XiaoMi-AI文件搜索系统
World File Search Systemtras
设计超韧、超可拉伸液态金属-...
Shib Shankar Banerjee 1,#、Subhradeep Mandal 1、Injamamul Arief 1、Ramakanta Layek 2、Anik Kumar Ghosh 1、Ke Yang 3、Jayant Kumar 3、Petr Formanek 1、Andreas Fery 1、Gert Heinrich 1,4、Amit Das 1,5 * 1 德累斯顿莱布尼茨聚合物研究所 e。 V，Hohe Straße 6，德累斯顿，01069，德国 2 LUT 大学，拉赫蒂，Mukkulankatu 19，FI-15210，芬兰 3 马萨诸塞大学洛厄尔分校，先进材料中心，物理系，MA 01854，美国 4 德累斯顿工业大学，纺织机械和高性能材料技术研究所，Hohe Straße 6，德累斯顿，01069，德国 5 坦佩雷大学，工程与自然科学系，FI-33101，芬兰
Betras的营销策略分析9 Hybrid
玉米生产是印度尼西亚经济增长的基础。印度尼西亚的某些地区甚至使用玉米作为主食，因此玉米仍然是一种有前途的商品，许多农民种植它。找到正确的营销策略需要对内部和外部环境进行分析，以便可以将优点，劣势，机会和威胁评估为通过SWOT分析制定营销策略决策的基础。然后，使用QSPM对其进行分析，以找出正确的营销策略优先级，以帮助PT决策。Benih Citra Asia Jember。 内部强度因素包括优质的产品，良好的包装外观，自己的研究和生产，促销产品教育在整个印度尼西亚分布在产品中，并在产品上附有品牌形象/品牌。 弱点的内部因素包括仍然是常规且不经常使用市场媒体的分销渠道，产品耐用性随着时间的推移而降低，玉米种子的保质期和循环限制为12个月，生产仍然有限，并且有缓慢处理的客户投诉。 机会外部因素包括增加玉米种子市场的增长，相对稳定的玉米价格，有希望的玉米业务利润，大量伙伴农民以及玉米种子的巨大市场潜力。 外部威胁（威胁）包括来自竞争对手的促销竞争，越来越多的玉米种子生产者，不断变化的规则和法规，伊斯兰教际隔离法规，这些法规阻碍了分布速度，害虫和气候条件变得不利。Benih Citra Asia Jember。内部强度因素包括优质的产品，良好的包装外观，自己的研究和生产，促销产品教育在整个印度尼西亚分布在产品中，并在产品上附有品牌形象/品牌。弱点的内部因素包括仍然是常规且不经常使用市场媒体的分销渠道，产品耐用性随着时间的推移而降低，玉米种子的保质期和循环限制为12个月，生产仍然有限，并且有缓慢处理的客户投诉。机会外部因素包括增加玉米种子市场的增长，相对稳定的玉米价格，有希望的玉米业务利润，大量伙伴农民以及玉米种子的巨大市场潜力。外部威胁（威胁）包括来自竞争对手的促销竞争，越来越多的玉米种子生产者，不断变化的规则和法规，伊斯兰教际隔离法规，这些法规阻碍了分布速度，害虫和气候条件变得不利。可以为营销订购9混合玉米种子进行营销的替代策略是通过利用相对稳定的玉米价格来扩大市场的合作伙伴农民来维护和提高质量研究。营销订购的战略优先制定菜9混合玉米种子是一种维护和提高质量研究的策略，通过利用伙伴农民以相对稳定的玉米价格来扩大最高TAS价值6.497的市场。
COVID-19超微结构中的人工智能
在 COVID-19 超微结构分析中更广泛采用 AI 的最大障碍是缺乏数据。神经网络是深度学习系统的基础，需要大量数据集才能正确学习和概括，而 COVID-19 的诊断主要基于血清学，组织病理学的作用很小，主要用于研究和临床工作流程之外。因此，大多数可用的 COVID-19 组织病理学研究都是基于尸检的，涉及的患者数量有限。然而，即使图像数量相对较少，计算机视觉神经网络仍可以通过迁移学习进行训练。这需要在更大的数据集上训练网络，以完成与手头任务有相似之处的任务，以便网络可以学习常见的表示（例如不同类型细胞和细胞器的形状），然后在较小的数据集上对训练后的模型进行微调。小数据集就足够了，因为模型需要学习的只是该数据集特有的附加特征。如前所述，存在大量经过组织学训练的模型，其中任何一个模型都可以作为 COVID-19 特定组织病理学模型的基础，从而提供额外的好处。
以腰椎穿刺为金标准的增强Flair磁共振成像对脑膜炎的诊断准确性
2019 年 6 月 23 日至 2020 年 3 月 22 日，在 Wah Cantt 第三医院接受脑膜炎检查。材料和方法：通过非概率目的抽样，共纳入 173 名患者。我们的研究纳入了年龄在 2 至 70 岁之间、性别不限且根据临床表现疑似患有脑膜炎的患者。本研究排除了禁用增强 MRI 和腰椎穿刺的患者、确诊为脑膜炎的患者和不同意接受检查的患者。所有患者均以 0.2 毫升/秒的速度接受静脉注射造影剂钆。钆后 T1W 和钆后 FLAIR 图像由顾问放射科医生获取和评估。将发现记录在规定的表格上。对患者进行随访并从实验室收集腰椎穿刺结果。结果：平均年龄为 26.4±23.5 岁，范围从 2 岁至 70 岁。 173 名患者中，98 名（56.6%）为男性，75 名（43.4%）为女性。临床表现如下：喂养不良、易怒和嗜睡 86 人（49.7%），头痛 137 人（79.2%），恶心/呕吐 125 人（72.3%），颈部僵硬 89 人（51.4%），意识水平改变 132 人（76.3%），癫痫发作 78 人（45.1%）和局部神经功能障碍 45 人（26%）。以腰椎穿刺金标准为诊断标准，增强 MRI FLAIR 诊断脑膜炎的灵敏度为 91%，特异性为 85%，PPV 为 87.6%，NPV 为 89.4%，诊断准确率为 88.4%。以腰椎穿刺金标准为标准，增强 MRI T1W 在脑膜炎诊断中的诊断准确率显示敏感性 60.2%、特异性 77.5%、PPV 75.6%、NPV 62.6% 和诊断准确率 68.2%。结论：与增强 T1W 序列相比，增强 FLAIR 序列在检测脑膜增强方面具有更高的敏感性和特异性。因此，对于所有怀疑患有脑膜炎的患者，应将增强 FLAIR 序列作为常规序列添加到 MRI 脑部方案中。
探索基于深度学习的大脑MRI-TO-CT合成中的对比度概括
背景：已提出合成计算机断层扫描（SCT），并越来越多地采用以实现基于磁共振成像（MRI）的放射疗法。深度学习（DL）最近证明了从固定MRI采集中生成准确的SCT的能力。但是，由于模型概括不良，MRI方案可能会随着时间的推移而随着时间的流逝而变化或不同。目的：研究域随机化（DR）以增加脑SCT生成DL模型的概括。方法：收集了95例接受RT患者的CT和相应的T 1加权MRI，带有 /无对比度，T 2加权和FLAIR MRI，考虑到可以研究概括的未见序列的能力。“基线”生成对抗网络进行了 /没有天赋序列的训练，以测试模型在没有DR的情况下的性能。基于SCT的剂量计划的图像相似性和准确性对CT进行了评估，以选择针对基线的表现最佳的DR方法。结果：基线模型在FLAIR上的性能最差，平均绝对误差（MAE）= 106±20.7 HU（平均值±σ）。在MAE = 99.0±14.9 HU的DR模型中，Flair上的性能显着提高，但仍然不如基线 + Flair模型的性能（MAE = 72.6±10.1 HU）。同样，对于DR VS基线，获得了γ速率的提高。结论：DR提高了仅在获得的MRI上训练的未见序列上的图像相似性和剂量准确性。DR使模型更加稳健，从而减少了在未见序列上应用模型时重新训练的需求，并且无法进行重新训练。
无监督域适应性的对比度适应网络
深度神经网络的最新进展成功地改善了各种学习问题[40，8，26，19，20]。但是，对于监督学习，大量的训练数据仍然是学习准确的深层模型的关键。尽管可能可用于一些预先规定的域，例如ImageNet [7]，但对于每个临时目标域或任务而言，手动标签通常很难或昂贵。缺少IN-ININAIN标记的数据阻碍了在许多实际问题中拟合模型的应用。在没有来自目标域的标记数据的情况下，已经出现了无监督的域适应（UDA）方法，以减轻数据分布的域移动[2，1，1，5，37，30，18，3，3，17]。它与无监督的学习有关，因为它仅需要从源域和目标域的零标签手动标签。在最近关于UDA的工作，这是Long等人提出的开创性工作。[22，25]旨在最大程度地减少深神经网络中源和目标域之间的差异，在此，在该网络中，域差异通过最大值
第 29 届青年原子光学家会议法国斯特拉斯堡...
YAO 会议是一个历史悠久的年度国际会议。自 1995 年以来，它一直由欧洲许多不同科学机构的学生组织。它是原子和分子光学领域最大的学生会议。YAO 会议的主要目标是加强该领域年轻学生之间的科学交流，以创建一个强大的国际社区。它旨在为参与者提供一个最佳平台，让他们能够广泛了解最先进的研究，扩大他们的网络并在世界各地建立新的联系，对许多人来说，这也是他们第一次展示自己的成果并与同行讨论。今年，YAO 将于 6 月 30 日至 7 月 5 日在斯特拉斯堡大学的欧洲量子科学中心 (CESQ) 举行，这是第 29 届。作为本届 YAO 的组织者，我们很高兴欢迎您，并祝您有一个充实的体验！ 谨致问候，YAO 组织委员会
磁共振基础知识：磁场、核磁特性、组织对比度、图像采集
核磁共振 (NMR) 是对原子核磁特性的光谱研究。原子核的质子和中子具有与其核自旋和电荷分布相关的磁场。共振是一种能量耦合，当单个原子核被置于强外部磁场中时，它会选择性地吸收并随后释放这些原子核及其周围环境所特有的能量。自 20 世纪 40 年代以来，NMR 信号的检测和分析已作为化学和生物化学研究中的分析工具得到了广泛的研究。NMR 不是一种成像技术，而是一种提供有关放置在小体积、高场强磁性装置中的样本的光谱数据的方法。在 20 世纪 70 年代初，人们意识到磁场梯度可用于定位 NMR 信号并生成显示质子磁特性的图像，反映临床相关信息，再加上技术进步和“体型”磁体的发展。随着 20 世纪 80 年代中期临床成像应用的增多，“核”含义被抛弃，磁共振成像 (MRI) 及其大量相关缩略词开始被医学界普遍接受。随着磁场强度更高的磁铁以及解剖、生理和光谱研究的改进，MR 应用的临床意义不断扩大。对软组织差异的高对比敏感度以及使用非电离辐射对患者的固有安全性是 MRI 取代许多 CT 和投影射线照相方法的主要原因。随着图像质量、采集方法和设备设计的不断改进，MRI 通常是检查患者解剖和生理特性的首选方式。但它也存在缺点，包括设备和选址成本高、扫描采集复杂、成像时间相对较长、图像伪影明显、患者幽闭恐惧症以及 MR 安全问题。本章回顾了磁学的基本特性、共振概念、组织磁化和弛豫事件、图像对比度的生成以及获取图像数据的基本方法。第 13 章讨论了高级脉冲序列、图像特征/伪影的说明、MR 波谱、MR 安全性和生物效应。
重新思考多对比度MRI超分辨率：矩形...
最近，几种方法探索了多对比磁共振成像（MRI）超分辨率（SR）的潜力，并获得了优于单对比SR方法的结果。但是，现有方法仍然存在两个缺点：（1）它们只能解决固定的Inter Intermpling量表，例如2×，3×和4倍，它们需要培训并存储临床上每个UPSMPLAING SCALE的相应模型。（2）他们在采用方形窗口（例如8×8）变形金刚网络档案时缺乏直接交互，这导致长范围依赖性的建模不足。此外，参考图像和目标图像之间的关系尚未完全挖掘。为了解决这些问题，我们开发了一个新颖的网络，用于多对比度MRI任意规模的SR，被称为McASSR。具体来说，我们设计了矩形窗口交叉注意变压器，以在MR图像中建立长期依赖性，而无需增加计算复杂性并完全使用参考信息。此外，我们提出了参考吸引的隐式关注，作为提升的模式，通过隐式神经表示实现了任意规模的超分辨率，进一步融合了参考图像的补充信息。在公共和临床数据集上进行了广泛而全面的实验表明，我们的MCASSR比SOTA方法产生了卓越的性能，这表明其在临床实践中的巨大潜力。代码将在https：//github.com/guangyuankk/mcassr上找到。
使用电阻记忆和超声波换能器进行神经形态物体定位
现实世界的传感处理应用需要紧凑、低延迟和低功耗的计算系统。混合忆阻器-互补金属氧化物半导体神经形态架构凭借其内存事件驱动计算能力，为此类任务提供了理想的硬件基础。为了展示此类系统的全部潜力，我们提出并通过实验演示了一种用于现实世界对象定位应用的端到端传感处理解决方案。从仓鸮的神经解剖学中汲取灵感，我们开发了一种生物启发的事件驱动对象定位系统，将最先进的压电微机械超声换能器传感器与基于神经形态电阻式存储器的计算图结合在一起。我们展示了由基于电阻式存储器的巧合检测器、延迟线电路和全定制超声传感器组成的制造系统的测量结果。我们使用这些实验结果来校准我们的系统级模拟。然后使用这些模拟来估计对象定位模型的角度分辨率和能量效率。结果揭示了我们的方法的潜力，经评估，其能量效率比执行相同任务的微控制器高出几个数量级。