XiaoMi-AI文件搜索系统
World File Search Systemsegment
通过超分辨率和最大集团生成优化实例分割
摘要。监视系统的兴起导致收集的数据呈指数增长，从而在深度学习方面有了一些进步来利用它们并自动化自治系统的任务。车辆检测是智能车辆系统和智能运输系统领域的关键任务，使得控制交通密度或检测事故和潜在风险是可能的。本文提出了一个最佳的元方法，可以应用于任何即时分割模型，例如蒙版R- CNN或yolact ++。使用这些模型和超分辨率获得的初始检测，进行了优化的重新指导，允许检测未鉴定的元素并提高其余检测的质量。超分辨率的直接应用是有限的，因为实例分割模型根据固定维度处理图像。因此，如果超过超过该固定尺寸的尺寸，该模型将再次重新汇总，从而失去所需效果。这种元方法的优点主要在于不需要修改模型体系结构或重新培训它。无论给出的输入的图像的大小如何，都将生成符合对象分割模型定义维度的超级分辨区域。应用我们的建议后，实验显示了CityScapes数据集Jena序列中使用的Yolact ++模型的提高高达8.1％。
MSSEG-2 挑战赛论文集：使用数据管理和处理基础设施进行多发性硬化症新病变分割挑战赛
（法国多发性硬化症注册中心，旨在为研究目的收集法国多发性硬化症患者群体的影像数据、临床数据和生物样本）和 FLI 2（法国生命成像，致力于建立一个国家分布式电子基础设施来管理和处理医学影像数据）。这些共同努力旨在自动分割 MS 患者的 MRI 扫描，以帮助临床医生进行日常工作。该挑战赛于 2021 年 9 月 23 日在 MICCAI 2021 会议上举行。更具体地说，本次挑战赛要解决的问题如下。传统 MRI 广泛用于疾病诊断、患者随访、治疗监测，更广泛地用于了解 MS 的自然史。越来越多的文献对通过比较一个时间点与另一个时间点来在 T2/FLAIR 上描绘新的 MS 病变感兴趣。这种标记物比病变的总数量和体积更为重要，因为新病变的积累可以让临床医生了解某种抗炎 DMD（疾病改良药物）是否对患者有效。药物疗效的唯一指标确实是中枢神经系统内没有新的 T2 病变。但是，手动执行新病变计数是一项非常复杂且耗时的任务。因此，自动检测这些新病变将成为评估患者疾病活动性的一大进步。基于第一次 MSSEG 挑战赛的成功，我们组织了一次由 MICCAI 赞助的在线挑战赛，这次的主题是新的 MS 病变检测 3。这次挑战赛使我们能够 1）估计 2016 年至 2021 年期间取得的进展，2）扩大患者数量，以及 3）关注新病变这一关键临床标记物。我们对一个大型数据库（100 名患者，每人有两个时间点）执行了评估任务，该数据库是从 OFSEP 队列汇编而成，其中包含来自不同中心和扫描仪的 3D FLAIR 图像。与之前的挑战一样，我们在专用平台 (FLI-IAM) 上进行了评估，以自动化评估并消除挑战者看到进行评估的图像而产生的潜在偏见。
公众对入侵害虫控制基因技术的态度以及参与和信息的偏好：细分分析
基因技术的进步有望解决日益严重的入侵害虫问题。当前的研究旨在提高我们对公众看法的理解，以及在研究和开发该技术以供部署时潜在的公众参与途径和信息需求。对 1,149 名澳大利亚人进行了调查，并根据他们的态度将样本分为 4 组：某些反对者、骑墙派、谨慎支持者和某些支持者。“轻触式”参与活动似乎让大多数人感到满意；但对于对该技术持负面看法的一小部分人来说，更深入的参与可能更合适。总体而言，人们希望了解基因编辑技术的潜在风险以及相关的监管和控制。持更积极看法的人也对科学过程和技术表现出兴趣，而持更消极看法的人则想知道正在采取哪些措施来处理社会和道德问题。研究结果提供了以下方面的见解：1）当公众面临采用合成生物学方法解决环境问题时，他们的观点以及相关信念和感受的多样性；2）如何定制公众参与活动以符合人们的参与信念和既定偏好；3）生物技术开发人员在努力以对社会负责的方式设计基因技术时应解决哪些问题。
在ST段升高的心肌梗塞中多不饱和脂肪酸衍生的黄脂素的预后和治疗意义在ST段升高的心肌梗塞中多不饱和脂肪酸衍生的黄脂素的预后和治疗意义
Zhiyong du，Yingyuan Lu，Ying MA，Yunxiao Yang，Wei Luo，Sheng Liu，Ming Zhang等。2025。在ST段升高心肌梗塞中多不饱和脂肪酸衍生的黄脂素的预后和治疗意义。
使用 3D U-Net 自动分割术中超声图像中的脑肿瘤
由于神经外科手术期间大脑会变形，因此可以使用术中成像来可视化大脑结构的实际位置。这些图像用于图像引导导航以及确定切除是否完整并定位剩余的肿瘤组织。术中超声 (iUS) 是一种便捷的模式，采集时间短。然而，由于噪音和伪影，iUS 图像难以解释。特别是，肿瘤组织很难与健康组织区分开来，并且很难在 iUS 图像中划定肿瘤的界限。在本文中，我们提出了一种使用 2-D 和 3-D U-Net 在 iUS 图像中自动分割低级别脑肿瘤的方法。我们对网络进行了三重训练，每重有 12 个训练案例和 5 个测试案例。获得的结果很有希望，中位 Dice 得分为 0.72。估计分割和真实分割之间的体积差异与评分者内部体积差异相似。虽然这些结果是初步的，但它们表明深度学习方法可以成功应用于术中图像中的肿瘤分割。
A1 节段不对称对 Willis 环周围血流动力学状况及前交通动脉瘤形成的影响
目前已认识到颅内动脉瘤主要发生在 Willis 环（COW）周围，COW 结构的多样性与颅内动脉瘤的发生相关（1）。由于前交通动脉经常在此位置发生动脉瘤并发生破裂，因此一些研究将重点放在该位置，假设双侧 A1 半径的不等长与前交通动脉瘤（AcomA）的发生有关（2-5）。利用 CT 血管造影或经颅彩色编码超声检查已证实双侧 A1 半径的不等长与动脉瘤的发生有关，以双侧 A1 半径的差异（称为 A1 优势）尤为显著（4-6）。然而，由于研究数量有限，对于由这种半径的不等长引起的血流动力学应力的测量标准和标准方法尚无共识。
解决“开放世界”：在深度学习
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2025年1月5日。 https://doi.org/10.1101/2025.01.05.631390 doi：Biorxiv Preprint
已发布版本的引文 (APA)：Sadeghi, AH、Maat, APWM、Taverne, YJHJ、Cornelissen, R.、Dingemans, AMC、Bogers, AJJC 和 Mahtab, EAF (2021)。虚拟现实和人工智能用于肺段切除术的三维规划。JTCVS 技术，7，309-321。https://doi.org/10.1016/j.xjtc.2021.03.016 链接至 EUR 研究信息门户上的出版物
在过去的几年中，虚拟现实 (VR) 设备和软件越来越受欢迎，并且已被证明可以提高外科医生对患者解剖结构的理解。7-9 VR 平台比现有的 2D 或 3D 规划软件具有更多特性和功能，包括沉浸式和交互式操作、逼真的深度感知以及复杂解剖结构关系的可视化，外科医生可以随时应用这些特性来更真实地了解患者的解剖结构。8、10 此外，自动成像算法可以通过自动可视化感兴趣的解剖结构来创建更有效的规划。11、12 通过开发基于人工智能 (AI) 的沉浸式 3D-VR 平台作为传统 CT 成像的补充术前规划工具，可以为胸外科医生的武器库增添新颖性。
已发布版本的引用 (APA)：Piri, R., Edenbrandt, L., Larsson, M., Enqvist, O., Nøddeskou-Fink, A. H., Gerke, O., & Høilund-Carlsen, P. F. (2022)。18F-氟化钠 PET/CT 扫描中的主动脉壁分割：基于人工智能与手动分割的头对头比较。《核心脏病学杂志》：美国核心脏病学会官方出版物，29(4)，2001-2010。 https://doi.org/10.1007/s12350-021-02649-z
作者完整列表： Piri, Reza；奥登斯大学医院，核医学系；南丹麦大学，临床研究 Edenbrandt, Lars；哥德堡大学，分子与临床医学系，医学研究所，萨尔格伦斯卡学院 Larsson, Måns；Eigenvision AB Enqvist, Olof；Eigenvision AB；查尔姆斯理工大学，电气工程系 Nøddeskou-Fink , Amalie；奥登斯大学医院，核医学系 Gerke, Oke；奥登斯大学医院，系。核医学；南丹麦大学，系。临床研究 Høilund-Carlsen, Poul；奥登斯大学医院，核医学系
Nemak宣布在EV/SC细分市场中裁员
墨西哥蒙特雷。2024年12月30日。Nemak，S.A.B。 de C.V. （BMV：NEMAK）（“ Nemak”或“ Company”）今天宣布了对其运营和项目计划的战略调整，用于为奖励业务生产全电动汽车的电池壳体。 此调整涉及该项目的合同能力降低，这将导致该计划在电子操作性，结构和机箱应用程序（“ EV/SC”）细分市场中预期的未来收入减少。Nemak，S.A.B。de C.V. （BMV：NEMAK）（“ Nemak”或“ Company”）今天宣布了对其运营和项目计划的战略调整，用于为奖励业务生产全电动汽车的电池壳体。此调整涉及该项目的合同能力降低，这将导致该计划在电子操作性，结构和机箱应用程序（“ EV/SC”）细分市场中预期的未来收入减少。