外，视野中心偶尔会出现一个笑脸，提示受试者在笑脸出现时尽快用右手食指按下按键。样本数据集包含两个主要目录：MEG/sample（包含 MEG/EEG 数据）和 subject/sample（包含 MRI 重建）。
基因序列可视化 - HAL lirmm
从 DNA 微阵列分析中获得的大量生物数据中提取知识的技术可以发现以前未知的知识。然而，这些技术通常会产生许多专家不易操作的结果。我们提出了一种工具，专门用于支持这些专家在提取过程后获取知识的过程中进行使用和利用。该工具基于 3 种可视化技术（云、太阳系和树形图），使生物学家能够捕获大量模式（有序的基因序列）。
ggbio：基因组数据可视化工具包
ggbio 是一个基于 ggplot2() 的 Bioconductor 包，利用 Bioconductor 定义的丰富对象及其统计和计算能力，提供灵活的基因组可视化框架，将图形语法扩展到基因组数据中，尽力向用户提供高质量、高度可定制的图形。
对飞行仪表和……的安全至关重要的可视化
8 ORCID：0000-0001-6460-7539，vlgal@gin.keldysh.ru 摘要 本文专门介绍了民用飞机驾驶舱的飞行员显示可视化系统。讨论了现代飞行员显示的不同内容。考虑了航空电子设备可视化系统开发的特殊性。民航系统中使用的所有软件都是安全关键的，必须符合国际安全标准。这对所使用的硬件和软件开发过程都提出了额外的要求。飞行员显示可视化系统的核心是 OpenGL 安全关键 (SC) 库。本文介绍了我们阐述的软件和硬件 OpenGL SC 实现。我们描述了通过针对航空应用的具体情况优化 OpenGL SC 代码、使用多核处理器以及最后通过开发利用 GPU 硬件加速的库来提高渲染速度的方面。本文报告了针对实际航空应用测得的渲染速度。只有相对简单的应用程序才能在不使用 GPU 的情况下以可接受的帧速率进行渲染。此外，还讨论了可视化系统认证的进一步发展和可能性。精心设计的可视化软件旨在与俄罗斯实时操作系统 JetOS 一起使用。
对飞行仪表和...的安全关键可视化
工艺。讨论了现代飞行员显示器的不同内容。考虑了航空电子设备可视化系统开发的特殊性。民航系统中使用的所有软件都是安全关键的，必须符合国际安全标准。这对所使用的硬件和软件开发过程都提出了额外的要求。飞行员显示可视化系统的核心是 OpenGL 安全关键 (SC) 库。本文介绍了我们阐述的软件和硬件 OpenGL SC 实现。我们通过针对航空应用的具体情况优化 OpenGL SC 代码、使用多核处理器以及最终通过利用 GPU 硬件加速的库来描述渲染加速的各个方面。本文报告了针对实际航空应用测量的实现的渲染速度。只有相对简单的应用程序才能在不使用 GPU 的情况下以可接受的帧速率渲染。还讨论了可视化系统认证的进一步发展和可能性。精心设计的可视化软件旨在与俄罗斯实时操作系统 JetOS 一起使用。
将沉浸式的非弱化可视化划分桥接
摘要 - 本文描述了SeamlessVr，这是一种从身临其境可视化的方法，在虚拟现实（VR）耳机中，在屏幕上，在虚拟现实（VR）耳机中，在非弱化的可视化中。SeamlessVR将3D可视化的连续变形实现为2D可视化，与用户删除耳机后在屏幕上看到的内容相匹配。这种可视化连续性降低了将沉浸式连接到非脱落性可视化的认知工作，从而帮助用户继续屏幕上的可视化任务在耳机中开始。我们将SeamlessVR与传统方法进行了比较，即在IRB批准的用户研究中直接删除耳机，n = 30个参与者。SeamlessVr在复杂的抽象和现实场景中以及参与者对从沉浸式转变为非弱势可视化以及可用性方面的转换方面以及参与者对参与者的转变的看法而言，目标跟踪的时间和准确性具有显着优势。SeamlessVr并未引起网络智能的关注。