XiaoMi-AI文件搜索系统
World File Search Systemraphy
选举守卫：一个加密工具包可以启用可验证...
选举守卫是一套灵活的开源工具，当与传统选举制度一起使用时，可以通过观察员，候选人，媒体甚至选民本身来验证端到端可验证的选举。选举守卫已被整合到各种系统中，并在威斯康星州，加利福尼亚，爱达荷州，犹他州和马里兰州的实际公共选举中以及美国国会的核心小组选举中使用。它也已在巴黎郊区的Neuilly-Sur-Seine郊区以及由瑞士/丹麦的组织进行在线选举中进行了公民投票。选举守卫的主要创新是加密工具与投票系统的核心力学和用户界面的分离。这种分离允许安全专家设计和构建加密的，而无需重新发明和替换现有的基础架构。的确，在其首选部署中，选举守卫并没有重新安置现有的投票，而是与基础架构进行统计，而是与自己的独立可验证的级别一起运行。尽管通过设计而非新颖的是，但在选举守卫中的许多加密图是引入了一些重要的创新，这极大地简化了验证过程。本文描述了选举守卫的设计，其创新以及许多从实施和不断增加的现实部署中的学习。
带有荧光PCR微针阵列
活检是肿瘤诊断的黄金标准，因为该技术提供了有关肿瘤发生和进展的高度详细且可靠的信息。类似于沙漠甲虫的离散性润湿性，在这项研究中，开发了荧光聚合酶链反应（F-PCR）微针阵列（MNA）平台，用于有效的空间肿瘤活检。通过自下而上的自组装和自上而下的Photolithog-raphy的耦合策略来制造此MNA。它包括疏水二氧化硅组装的底物和石墨烯气凝剂 - 凝胶凝胶混合微针峰。从其石墨烯混合微尼峰的亲水性和吸收能力中造成的好处，MNA可以轻松地穿透组织样品并立体地收集肿瘤酸性生物标志物。此外，由于平台的离散性，组织流体和PCR液体都可以轻松从底物中去除，并且每个微针峰都与直接导致F-PCR反应进行肿瘤标记物发现的F-PCR反应相似。基于这些优势，F-PCR-MNA平台被揭示为在Standard溶液，小鼠组织样品和临床标本中检测肺癌的DNA生物标志物的理想选择，从而将其实际潜力作为创新的肿瘤生物瘤系统。
eeg2Text：开放词汇eeg-to-Text用...
解密人类脑的复杂性已经吸引了好奇心已有几个世纪了。最近在脑部计算机界面（BCI）技术（尤其是使用运动图像）方面的进步已经恢复了运动功能，例如在瘫痪的个体中达到，抓握和行走。然而，从大脑信号中解开自然语言，这是一个巨大的挑战。脑电图（EEG）是一种非侵入性技术，用于通过将电极放置在头皮上来记录大脑中的电活动。先前对脑电图解码的研究已经在小型闭合词汇上实现了很高的准确性，但在处理大型开放词汇时仍然没有高精度。我们提出了一种新颖的方法EEG2T EXT，以提高开放词汇量表到文本解码的准确性。具体而言，EEG2T EXT利用EEG预训练以从脑电图中学习语义，并提出了一个多视图变压器来对大脑的不同T空间区域进行EEG信号处理模型。实验表明，EEG2T EXT具有较高的性能，在绝对BLEU和Rouge评分中，最大幅度高达5％的最先进的基线方法。eeg2t ext具有高性能开放式脑脑对文本系统的巨大潜力，以促进交流。
虚拟筛选，分子对接和分子动力学模拟研究对潜在植物化学物质作为鞘氨醇激酶1抑制剂的can
摘要在这篇评论中，在制药行业进行的化学和生物学测定，以确定抗生素的效力和生物活性。尽管通常采用的化学方法可以测量替代物质的效力，但估计生物活性的效率低下是其主要限制之一。由于其敏感性和成本效益，常见的微生物学分析可以用作替代方法。几个因素，例如抗生素剂量，琼脂培养基的同质性，接种浓度，琼脂培养基的化学成分，样品或药物分子的大小和溶解度，pH值，相对湿度和暴露时间可能会影响微生物学分析。基于特定需求和实验目标，琼脂扩散测定的设计重点是其成本，错误，准确性和简单性。在本研究中还讨论了为了滥用和过度使用导致药物抗药性的抗生素，诸如Inhi-Bition区域，最低抑制浓度，最低杀菌浓度，突变预防浓度和临界浓度等参数。最后，对微生物和高性能液态色谱法进行了特异性比较，以降低成本的敏感性，准确性和生物学活性的敏感性，准确性和效果。由于它们的优势和缺点，建议同时使用生物测定和化学方法，以精确确定抗生素的效力。
微塑料在人类尸体大脑中的生物累积
全球环境中微塑料和纳米塑料 (MNP) 浓度不断上升，引发了人们对人类接触和健康结果的担忧。用于稳健检测组织 MNP 的补充方法，包括热解气相色谱-质谱法、衰减全反射-傅里叶变换红外光谱法和带能量色散光谱的电子显微镜，证实了人类肾脏、肝脏和脑中存在 MNP。这些器官中的 MNP 主要由聚乙烯组成，其他聚合物的浓度较少但很重要。与肝脏或肾脏中的塑料成分相比，脑组织中聚乙烯的比例更高，电子显微镜证实了分离的脑 MNP 的性质，它们主要呈现为纳米级碎片状碎片。这些死亡组织中的塑料浓度不受年龄、性别、种族/民族或死因的影响；死亡时间（2016 年 vs. 2024 年）是一个重要因素，肝脏和脑样本中的 MNP 浓度随时间推移而增加（P = 0.01）。最后，在一组有痴呆症诊断的死者脑中观察到了更大的 MNP 积累，脑血管壁和免疫细胞中明显沉积。这些结果强调，迫切需要更好地了解塑料在人体组织（尤其是脑）中的暴露途径、吸收和清除途径以及潜在的健康后果。
红外热成像技术实时评估脊柱侧弯矫正器的有效性
摘要：本研究提出了一种创新方法，该方法基于低成本红外热成像 (IRT) 仪器的使用，以实时评估脊柱侧弯支具的有效性。确定脊柱侧弯支具的有效性意味着决定支具对患者背部施加的压力是否足以达到预期的治疗目的。传统上，支具有效性的评估依赖于骨科医生在常规随访检查中进行的经验性定性评估。因此，它在很大程度上取决于相关骨科医生的专业知识。在现有技术中，用于确认骨科医生意见的唯一客观方法是基于对脊柱侧弯随时间进展情况的评估，这通常会使人们暴露在电离辐射下。为了解决这些局限性，本研究提出的方法旨在以无害的方式实时、客观地评估脊柱侧弯支具的有效性。这是通过利用热弹效应并将患者背部的温度变化与支架施加的机械压力相关联来实现的。基于此方法的系统已实施，并通过在一家经认可的骨科中心对 21 名患者进行的实验研究进行了验证。实验结果表明，在区分充足和不足压力方面，分类准确率略低于 70%，鉴于此类系统在骨科中心的临床应用，这是一个令人鼓舞的结果，有望进一步推进。
清水、浅水、使用数字摄影测量法测量砾石河床
摘要 对新西兰北阿什伯顿河清澈浅水砾石河段的数字摄影测量测量所获得的数字高程模型 (DEM) 质量进行了评估。使用自动校正程序处理与水下地形相关的点误差，该程序基于对空气-水界面折射的校正。还考虑了收集参数变化对 DEM 质量的影响。使用独立数据集评估水下地形 DEM 的准确度和精度。结果表明，如果将数字摄影测量与图像分析技术结合使用，可以成功用于提取砾石河床的高分辨率 DEM，但水下地形表示的质量在很大程度上取决于图像采集时的水深。有人提出，数字摄影测量表面与“实际”河床表面（由地面测量确定）之间的差异将在一定程度上反映定义砾石覆盖表面真实高程的问题。数字摄影测量测量通常会看到砾石鹅卵石的顶部，而手持测量人员则倾向于记录石头之间的高程。还讨论了误差的命名法，并得出结论，所采用的表面质量测量应与 DEM 的应用一致。
Develset：即时掩模优化的深神经级
摘要 - 作为分辨率增强技术的关键技术之一（RET），光学接近校正（OPC）的计算成本过高，作为特征尺寸缩小的缩小。逆光刻技术（ILTS）将掩模优化过程视为反向成像问题，产生高质量的曲线掩模。但是，由于其时间消耗程序和过多的计算开销，ILT方法通常无法打印性能和制造性。在本文中，我们提出了DEVELSET，这是一种有效的金属层OPC引擎，该发动机替换了基于隐式级别设置表示的离散基于像素的掩码。使用GPU加速的岩性模拟器，Develset使用神经网络实现端到端掩模优化，以提供准优化的水平设置初始化，并使用基于CUDA的掩模优化器进行快速收敛。Develset-NET的骨干是一个基于变压器的多重型神经网络，它提供了一个参数选择器，以消除对手动参数初始化的需求。实验结果表明，DEVELSET框架在可打印性方面优于最先进的方法，同时实现快速运行时性能（约1 s）。我们期望这种增强的水平设定技术，再加上CUDA/DNN加速的关节优化范式，对工业面罩优化解决方案产生了重大影响。
MQ在我的脑海中：非...
摘要。本文在我的脑海中介绍了MQ（MQOM），这是一种基于求解二次方程多元系统（MQ问题）的难度的数字签名方案。MQOM已被列入NIST呼吁，以寻求额外的量词后签名方案。MQOM依赖于头部（MPCITH）范式的MPC来为MQ构建零知识证明（ZK-POK），然后通过Fiat-Shamir启发式将其转变为签名方案。基本的MQ问题是非结构化的，这是因为定义一个实例的二次方程系统是随机统一绘制的。这是多元加密策略中最困难，最研究的问题之一，因此构成了建立候选后量子加密系统的保守选择。为了有效地应用MPCITH范式，我们设计了一个特定的MPC协议来验证MQ实例的解决方案。与基于非结构化MQ实例的其他多元签名方案相比，MQOM实现了最短的签名（6.3-7.8 kb），同时保留非常短的公共钥匙（几十个字节）。其他多元签名方案基于结构化的MQ问题（不太保守），该问题要么具有大型公共密钥（例如uov）或使用最近提出的这些MQ问题的变体（例如mayo）。
滑动窗口通用空间模式用于增强 EEG-BCI 中的运动想象分类
摘要 — 脑电图 (EEG) 信号的准确二元分类是开发运动想象 (MI) 脑机接口 (BCI) 系统的一项艰巨任务。本研究提出了两种滑动窗口技术来增强运动想象 (MI) 的二元分类。第一种方法计算所有滑动窗口预测序列的最长连续重复 (LCR)，称为 SW-LCR。第二种方法计算所有滑动窗口预测序列的模式，称为 SW-Mode。公共空间模式 (CSP) 用于提取特征，线性判别分析 (LDA) 用于对每个时间窗口进行分类。SW-LCR 和 SW-Mode 都应用于公开可用的 BCI 竞赛 IV-2a 健康个体数据集和中风患者数据集。与现有的最先进技术相比，SW-LCR 在健康个体的情况下表现更好，SW-Mode 在左手与右手 MI 的中风患者数据集上表现更好，标准差更低。对于这两个数据集，分类准确率 (CA) 约为 80%，kappa (κ) 为 0.6。结果表明，使用 SW-LCR 和 SW-Mode 的基于滑动窗口的 MI 预测对于试验内激活时间的试验间和会话间不一致具有很强的鲁棒性，因此可以在神经康复 BCI 环境中实现可靠的性能。