XiaoMi-AI文件搜索系统
World File Search Systemirregular
对比后 MRI 上原发性脑淋巴瘤自动分割的边界不规则损失
与其他脑肿瘤不同，关于原发性中枢神经系统 (CNS) 淋巴瘤的自动分割研究很少。这是一项具有挑战性的任务，因为肿瘤及其边界的模式高度多变。在这项工作中，我们提出了一种新的损失函数来控制边界不规则性，用于基于深度学习的原发性 CNS 淋巴瘤自动分割。我们引入了一种边界不规则损失，它基于分割和平滑版本的比较。边界不规则损失与之前提出的拓扑损失相结合，以更好地控制不同的连通分量。该方法是通用的，可以用于任何分割网络。我们研究了 99 名原发性 CNS 淋巴瘤患者。从一开始就分离出 40 名患者并形成独立测试集。分割是在对比后 T1 加权 MRI 上进行的。MRI 是在临床常规中获得的，并且高度异质。所提出的方法在各种评估指标上的表现都大大优于基线（Dice 分数高出 6 个百分点，Hausdorff 距离高出 40 毫米，平均表面距离高出 6 毫米）。然而，总体表现一般，突显出自动分割原发性中枢神经系统淋巴瘤是一项艰巨的任务，尤其是在处理临床常规 MRI 时。代码可在此处公开获取：https://github.com/rosanajurdi/LymphSeg 。
基于图的扩散模型，用于使用不规则几何量的热量量表中的快速淋浴模型
仿真在解释大型强子对撞机（LHC）实验的碰撞数据以及与理论预测的测试对齐中起着至关重要的作用。在模拟碰撞数据中所带来的独特挑战，包括高维特征空间和缺乏可拖动的可能性模型，启发了一系列深度学习解决方案[1,2]。特别是，对于模拟检测器中的粒子相互作用，核心挑战是有限的计算资源，以对热量计中的粒子阵雨建模所需的极端细节主导。在这里，基于Geant 4 [3 - 5]的蒙特卡洛模拟的传统方法是强大但资源高度的 - 占据了地图集模拟链中最大的时间[6]。在未来的高光度LHC运行中，热量计模拟将需要应对更高的数据速率，从而可能成为物理分析的限制因素，而在该领域没有显着进展[7]。为了大大加快热量计模拟的速度，已经采取了许多努力。虽然快速的淋浴模型已成功部署在LHC实验[8,9]中，但准确性却有限。最近，深层生成模型的出现导致了它们的广泛流行和解决这项任务的潜力。应用于量热计的第一个生成模型
用于规则和不规则时间序列分类的新型高效储层计算方法
时间序列是指在一段时间内按时间顺序收集的一系列数据点，每个点通常记录在特定的时间戳。时间序列有两个主要组成部分：时间戳和观测值。时间戳表示获取特定记录的时间，而观测值则显示与每个时间戳相关联的值，该值表明该值相对于其他时间点的相对重要性。此外，时间序列数据可能还带有一些其他模式，使时间序列分析更具挑战性。例如，来自同一数据集的样本可能具有不同的长度（可变长度）和/或相邻时间点可能具有不同的时间间隔（异质间隔）。时间序列分析涉及研究和解释样本随时间变化的趋势和依赖性等模式，并已广泛应用于现实世界现象 [1-3]。其中，时间序列分类 (TSC) 专注于将序列数据分类并标记为不同的类别，在医学、电信和金融等领域发挥着不可或缺的作用。TSC 算法的有效性取决于它们平衡短期和长期记忆以及捕捉时间依赖性的能力，同时将所需模式与噪声模式区分开来。在过去的几十年中，已经开发了大量算法来解决这一特定领域。到目前为止，长短期记忆 (LSTM) 网络可以看作是一个里程碑式的突破，它为序列数据中复杂的长期依赖关系建模所带来的挑战提供了强大的解决方案 [4-7]。LSTM 网络是一种循环神经网络 (RNN)，它利用记忆单元和门作为控制信息在网络中流动的手段。网络的设计主要是为了缓解梯度消失的瓶颈。然而，网络的训练是通过最先进的时间反向传播 (BPTT) 技术实现的。虽然 BPTT 是一种强大而有效的方法，但它的计算成本可能很高，尤其是对于大型和深度神经网络而言。除了反向传播辅助神经网络外，基于距离的方法也在广泛的 TSC 任务中取得了巨大的成功 [8-10]，其中，1-最近邻动态时间规整 (1NN-DTW) 已被证明
颜色和刻痕-2024-sample.pdf
MR Manual Reset OCL Output Current Limiter ODO Open Drain Output OCO Open Collector Output OVIn Over Voltage Rest Input (negative) OVP Over Voltage Protection Osc Oscillator Out Output OV Latched OverVoltage function PA Power Amplifier Pb-free Plumb free PCA Pulse Current Amplitude modulation PDR Internal pull-down resistor PFM Pulse-frequency modulation Pow Power PPO Push-Pull Output PSM脉冲滑动调制PUR内部上拉电阻PWM PWM脉冲宽度调制RDT REDT RESET RESET延迟时间整流。整流器reg。受监管的Res。电阻reset-pr。重置保护RF射频应用RIN输入电阻SBD SHOTTKY屏障二极管SBR Schottky屏障整流器二极管二极管SS软启动ST-DWN Step-DWN Step-Down Step-down store stup stup升级SW。Switching T-MOS Trench-FET MOSFET Tun Tuner U-Speed Ultra-speed UHF RF applications (>250 MHz) ULN Ultra Low-Noise VCO Voltage controlled oscillator VDet Volatge Detector VHF RF applications (100...250MHz) VFM Voltage-Frequency Modulation Vid Video output stages V-MOS Vertical Metal Oxide Semiconductor VR电压调节器WB宽带较小的微电源列“样式”“样式”（SMD代码的Upercase放置和其他信息图形）。所有样式图纸都放在第8节中。列“ ATR”列附加SMD代码侵犯，例如subscipt bar，uperscipt bar，倒向符号和其他（第9节）。列“ A.D.”其他信息，例如年份，月，周或批号指定（第11节）。列“ PIN”相关的常规案例图（第6节和PINOUT分配（从表，第7节）。示例：28DC4-常规案例图纸28（第6节）和PINOUT分配DC4（第7节）。列“ SCH”列的某些元素（ICS）的样本示意图。所有示例示意图图纸都放在第10节中。列“ MNF”缩写（以节省空间）。每个制造商的完整名称，徽标和URL在第12节中按字母顺序列出。
分类算法的比较研究早期检测到糖尿病
摘要Hexapods对各种运动任务的适应性，尤其是在救援和勘探任务中，可以推动其应用。与受控环境不同，这些机器人需要驾驶不断变化的地形，在这种环境中，地面不规则影响会影响立足点位置和接触力的起源转移。这种动态相互作用导致六角形姿势变化，影响整体系统稳定性。这项研究介绍了一种姿势控制方法，该方法根据地形拓扑调整了六角形的主体定向和高度。策略使用肢体位置估算地面斜率，从而计算新的肢体轨迹以修改六脚架的角度位置。根据计算出的斜率调整六足的高度，进一步增强了主体稳定性。在雅典娜六角（Athena Hexapod）（环境适应性的全地形六角形）上实施和评估了所提出的方法。通过使用凉亭软件中的计算模拟，通过对六足动物在不规则表面上的多体模型的动态分析来评估控制可行性。环境复杂性对六足动物稳定性的影响都在坡道和不平坦的地形上进行了测试。对每种情况的独立分析都评估了控制器对滚动和俯仰角速度的影响以及高度变化。结果证明了该策略对这两种环境的适用性，从而显着增强了姿势稳定性。
接种 COVID-19 疫苗后月经不调
简介：接种 2019 冠状病毒病 (COVID-19) 疫苗可产生针对 SARS-CoV-2 感染的保护性免疫力。目前尚无明确证据表明 COVID-19 疫苗会导致月经不调。目的：确定女性接种 COVID-19 疫苗后可能出现的月经不调。方法：2021 年 6 月 10 日至 2021 年 7 月 10 日通过在线媒体进行了一项全球横断面调查研究。调查包括 15 个问题，分为基线特征、疫苗接种状况和剂量、月经和相关因素以及对月经不调的想法和知识。采用非概率便利抽样方法，共收集 510 份回复。结果制成表格，并进行双变量分析和卡方检验。通过受试者操作特性分析，分析了与 COVID-19 疫苗接种后月经不调知识相关因素的敏感性和特异性检验。结果：发现医护人员 (HCW) 地位和认知 ( χ 2 = 10.422；p = 0.064) 与接种疫苗后月经不调知识 ( χ 2 = 1.966；p = 0.161) 之间存在关联。接种疫苗的女性与未接种疫苗的女性相比，月经周期长度发生变化的风险更高 (OR = 3.172；95% CI = 0.470 – 21.431)。在 314 名 HCW 和 196 名非 HCW 中，60 名 (19.1%) 和 28 名 (14.3%) 了解月经不调 (OR = 1.338，95% CI = 0.886 – 2.019 vs. OR = 0.944；95% CI = 0.873 – 1.021)。当询问医护人员和非医护人员对新冠疫苗引起的月经不调的看法时，24 (7.6%) vs. 9 (4.6%) 表示同意，139 (44.3%) vs. 67 (34.2%) 表示不同意，151 (48.1%) vs. 120 (61.2%) 表示不知道或选择不适用。结论：目前对新冠疫苗接种后月经不调的理解存在差距，即使是暂时的，也需要进一步探索。错误信息也可能是导致观察到的女性比例在接种新冠疫苗后注意到月经周期发生变化的罪魁祸首。
基于不规则聚类和顺序旋转的准模块化圆极化5G基站天线阵列综合
针对多用户第五代应用，提出了一种非常规的准模块化基站相控阵架构综合技术。通过在最佳不规则阵列的元素处保持均匀的幅度和线性前进的相位，可以实现功率高效的旁瓣抑制，从而有效地减轻用户间的干扰。布局不规则性是在阵列切片内实现的，该切片以旋转方式重复。采用顺序旋转技术来获得模块化并改善圆极化特性。使用改进的 k 均值聚类算法来形成最佳子阵列。仿真结果表明，所提出的准模块化拓扑在旁瓣性能和集成阵列设计复杂性之间提供了良好的折衷。
人工智能在抗震建筑设计中的应用：使用深度学习和 ImageAI 方法确定不规则结构体系 Kaan Bingöl 1 , Aslı Er Akan 2* , Hilal Tuğba Örmecioğlu 3 , Arzu Er 4
1 比利希姆创新中心，METU Technopolis，安卡拉 06510，土耳其 2 恰卡亚大学，建筑学院，建筑系，安卡拉 06530，土耳其 3 阿克德尼兹大学，建筑学院，建筑系，安塔利亚 07070，土耳其 4 阿克德尼兹大学，技术职业高中，安塔利亚 07070，土耳其 重点：图形/表格摘要 人工神经网络和深度学习方法 估计结构不规则性的新方法 深度学习和图像处理方法在抗震建筑设计中的应用 图 A. 图形摘要目的：本研究的目的是通过使用深度学习和图像处理方法，创建一个不规则控制助手 (IC Assitant)，它可以为建筑师提供有关结构系统决策是否符合抗震规定的一般信息，这些信息可在设计过程的早期阶段通过深度学习和图像处理方法进行。这样，在设计的早期阶段就能做出正确的决策，并防止在实施项目阶段可能发生的意外修改。理论与方法：在本研究中，我们提出了一个不规则控制助手 (IC Assitant)，它可以为建筑师提供有关土耳其地震规范中定义的结构系统不规则性的一般信息，它是使用深度学习和图像处理方法开发的。PYTHON 是学术领域最常用的编程语言之一，PYTHON IDLE（集成开发和学习环境）用于创建应用程序。Image AI 工作库用于制作此软件产品。结果：向 IC 助手展示了以前没有给过机器的新计划，并询问这些计划中的结构系统是否按照地震法规的定义是规则的还是不规则的。结果表明，DK 助手可以成功地提供有关任何结构系统的规则性百分比的信息。结论：研究表明，深度学习和图像处理方法可用于在建筑设计过程的早期阶段发现结构不规则性。
具有滑移效应的不规则尺寸表面外 CuO-MgO/甲醇混合纳米流体的 3D MHD 非线性辐射流
对具有滑移效应的不规则尺寸薄片上的 3D MHD 非线性辐射混合纳米流体流动进行了数值研究。混合纳米流体由嵌入甲醇或甲醇 (MA) 中的氧化铜 (CuO) 和氧化镁 (MgO) 纳米颗粒组成。使用相似性将控制 PDE 改为 ODE，并使用射击方案获得数值解。通过图表和数值解释分析和反映了物质因素对传输现象的作用。同时给出了 CuO-MA 纳米流体和 CuO-MgO/MA 混合纳米流体的解。结果确定混合纳米流体和纳米流体的温度和流动边界层厚度并不是唯一的。与 CuO-MgO/MA 混合纳米流体相比，CuO-MA 纳米流体的传热作用较高。这得出结论，CuO-MgO 组合是一种良好的绝缘体。
重新思考航班不正常管理 - 普华永道
然而，以客户为中心的异常管理的重要性不仅限于定性方面。定量分析表明，与航班中断次数一样，近年来乘客投诉的数量也有所增加。2019 年，根据欧盟法规 261/2004 的航空乘客权利，德国因航班延误、取消、改道、超额预订或降级（强制更改为较低旅行等级）而提出的索赔总额超过 7 亿欧元，而 2018 年则超过 10 亿欧元。2 对于航空公司而言，其影响远远超出直接赔偿索赔：处理乘客投诉（索赔处理）也会占用大量资源并产生额外的流程成本。主动补偿或“商业姿态”可以帮助减少处理索赔所需的时间和精力，但到目前为止，它们只是偶尔使用。