XiaoMi-AI文件搜索系统
World File Search Systemspectra
基于斑点的成像（SBI）应用，具有光谱光子计数检测器的新建立的最佳成像（最佳成像和断层扫描）LA
摘要：基于斑点的成像（SBI）是一种先进的X射线成像技术，除了吸收信号外，还测量相位和暗场信号。SBI使用随机波前调节器生成斑点，需要两个图像：一个单独具有斑点模式，另一个具有样品和斑点。SBI重建算法通过比较这两个图像来检索三个信号（传输，折射和暗场）。在SBI中，斑点可见性在检索三个信号中起着至关重要的作用。将技术从同步加速器源转化为紧凑的实验室设置时，源源的连贯性和可用分辨率中的局限性降低会产生较低的斑点可见性，从而阻碍了相位和暗场信号的检索。在这种情况下，直接检测CDTE X射线光子计数检测器（XPCD）提供了一个有吸引力的解决方案，因为它们允许高检测效率和最佳的空间分辨率增强斑点可见性。在这项工作中，我们介绍了新建立的最佳成像（最佳成像和断层扫描）实验室，用于托管在Elettra Synchrotron（意大利Trieste）的X射线成像。SBI的设置具有高达15 µm的分辨率，包括XPCD和电荷整合平面面板检测器（FPD）来获取SBI数据。总结了将SBI应用程序从同步器设施转移到紧凑的实验室设置时的主要限制因素。通过比较使用两个检测器获得的SBI图像来讨论XPCD比FPD的优点。简要介绍了通过使用XPCD的多阈值获取的光谱分解方法的潜力。本工作中显示的结果代表了实现多模式和多分辨率X射线设施的第一步。
较陡的尺寸光谱随浮游植物生物量的降低表明营养强大，未来鱼的下降
本文是根据Creative Commons归因4.0国际许可证的许可，该许可允许以任何媒介或格式的使用，共享，适应，分发和复制，只要您适当地归功于原始作者和来源，就可以提供与Creative Commons许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/。
ξ-π：神经功率谱分解的非参数模型
摘要 — 从脑记录中估计出的功率谱是非周期性瞬态活动和周期性振荡的混合表示，即非周期分量（AC）和周期分量（PC）。定量神经生理学需要在参数化每个分量之前进行精确分解。然而，AC 和 PC 的形状、统计分布、尺度和混合机制尚不清楚，这对当前流行的参数模型（如 FOOOF、IRASA、BOSC 等）的有效性提出了挑战。这里提出了 ξ - π 来分解神经谱，方法是将带有惩罚 Whittle 似然的非参数谱估计和形状语言建模嵌入到期望最大化框架中。在具有损失统计的合成频谱以及具有评估指标和神经生理学证据的睡眠EEG和大样本iEEG上验证了ξ-π。与FOOOF相比，呈现形状不规则性的模拟和具有多个孤立峰的批量模拟都表明ξ-π在识别中心频率和峰值数量时以更少的损失和更高的F1分数改善了AC和PC的拟合度；睡眠EEG显示ξ-π产生了更多可区分的AC指数并提高了睡眠状态分类准确性；iEEG显示ξ-π在峰值发现方面接近临床发现。总体而言，ξ-π在频谱分解中提供了良好的性能，允许使用描述性统计数据或核函数进行灵活的参数化。ξ-π 可能成为认知神经科学、脑机接口、神经反馈和脑部疾病等领域脑信号解码的有前途的工具。
简单而确定的光谱浓度与...
量子物理和计算机科学相交的一个基本问题是计算n个相互作用粒子系统的能量水平。这些是局部汉密尔顿H的特征值，这是一种作用于张量产品h≃（c d）⊗n的共轭 - 对称（Hermitian）线性操作员。局部属性意味着h是术语hη⊗i的总和，其中hη是k = o（1）张量因子的操作员，而i是其余因子上的身份。使用| v |的局部性结构产生了g =（v，e）的HyperGraph g =（v，e） = n，并由M Hyperedgesη∈E索引。根据张量产品空间的尺寸，计算能量水平的标准对角线化程序将需要指数时间。此类别中最著名的问题侧重于计算最低特征值，即基态能量。这概括了计算约束满意度问题的最佳值的问题Max-CSP，但是现在“可变分配”是具有指数级参数的向量。计算最低特征值，直到已知QMA [1]（NP的量子类似物）已知为一定的逆多项式准确性。一个主要的开放问题是量子pcp-conture [2]，它认为QMA是近似于Hamiltonian H = P
高光谱太空传播的光学系统设计
由ZeynepnílüferIztürk提交，部分履行了中东技术大学哲学博士学位的要求，由HalilKalıpçılar博士教授，自然科学和应用科学研究生院SeçkinKürkçüroudeciel博士的自然科学和应用程序研究生院。物理学，Başkent大学检查委员会成员SerhatCiskır教授，技术与知识管理，技术和知识管理：UğurMuratLeloğlu博士教授，THK大学教授Rafatov博士Rafatov物理学博士，Metu教授，Alpan Bek Bek Bek Bek Bek Beck Physics，Metu Assoc。Burak Yedierler物理学教授，元助理。MakbuleTerlemezoğluBilmiş物理学，加西大学MakbuleTerlemezoğluBilmiş物理学，加西大学
用于太空的紧凑型片上光谱成像
免责声明 - 本信息按“原样”提供，不作任何陈述或保证。Imec 是 IMEC International（根据比利时法律成立的法人实体，名称为“stichting van openbaar nut”）、imec Belgium（由弗兰德政府支持的 IMEC vzw）、imec the Dutch（Stichting IMEC Nederland，由荷兰政府支持的 Holst Centre 的一部分）、imec Taiwan（IMEC Taiwan Co.）、imec China（IMEC Microelectronics (Shanghai) Co. Ltd.）、imec India（Imec India Private Limited）、imec Florida（IMEC USA 纳米电子设计中心）活动的注册商标。
题为“基于星载和低空空中/无人机平台的高光谱遥感——方法、数据处理方法和应用方面的差异”的特刊社论
如今，已有多种基于星载和低空空中/无人机平台的高光谱遥感传感器可用于地球科学应用，具有多种光谱和空间分辨率[1-4]。高光谱遥感图像的发展促进了新型图像处理技术的发展，并在土壤地球化学、水质评估、森林物种制图、农业压力、矿物蚀变制图等广泛领域取得了令人欣喜的成果。在过去的二十年里，不同的空间机构发射了多个星载高光谱传感器（例如，美国国家航空航天局 (NASA) 于 2000 年 11 月发射的 Hyperion；日本宇宙航空研究开发机构 (JAXA) 于 2019 年 12 月发射的高光谱成像仪套件 (HISUI)；意大利航天局 (ASI) 于 2019 年 3 月发射的高光谱应用任务前体探测器 (PRISMA)）[1,5,6]。这些传感器充分利用了高光谱数据，并带来了从噪声消除到光谱制图等数据处理方法的创新。先前的研究强调了高光谱星载传感器在识别纯目标和识别具有弱光谱特征的光谱目标方面的局限性，因为这些高光谱传感器具有粗空间分辨率（通常为 20 m 至 30 m）和较差的信噪比（例如，Hyperion 在短波电磁域中的信噪比 (SNR) 较差）[7-10]。然而，这些星载传感器在环境监测方面取得了令人鼓舞的结果（例如，森林覆盖分类、检测森林的物候变化、土地利用/土地覆盖制图、农业土地覆盖表征、作物压力估计、岩性和矿物制图 [11-13]）。高光谱图像处理解决了与分类方法相关的主要困难，例如相关数据的高维性和标准处理技术的有限可用性[14]。为了克服这些局限性，最近建立了几种机器学习算法，补充了高光谱数据处理的巨大潜力[14]。由于星载高光谱传感器缺乏全球覆盖，不同国家使用不同的先进高光谱传感器进行常规的基于飞机和无人机的高光谱调查，例如先进的可见红外光谱仪（AVIRIS）及其最新版本AVIRIS-下一代（AVIRIS-NG）；HyMap；数字机载成像光谱仪（DAIS）等。这些传感器能够收集
基于术中脑肿瘤检测的机器学习的高光谱成像基准
RAQUEL LEON 1,+, HIMAR FABELO 2,1*,+, SAMUEL ORTEGA 3,1, INES A. CRUZ-GUERRERO 4, DANIEL ULISES CAMPOS- 3 DELGADO 4, ADAM SZOLNA 5, JUAN F. PIÑEIRO 5, CARLOS ESPINO 5, ARUMA J. O'SHANAHAN 5, MARIA 4 HERNANDEZ 5. J. Balea-fernandez 6.1，耶稣5 Morera 5，Bernardino Clavo 7.2和Gustavo M. Callic 1 6 1研究所应用微电子学研究所，拉斯帕尔马斯大学De Gran Canaria，Las Palmas de Gran Gran Gran Gran Gran Canaria，西班牙西班牙。 div>7 2加那利群岛（FICISC）的卫生研究所（FICISC），西班牙拉斯帕尔马斯·德·格兰卡纳里亚。 div>8 3 Nofima，挪威食品渔业与水产养殖研究所，挪威特罗姆斯。 div>9 4科学院，墨西哥圣路易斯·波托西自治大学。 div>10 5神经外科部，西班牙拉斯帕尔马斯·德·格兰加纳里亚的格兰加纳里亚医院的内格林大学医生。 div>11 6位于西班牙的拉斯帕尔马斯·德·格兰卡纳里亚（Las Palmas de Gran Canaria）的拉斯帕尔马斯大学（Las Palmas de Gran Canaria）心理学，社会学和社会工作系。 div>12 7研究部门，西班牙拉斯帕尔马斯·德·格兰卡纳里亚（Las Palmas de Gran Canaria）的格兰加纳里亚医院（Gran Canaria Hospital）大学医生。 div>13 *电子邮件：hfabelo@ium.ulpgc.es; +这些作者为这项工作做出了同样的贡献。 div>14 15 16摘要17脑外科手术是脑肿瘤最常见和有效的治疗方法之一。 div>然而，，神经外科医生面临着确定肿瘤边界以实现最大折磨的挑战18，同时避免了5月19日神经系统导致后遗症的正常组织损害。 div>35个脑肿瘤分为原发性和继发性转移性肿瘤。 div>高光谱（HS）成像（HSI）在不同的医学应用中显示了20个肿瘤检测的诊断工具。在这项工作中，我们通过强大的K折交叉验证方法证明了HSI与所提出的加工框架相结合，是一种有前途的术中识别术中识别和22个脑肿瘤的描述，包括原发性（高级和低级和低级）和次要肿瘤。对体内23脑数据库的分析，由来自34名不同患者的62个HS图像组成，在测试集中使用光谱和空间信息获得了24 70.2±7.9％的最高中值宏F1评分结果。在这里，我们基于机器学习25提供基准测试，以在体内脑肿瘤检测和使用高光谱成像的领域进行进一步发展，以用作26神经外科工作流程中的26实时决策支持工具。27 28在2020年，大脑和中枢神经系统（CNS）癌症是死亡率的第十二个最常见的癌症，估计有29例308,102例事件病例，全世界的性别和所有年龄1的死亡人数为251,329例。对于2040年，这些数字预计将分别增加38.5％和43.7％，分别为2040年2。在35岁以下的年轻人口中，在死亡率（31,181人死亡）的第二个最常见的癌症之后是白血病1的第二个癌症，而在14岁以下的32岁儿童中，它是发病率和死亡率的第二个最常见的癌症（在全球范围为24,388事件案例/11,889 33死亡）。49当前的术中成像引导技术有几个局限性9。，脑肿瘤占中枢神经系统癌症中发生的90％以上，与高34个死亡率和发病率有关，尤其是在儿科病例3,4中。原发性肿瘤出现在大脑中，36次次生肿瘤出现在体内其他地方，然后转移到大脑5。原发性肿瘤也根据其恶性肿瘤分为37个低级（LG）和高级（Hg）。lg肿瘤包括1年级和2年级（G1和G2），而Hg 38肿瘤对应于3年级和4年级（G3和G4），是胶质母细胞瘤（G4）最常见的（〜50％）和致命（5年生存率39率39率为5.5％，为5.5％）。最近在2021年WHO（World 40卫生组织）分类中枢神经系统肿瘤7中引入了新的阿拉伯编号。此外，脑肿瘤可以是轴内的，它们位于41个脑实质内，并由脑细胞或轴外产生，或轴外部，它们位于脑薄壁组织外，并由42个结构衬里或周围的结构（例如脑膜）8。43手术切除是原发性脑肿瘤的最常见治疗方法，尤其是对于弥漫性神经胶质瘤，因为44早期和肿瘤的总切除会提高总体生存率（例如，差异跨性星形胶质细胞瘤的5年5年生存率为50％，而寡糖瘤6）。在这个意义上，切除程度增加了所有类型的神经胶质瘤患者的存活率。46然而，为了实现最大切除术，神经外科医生需要使用47个成像引导技术9。术中MRI（IMRI）需要53此外，神经外科医生必须避免损害正常组织，这可能导致患者神经48缺陷，从而影响其生活质量（QOL）10。图像引导的立体定位（IGS）50神经措施基于术前成像，例如标准磁共振成像（MRI），T1加权51加权51 gadolinium增强（T1G），T2（T2W），T2W（T2W）或流体衰减倒入（Flair）。然而，由于颅骨切开术引起的肿瘤体积变化，IGS受到52个脑移位现象的影响。
自动统计分析 - - ...
https://doi.org/10.26434/chemrxiv-2023-5nhdj-v3 orcid：https：//orcid.org/0000-0000-0002-8739-2777未经chemrxiv dectect content content content content consect。 许可证：CC BY-NC 4.0https://doi.org/10.26434/chemrxiv-2023-5nhdj-v3 orcid：https：//orcid.org/0000-0000-0002-8739-2777未经chemrxiv dectect content content content content consect。许可证：CC BY-NC 4.0
静止状态fMRI信号包含...
抽象功能磁共振成像（fMRI）已被证明是非侵入性测量人脑活动的强大工具。然而，到目前为止，fMRI的时间分辨率相对有限。一个关键挑战是了解神经活动与从fMRI获得的血氧水平依赖性（BOLD）信号之间的关系，通常由血液动力学反应函数（HRF）建模。人力资源管理的时机在整个大脑和个人之间各不相同，使我们对基础神经过程的时机进行推断的能力感到困惑。在这里，我们表明静止状态fMRI信号包含有关HRF时间动力学的信息，这些信息可以利用，这些信息可以利用，以理解和表征皮质和皮层下区域的HRF时序变化。我们发现，在人类视觉皮层中，静息状态fMRI信号的频谱在快速与慢速HRF的体内之间存在显着不同。这些频谱差异也扩展到亚皮层，揭示了丘脑侧向核核中的血液中正时的明显更快。最终，我们的结果表明，HRF的时间特性会影响静止状态fMRI信号的光谱含量，并启用相对血液动力学响应时序的体素特征。此外，我们的结果表明，应谨慎使用静止状态fMRI光谱特性，因为fMRI频率含量的差异可能来自纯粹的血管起源。这一发现提供了对跨体素信号的时间特性的新见解，这对于准确的fMRI分析至关重要，并增强了快速fMRI识别和跟踪快速神经动力学的能力。