XiaoMi-AI文件搜索系统
World File Search Systemvolumetric
功能性神经系统疾病的体积变化的体素荟萃分析
揭示了这些症状与公认的神经或医学状况之间的不相容性（2）。与其他神经系统疾病相比，FND与残疾水平相似，身体和心理生活质量受损（3）。FND的预后通常具有挑战性，多达40％的患者报告的结果与最近的7年随访期间相似或比其初始状况更糟糕或更糟糕的结果（4）。传统上，FND的诊断依赖于症状的有机原因。然而，最近的证据为FND的病理生理学提供了新的见解，从而促进了更全面的理解和对潜在生物标志物的识别（5）。在这项研究中，进行了一项素分析以研究FND的结构性大脑变化。我们的目的是确定特定的定量测量是否可以用作区分各种FND的潜在生物标志物。
急性社会心理压力后大脑体积快速变化
a 德国莱比锡马克斯普朗克人类认知与脑科学研究所神经病学系 b 德国莱比锡马克斯普朗克国际研究院 NeuroCom c 德国莱比锡马克斯普朗克人类认知与脑科学研究所“自适应记忆”独立研究小组 d 德国弗莱堡大学心理学、神经心理学研究所 e 德国莱比锡马克斯普朗克人类认知与脑科学研究所奥托·哈恩小组“认知神经遗传学” f 德国于利希研究中心神经科学与医学研究所（INM-7：大脑与行为） g 德国莱比锡马克斯普朗克人类认知与脑科学研究所 NMR 方法与开发小组 h 德国柏林洪堡大学哲学学院柏林心智与脑学院 MindBrainBody 研究所 i德国耶拿弗里德里希席勒大学耶拿大学医院心理治疗和心理肿瘤学 j 德国莱比锡马克斯普朗克人类认知和脑科学研究所“社会压力和家庭健康”独立研究小组 k 德国莱比锡大学医学院
利用紧凑型 MoS 2 纳米层实现卓越的体积海水淡化能力
1000 mV s −1，电荷转移电阻更低，电化学活性表面积比 2H-MoS 2 电极高出近十倍。此外，1T ʹ -MoS 2 电极在 CDI 实验中表现出 65.1 mg NaCl cm −3 的出色体积脱盐容量。原位 X 射线衍射 (XRD) 表明，阳离子存储机制随着 1T ʹ -MoS 2 中间层的动态扩展而发生，以容纳 Na + 、K + 、Ca 2 + 和 Mg 2 + 等阳离子，从而提高了容量。理论分析表明，1T ʹ 相在热力学上优于 2H 相，离子水合和通道限制在增强离子吸附中也起着关键作用。总的来说，这项工作为设计具有高体积性能的紧凑型二维层状纳米层提供了一种新方法，用于 CDI 海水淡化。
通过机器学习预测体积城市形态的气温
环境参数（例如空气温度）是人类生活质量和能源效率管理的关键终端。城市地区人口稠密，并且通过城市形态和景观空间模式与其中一些自然现象高度相关。因此，预测城市计划对环境参数的影响对于适当的决定和计划以增强城市的生活条件至关重要。先前的研究强调了乌拉巴形态与空气温度之间的密切相关性，强调了在这些分析中采用三维数据的重要性。在这项研究中，我们首先引入了一种将CityGML数据转换为VoxEls的方法，该方法在大规模数据集（例如城市）的高分辨率上可以有效，快速地工作，但通过牺牲了一些建筑细节，从而限制了先前的Voxelization方法的局限性，这些方法限制了对大型量表的较高量表的较高范围，以较高的量化和无效的范围，以使其对Voxel的高度分配为高分。来自多个城市的那些体素化的3D城市数据和相应的空气温度数据用于开发机器学习模型。在模型训练之前，在输入数据上实施了高斯模糊以考虑空间关系，因此，在高斯模糊之后，空气温度和体积建筑物形态之间的相关率也会增加。这个受过训练的模型能够通过使用相应像素的构建体积信息作为输入来预测空气温度的空间分布。在模型训练之后，预测结果不仅是用均方根误差（MSE）评估的，而且一些图像相似性指标，例如结构相似性指数量度（SSIM）和学习的知觉图像贴片相似性（LPIPS）能够在评估过程中检测和考虑空间关系。这样做，该研究旨在帮助城市规划人员将环境参数纳入其计划策略，从而促进更可持续和居民的城市环境。
Theia：混合现实耳机的视线驱动和感知感知的体积内容
在保持满意度的视觉质量的同时最大程度地减少带宽消耗，成为体积内容交付的圣杯。但是，由于要流的3D数据，严格的延迟需求以及高计算工作量，实现这一雄心勃勃的目标对于移动混合现实现实耳机可能充满挑战，这可以自然地使观众的动作具有六个自由度，但计算能力有限。以我们对50多名参与者的眼动作的批判性观察的激励，在本文中，我们提出了Theia，这是一种首要的视线驱动的和感知感知的感知式含量内容交付系统，有效地将以下创新纳入了整体系统中：（1）（1）实时创建FolumeTed网络数据的网络数据，以减少网络数据的真实创建; （2）效率增强动脉糊化内容以促进用户体验； （3）基于眼动的自适应省略外围含量以进一步节省带宽。我们使用Microsoft Hololens 2个耳机实现了Theia的原型，并广泛评估其性能。我们的结果表明，与最新技术相比，Theia可以将带宽的消耗量大幅减少高达67.0％，并将视觉质量提高高达92.5％。
大脑-7T：7 Tesla MR体积的快速而完全容量的脑部分割
图10图灵测试的结果。（a）这三个子图显示了在调查过程中提出的三个比较（手动与小脑-7T，手动与IGT，IGT，IGT与小脑7T），因为在夫妻中介绍了分割掩码。IGT投票以蓝色，大脑-7T为橙色显示，而跳过的响应（s），这意味着参与者无法在两种分段之间进行选择，以灰色显示。条的高度表示跨主题的平均值（即进行了多少次选择，最大是3卷8区= 24）;每个标记X都是参与者。（b）结果是每个感兴趣面积的结果：早期视觉皮层（EVC），高级视觉区域（HVC），运动皮层（MCX），小脑（CER），Hippocampus（HIP），早期听觉皮层（EAC），脑干（EAC），脑干（BST）和BAGA（BGA）（BGA）
大脑-7T：7 Tesla MR体积的快速而完全容量的脑部分割
图10图灵测试的结果。（a）这三个子图显示了在调查过程中提出的三个比较（手动与小脑-7T，手动与IGT，IGT，IGT与小脑7T），因为在夫妻中介绍了分割掩码。IGT投票以蓝色，大脑-7T为橙色显示，而跳过的响应（s），这意味着参与者无法在两种分段之间进行选择，以灰色显示。条的高度表示跨主题的平均值（即进行了多少次选择，最大是3卷8区= 24）;每个标记X都是参与者。（b）结果是每个感兴趣面积的结果：早期视觉皮层（EVC），高级视觉区域（HVC），运动皮层（MCX），小脑（CER），Hippocampus（HIP），早期听觉皮层（EAC），脑干（EAC），脑干（BST）和BAGA（BGA）（BGA）
使用移动机器人的内核密度估计
摘要 - 在许多机器人应用中重建三维（3D）场景至关重要。机器人需要识别哪些对象及其位置和形状，以通过给定的任务精确地操纵它们。移动机器人，尤其是通常使用轻质网络在RGB图像上细分对象，然后通过深度图进行定位；但是，他们经常会遇到掩盖物体过度掩盖的分布场景。在本文中，我们通过使用非参数统计方法来完善分割错误来解决3D场景重建中的跨分割质量的问题。为了提高掩模的精度，我们将预测的遮罩映射到深度框架中，以通过内核密度估算它们的分布。然后，对异常值进行深度感知的拒绝，而无需以自适应方式进行额外的pa-rameters，以使其分布外情景，然后使用投影签名的距离函数（SDFS）进行3D重建。我们在合成数据集上验证了我们的方法，该方法显示了全景映射的定量和定性结果的改进。通过现实世界测试，结果还显示了我们方法在实体机器人系统上部署的能力。我们的源代码可在以下网址提供：https：//github.com/mkhangg/refined Panoptic映射。