XiaoMi-AI文件搜索系统
World File Search SystemVoxel
Kropp，Martina等。糖尿病性视网膜病是失明的主要原因和级联并发症的早期预测指标 - 风险和缓解措施。在
非常早产（VPT; <32周的妊娠）导致一种情况，即在异常的前子宫内环境中发生至关重要的大脑发育步骤，转化为脆弱的皮质和皮层发育。与这种非典型大脑发展相关，出生的儿童和青少年面临社会情感困难的高风险。在当前的研究中，我们揭示了VPT和年龄在6-14岁的VPT和期限对照中皮质灰质（GM）浓度的发育变化，以及它们与社会情感能力的关联。T1加权图像用于估计单个体素（GM，白质和皮质脊柱液）中脑组织类型的信号强度，并提取与存在部分体积效应（PVE）的存在的GM浓度。一般线性模型分析用于比较组。社会情感能力，并使用单变量和多变量分析探索了与GM浓度的关联。早产的作用是深远的，其复杂模式的增加和GM浓度的降低主要在额叶，颞叶，顶叶和腰部区域。更好的社会情感能力与已知参与这一过程中已知的地区的GM浓度增加有关。我们的发现表明，VPT诞生后大脑发育的轨迹可能在根本上具有独特性和影响社会情感能力。
see-csom-dr-ntu
摘要 - 生成准确且连续的占用占用图是自主机器人技术的关键组成部分。大多数现有的连续语义占用映射方法忽略了体素之间的潜在差异，从而重建了过度的映射。此外，由于固定和较大的查询范围，这些方法具有很高的计算复合物。为了应对过度升温和不具备的挑战，本文提出了一种新颖的锋利和有效的连续语义占用映射算法（See-CSOM）。这项工作的主要贡献是设计冗余体素滤波器模型（RVFM）和自适应内核长度模型（AKLM）以提高地图的性能。rvfm应用上下文熵，以降低信心的冗余体素，以便对象的代表将具有准确的边界，并具有锋利的边缘。AKLM使用类熵自适应地调节内核长度，从而减少用于训练的数据量。然后，配制了多方面内核推理函数以整合两个模型以生成连续的语义占用图。该算法已在室内和室外公共数据集上进行了验证，并在真实的机器人平台上实现，从而验证了准确性和效率的显着提高。
3D激光雷达扫描到地图长期定位的可推广稳定点细分
摘要 - 动物机器人越来越多地在实际会随着时间而变化的现实环境中运行。准确且健壮的本地化对于自动移动系统的有效运行至关重要。在本文中，我们仅使用3D LIDAR数据来应对基于扫描到地图匹配的长期本地化开发可推广的学习过滤器的挑战。我们的主要目标是提高动态环境中移动机器人本地化的可靠性。为了获得学习过滤器的强大概括能力，我们利用扫描和MAP数据之间的差异。我们的方法涉及将稀疏的4D卷积应用于包含扫描素及其相应地图体素的关节稀疏体素电网上。这使我们可以根据每个扫描点的长期稳定置信分数将扫描点分为稳定且不稳定的点。我们的实验结果表明，利用稳定点进行定位 - 证明了扫描匹配算法的性能，尤其是在外观变化频繁的环境中。通过利用扫描和地图体素之间的差异，我们增强了稳定点的分割。因此，我们的方法概括为新的，看不见的环境。
PET/MRI：SUV 测量的可靠性/可重复性
SUV 指标在临床中被广泛使用，因为它简单、易用、可重复，并且与传统的全身 PET/CT 采集协议兼容，只需要静态扫描，而全动力学建模方法则需要复杂的动态研究和动脉血样采集。几乎所有商业和开源医学图像显示软件平台都提供测量 SUV 的选项。然而，定量成像生物标志物联盟倡议的 PET 技术委员会最近进行的一项研究表明，临床和研究环境中使用的不同软件包之间存在相当大的不一致性 [ 4 ]。还应注意，大多数软件包将 SUV 标准化为患者的体重（等式( 6.1 )）。然而，由于脂肪组织的代谢活性不如其他组织，因此提出了其他变体，包括标准化为瘦体重（SUV LBM 或 SUL）[ 5 ] 或体表面积（SUV BSA ）[ 6 ]。最大SUV（SUV max ）代表最高体素SUV值，平均SUV（SUV mean ）代表定义的VOI中所有体素的平均SUV，无疑是最广泛使用的半定量指标（图6.1 ）。相反，SUV峰值（图6.1 ）在PERCIST标准中定义为代表SUV平均值
基于环状乙烯酮缩醛的新型高分辨率减色光刻胶配方，适用于 3D 直接激光写入
技术正在迅速发展，在新的方法和材料方面不断突破其极限。在这种情况下，3D（亚）微打印平台尤其令人感兴趣，因为它们可以制备具有高分辨率和任意复杂度的3D微纳米结构。这方面最有前途的技术之一是直接激光写入（DLW），[1,2]这是一种基于双光子聚合反应的增材制造技术，可用于获得高通量[3]和低于100纳米的分辨率的（亚）微米物体和图案。 [4]为实现此目的，DLW利用聚焦的长波长激光飞秒脉冲照射能够在高能辐射下交联的感光树脂。 [5]虽然树脂的吸收率与激光不匹配，但在焦点处，辐射强度足够高，以至于可能发生多光子吸收现象并引发聚合过程（或触发正性光刻胶的分解）。由于抗蚀剂对激光是透明的，因此打印仅发生在焦点周围非常小的体积内（“体素”，即二维“像素”的三维模拟）。通过移动后者，只需一个简单的步骤即可获得复杂的三维架构。由于其灵活性以及易于集成功能材料的可能性，DLW 已在 MEMS、[6] 光子学、[7] 表面改性、[8] 安全系统、[9] 和生物医学研究等领域找到了多种应用。[10,11]
使用无监督的
摘要：阿尔茨海默氏病（AD）是一种进行性脑部疾病，是一种非常常见的痴呆症形式。神经影像学技术，例如磁共振成像（MRI），可产生大脑的详细3维图像，显示淀粉样蛋白沉积物的见解和作为疾病标志物的炎症改变。使用MRI的AD早期诊断为患者提供了一个很好的机会，可以通过阻止神经细胞的丧失来防止脑部恶化。本文探讨了无监督的聚类方法的使用来早期诊断AD。尽管使用分类技术来识别医疗疾病非常常见，但标记数据的缺乏或不准确性可能会产生问题。在这项工作中，使用基于体素的形态计量学（VBM）特征在MRI图像中提取的特征进行比较。还将选择某些兴趣的某些地方区域（ROI）与全球全脑分析进行了比较。结果表明，所提出的方法可以以76％的精度对AD进行早期诊断。关键词：无监督的学习，聚类，K-均值，K-米类动物，感兴趣的区域（ROI），阿尔茨海默氏病，磁共振成像（MRI）。1。介绍2018年，据报道，全世界有五千万人患有痴呆症。到2050年，这个数字预计将达到1.52亿人[1]。大约有68％的增加，据信属于埃及等低收入和中等收入国家[2]。阿尔茨海默氏病（AD）是一种进行性脑部疾病
![arxiv：2409.06129v1 [cs.cv] 10 Sep 2024](/simg/g:\will\search\icon\source\c\cc2240fc97865dd7e8a62c0c7bee131b7cf37698.webp)
arxiv：2409.06129v1 [cs.cv] 10 Sep 2024
摘要。我们提出了一种3D建模方法，该方法使最终用户能够使用机器学习来完善或详细说明3D形状，从而扩展了AI辅助3D内容创建的功能。给出了粗素形状（例如，使用简单的盒子挤出工具或通过生成建模产生的形状），用户可以直接“绘制”所需的目标样式，代表了引人注目的几何细节，从输入示例形状，而不是粗糙形状的不同区域。这些区域然后被上采样成高分辨率的几何形状，这些几何形状与彩绘样式相连。为了实现这种可控和局部的3D详细信息，我们通过使其意识到掩盖的方式在金字塔GAN的顶部构建。我们设计了新颖的结构损失和先验，以确保我们的方法可以保留所需的粗糙结构和细粒度的特征，即使从不同的来源（例如，不同的语义部分，甚至不同的形状类别）借用了涂漆样式。通过广泛的实验，我们表明我们本地化细节的能力可以实现新颖的交互式创意工作流程和应用。我们的实验进一步证明，与基于全球细节的先前技术相比，我们的方法生成结构具有高分辨率的高分辨率风格的几何形状，并具有更连贯的形状细节和样式过渡。
经过过急性障碍患者的选择性孕酮受体调节剂的白质体积和治疗
经前烦恼障碍（PMDD）是一种情绪障碍，已证明选择性孕激素受体模型（SPRM）治疗已被证明是有益的。到目前为止，这种治疗的神经特征已被确定为对挑衅的积极反应期间的额额分子反应性更大，但没有变化的灰质结构变化。白质最近发现PMDD患者和健康对照患者之间有所不同。因此，本研究试图研究PMDD患者的白质体积与SPRM治疗之间的关系。对参与随机对照试验的PMDD患者进行了一项药物神经影像学研究。参与者在处理与醋酸乌蛋白葡萄酸盐（SPRM）或安慰剂的处理前后进行了磁共振成像，持续了三个月。评估了按时间处理对白质体积（WMV）的相互作用效果。基于体素的形态计算分析均在整个大脑探索性水平和感兴趣的区域进行。在任何区域中均未观察到对WMV的治疗效果，包括前丘脑前辐射，扣带，镊子小辅助，福尼克斯，下额肌枕骨下肌，小脑梗梗，上等纵向肌张力肌和fasciculus。这是第一个发现，表明三个月pro生存的拮抗作用没有白质体积改变，这表明白质体积在PMDD的SPRM治疗后没有参与症状缓解。
Instant-UV：网格的快速隐式纹理学习
建模3D对象有效地成为计算机视觉研究中的一个核心主题。传统代表涉及几何表示的网格，体素网格以存储SDF或占用率之类的值或用于外观建模的UV地图。由于其离散的性质，其表示功能受硬件限制的约束。采用多层感知器（MLP）允许形状[5，10，22，29，30]，辐射场[24]，纹理[17，20，28，47]等的高质量表示。Mildenhall等。[24]表明，高视觉保真度是使用频率编码来编码功能的关键。近年来，由于使用较小的MLP，大大提高了训练和推理速度，多分辨率参数编码变得越来越流行。尽管如此，由于其直观的编辑功能和有利的动画可能性，许多应用程序仍然依赖网格作为对象表示。不幸的是，直接在网格上进行了少数作品铲球外观建模。先前的工作将纹理直接作为3D空间中的连续函数回归[28]，并使用频率编码[1，40]。内在的编码[17]也被引入以解锁更大的视觉细节。Mahajan等。[20]提出了一个有效的多解决顶点 -
多材料多光子三维激光微纳米打印
基于多光子吸收的三维 (3D) 激光微打印和纳米打印已从早期的科学发现发展到工业制造工艺，例如用于先进的微光学元件。然而，到目前为止，大多数已实现的 3D 结构仅由单一聚合物材料组成。在这里，我们回顾了纳米和微米尺度上的多种材料的 3D 打印。我们从使用多光子光刻胶已实现的材料特性开始。打印材料包括本体聚合物、导电聚合物、金属、纳米多孔聚合物、硅玻璃、硫属化物玻璃、无机单晶、天然聚合物、刺激响应材料和聚合物复合材料。接下来，我们回顾手动和自动化过程，通过顺序曝光多种光刻胶作为 2D 多色打印的 3D 类似物，在单个 3D 结构中实现不同的材料特性。讨论了来自生物学、光学、力学和电子学的有益示例。一种新兴方法（在 2D 图形打印中没有对应方法）仅使用一种光刻胶即可打印出将不同材料特性组合在一个 3D 结构中的 3D 结构。在 3D 打印过程中施加的受控刺激定义并确定了体素级别的材料特性。改变激光功率和/或波长，或应用准静态电场，可以无缝操控所需的材料特性。