在过去的几年中,图像处理技术和通信网络领域取得了重大进步。确保在有线和无线通信中保护敏感信息至关重要,因为数据的立即移动[1-3]。多媒体和视觉内容的利用在各个领域已广泛,包括军事和医务人员数据的传播。过去,传统的加密方法被用于加密照片,但它们的有效性不足以加密较大的图像[4-6]。因此,已经对几种图像加密技术的开发进行了研究。基于混乱的加密研究是这些主题之一[7-10]。混沌系统与密码学之间存在很强的相关性[11]。混沌系统具有随机性,启动参数,控制灵敏度和成真,这符合密码学的基本标准[12,13]。混沌系统创建的价值的确定性和极其不可预测的性质为加密系统提供了可观的好处。这些品质已被用来基于混乱[14-17]进行更多的加密研究。随机数序列是由随机数发生器专门为加密而产生的[18-20]。S-box是块加密系统中的重要组件,负责执行混乱操作。利用
“我曾担任志愿者,跟随中国村官并与他们一起工作。我看到他们真正了解村民面临的问题以及村民的需求。村民们把当地官员视为中国政府派来照顾他们的人。这是非常温暖的,也是中国独有的。
图1。生物启发的多尺度调节,通过模仿肌腱到骨接头的界面建筑,对用前所未有的力学(a)进行工程水凝胶,通过结合纳米级矿物质,以超高的刚度和韧性进行设计。(b)与肌腱类似,具有优先排列结构的水凝胶以及链间/链氢键与各向异性力学和优质疲劳性抗性一起赋予。(c)通过设计纤维结构,扭曲的水凝胶纤维具有较高的韧性,柔韧性和抗疲劳性。(d)水凝胶中的多尺度断裂机制,突出了各种结构元素的贡献,例如微/纳米尺度相,微/纳米尺度纤维和///链内链链氢键。在多个长度尺度上的模态,协同作用有助于改善力学。方程将总断裂能(γ)作为内在和外部断裂能的总和(γ0 +γd)。
MORETELE 地方市政当局 市政办公室 私人邮袋 X 367 展位号 4065 B Makapanstad MATHIBESTAD 0404 电话:012 716 1300 传真:012 716 9999
赵欣教授于2013年获得中国科学技术大学博士学位。他的研究兴趣包括视频分析和性能评估,尤其针对目标跟踪任务。他发表过许多国际期刊和会议论文,例如IJCV、IEEE TPAMI、IEEE TIP、IEEE TCSVT、CVPR、ICCV、NeurIPS、AAAI、IJCAI。最近,他主要进行人机视觉评估方面的研究。他构建了多个广泛使用的计算机视觉基准测试集(例如GOT-10k、VideoCube、SOTVerse、Biodrone等)并建立了在线评估平台。他定期担任以下会议和期刊的程序委员会成员或同行评审员:CVPR、ICCV、ECCV、ICML、NeurIPS、ICLR、IJCV、IEEE TPAMI、IEEE TIP、IEEE TMM等。
医学图像通常需要重新缩放到各种空间分辨率,以确保在不同层面上的解释。传统的基于深度学习的图像超分辨率 (SR) 增强了固定尺度的分辨率。隐式神经表征 (INR) 是一种实现任意尺度图像 SR 的有前途的方法。然而,现有的基于 INR 的方法需要重复执行神经网络 (NN),这既慢又低效。在本文中,我们提出了用于快速任意尺度医学图像 SR 的神经显式表征 (NExpR)。我们的算法用显式解析函数表示图像,其输入是低分辨率图像,输出是解析函数的参数化。通过单个 NN 推理获得解析表示后,可以通过在所需坐标处评估显式函数来得出任意尺度的 SR 图像。由于解析显式表示,NExpR 比基于 INR 的方法快得多。除了速度之外,我们的方法还实现了与其他强大竞争对手相当或更好的图像质量。在磁共振成像 (MRI) 数据集(包括 ProstateX、fastMRI 和我们内部的临床前列腺数据集)以及计算机断层扫描 (CT) 数据集(特别是 Medical Segmentation Decathlon (MSD) 肝脏数据集)上进行的大量实验证明了我们方法的优越性。我们的方法将重新缩放时间从 1 毫秒的数量级缩短到 0.01 毫秒的数量级,实现了超过 100 倍的加速,同时不损失图像质量。代码可在 https://github.com/Calvin-Pang/NExpR 上找到。
摘要:基于PT的纳米催化剂为各种行业提供了出色的前景。然而,具有出色性能的PT负载低负载,以提高纳米催化剂的高效和稳定的纳米催化剂。在这项研究中,通过原位合成制备了具有超高PT含量,表现性能和碳黑色作为支持的纳米催化剂。这些〜2-nm颗粒在碳黑色和PT之间存在很强的S – P-D轨道杂交,从而均匀且稳定地脱离了碳黑色。这种独特的结构对氢进化反应有益。催化剂在氢进化反应中表现出显着的催化活性,在100 mA·Cm -2时表现出100 mV的电势,与商业PT/C催化剂的催化反应相当。质量活性(1.61 A/mg)是商用PT/C催化剂(0.37 A/mg)的四倍。超大PT加载(6.84wt%)为下一代电催化剂的发展铺平了道路。
邵燕杰博士摘要:微电子技术是过去 60 年来“数字”革命的支柱。近年来,随着人工智能和物联网的爆炸式增长,开发高性能、最大能效和最小占用空间的电子产品迫在眉睫。为实现这一目标,有两种方法颇具吸引力:(1)低压电子器件和(2)片上丰富的功能集成。在本次演讲中,我们将展示我们在这两个方面的最新研究成果。首先,我们通过利用断带异质结半导体系统(GaSb/InAs)中的量子力学隧穿来实现电源电压 ≤ 0.3 V。我们将展示在垂直纳米线隧穿晶体管配置中可以同时实现亚热电子开启、高驱动电流和最大占用空间可扩展性的组合。在 0.3 V 时,与最先进的 CMOS 技术相比,性能显著提升。其次,我们旨在利用非晶氧化物半导体开发多功能高密度后端 (BEOL) 电子和存储器平台。通过利用等离子体增强原子层沉积 (PEALD),我们合成了具有创纪录性能的增强型 BEOL 晶体管。此外,我们集成了铁电 (FE) 铪锆氧化物 (HZO) 作为非易失性存储器组件,制造了有源面积级 FE 晶体管,并研究了单域级 FE 开关行为。最后,我们将简要讨论氧化物基 FE 晶体管中 FE 疲劳的可能原因。简介:邵燕杰目前是麻省理工学院 (MIT) 微系统技术实验室 (MTL) 的博士后研究员。他于 2019 年获得中国科学技术大学 (USTC) 的学士学位,2021 年获得麻省理工学院的硕士学位,并获得博士学位。 2023 年获麻省理工学院博士学位。他的研究兴趣包括新兴半导体和电介质、纳米电子学和 AI 硬件。他是 2023 年英特尔杰出研究员奖的获得者。
通过公共渠道交换大量信息已成为日常发生,这种情况在可能发生网络攻击的情况下会产生巨大的风险,并激发学术和科学界制定新的强大安全计划。该研究的目的是使用数学和人工智能工具来提出新的安全计划。下面介绍了用于文本的加密货币算法的设计和实现。所采用的方法包括使用细胞自动机检测载体图像的边缘,利用颜色对比度的多样性以及Tinkerbell混沌吸引子生成两个伪随机序列:一种用于加密方案,而另一个用于选择载体图像的边缘像素图像的边缘像素图像隐藏。此外,还包括一个验证阶段,其中接收器提供了一个代码以确认未更改stegoimage。使用Diffie-Hellman算法在发件人和接收方之间共享系统密钥。对所提出的算法进行了一系列地理和加密性能测试,包括熵分析,均方根误差(MSE),相关系数,关键敏感性,峰值信号 - 噪声比(PSNR),归一化的根平方误差(NRMSE)以及结构相似性指数(SSI)。将PSNR,MSE和SSI测试的结果与科学基准进行了比较,揭示了与信息安全标准保持一致的指标。最后,由于学术练习的结果,对加密货币算法进行了整合,其指标使其可能适用于现实世界中的环境。
摘要 目的 本研究旨在评估体质指数 (BMI) 和体脂百分比 (BFP) 是否可用于预测妊娠期糖尿病 (GDM) 患者的妊娠结局。设计回顾性队列研究。地点温州医科大学附属第二医院(中国浙江省)。临床数据通过电子病历收集。参与者回顾性分析了 2019 年 1 月至 2021 年 12 月期间温州医科大学附属第二医院收治的 683 名 GDM 患者的数据。结果测量妊娠结局。结果结果显示,BFP ≥33% 的孕妇更容易出现羊水量异常、血压异常和贫血(p<0.05)。此外,这些患者更容易出现产后出血和巨大儿,以及与分娩时剖宫产相关的危险因素(p<0.05)。 BMI 对血压异常(OR 1.170;95% CI 1.090 至 1.275)、贫血(OR 1.073;95% CI 1.016 至 1.134)、剖腹产(OR 1.150;95% CI 1.096 至 1.208)和巨大儿(OR 1.169;95% CI 1.063 至 1.285)具有很强的预测价值。此外,分类的 BFP 对羊水量异常(OR 3.196;95% CI 1.294 至 7.894)、血压异常(OR 2.321;95% CI 1.186 至 4.545)、贫血(OR 1.817;95% CI 1.216 至 2.714)和剖宫产(OR 1.734;95% CI 1.270 至 2.367)具有预测价值。结论结果表明,BFP ≥33% 的 GDM 患者更容易出现不良妊娠结局、接受剖宫产和患巨大儿。BMI 和分类的 BFP 相结合可以更好地预测 GDM 患者在妊娠中晚期的血压异常和剖宫产。