XiaoMi-AI文件搜索系统
World File Search Systemfeo
feops-heartguide-for-procedure-planning-in-patients- ...
心房颤动 (AF) 是一种异常心律，其特征是心脏上腔 (心房) 异常电活动导致心跳快速而不规律。1 如果不及时治疗，AF 会显著增加缺血性中风的风险。1,2 口服抗凝剂 (OAC) 治疗，包括华法林或直接 OAC (DOAC)，可降低非瓣膜性 AF (NVAF) 患者缺血性中风的风险，但也伴有显著的出血风险。3 这增加了临床决策的复杂性，尤其是对于具有多种出血和缺血性中风风险因素的患者，如高血压、既往大出血或中风、肾功能和肝功能障碍以及高龄。3 为了解决与 OAC 相关的出血并发症，已经开发出基于设备的替代方案，有可能消除长期抗凝治疗的需要。3 左心耳 (LAA) 是 NVAF 患者血栓形成的主要部位。左心耳封堵术 (LAAO) 是一种可以降低心源性栓塞性中风风险的策略，有可能消除长期使用 OAC 的需要。3
利用卷积神经网络进行快速对称微分同胚图像配准
微分同胚可变形图像配准在许多医学图像研究中至关重要，因为它提供了独特的属性，包括拓扑保存和变换的可逆性。最近基于深度学习的可变形图像配准方法利用卷积神经网络（CNN）从合成基本事实或相似性度量中学习空间变换，从而实现快速图像配准。然而，这些方法往往忽略了变换的拓扑保存和变换的平滑性，而平滑性仅由全局平滑能量函数来强制执行。此外，基于深度学习的方法通常直接估计位移场，这不能保证逆变换的存在。在本文中，我们提出了一种新颖的、有效的无监督对称图像配准方法，该方法最大化微分同胚图空间内图像之间的相似性，并同时估计正向和逆变换。我们使用大规模脑图像数据集在 3D 图像配准上评估了我们的方法。我们的方法实现了最先进的配准精度和运行时间，同时保持了理想的微分同胚特性。
利用神经速度场进行微分同胚图像配准
微分同胚图像配准能够提供平滑的变换和拓扑保存，在许多医学图像分析任务中是必需的。传统方法对可接受的变换空间施加某些建模约束，并使用优化来寻找两幅图像之间的最佳变换。指定正确的可接受的变换空间具有挑战性：如果空间过于严格，配准质量可能会很差，而如果空间过于笼统，则优化可能难以解决。最近基于学习的方法利用深度神经网络直接学习变换，实现了快速推理，但由于难以捕捉微小的局部变形和泛化能力，在准确性方面面临挑战。在这里，我们提出了一种新的基于优化的方法，称为 DNVF（带神经速度场的微分同胚图像配准），该方法利用深度神经网络来建模可接受的变换空间。具有正弦激活函数的多层感知器 (MLP) 用于表示连续速度场，并为空间中的每个点分配一个速度矢量，从而提供对复杂变形进行建模的灵活性以及优化的便利性。此外，我们提出了一种级联图像配准框架 (Cas-DNVF)，结合了优化和基于学习的方法的优点，其中训练完全卷积神经网络 (FCN) 来预测初始变形，然后使用 DNVF 进行进一步细化。在两个大型 3D MR 脑部扫描数据集上进行的实验表明，我们提出的方法明显优于最先进的配准方法。
surfnet：通过耦合的差异变形重建皮质表面
图1：用于耦合皮质表面重建的表面。将MRI脑图像，皮层色带分割图和中期表面的签名距离图组合在一起，Surfnet学习了三个不同的形态变形，以同时优化初始的中间表面，以与目标表面中的中置和中置型中的中置型置于跨度的中间和中间的偏移型模型（并置于中等范围）的模型（DDM），并置于中等范围。表面S G和WM表面S W分别具有另外两个DDM。采用循环约束，以与非阴性皮质厚度的实施结合使用变形轨迹，以确保生物学上的合理性。
使用生成的差异图
神经科学研究的当前重点是使用不同的数据获取方式列举，映射和注释整个脊椎动物大脑中的神经元细胞类型。将这些分子和解剖学数据集映射到公共参考空间中仍然是一个关键挑战。尽管存在几个脑部到ATLA映射工作流程，但它们并不能充分解决现代高通量神经影像学的挑战，包括多模式和多尺度信号，缺失的数据或非参考信号，以及单个变异的几何量化。我们的解决方案是实现一个生成统计模型，该模型描述了一个图像的一系列转换，描述了成像数据的可能性，以及一个最大的框架，用于捕获上述问题的未知参数的后验估计。我们方法中的关键思想是最大程度地减少合成图像量与这些参数的真实数据之间的差异。我们不仅将映射用作“归一化”步骤，我们以空前的方式实施了使用其局部度量变更的工具，以便将其局部度量变更作为几何量化技术和生物学来源的机会。虽然框架用于计算成对映射，但我们的方法特别允许在多模式数据集的链中简化组成。我们将这些方法应用于广泛的数据集中，包括体内和前体内MRI的各种组合，3D STP和最大数据集，2D序列组织学部分以及用于SNRNASEQ的BRAINS和BRAINS，并部分移除了组织。这项工作使整个大脑数据集的大规模集成在现代神经科学中至关重要。我们通过量化细胞密度和跨生物协变量的大脑形状波动的差异表征来显示生物实用性。我们注意到，个体变异的大小通常大于不同样品制备技术之间的差异。为了促进社区可访问性，我们将算法实现为开源，包括基于Web的框架，并实现输入和输出数据集标准。我们的工作建立了一个定量，可扩展和简化的工作流程，以统一一系列多模式的全脑光显微镜数据量，以分为基于坐标的ATLAS框架。
联邦就业机会招聘计划（FEORP）报告
2023 财年 FEORP 计划成就和有前景的实践 DEVCOM ARL 在吸引、招募和留住多元化劳动力方面继续取得进展。在 23 财年，提供给 STRL 的科学技术再发明实验室 (STRL) 直接雇用权力 (DHA) 对 DEVCOM ARL 瞄准和接触各种候选人的能力非常有价值，特别是为了满足残疾人和其他特殊招聘类别的多样性、公平、包容和无障碍 (DEIA) 目标。民事人力资源办公室 (CHRO) 在其网站上发布了一份公告，申请人可以直接向 HR 申请，并提供有关在 DEVCOM ARL 工作和可用福利的信息。以及 HR 网站上向公众提供的特定营销手册和向残疾人提供就业信息的招聘活动。STRL 有特定的退伍军人技术人员 DHA，允许 DEVCOM ARL 瞄准技术领域的退伍军人。此外，STRL 学生 DHA 是一个学生就业计划，其中包括其他权力机构，用于培养、吸引和留住 STRL 的学生。在过去的一年里，DEVCOM ARL 最近能够为商业职位实施 STRL 任务支持 DHA，这使我们能够更灵活地接触和定位 DEVCOM ARL 中的所有职位需求。总体而言，这使得 DEVCOM ARL 拥有更高效的入职流程，与其他政府实体相比，所需时间更少。DEVCOM ARL 每年进行 STRL 调查，调查我们 STRL 权力的使用情况和示范项目，并每年向国会报告。DEVCOM ARL 每年参加亲和力招聘活动，包括 STEM 杰出人才 (GMiS)、有色人种女性 (WOC)、年度黑人工程师奖 (BEYA) 和国防科学与工程研究生 (NDSEG) 奖学金以及偶尔的其他少数族裔。DEVCOM ARL 的最佳实践是将招聘流程集中在实验室内，并建立一个专门的团队来管理实验室的 DHA 招聘。这为 DEVCOM ARL 提供了一致性，并允许进行制衡，以确保按照人才管理目标遵循政策和流程。
NPBDREG：使用基于非参数贝叶斯深度学习的方法进行微分同胚脑 MRI 配准中的不确定性评估
基于深度神经网络 (DNN) 的图像配准算法中的不确定性量化在图像配准算法用于临床应用（例如手术规划、术中指导、病情进展或治疗效果的纵向监测）以及面向研究的处理流程中起着至关重要的作用。当前用于基于 DNN 的图像配准算法中不确定性估计的方法可能会导致次优临床决策，因为对于假设的配准潜在空间参数分布的配准词干的不确定性估计可能不准确。我们引入了 NPBDREG，这是一种完全非参数贝叶斯框架，用于基于 DNN 的可变形图像配准中的不确定性估计，它结合了 Adam 优化器和随机梯度朗之万动力学 (SGLD)，通过后验采样来表征底层后验分布。因此，它有可能提供与分布外数据的存在高度相关的不确定性估计。我们使用来自四个公开数据库（MGH10、CMUC12、ISBR18 和 LPBA40）的 390 个图像对，证明了 NPB-DREG 与基线概率 VoxelMorph 模型 (PrVXM) 相比在脑部 MRI 图像配准方面的附加值。NPBDREG 显示预测不确定性与分布外数据的相关性更好（r > 0.95 vs. r < 0.5），并且配准准确度提高了 ∼ 7.3%（Dice 分数，0.74 vs. 0.69，p ≪ 0.01），配准平滑度提高了 ∼ 18%（变形场中的褶皱百分比，0.014 vs. 0.017，p ≪ 0.01）。最后，与基线 PrVXM 方法相比，NPBDREG 对受混合结构噪声破坏的数据表现出更好的泛化能力（Dice 得分为 0.73 对 0.69，p≪0.01）。
CorticalFlow：用于皮质表面重建的微分同胚网格变形模块
在本文中，我们介绍了一种新的几何深度学习模型 CorticalFlow，该模型通过给定一张三维图像来学习将参考模板变形为目标对象。为了保留模板网格的拓扑属性，我们通过一组微分同胚变换来训练我们的模型。这种新的流常微分方程 (ODE) 框架实现受益于小型 GPU 内存占用，可以生成具有数十万个顶点的曲面。为了减少由其离散分辨率引入的拓扑误差，我们推导出可改善预测三角网格流形性的数值条件。为了展示 CorticalFlow 的实用性，我们展示了它在大脑皮层表面重建这一具有挑战性的任务中的表现。与目前最先进的技术相比，CorticalFlow 可以生成更优质的曲面，同时将计算时间从 9 分半钟缩短到 1 秒。更重要的是，CorticalFlow 强制生成解剖学上合理的曲面；它的缺失一直是限制此类表面重建方法临床意义的主要障碍。
Mn和Cu替换对SRFEO3 ...
摘要：Perovskites是热化学能量储能应用（TCE）的众所周知的氧化物，因为它们由于非石化计量学而显示出巨大的自发O 2释放潜力。过渡金属的钙钛矿由于其不同的氧化态而是TCE的特别有希望的候选者。重要的是要测试用于TCES应用的钙钛矿的热行为；但是，可以在热分析中使用的样品量受到限制。使用氧化还原循环流经床测试可以提供更现实的方法，因为可以使用大量样品来测试钙钛矿的循环行为。在这项研究中，通过热分析和流动性床测试研究了氧化还原循环下Mn-或Cu取代的SRFEO 3（SRFE 0.5 m 0.5 O 3; M：MN或CU）的氧释放/消耗行为。还通过差异扫描量热法（DSC）计算了钙钛矿的反应焓。cu在SRFEO 3中的取代增加了循环稳定性和氧气释放/摄取能力的显着性能。MN取代也提高了环状稳定性；但是，MN作为FE的替代品的存在并不能改善钙钛矿的氧气释放/摄取性能。