XiaoMi-AI文件搜索系统
World File Search SystemVisualizing
使用皮秒 X 射线可视化层状材料中埋藏界面的能量转移
了解纳米级热传播的基本原理对于下一代电子产品至关重要。例如，已知层状材料的弱范德华键会限制其热边界导率 (TBC)，从而成为散热瓶颈。本文提出了一种新的非破坏性方法，使用时间分辨的光致热应变 X 射线测量来探测纳米级晶体材料中的热传输。该技术通过测量光激发后 c 轴晶格间距的变化，直接监测晶体中随时间的温度变化以及随后跨埋层界面的弛豫。研究了五种不同的层状过渡金属二硫属化物 MoX 2 [X = S、Se 和 Te] 和 WX 2 [X = S 和 Se] 的薄膜以及石墨和 W 掺杂的 MoTe 2 合金。在室温下，在 c 平面蓝宝石衬底上发现 TBC 值在 10–30 MW m − 2 K − 1 范围内。结合分子动力学模拟，结果表明高热阻是界面范德华键合较弱和声子辐射度较低造成的。这项研究为更好地理解新兴 3D 异质集成技术中的热瓶颈问题奠定了基础。
使用环境DNA metabarcoding数据可视化生态系统属性的新的深度学习方法
fi g u r e 1基于VAE方法的图表应用于EDNA数据（VAESEQ）。该模型由一个自动编码器（AE）和一个变异自动编码器（VAE）组成。AE将每个MOTU的遗传序列信息与每个样品中每个MOTU的存在/不存在相结合，以生成第一个潜在编码Z AE。然后将此信息传递给一个编码层的VAE。因此，在每次迭代中，VAE接收到一个样品中每个MOTU检测到的序列的输入，并且嵌入Z AE的自动编码器。vae处理两个输入，并将样品的维度降低到二维潜在空间z vae。在z vae中，我们找到了所有数据点的2D表示（图S3A，b）。在解码部分中，VAE重建了两个输入，以相应地优化网络。
使用 AAV 介导的原位基因标记可视化哺乳动物大脑中的 Arc 蛋白动力学和定位
活性调节的细胞骨架相关 (Arc) 蛋白对于突触可塑性和记忆形成至关重要。Arc 基因含有结构 GAG 逆转录转座子序列的残余，它产生的蛋白质可自组装成含有 Arc mRNA 的衣壳状结构。从神经元释放的 Arc 衣壳已被提议作为一种新的 mRNA 传递细胞间机制。尽管如此，仍然缺乏 Arc 在哺乳动物大脑中细胞间运输的证据。为了能够在体内追踪来自单个神经元的 Arc 分子，我们设计了一种腺相关病毒 (AAV) 介导的方法，使用 CRISPR/Cas9 同源独立靶向整合 (HITI) 将荧光报告基因标记到小鼠 Arc 蛋白的 N 端。我们表明，编码 mCherry 的序列可以成功敲入 Arc 开放阅读框的 5′ 端。虽然 Arc 起始密码子周围有 9 个 spCas9 基因编辑位点，但编辑的准确性高度依赖于序列，只有一个靶标导致框内报告基因整合。在海马中诱导长期增强 (LTP) 时，我们观察到 Arc 蛋白的增加与荧光强度和 mCherry 阳性细胞数量的增加高度相关。通过邻近连接分析 (PLA)，我们证明 mCherry-Arc 融合蛋白通过与突触后棘中的跨膜蛋白 stargazin 相互作用而保留了 Arc 功能。最后，我们在靠近编辑神经元的 mCherry 阳性棘的 mCherry 阴性周围神经元中记录了 mCherry-Arc 与突触前蛋白 Bassoon 的相互作用。这是第一项为哺乳动物大脑中 Arc 的神经元间体内转移提供支持的研究。
卷积神经网络用于解码脑电图反应并可视化判别特征的逐次变化
背景：深度学习彻底改变了计算机视觉领域，其中卷积神经网络 (CNN) 从大型数据集中提取复杂的信息模式。深度网络在神经科学中的应用主要集中在神经成像或脑机接口 -BCI- 应用。在脑电图 (EEG) 研究中，多变量模式分析 (MVPA) 主要依赖于线性算法，该算法需要同质数据集，并假设判别特征在试验中以一致的延迟和电极出现。然而，神经反应可能会在实验过程中随时间或空间发生变化，导致对判别特征的低估。在这里，我们旨在利用时间和空间解锁的神经活动，使用 CNN 对 EEG 对外部刺激的反应进行分类，并在每次试验的基础上检查判别特征在实验过程中的变化情况。新方法：我们提出了一种新颖的流程，包括数据增强、CNN 训练和特征可视化技术，针对 EEG 数据的 MVPA 进行了微调。结果：我们的流程提供了高分类性能并可推广到新数据集。此外，我们表明，CNN 识别的分类特征在电生理学上是可解释的，并且可以在单次试验水平上重建，以研究类别特定判别活动的逐次试验演变。与现有技术的比较：将开发的流程与常用的 MVPA 算法（如逻辑回归和支持向量机）以及浅层和深层卷积神经网络进行了比较。我们的方法的分类性能明显高于现有的 MVPA 技术（p = 0.006），并且与其他 EEG 数据的 CNN 的结果相当。结论：总之，我们提出了一种用于 EEG 数据 MVPA 的新型深度学习流程，可以以数据驱动的方式提取逐次试验的判别活动。
通过 3D 相干 X 射线衍射成像可视化非经典结晶导致的方解石内部纳米结晶性
研究了使用两种方法合成的方解石样品的内部结晶度：溶液沉淀法和碳酸铵扩散法。扫描电子显微镜 (SEM) 分析表明，使用这两种方法沉淀的方解石产品具有明确的菱面体形状，与矿物的自形晶体习性一致。使用布拉格相干衍射成像 (BCDI) 表征这些方解石晶体的内部结构，以确定 3D 电子密度和原子位移场。使用碳酸铵扩散法合成的晶体的 BCDI 重建具有预期的自形形状，具有内部应变场和少量内部缺陷。相反，通过溶液沉淀合成的晶体具有非常复杂的外部形状和有缺陷的内部结构，呈现出零电子密度区域和明显的位移场分布。这些异质性被解释为由非经典结晶机制产生的多个结晶域，其中较小的纳米颗粒聚结成最终的自形颗粒。SEM、X 射线衍射 (XRD) 和 BCDI 的结合使用允许在结构上区分用不同方法生长的方解石晶体，为了解晶粒边界和内部缺陷如何改变方解石反应性提供了新的机会。
Pharmasug 2024 -Paper DV- 283探索FDA医疗查询（FMQ）在可视化不良事件数据中的应用
不良事件（AE）监测是临床试验的重要组成部分。通常需要研究人员在整个临床试验的整个阶段进行监测AE，以识别和减轻与研究产品或正在研究的研究产品相关的潜在风险或不良影响。此外，监视AE可以帮助确定特定不利事件发生的模式或趋势，从而实现明智的决策和适当的干预措施。
引用Daranagama Das和Takeuchi W（2025）智能手机应用于在油棕中检测和可视化基础茎腐病阶段。正面。 r
农产品，使其成为满足各种需求的首选。此外，棕榈油发挥了至关重要的经济作用，对生产国，尤其是马来西亚和印度尼西亚的国内生产总值（GDP）做出了重大贡献（Jazuli等，2022）。为了确保一致的生产并支持其经济重要性，油棕行业的可持续性至关重要（Siddiqui等，2021）。油棕种植园面临各种植物疾病和害虫的显着威胁，由真菌Ganoderma Boninense引起的基础茎腐病（BSR）是最关键的挑战，尤其是在马来西亚和印度尼西亚（Baharim等人，2024年，2024年； Liaghat等人； Liaghat等人，2014年）。BSR显着降低了产量，通常会降低50％至80％，并且可能在成熟的油棕架上导致高达80％的死亡率到其25年寿命的中点（Murphy等，2021）。年轻的棕榈通常在显示症状的6 - 24个月内屈服，而成熟的棕榈也可以额外生存2 - 3年（Siddiqui等，2021）。病原体感染了树干的木质部，破坏了水和营养分布。这会导致症状，例如黄色和坏死叶，未打开的长矛，冠层尺寸减小以及特征性的裙子状冠状形状（Baharim等，2024）。然而，这些叶面症状通常出现在感染的晚期阶段，使得早期发现很难（Baharim等，2024）。最大程度地减少BSR的影响仍然是产生油棕国家的主要挑战，尤其是马来西亚和印度尼西亚（Baharim等，2024）。，例如，Maeda-Gutiérrez等。早期发现BSR感染可以及时治疗感染的油棕，从而防止了对树的进一步损害（Husin等，2020）。BSR检测可以大致分为三种方法：手动，基于实验室和远程技术（Husin等，2020）。传统的手动方法涉及劳动密集的视觉检查，这些视觉检查通常对大型种植园而言通常不具体（Husin等，2020）。相比之下，实验室程序，例如Ganoderma选择培养基（GSM），聚合酶链反应（PCR）和与多克隆抗体（ELISA-PABS）的酶连接的免疫吸附测定是时间耗时，昂贵，并且缺乏精确。此外，这些方法通常只有在疾病已经明显升级时才产生结果（Bharudin等，2022； Tee等，2021）。遥感技术包括基于基的方法，例如陆层激光扫描（Husin等，2020）和电子鼻系统（Abdullah等，2012），以及基于UAV的成像（Ahmadi等，2023; Baharim等，2023）和Satellite Platferal（2021）和2021的空中方法。然而，这些方法通常面临诸如高运营成本，有限的空间解决方案以及在广泛采用方面的困难之类的挑战。这强调了对早期检测BSR的更快，更具成本效益的方法的关键需求（Bharudin等，2022）。深度学习的进步在各种计算机视觉任务中取得了巨大的成功，尤其是在图像分类中（Barman等，2024）。同样，Ahad等人。卷积神经网络（CNN）已成为视觉识别的主要结构（Barman等，2024）。（2020）评估了五个CNN模型，包括Alexnet（Krizhevsky等，2012），Googlenet（Szegedy等，2015），Inception v3（Szegedy等，2016），2016年），Resnet 18和Resnet 18，and Resnet 50（He He et and for Goognet coogne for Anee for Sneas and and and and and and nine nine nine nine nine nine nine nine nine nine nine类型， 99.72％。（2023）证明了CNN对水稻疾病分类的潜力，其中一个集合框架（DEX）
使用原位原子探针断层扫描技术可视化 Fe-Cr-Ni 合金氧化早期阶段的纳米级氧和阳离子传输机制
对于理解地壳形成[13–15]和磁性的起源具有重要意义。[16] 在法医学中，材料中的 18 O 测绘有助于追踪动物和人类的地理起源。[17] 在研究固体材料氧化机制的不同方法中，原位环境透射电子显微镜 (TEM) 和原位扫描隧道显微镜对于研究与氧化早期阶段相关的原子级结构变化非常有效。[1,3,5,18,19] 然而，这些原位技术缺乏区分单个氧同位素的灵敏度。同时，对氧同位素高度灵敏的纳二次离子质谱 (SIMS) 和其他基于质谱的技术缺乏 3D 亚纳米级的空间分辨率。 [14,17,20,21] 最近，非原位原子探针断层扫描 (APT) 研究验证了 APT 能够实现材料中 18 O 同位素分布的亚纳米级空间分辨映射。[10,22–25] 然而，将 APT 在亚纳米级空间分辨率下定量映射 18 O 的能力扩展到原位氧化研究尚未得到证实。在这里，我们首次展示了使用 18 O 同位素的原位 APT 分析模型 Fe-18 wt% Cr-14 wt% Ni 模型合金（以下称为 Fe18Cr14Ni）中的氧扩散
Inderscience Publisher
Registration and Fusion of 3D multimodal Images Image Segmentation Satellite Aperture Radar processing Visualizing hidden objects in image Virtual and Augmented Reality Remote sensing and multi-spectral imaging Quality Enrichment in Volumetric Imaging Document Image Analysis Image diffusion Environment sustainability Environment Monitoring Image Encryption and Security Image forensics Medical Imaging Image privacy and Federated Learning Session Chair
