XiaoMi-AI文件搜索系统
World File Search Systemsegment
从个人利益到绿色动机：企业食堂可持续发展转型的消费者细分
这项研究是研究人员与服务和食品行业合作的结果，旨在获得细致入微的消费者洞察，为未来工作场所食堂的可持续性干预提供参考。该研究采用混合方法来评估消费者在食堂环境中的态度、动机和偏好，以及对食物选择的可持续性的看法。定量数据分析确定了三个不同的消费者群体，这些群体表明消费者在食物偏好和可持续性取向方面存在差异。一个群体的动机是个人利益，第二个群体的动机是利益和对动物福利的考虑，第三个群体更明显地倾向于可持续性。定性分析为食堂菜单和运营的可行和可取变化提供了额外的观点。综合起来，研究结果强调了食堂必须考虑客户的多样性，并根据不同的动机和偏好采用灵活的策略。这反过来可以将食堂变成测试可持续性干预措施的舞台，从而进一步深入了解一系列手段的有效性。我们的目标是将食堂干预的成果扩展到其他领域，从家庭开始，最终惠及整个社会。
CellSeg3d：荧光显微镜的自我监督3D细胞分割
了解细胞的复杂三维结构在生物学的许多学科中至关重要，尤其是在神经科学中。在这里，我们介绍了一组模型，包括3D变压器（Swinuneter）和一种新颖的3D自我监督学习方法（WNET3D），旨在解决生成3D地面真相数据和量化3D卷的核的固有复杂性。我们开发了一个名为CellSeg3d的Python软件包，该软件包在Jupyter笔记本和Napari GUI插件中提供了对这些模型的访问。认识到高质量的3D地面真相数据的稀缺性，我们创建了一个完全被人类宣传的中膜数据集，以提高该领域的评估和基准测试。为了评估模型性能，我们在四个不同的数据集中进行了测试：新开发的MesoSpim数据集，一个3D Platynereis-ish-Nuclei共聚焦数据集，一个单独的3D Platynereis-Nuclei灯光数据集，以及一个具有挑战性且具有挑战性和密集包装的Mouse-Skull-Nucleii colderii coldasaset。我们证明，我们的自我监管模型WNET3D（未经任何地面真相标签训练）以最先进的监督方法来实现绩效，为在标签式生物学环境中更广泛的应用铺平了道路。
在非洲棕榈象鼻虫幼虫（Rhynchophorus phoenicis）的不同肠道段中具有木质素降解潜力的细菌的细菌群落分析和鉴定
昆虫肠道内的微生物群对其宿主起有益的作用，例如促进消化和从饮食中提取能量。非洲棕榈象鼻虫（APW）生活在内部，并以高木质素树干为食。因此，他们的胆量可以藏有大量降落木质素的微生物社区。在这项研究中，我们旨在探索APW幼虫肠道内的细菌群落，特别是在各个肠道段中木质素降解的可能性方面，作为确定采矿细菌细菌木质素降解酶的生存能力的第一步，以使生物体生物素生物素生物素生物群生物体生物群生物体至生物群生物群至生物群生物群至生物素的生物分解。从APW幼虫的前身，中肠和后肠上提取细菌宏基因组DNA，并使用Illumina Miseq平台对16S rRNA基因的V3 -V4高变量区域进行了测序。对生成的数据进行了分析和分类分类，以鉴定肠道群落内的不同细菌系统型累积和每个肠道细分市场。然后，我们确定了每个幼虫肠室内与木质素降解相关的细菌的存在，多样性和丰度，作为建议木质素降解最多的肠段的基础。所有序列均分类并属于细菌王国。FIREICITES（54.3％）和蛋白杆菌（42.5％）是肠内最优势的门，随后是杆菌（1.7％）和静脉细胞杆菌（1.4％）。前身和中肠有许多类似的属，而后肠似乎是独一无二的。肠球菌，左骨杆菌，乳酸菌，Shimwellia，Megasphaera，Klebsiella，klebsiella，pectinatus，沙门氏菌，Lelliotia和肠杆菌构成了所有肠内最具幼虫的属。总体而言，含有21个属的总肠道细菌的29.5％是木质素降解者，主要是在企业和蛋白质细菌的门中发现的（分别为56.8和39.5％），然后在肌动杆菌（2.5％）和细菌（2.5％）和细菌（1.1％）中适度。最丰富的木质氨基利因属是Levilactobacillus（46.4％），克雷伯氏菌（22.9％），肠杆菌（10.7％），乳杆菌（5.9％）（5.9％），柑橘类杆菌（2.2％），corynenebacterium（1.8％），paucilactocillus（1.8％）（1.8％）（1.8％）（1.8％）（1.8％，1.8％，1.8％，综合综合综合症，综合体）在不同肠道室中发现了不同量的细菌（1.1％）和白细胞（1.0％）。前肢具有最多样化和最高的木质素降解系统型，
细胞自主定时驱动脊椎动物分割时钟的波模式
生长的脊椎动物体的抽象节奏和顺序分割依赖于分割时钟，这是一种多细胞振荡遗传网络。时钟可见为组织级运动学基因表达的运动波，这些运动波穿过前中胚层（PSM），并在每个形成段的位置停滞。在这里，我们测试了该标志性波模式是如何通过培养单个成熟PSM细胞来驱动的。我们将它们的细胞自主振荡和停滞动力学与我们在细胞分辨率下在胚胎中观察到的动力学进行了比较，发现振荡相对放慢的相似性和与分化的一致性相似。这表明细胞不需要细胞 - 超支信号来指导波模式下的发展程序。我们表明，在尾梁中退出的细胞中，一个细胞自主的时序活动会启动，然后在PSM中的前向细胞流中向下延伸，从而使用经过的时间为时钟提供位置信息。外源性FGF延长了细胞中性计时器的持续时间，表明胚胎中的外在因子可能通过计时器调节分段时钟。总的来说，我们的工作表明，嘈杂的细胞自主，固有的计时器驱动了波模式下的振荡放缓和停止，而胚胎中的外部因素则在该计时器的持续时间和精确度中。这是对驱动发育中组织模式的细胞中性和 - 超级机制平衡的新见解。
利用深度学习分割技术和连接的组件分析使用2D图像对立面改造的高级成本估算
摘要：应用于2D立面图像的深度学习语义分割技术在几个领域中具有巨大的希望，这些域远远超出了模型的生成，主要是如果所使用的数据是前平行的或正顺序的照片。但是，在建筑遗产领域中的有效应用尚未得到充分探索，这主要是由于缺乏多学科团队，这些团队早在数据集创建阶段就包括建筑专业人员。这项研究的目的是引入整体观点，以证明最先进的细分模型的实际实用性，以自动化城市规模住宅建筑物立面康复的高级成本估计，并在结合使用连接的组件分析时自动化。为了实现这一目标，以五个简单的阶段制定了可扩展的自下而上方法，其中包括数据科学和体系结构专业知识。该策略旨在提高早期阶段分析的准确性，并在有限的构造信息可用，并且存在很大的成本不确定性，因此可以优化参与经济可行性研究和决策过程的建筑利益相关者使用的策略。
通过SEGMEN培训
摘要：除了提供结构支持外，地热能桩基础可以提取和存储地热能作为用于加热和冷却建筑物的可再生，可持续和负担得起的解决方案。大多数能量桩都是现场混凝土桩，需要钻探昂贵且耗时的钻孔。另一种竞争性选择是由预制混凝土段制成的驱动能量桩，这些能量桩是大量且高质量的混凝土工厂铸造的，然后使用本文介绍的创新钢接头在建筑工地上运输和安装。除了提供结构完整性外，这些钢接头还可以为侧壁通道内部的流体循环管提供防泄漏的耦合，该循环循环管有使用铆接到接头的钢盖板屏蔽。预制驱动的桩基础可以用高强度的混凝土二次段，其宽度为27厘米或35厘米，通过钢接头组装。在350毫米桩中可以有270毫米桩或两个U环中有一个U环。钢销连接接头，易于耦合迅速连接管道。本文提出的钢接头提供了利用分段预制混凝土桩基础作为能量堆的机会。进行现场尺度的冲击测试和实验室弯曲测试，以确保由于新接头掺入而不会受到安装和服务动态力的影响。发现，分段驱动的能量桩很容易进行至少1000次打击而没有结构或泄漏故障，并且还表现出令人满意的弯曲刚度。
引入新芽（使用阈值的区域输出的半自动化划分）：一种适应性的计算机视觉工具，用于生成3D分段
3D图像数据的可用性提高需要提高目前依赖手动标记的数字细分效率，尤其是在将结构分为多个组件时。自动化和半自动化的方法，例如深度学习和智能插值，但需要预先标记的数据，以及专门的硬件和软件。深度学习模型通常需要手动创建广泛的培训数据，尤其是对于复杂的多级分段。在这里，我们介绍了Sprout，这是一种新颖的，半自动化的计算机视觉方法，提供了时间效率且用户友好的管道，用于细分和分析图像数据。发芽基于指定的密度阈值和连接组件的侵蚀生成种子（代表对象的部分），以实现元素分离。种子生长以获得完全分类的分割。我们将Sprout的性能与智能插值的性能进行比较，并将其应用于不同的数据集，以证明此开源3D细分方法的实用性和多功能性。
glioseg 的验证：实现稳健的胶质瘤分割
在实习期间，您将通过广泛的验证协议评估 Glioseg 的稳健性，其中包括分析管道中使用的各个分割模型的输出，并探索各种标签融合策略以组合这些输出。目标是实施和比较几种融合策略（从简单到更高级的策略），并找到提高分割准确性的最佳策略。在评估阶段，您将使用来自胶质瘤患者的扫描的保留数据集，其中将提供两位专家评估者的分割结果。这项工作将有助于提高管道的稳健性，并可能为脑肿瘤分析带来更好的临床应用。对于这个项目，拥有一些基本的 Python 编程和深度学习经验很重要。
通过PerilyMph采样探索内耳和大脑连通性，以早期检测神经系统疾病：一种挑衅性的建议
多边形网格已成为离散近似3D形状的标准，这要归功于它们在捕获不均匀形状方面的效率和高灵活性。然而，这种不均匀性导致网格结构的不规则性，使诸如3D网格分割之类的任务尤其具有挑战性。通常通过基于CNN的方法来解决3D网格的语义分割，从而可以良好准确。最近，变形金刚在NLP和计算机视野领域都获得了足够的动力，至少在CNN模型中取得了表现，从而支持了长期以来的建筑普遍主义。按照这种趋势，我们提出了一种基于变压器的方法，用于通过全球注意机制对网格的图形结构进行更好的建模。为了解决标准变压器架构在建模非序列数据相对位置的局限操作员。在Maron等人提出的人类分割数据集上，对三组Coseg数据集进行了实验结果（Wang等，2012）。（2017）和Shapenet基准（Chang等，2015），展示了所提出的方法如何在3D网格的语义分割方面产生最新的性能。
亲爱的编辑血管痉挛性心绞痛（VSA）是由于严重的节段性或弥漫性冠状动脉痉挛引起的心绞痛。目前，尽管硝酸盐药物
我们对 Hiroki Teragawa 等人进行的研究很感兴趣。他们进行了一项回顾性研究，研究人员调查了 VSA 患者是否因糖尿病的存在而有所不同。他们纳入了 272 名经冠状动脉造影 (CAG) 和痉挛激发试验 (SPT) 诊断为 VSA 的日本患者。他们的研究发现，各组之间的尿白蛋白水平和外周血管功能没有显著差异。在 CAG 上，糖尿病组的动脉粥样硬化病变明显更常见（63% vs 46%；P = 0.028）。SPT 的结果显示，糖尿病组的局部痉挛呈减少趋势（24% vs 39%；P = 0.072）。在糖尿病的主要分析中，各组之间的 MACE 没有显著差异，而局部痉挛的子分析显示糖尿病组的无 MACE 生存率较低（P = 0.042）。