XiaoMi-AI文件搜索系统
World File Search Systemlocal
结合简单的交互性和机器学习：一种可分离的深度学习方法，用于 MRI 中的丘脑底核定位和分割，用于深部脑刺激手术规划
结合了影像学和症状学信息。1 由于确定适当电极轨迹的复杂性，必须从术前图像中准确分割出感兴趣的解剖结构。对于 DBS 术前规划，分割主要通过将患者图像配准到图谱空间中来确定，在该图谱空间中，感兴趣的解剖结构（通常是丘脑底核 (STN)）以及其他显著区域已经预先分割。2、3 使用预先分割的图谱有几个优点。从临床角度来看，可以将大量分割区域从图谱移植到患者空间，从而简化工作流程的计算方面。从研究角度来看，使用图谱，可以将患者图像中特定于患者的信息移植回通用图谱坐标系，从而可以辨别出人群信息，这有助于指导治疗。4
构建法国野生和本地来源的本土植物材料供应链：对生态修复和基于自然的解决方案的贡献
欧洲政策旨在同时应对生物多样性和气候危机，部分是通过实施基于自然的解决方案 (NbS)。与此同时，2021-2030 年联合国生态系统恢复十年和越来越多的科学界呼吁在生态恢复计划中优先考虑本地物种。特别是，使用野生和当地来源的本地植物材料对农业生态学、生态恢复和城市环境管理产生了重要益处，并满足了 IUCN NbS 的五项基本标准。随着欧洲越来越多地发起生产和使用野生和当地来源的本地植物材料的倡议，2015 年在法国创建了“V 'eg 'etal local”商标。作为其启动的一部分，11 个生物区被设计为通过控制整个供应链（即从采集到贸易）中植物材料的可追溯性来保证野生和当地来源。此类植物材料已被纳入 NbS 相关计划的主流，本文介绍了其如何帮助实现一系列与 NbS 相关的环境和社会成果。项目经理应继续依靠野生和本地来源的本地植物材料来开展进一步的 NbS 计划并实现其目标。
具有横向电场的反铁磁螺旋中多重重入局域化的批判性分析：无跳跃二聚化场景
可重入局域化 (RL) 是一种最近才出现的突出现象，传统上与交错关联无序和跳跃二聚化的相互作用有关，这一点先前的研究表明了这一点。与这种范式相反，我们目前的研究表明跳跃二聚化并不是实现 RL 的关键因素。考虑到具有反铁磁序的螺旋磁系统，我们发现在没有跳跃二聚化的情况下，多个能量区域的自旋相关 RL。这种现象即使在热力学极限下仍然存在。通过对螺旋系统施加横向电场，引入了 Aubry-André-Harper 模型形式的关联无序，从而避免使用传统的替代无序。我们对观察到的可重入相进行有限尺寸缩放分析，以确定临界点，确定相关的临界指数，并检查与局域化转变相关的缩放行为。此外，我们还探索了参数空间，以确定可重入相发生的条件。本研究在紧束缚框架内进行了描述，为 RL 提供了一种新颖的视角，强调了电场、反铁磁有序和几何螺旋性的关键作用。还探讨了 RL 现象的潜在应用和实验实现。
利用本地产能发展聚光太阳能发电
不同国家之间、同一国家内不同地区获取各种可再生能源的途径也大不相同。利用这些能源的技术各有优缺点，其价值主张也大体不同。在太阳直接辐射充足的地区，聚光太阳能热能 (CST) 1 具有特别引人注目的价值主张，因为 (1) 它可以轻松高效地与热能存储 (TES) 集成，适用于各种运行温度；(2) 除发电外，它在各种应用中也具有多功能性，包括工艺热生产和各种热化学过程；(3) 它具有高温操作的潜力，有利于推动化学反应和产生太阳能燃料；(4) 它几乎不依赖关键、危险或对环境有害的材料；(5) 各国可以凭借中等技术专长和工业能力实现大量本地化。
分泌的PD-L1通过局部和全身AAV基因治疗减轻小鼠的炎症性关节炎
结果：在表达SPD-L1（SHPD-L1）最佳亚型的AAV6载体的关节内注射后，与野生型PD-L1相比，观察到更大的效力，而关节炎改善所需的AAV6/SHPD-L1则较低。为了研究SPD-L1的全身表达的治疗作用，我们通过恢复轨道注射在CIA小鼠中施用AAV8/SHPD-L1基因治疗，并发现关节炎症和PAW肿胀的显着改善，在幼稚的小鼠中表现出相似的表型。在AAV8/ SHPD-L1处理的CIA小鼠中，总免疫球蛋白和抗胶原蛋白的特定抗体的水平低于对照组的抗体。在SHPD-L1处理的小鼠中，血液中促炎性细胞因子的水平也显着降低。此外，脾脏中的T细胞凋亡率在处理后的小鼠中增加了2倍。最后，我们通过肌肉注射研究了AAV/ SHPD-L1的治疗作用。注射AAV6/SHPD-L1后，pAW肿胀减少，关节炎症减少，血液中促炎细胞因子的降低和降低。SHPD-L1的治疗作用是通过用AAV载体肌肉处理来依赖于剂量的。
超越分区的大脑地形图：功能图的局部梯度
功能性神经成像提供了独特的机会，可以根据大脑区域对任务或正在进行的活动的反应来描述大脑区域。因此，它具有捕捉大脑空间组织的前提。然而，描述这种组织的概念框架仍然难以捉摸：一方面，分区隐含地建立在分段常数组织上，即由清晰边界分隔的平坦区域；另一方面，最近流行的功能梯度概念暗示了一种平滑的结构。注意到这两种观点都趋向于将功能特征的局部变化拼凑在一起的拓扑方案，我们对基于局部梯度的模型进行了定量评估。使用功能性磁共振成像 (fMRI) 数据的预测作为驱动案例——具体来说，从受试者的静止 fMRI 图中预测任务 fMRI——我们基于参考拓扑词典开发了一个逐块线性回归模型。我们的方法使用多个随机分区——而不是单个固定分区——并汇总这些分区的估计值以预测遗漏受试者的功能特征。我们的实验证明了分割的最佳基数的存在，以捕捉功能图的局部梯度。
作者校正：生物尺度结合了当地知识和包容性生物多样性科学的遥感技术
在最初发表的文章的版本中，雅各布·纳斯莱奇（Jacob Nesslage）被列为错误的关联公司，现在已将加利福尼亚大学默塞德分校的民事与环境工程系修改为美国加利福尼亚州默塞德大学，加利福尼亚州默塞德，在线版本的在线版本。
将 DNN 从本地加速到云端虚拟化 FPGA：趋势调查
现场可编程门阵列（FPGA）被广泛用于本地加速深度神经网络（DNN）算法，具有高计算吞吐量和能效。虚拟化FPGA和在云端部署FPGA正成为越来越有吸引力的DNN加速方法，因为它们可以增强计算能力，实现跨多用户的按需加速。在过去的五年中，研究人员广泛研究了基于FPGA的DNN加速器的各个方向，例如算法优化、架构探索、容量改进、资源共享和云构建。然而，以前的DNN加速器调查主要集中于在本地FPGA上优化DNN性能，而忽略了将DNN加速器放置在云端FPGA中的趋势。在本研究中，我们深入研究了基于FPGA的DNN加速器中使用的技术，包括但不限于架构设计、优化策略、虚拟化技术和云服务。此外，我们还研究了 DNN 加速器的演进，例如从单个 DNN 到框架生成的 DNN、从物理到虚拟化 FPGA、从本地到云、从单用户到多租户。我们还确定了云端 DNN 加速的重大障碍。本文增强了对基于 FPGA 的 DNN 加速器演进的当前理解。
具有弹性回音壁模式的局部表面等离子体共振的纳米机械调制腔
机械振动的色散限制了纳米光机械调制。在这项工作中，我们提出了一种利用弹性局部共振（也称为回音壁模式 (WGM)）的光机械调制。我们发现我们的结构支持两个四极和两个六极弹性 WGM，它们是非色散的，以避免位移场局域在金纳米盘 (AuND) 上时产生损耗。我们通过数值证明局域表面等离子体共振 (LSPR) 和 WGM 之间的耦合与弹性模式的对称位移和 AuND 中声子模式的强隔离有关。通过计算四个 WGM 在不同变形下偶极 LSPR 的波长偏移来评估调制的幅度。对这四个 WGM 进行详细比较使我们能够确定耦合效率更高的 WGM。此外，这种同时限制产生了大的声-等离子体耦合，可用于设计具有等离子体响应的新型机械传感器，作为新型声-等离子体装置的潜在应用和创新。