XiaoMi-AI文件搜索系统
World File Search Systemmodality
VR 中的多模态性：一项调查
1 引言 虚拟现实 (VR) 本质上不同于传统媒体，因为它引入了额外的自由度、更宽的视野、更复杂的声音空间化，甚至让用户可以控制摄像头。因此，VR 沉浸式设置（如头戴式显示器 (HMD) 或类似 CAVE 的系统）有可能改变内容消费方式，提高真实感、沉浸感和参与度。这已经影响了许多应用领域，如教育和培训 [ 29 ]、康复和神经科学 [ 183 , 237 ] 或虚拟电影摄影 [ 194 ]。这些系统的关键方面之一在于它们能够重现来自不同模态（主要是视觉和听觉，也有触觉、嗅觉、味觉或本体感受）的感官信息，这给它们带来了前所未有的潜力。
多模态性建议
肥厚性心肌病 (HCM) 的定义是，在没有其他可能引起该病的心脏、全身、综合征或代谢疾病的情况下，左心室肥大。症状可能与一系列病理生理机制有关，包括左心室流出道阻塞（伴或不伴有严重二尖瓣反流）、舒张功能障碍（伴有保留性心力衰竭和射血分数降低的心力衰竭）、自主神经功能障碍、缺血和心律失常。正确理解和利用多模态成像对于准确诊断和长期护理 HCM 患者至关重要。静息和压力成像可提供全面和互补的信息，帮助阐明导致症状的机制，以便实施适当和及时的治疗策略。先进的成像可用于指导某些治疗方案，包括室间隔缩小治疗和二尖瓣修复。通过使用临床和影像参数，增强的心脏猝死风险分层算法有助于选择最有可能从植入式心脏复律除颤器中受益的 HCM 患者。（J Am Soc Echocardiogr 2022；35：533-69。）
Div de-Novo驯化用于提高农作物的盐耐受性
摘要目的：多发性磁共振（MR）图像的存在增加了可用于诊断和治疗脑癌患者的临床信息水平。但是，获取完整的多元图像MR图像的完整集并不总是可行的。在这项研究中，我们开发了一种最先进的深度学习卷积神经网络（CNN），用于跨三个标准的MRI对比度，用于大脑的三个标准MRI对比度。方法：在本研究中使用了477例临床诊断患有神经胶质瘤脑癌的477例患者的BRATS'2018 MRI数据集，每位患者患有T1加权（T1），T2加权（T2）和FLAIR对比度。分别将其分别分为64％，16％和20％，分别为培训，验证和测试集。我们开发了一个U-NET模型，以学习与三个MRI对比度的目标图像对比的源图像的非线性映射。使用于点误差（MSE）成本函数，0.001学习率的ADAM优化器和120个时期，批次大小为32。通过计算MSE，平均绝对误差（MAE），峰值信噪比（PSNR）和结构相似性指数（SSIM）来评估生成的合成MR图像。结果：与我们的模型一起生成的合成-MR图像几乎与测试数据集上的真实图像有关所有翻译的区别，除了合成的素质图像的质量略低，并且显示出细节的丢失。我们的结果与Brats数据集上其他深度学习模型的最佳报告结果一样好。六个翻译中平均PSNR，MSE，MAE和SSIM值的范围分别为29.44–33.25 dB，0.0005–0.0012，0.0086–0.0149和0.932–0.946。结论：我们的U-NET模型表明，它可以在跨大脑MRI对比度上准确地执行图像图像翻译。由于多重激发MRIS的可用性，这种方法可能在改善临床决策和更好地诊断脑癌患者的临床使用方面具有很大的希望。这种方法可能在临床上相关，并设定明显的步骤以有效地填充没有其他MR序列的缺乏空隙。
病例报告 晚期高钙血症型卵巢小细胞癌 (SCCOHT) 的多模态疗法：三例病例报告和文献报道
背景：高钙血症型卵巢小细胞癌 (SCCOHT) 是一种罕见但高度未分化的侵袭性恶性肿瘤，主要影响年轻女性。大多数 SCCOHT 患者表现出晚期疾病并且预后很差。尽管已经提出了几种治疗方案，但是对于最佳治疗策略尚无共识。病例：本文，我们描述了三例年龄在 16 至 36 岁之间的晚期 SCCOHT 病例，这些病例接受了细胞减灭手术和化疗，联合或不联合免疫检查点阻断治疗。采用不同的治疗策略，患者显示出完全不同的结果。结论：这些病例强调了及时诊断以及早期、积极和综合治疗 SCCOHT 的重要性。我们相信，改进的治疗方法可以让更多年轻的 SCCOHT 患者存活下来。
透析方式对移植失败后肾移植受体死亡率的影响。存在竞争事件时的分析
近年来，肾脏病学见证了肿瘤疾病患者的护理需求的增加。1,2 因此，肾脏病学家和肿瘤学家都认为需要合作以优化对这些患者的护理。肿瘤肾脏病学正在成为一个日益复杂且快速发展的医学领域。其原因是癌症患者肾脏并发症的发病率较高，以及肾脏疾病患者癌症的发病率较高。癌症相关肾脏疾病最有可能发生急性肾损伤 (AKI)，有时与肾毒性药物有关 3-6，并且在存在慢性肾脏疾病 (CKD) 的情况下急剧增加。此外，某些类型的癌症和癌症治疗也可能对肾小球结构产生有害影响，并通过损害足细胞导致蛋白尿。 7 癌症与肾脏之间的联系不断扩大，涉及免疫治疗相关的肾脏损害、电解质紊乱、透析 CKD 患者化疗剂量和时间相关问题、癌症和 CKD 患者的部分或全部肾切除术、以及肾移植相关问题（有癌症病史的捐赠者和接受者）。8
人工智能及其在牙科中的现代应用 Akansha Vilas Bansod 博士、Sweta Kale Pisulkar SPDC 博士、Wardha 摘要：人工智能 (AI) 已以多种方式应用于医疗保健领域。它是一门工程和科学领域，与感知智能行为以及创建复制此类行为的人工制品有关。技术一直是每个行业最大的创新，牙科护理也不例外。人工智能可以作为口腔病变诊断和治疗的有用方式，并且可用于筛查和分类正在发生癌前和恶性变化的可疑口腔粘膜。可以极大地探索这一领域，以便于诊断、正确治疗和获得令人满意的结果。 关键词：人工智能、人工神经网络、深度学习、机器学习。1. 简介
人工智能及其在牙科中的现代应用 Akansha Vilas Bansod 博士、Sweta Kale Pisulkar SPDC 博士、Wardha 摘要：人工智能 (AI) 已以多种方式应用于医疗保健领域。它是一门工程和科学领域，与感知智能行为以及创建复制此类行为的人工制品有关。技术一直是每个行业最大的创新，牙科护理也不例外。人工智能可以作为口腔病变诊断和治疗的有用方式，并且可用于筛查和分类正在发生癌前和恶性变化的可疑口腔粘膜。可以极大地探索这一领域，以便于诊断、正确治疗和获得令人满意的结果。 关键词：人工智能、人工神经网络、深度学习、机器学习。1. 简介
基于备忘录的神经调节装置，用于实时监测和自适应控制体外神经元种群
。cc-by-nc-nd 4.0国际许可证（未获得同行评审证书）获得的是作者/资助者，他已授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权所有，该版本发布于2021年5月25日。 https://doi.org/10.1101/2021.05.25.25.445577 doi：biorxiv preprint
文章在大鼠模型中使用多模态神经影像学的体内3D纳米载体递送的雾化3D定位 - 协议发展
摘要：在大鼠模型中，通过正电子发射断层扫描/计算机断层扫描/计算机断层扫描（PET/CT）成像跟踪鼻内气泡放射性标记的聚合物胶束纳米颗粒（LPNP）的命运，以测量鼻子到脑的递送。在体内寻求了一种新的无线电毒剂的定量时间和空间测试方案。用锆89（89 ZR）标记的LPNP通过鼻内或静脉输送，然后进行串行PET/CT成像。连续成像2小时后，将动物牺牲，并分离出脑结构（嗅球，前脑和脑干）。测量每个大脑区域的活性通过活动测量与相应的PET/CT区域进行比较。LPNP（100 nm PLA – PEG – DSPE+ 89 ZR）的串行成像通过鼻管内经室传递，与静脉内给药后1和2 h后1和2 h在大脑中的活性增加，与静脉内给药相比，与静脉内相关，这与ex vivo gamma gamma comma counting and AutoRodighice相关。尽管评估从鼻子到脑的交付是一种有前途的方法，但该技术有几个需要进一步发展的局限性。本文提供了一种用于气溶性鼻内递送的实验方案，该方案可能提供了一个更好地靶向嗅觉上皮的平台。
20A305_基因组模态：了解基因组的物理特性
自从DNA双螺旋结构被发现以来，基因组研究的范围不断扩大，我们对基因组的认识也得到了极大的进步；与此同时，许多模式生物的全基因组测序已经完成，而基因组编辑技术也正在迅速普及。过去的基因组研究主要集中在基因组信息的复制、修复、重组、分裂等信息层面，并进一步强调表观遗传调控来解释遗传现象。另一方面，DNA的物理性质，如硬度、扭转、超螺旋等，虽然是直接影响基因组结构的重要性质，但人们对其了解甚少。在本项目中，我们将重点研究基因组/DNA的物理性质，以了解基因组如何构建其结构以及如何发挥作用。我们将“基因组模态”定义为组织基因组结构和功能的多维模式。我们将从基因组模态的角度揭示基因组的真实面貌。为此，我们运用生物化学、细胞生物学、基因组科学、高分子物理学等方法，开辟了研究“基因组形态”的新领域。【研究项目内容】
Kerdvibulvec, C. 和 Chen, L. (2020)。新冠疫情期间增强现实和人工智能的力量。在 C. Stephanidis、M. Kurosu、H. Degen 和 L. Reinerman-Jones (Eds.) 中，HCI International 2020 - 最新论文：多模态和智能：第 22 届 HCI 国际会议，HCII 2020，丹麦哥本哈根，2020 年 7 月 19-24 日，会议录 (第 12424 卷，第 467-476 页)。（计算机科学讲义（包括人工智能讲义和生物信息学讲义子系列）；第 12424 卷 LNCS）。施普林格国际出版公司。 https://doi.org/10.1007/978-3-030-60117-1_34 阿尔斯特大学研究门户中的出版记录链接
摘要。由严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 引起的 Covid-19 疫情给世界各地的科学界，包括计算机科学界带来了许多重大挑战。与此同时，随着社交媒体和智能手机在世界各地连通性的提高，计算机科学的兴起，增强现实 (AR) 和人工智能 (AI) 领域最近发展非常迅速。增强现实是一个新兴的物理场景领域，其中物理世界中的事物与虚拟世界混合在一起，而人工智能是一个流行的领域，用于机器模拟人类智能，即被编程为像人类一样观察、思考和理解。本文介绍了 Covid-19 疫情期间增强现实和人工智能的最新发展。首先，我们重点介绍一下最近使用增强现实应对 Covid-19 危机的工具。例如，我们回顾了基于增强现实的用于检测病毒症状的热成像眼镜，以及增强现实在教育任务中的方法，这些方法可以帮助人们有效地克服隔离，进行在线学习。其次，我们讨论了最近使用人工智能智能抗击 Covid-19 大流行的工具的概述。我们的讨论包括用于近似和让人们为预防病毒做好准备的人工智能方法，使用非线性回归网络 (NAR) 预测病毒的大小、长度和结束时间的 Covid-19 疫情预测方法，以及用于估计致命病毒爆发趋势的易感-暴露-感染-移除 (SEIR) 模型。最后，我们提出了增强现实和人工智能之间的优势和有希望的未来整合，以解决 Covid-19 危机后的研究问题。