心电图(ECG)是一种捕获心脏活动的电测量,是诊断心血管疾病(CVD)的金标准。但是,由于ECG需要使用用户参与,因此不可避免地进行心脏监测。相比之下,光电学(PPG)提供了易于收集的数据,但其精度有限限制了其临床用法。为了确定这两个信号的优势,最近的研究不适合将PPG信号重新构成到ECG的各种深度学习技术;但是,缺乏文本信息以及降低噪声生物医学信号的能力最终会限制模型的影响。在这项研究中,我们提出了一种基于变压器的新型体系结构,可从PPG重建ECG,并将PPG和重建的ECG与CVD检测的多种方式相结合。此方法是第一次在生物医学波形重构上进行了变压器序列到序列转换,并结合了PPG和ECG的优势。我们还创建了基于斑块的注意(SPA),这是一种效率方法,用于编码/解码生物医学波形。通过获取各种序列长度并捕获交叉点连接,SPA最大程度地提高了本地特征和全局上下文反复的信号操作。所提出的体系结构在BIDMC数据库上生成了0.29 RMSE的状态性能,以重新构建PPG到ECG,超过了先前的研究。我们还在模拟III数据集上评估了该模型,在CVD检测中达到了95.9%的精度,并在PPG-BP数据集中评估了该模型,在相关的CVD糖尿病检测中达到了75.9%的精度,表明其一般能力。作为一种概念证明,一种名为Pearl(原型)的耳环可穿戴式可穿戴,旨在扩大护理点(POC)医疗保健系统。
许多基于机器学习的轴突追踪方法依赖于带有分割标签的图像数据集。这需要领域专家的手动注释,这需要大量劳动力,并且不适用于以细胞或亚细胞分辨率对半球或整个脑组织进行大规模脑映射。此外,保留轴突结构拓扑对于理解神经连接和大脑功能至关重要。自监督学习 (SSL) 是一种机器学习框架,允许模型在未注释的数据上学习辅助任务,以帮助完成监督目标任务。在这项工作中,我们提出了一种新颖的 SSL 辅助任务,即为面向拓扑的轴突分割和中心线检测的目标任务重建边缘检测器。我们使用小鼠大脑数据集对三个不同的 SSL 任务进行了 3D U-Nets 预训练:我们提出的任务、预测排列切片的顺序和玩魔方。然后,我们在不同的小鼠大脑数据集上评估了这些 U-Nets 和基线模型。在所有实验中,针对我们提出的任务进行预训练的 U-Net 分别将基线的分割、拓扑保留和中心线检测提高了 5.03%、4.65% 和 5.41%。相比之下,切片排列和魔方预训练的 U-Net 并没有比基线有持续的改进。
通过脑机接口,重建所看到的人脑活动图像连接了人机视觉和计算机视觉。由于个体之间大脑功能存在固有差异,现有文献主要集中于使用每个人各自的脑信号数据为每个人获取单独的模型,而忽略了这些数据之间的共性。在本文中,我们设计了心理测量学,这是一个全方位模型,用于重建从不同受试者获得的功能性磁共振成像 (fMRI) 图像。心理测量学包含一个全方位专家混合 (Omni MoE) 模块,其中所有专家共同努力捕捉受试者间的共性,而与特定受试者参数相关的每个专家则负责处理个体差异。此外,心理测量学还配备了一种检索增强推理策略,称为 Ecphory,旨在通过检索预先存储的特定受试者记忆来增强学习到的 fMRI 表征。这些设计共同使心理测量变得万能而高效,使其能够捕捉受试者之间的共性和个体差异。因此,增强的 fMRI 表征可作为条件信号来指导生成模型重建高质量逼真的图像,从而使心理测量在高级和低级指标方面都成为最先进的技术。
图 3:适用于 WAAM 构造的典型路径规划方法:a)均匀切片法与 5 轴打印相结合[16];b)均匀切片(不连续轨迹)与自适应切片法(连续轨迹)[64];c)针对更厚、更复杂几何形状的模块化路径规划[58](这些图片的转载许可已获得
从 3D 显微镜图像重建数字神经元是研究大脑连接组学和神经元形态的重要技术。现有的重建框架使用基于卷积的分割网络在应用追踪算法之前将神经元从噪声背景中分割出来。追踪结果对原始图像质量和分割精度很敏感。在本文中,我们提出了一种新的 3D 神经元重建框架。我们的关键思想是利用点云的几何表示能力来更好地探索神经元的内在结构信息。我们提出的框架采用一个图卷积网络来预测神经骨架点,采用另一个图卷积网络来产生这些点的连通性。我们最终通过解释预测的点坐标、半径和连接来生成目标 SWC 文件。在 BigNeuron 项目的 Janelia-Fly 数据集上进行评估,我们表明我们的框架实现了具有竞争力的神经元重建性能。我们对点云的几何和拓扑学习可以进一步有益于 3D 医学图像分析,例如心脏表面重建。我们的代码可在 https://github.com/RunkaiZhao/PointNeuron 上找到。
与从 LiDAR 数据和多视图影像重建相比,倾斜影像重建是大规模城市建模的重要研究问题和经济解决方案。然而,建筑物足迹和立面的部分不可见性、严重的阴影效应以及大范围区域内建筑物高度的极端变化等若干挑战将现有的基于单目影像的建筑物重建研究限制在某些应用场景中,即从近地面影像建模简单的低层建筑物。在本研究中,我们提出了一种新颖的单目遥感影像 3D 建筑物重建方法,解决了上述困难,从而为更复杂的场景提供了一种有吸引力的解决方案。我们设计了一个多任务建筑物重建网络 MTBR-Net,通过四个语义相关任务和三个偏移相关任务来学习倾斜影像的几何属性、3D 建筑物模型的关键组件及其关系。网络输出通过基于先验知识的 3D 模型优化方法进一步集成,以生成最终的 3D 建筑模型。在公共 3D 重建数据集和新发布的数据集上的结果表明,与目前最先进的方法相比,我们的方法将高度估计性能提高了 40% 以上,将分割 F1 分数提高了 2% - 4%。
Repsol 是一家全球性多能源公司,致力于到 2050 年实现净零排放。该公司业务遍及整个能源价值链,拥有 25,000 名员工,产品销往 90 多个国家,服务客户达 2400 万。Repsol 是西班牙能源零售市场的主要参与者,客户超过 200 万,全球可再生能源组合已超过 2,800 兆瓦,在西班牙、美国、智利、意大利和葡萄牙拥有 60 吉瓦的风能和光伏设施项目。
https://doi.org/10.15159/ar.21.131关于在建筑材料中使用天然纤维的文献计量分析G.M.G.Ferreira 1,D。Cecchin 1,*,A.R.G.de azevedo 2,i.c.r.p.Valadão1,K.A。Costa 3,T.R。Silva 4,F。Ferreira 5,P.I.S。Amaral 6,C.M。huther 1,F.A。Sousa 7,J.O。Castro 8,P.F.P。Ferraz 8和M.A.Teixeira 1 1联邦Fluminense University(UFF),农业工程与环境系,Street Passo daPátria,n。 156,BOA VIAGEM,NITERói-RJ,巴西2北Fluminense州立大学(UENF),土木工程系,Goytacazes Campos,RJ,巴西,3联邦Fluminense University(UFF),生产工程系,工人大道,n。 420,Vila Santa Cecilia,Volta Redonda-RJ,巴西4 North Fluminense State University(UENF),高级材料实验室(LAMAV),AV。alberto lamego,2000,28013-602 Campos dos goytacazes-rj,巴西·弗林宁斯大学(UFF),冶金工程系(VMT) 130-000 Alfenas-MG,巴西7 Semag/Aracruz,AV。Morobá,n。 20,BR 29192-733 BairroMorobá-es,巴西8联邦拉夫拉斯大学(UFLA),大学校园,邮政SCODE 3037 LAVRAS,MG,BRABASIL *通信:Daianececchin@id.uff.uff.uff.uff.br.br.br receaved:Feburoy 2 ND,2021年,2021年;接受:2021年8月3日;出版:2021年8月30日摘要。由于人口对可持续性主题的兴趣越来越大,因此与民用建筑领域的主题相关的出版物有所增长。农业废物已成为一个环境问题,由于自然纤维的特性和改善其产品机械性能的可能性,因此自然纤维在废物的再利用中找到了空间。为了达到可持续的建筑需求,以及重复使用废物的需求,研究开始分析天然纤维在建筑材料中的应用。通过搜索术语“天然纤维”和“建筑材料”术语限制在主要WOS集合中的“天然纤维”和“建筑材料”术语时,通过搜索“天然纤维”和“建筑材料”术语进行的研究提供了。 使用Vosviewer(VOS)软件中的BiblioMetrics分析了与出版物,文件的原产国,文件的原产国,作者使用的关键字以及每个文档的引用数量。 分析的结果表明,多年来与该主题相关的文件的增加,该地区研究最多的国家分别是中国(16),美国(14)和巴西(11)。 对关键词进行分析后提出的结果表明,自然纤维(61个出现),机械性能(44个出现)和复合材料(31例出现)是分析的中出现最高的单词。。使用Vosviewer(VOS)软件中的BiblioMetrics分析了与出版物,文件的原产国,文件的原产国,作者使用的关键字以及每个文档的引用数量。分析的结果表明,多年来与该主题相关的文件的增加,该地区研究最多的国家分别是中国(16),美国(14)和巴西(11)。对关键词进行分析后提出的结果表明,自然纤维(61个出现),机械性能(44个出现)和复合材料(31例出现)是分析的
我们提出了来自单眼RGB视频的动态3D头部重建的单眼神经参数头模型(Mono NPHM)。到此为止,我们提出了一个潜在的空间空间,该空间在神经参数模型的顶部参数化纹理场。我们限制了预测的颜色阀与基础几何形状相关,以便RGB的梯度有效地影响反向渲染过程中的潜在几何代码。为了提高表达空间的代表能力,我们使用超二维增强了向后变形场,从而在拓扑具有挑战性的表达式中显示出颜色和几何表示。使用Mono NPHM作为先验,我们使用基于符号距离字段的体积渲染来处理3D头重建的任务。通过nu毫无反转,我们使用面部锚点构成了具有里程碑意义的损失,这些损失与我们的规范几何表示紧密相关。为了评估单眼RGB视频的动态面部重建任务,我们在休闲条件下记录了20个具有挑战性的Kinect序列。单nphm超过 -
