XiaoMi-AI文件搜索系统
World File Search Systemimages
在图像和视频中广泛使用生成的AI会影响生态学的环境和科学
这些在人工智力（AI）领域是动荡的时期，每天都有一系列用于生产力，研究和创造的新的AI工具，每天都可以在一定程度上向公众使用，部分原因是自从OpenAI在11月2022年11月2022年开放式聊天机器人聊天以来。在技术的热情中，也有声音警告说，先进的生成AI模型未经检查和部署的潜在危险。在2023年3月，有一封公开的信（背后的动机仍然受到临时），要求暂时停顿比GPT-4更强大的模型（Life Institute的Future of Life Institute，2023年）。超出了生成模型的潜在负面社会政治含义（Bird等，2023; Weidinger等，2022）和法律关注点，例如版权感（Samuelson，2023），这是对
机器学习分析病理图像预测小细胞肺癌患者免疫治疗1年无进展生存期
摘要 背景 在小细胞肺癌 (SCLC) 中，肿瘤免疫微环境 (TIME) 可能是免疫治疗的一个有希望的生物标志物，但客观评估 TIME 仍然具有挑战性。因此，我们旨在通过对 TIME 进行机器学习分析来开发一种预测免疫治疗效果的生物标志物。方法 我们对接受化学免疫疗法作为一线治疗的广泛期 SCLC 患者进行了一项前瞻性研究的生物标志物分析。我们使用病理图像（H&E、程序性细胞死亡配体 1 (PD-L1) 和双重免疫组织化学测定（分化簇 8 (CD8) 和叉头框 P3 (FoxP3)）和患者信息训练了一个模型来预测 1 年无进展生存期 (PFS)。主要结果是机器学习模型在预测 1 年 PFS 方面的平均曲线下面积 (AUC)。结果我们分析了来自 78 名患者的 100,544 个病理图像块。患者信息、病理图像和组合模型的平均 AUC 值分别为 0.789（范围 0.571–0.982）、0.782（范围 0.750–0.911）和 0.868（范围 0.786–0.929）。在这三个模型中，高效组 PFS 均长于低效组（患者信息模型、HR 0.468，95% CI 0.287 至 0.762；病理图像模型，HR 0.334，95% CI 0.117 至 0.628；组合模型，HR 0.353，95% CI 0.195 至 0.637）。TIME 的机器学习分析比人体计数评估具有更好的准确性（人体计数的 AUC，CD8 阳性淋巴细胞：0.681，FoxP3 阳性淋巴细胞：0.626，PD-L1 评分：0.567）。结论使用机器学习对 TIME 进行空间分析可以预测 SCLC 患者的免疫治疗疗效，从而支持其作为免疫治疗生物标志物的作用。
生成合成生成对抗网络的基于改善清晰度的多光谱卫星图像
摘要。合成的多光谱卫星图像的产生尚未达到其他领域中可达到的质量水平，例如面部图像的产生和操纵。难度的一部分源于需要在此类图像覆盖的整个电磁频谱上生成一致的数据，该图像的辐射分辨率高于多媒体应用中通常使用的图像。与不同波长相对应的图像带的不同空间分辨率提出了其他问题，其主要效果是相对于原始图像，在合成图像中缺乏空间细节。我们建议通过将样式传输应用于13波段Sentinel-2 Level1-C图像，明确认为基于生成的对抗网络的建筑可以生成合成卫星图像。为避免丢失更细的空间细节并改善生成的图像的清晰度，我们引入了一种类似Pansharpening的方法，从而将输入图像的空间结构转移到了样式转移的图像的情况下，而无需引入可见的文物。我们通过应用所提出的架构将贫瘠的图像转化为植被图像，反之亦然，从而得到的结果（res。冬季）图像进入冬季（res。夏季图像，确认了提出的解决方案的有效性。
使用延时显微镜图像
摘要：（2 s） - eriodictyol（ERD）是一种在柑橘类水果，蔬菜和具有神经保护性，心脏保护性，抗糖尿病和抗肥胖作用的不良药物植物中广泛发现的avonoid。但是，ERD的微生物合成受复杂的代谢途径的限制，并且通常导致生产较低。在这里，我们通过调节ERD合成途径的代谢来设计酿酒酵母。结果表明，ERD滴度有效增加，中间代谢物水平降低。首先，我们成功地重建了酿酒酵母中p-奶油酸的从头合成途径，并使用启动子工程和终端工程进行了代谢途径，用于高级生产（2 s） - 纳林宁。随后，通过从Tricyrtis hirta引入Thf3'H基因来实现ERD的合成。最后，通过乘以Thf3'h基因的拷贝数，ERD的产生进一步增加，达到132.08 mg l -1。我们的工作强调了调节代谢平衡以在微生物细胞工厂生产天然产物的重要性。
利用360度图像进行合成数据生成...
摘要：基于计算机的安全监控需要在涵盖各种观点，表面特性和照明条件的通用数据集上训练的机器学习模型。但是，由于施工方案的风险，捕获某些施工场景的高质量和广泛的数据集在实际工作场所都具有挑战性。先前的方法提出了涉及基于游戏引擎中虚拟对象的2D背景随机化的合成数据生成技术。虽然在利用360度图像用于各种目的方面已经进行了广泛的工作，但尚未使用360度图像来生成专门针对施工站点量身定制的合成数据。为了改善合成数据生成过程，本研究建议使用Unity 3D游戏引擎进行基于360度图像的合成数据生成方法。该方法有效地生成了具有更好尺寸和缩放的巨大数据集，其中包括具有随机照明强度的一系列相机位置。要检查我们提出的方法的有效性，我们进行了主观评估，考虑了三个关键因素：对象定位，对象各自的大小和生成数据集的整体大小。合成的图像说明了所有三个因素的视觉改进。通过提供改进的数据生成方法来培训以安全为重点的计算机视觉模型，这项研究有可能显着增强建筑安全监控过程的自动化，因此，这种方法可以通过提高运营效率并加强工人的安全措施来为建筑业带来重大利益。
人工智能处理图像的能力
摘要。技术渗透到不同领域并在一段时间后统治这些领域是毋庸置疑的。新技术诱惑着我们的灵魂，一旦尝到其果实，我们对它们的依赖就不可避免。作为人类，我们很容易沉迷于方便和舒适的歌曲。以及当他们以更令人愉悦和更体面的方式为我们工作时。这项工作是为了说明人工智能在图像处理中的应用。它的能力和问题是这项工作关注的关键因素。因此，这项工作概述了人工智能背后的基本思想及其在不同领域的应用，并强调了使用人工智能工具来理解所提供图片的含义时该技术的能力。还描述了可能的解决方案。
在巴西亚马逊中的森林覆盖年度地图，分析帕尔萨尔和modis图像
1美国俄克拉荷马大学诺曼大学生物科学学院，俄克拉荷马州73019，美国2，新加坡国立大学，1个艺术链接，肯特里奇，肯特里奇，117570，新加坡3新加坡科学系，马里兰大学，马里兰州大学公园，大学公园，大学公园，美国40年，美国40年9月3日中国农业大学土地科学与技术福丹大学生命科学学院生态会议，上海200438，中国
机器学习能够从整个切片组织病理学图像中预测数字生物标志物
保留所有权利。未经许可不得重复使用。 （未经同行评审认证）是作者/资助者，他已授予 medRxiv 永久展示预印本的许可。此预印本的版权持有者此版本于 2024 年 1 月 9 日发布。；https://doi.org/10.1101/2024.01.06.24300926 doi：medRxiv 预印本
基于扩散张量图像的机器学习研究，以区分神经性厌食症和神经性贪食症
以前的研究人员已努力将A与BN区分开。荟萃分析仅在AN中强调了特定的认知观点障碍，而在BN中未观察到（7）。此外，正如神经心理学任务研究所暗示的那样，发现患者在食品情绪关系中表现出缺陷的粮食情感关系中的缺陷和食物情绪关系中的扰动（8）。另一项研究表明，患者倾向于将情绪抑制作为适应不良的情绪调节策略，与BN不同（9）。对AN和BN的神经影像学研究揭示了与两种疾病的特定特征有关的一些差异。例如，在一项静息状态功能连通性研究中，在背侧前扣带回皮层和脾后皮质之间显示出更强的连通性，而具有BN的妇女在背侧扣带回皮质和内侧轨道偏侧甲状腺皮质（10）之间表现出增加的同时活性（10）。
机器学习能够从整个切片组织病理学图像中预测数字生物标志物
保留所有权利。未经许可不得重复使用。 （未经同行评审认证）是作者/资助者，他已授予 medRxiv 永久展示预印本的许可。此预印本的版权持有者此版本于 2024 年 1 月 8 日发布。；https://doi.org/10.1101/2024.01.06.24300926 doi：medRxiv 预印本