XiaoMi-AI文件搜索系统
World File Search Systemdefect
金属卤化物钙钛矿中的缺陷定量...
CS 0.05 FA 0.79 MA 0.16 /nio X /ITO（黑色），多余的PBI 2 CS 0.05 FA 0.83 Ma 0.16 /nio X /ITO（蓝色）和多余的FAI < /div < /div < /div < /div>
神经前体中迁移缺陷的演示
摘要：背景：I型I型Hurler（MPS1-H）是由于IDUA基因的功能丧失突变而导致的严重遗传溶酶体储存障碍。随后的α -iduronidase酶的完全缺乏率直接导致溶酶体中糖胺聚糖（GAG）的进行性积累，从而影响许多组织的功能。因此，MPS1的特征是系统性症状（多器官功能障碍），包括呼吸道和心脏功能障碍，骨骼异常和早期致命神经变性。方法：为了了解MPS1神经病理学的基础机制，我们从两个IDUA等位基因的MPS1-H患者中产生了诱导的多能干细胞（IPSC）。为了避免因IPSC的不同遗传背景而导致的可变性，我们通过通过慢虫方法挽救IDUA表达来建立了IPENIC Control IPSC线。结果：在神经差异后观察到MPS1 -H和IDUA校正的同基因对照之间的明显差异。刮擦测定法显示了MPS1-H细胞的强迁移缺陷。此外，IDUA缺乏对基因表达的影响很大（FDR <0.05的340个基因）。结论：我们的结果表明，迄今为止，溶酶体降解，基因表达和神经运动之间的联系尚不清楚，这可能至少部分解释了MPS1-H患者的表型。
用于微电子缺陷定位的无损叠层衍射成像
使用叠层扫描技术，样品被聚焦在微芯片上小点上的相干同步加速器 X 射线束照射，衍射光束由像素检测器在远场检测。样品逐步穿过光束，直到扫描到整个感兴趣的区域。扫描期间照亮的区域需要重叠，导致步长小于光束直径。叠层扫描技术需要过采样，因为检测器只测量强度。使用迭代算法，仍然可以检索衍射同步辐射的相位信息。根据衍射图案、光束形状以及样品与检测器之间的距离，该算法可以将收集的数据重建为高分辨率图像，无论是 2D 还是 3D。简而言之，该算法计算样品后面的波场到达探测器的路径，其中波场的振幅被像素探测器记录的强度数据替换。之后，更新波场并进行另一次迭代。当感兴趣的区域深埋在结构内部时，可能需要事先准备样品。因此，在某些情况下，必须通过聚焦离子束铣削使感兴趣的区域可用于叠层成像。
使用 TimeLIME 缺陷减少工具进行实验
AI 算法在 SE 研究和实践中的使用频率越来越高。此类算法通常使用来自 SE 领域之外的数据进行委托和认证。我们是否可以假设此类算法可以“现成”使用（即无需修改）？换句话说，SE 问题是否有特殊之处可以表明使用 AI 工具的不同且更好的方法？为了回答这些问题，本文报告了使用 TimeLIME 的实验，TimeLIME 是 KDD'16 中 LIME 解释算法的变体。LIME 可以就如何更改静态代码属性以减少下一个软件版本中的缺陷数量提供建议。该版本的 LIME 使用内部加权工具来决定在这些建议中包含/排除哪些属性。TimeLIME 使用以下 SE 知识改进了该加权方案：软件以版本形式发布；对软件的不合理更改是以前版本中从未更改过的内容；因此最好使用合理的更改，即在以前版本中具有先例的更改。通过将建议限制在经常更改的属性上，TimeLIME 可以 (a) 产生更好的缺陷原因解释和 (b) 关于如何修复错误代码的更好建议。除了这些关于缺陷减少和 TimeLIME 的具体结果之外，本文更普遍的观点是，我们的社区应该更加谨慎地使用现成的 AI 工具，而无需首先应用 SE 知识。如此处所示，应用这些知识可能并不复杂。此外，一旦应用了 SE 知识，就可以显著改善系统。
用于工业缺陷检测的计算机视觉
稳健性图像质量不仅取决于光照情况，还取决于视角。污染会对图像质量产生负面影响，如果是金属表面，反射也会对图像质量产生负面影响。此外，不同图像之间检查部件的位置和方向可能会有所不同。理想情况下，客户需要一个解决方案，该解决方案只需要一次训练运行，并且可以在多台机器上使用，或者至少覆盖给定生产线或流程中的多个视角。因此，网络还必须能够抵御背景变化以及相机位置的变化。随着时间的推移，我们开发出了一种解决方案，即使图像数据出现几何扭曲，也能取得良好的效果，并且能够处理检查部件的方向和相机视角的变化。
铝合金中的硬度分布和缺陷形成...
增材搅拌摩擦沉积 (AFSD) 是一种新兴的固态增材制造技术，其中材料逐层沉积。与基于熔合的增材制造工艺不同，AFSD 依靠旋转工具通过摩擦热和压力挤压和粘合原料材料，使材料温度低于其熔点，以消除与熔合相关的缺陷。由于其高沉积速率，它适用于大型结构制造。然而，AFSD 仍处于开发阶段，存在关于沿构建高度的硬度变化、缺陷形成和残余应力分布的问题。在本研究中，使用光学显微镜、维氏硬度测试和中子衍射检查了 AFSD 制造的结构。光学显微镜显示第一层和基材界面以及沉积边缘存在缺陷，而硬度测试表明沉积硬度从最后一层到第一层降低。中子衍射显示基材熔合区附近存在拉伸残余应力，而大多数沉积物中存在压缩残余应力。
比较缺陷检测的图像处理技术
抽象缺陷检测是制造业中的一个关键质量控制过程，旨在在吸引客户之前识别和分类产品的缺陷或异常。传统的手动检查方法是耗时，劳动力密集的，容易出现人为错误。本文提供了基于图像的缺陷检测算法的全面概述，包括传统的图像处理技术，机器学习算法和深度学习模型。该研究分析了各种应用程序和数据集中每种方法的优势，局限性和性能。结果表明，尽管传统方法和机器学习算法提供可靠的缺陷检测，但深度学习模型，尤其是卷积神经网络（CNN），但具有出色的准确性和鲁棒性。但是，深度学习模型需要大量的计算资源和大量的标记数据进行培训。本文强调了根据特定的应用要求，数据特征和计算约束选择最合适的方法的重要性。此外，它讨论了未来的研究机会，例如开发更健壮和广义的算法，利用多模式数据，改善模型的可解释性以及实现实时和边缘计算解决方案。
LN005928：儿童部分房室间隔缺损
所有修复了部分 AVSD 的患者都有心脏感染的风险（称为心内膜炎）。此类感染可能是由牙齿或牙龈感染引起的，因此，仔细照顾孩子的牙齿和牙龈并定期看牙医（每 6-12 个月一次）非常重要。最好避免穿耳洞或纹身，因为它们有轻微的感染风险，可能会扩散到心脏。有关心内膜炎的更多信息，请参见以下链接：
