XiaoMi-AI文件搜索系统
World File Search System三维模型
使用三维模型探索DNA的结构
因此，这项工作的目的是开发一个三维嬉戏模型的DNA模型，以使用各种材料和3D打印机来促进遗传学教学。使用这些材料，我们创建了1.5米高的DNA结构的详细表示，包括双螺旋桨和氮基碱。是一种互动模型，具有可拆卸和彩色的碎片，使学生可以操纵和观察DNA的结构。学生将能够拆除和重新组装模型，这将有助于他们了解核苷酸与碱基互补性之间的相互作用（腺嘌呤 - timini和cantosine-guanine）。这个3D模型允许对DNA分子结构进行清晰准确的可视化，成为教学学习过程中教师的宝贵工具
语义增强图像-文本预训练模型的零样本三维模型分类
Cheraghian 等人 [ 21 – 23 ] 在零样本 3 维模型分类方 面提出了 3 维点云的零样本学习方法、缓解 3 维零样 本学习中枢纽点问题的方法和基于直推式零样本学 习的 3 维点云分类方法，并将它们封装进一个全新 的零样本 3 维点云方法 [ 24 ] 中。以上方法均是利用已 知类样本的点云表征及其词向量对未知类别进行分 类，开创了零样本 3 维模型分类方法。近年来， CLIP 在零样本图像分类上取得了良好的效果，因此有研 究者将 CLIP 应用到零样本 3 维模型分类方法中， Zhang 等人 [ 25 ] 提出了基于 CLIP 的 3 维点云理解 (Point cloud understanding by CLIP, PointCLIP) 模型， PointCLIP 首先将 3 维点云投影成多个深度图，然 后利用 CLIP 的预训练图像编码器提取深度图特 征，同时将类别名称通过 CLIP 预先训练的文本编 码器提取文本特征。但是 PointCLIP 的性能受到深 度图和图像之间的域差异以及深度分布的多样性限 制。为了解决这一问题，基于图像 - 深度图预训练 CLIP 的点云分类方法 (transfer CLIP to Point cloud classification with image-depth pre-training, CLIP2Point) [ 26 ] 将跨模态学习与模态内学习相结合 训练了一个深度图编码器。在分类时，冻结 CLIP 的图像编码器，使用深度图编码器提取深度图特 征，该方法缓解了深度图和图像间的模型差异。用 于 3 维理解的图像 - 文本 - 点云一致性表征学习方法 (learning Unified representation of Language, Im- age and Point cloud for 3D understanding, ULIP) [ 27 ] 构建了一个图像、文本和点云 3 种模态的 统一嵌入空间，该方法利用大规模图像 - 文本对预 训练的视觉语言模型，并将 3 维点云编码器的特征 空间与预先对齐的视觉 - 文本特征空间对齐，大幅 提高了 3 维模型的识别能力。与之相似的是，基于 提示文本微调的 3 维识别方法 (CLIP Goes 3D, CG3D) [ 28 ] 同样使用 3 元组形式确保同一类别的 3 维模 型特征和图像特征之间以及 3 维模型特征和文本特 征之间存在相似性，从而使点云编码器获得零样本 识别的能力。另外， PointCLIP V2 [ 29 ] 在 Point- CLIP 的基础之上，通过利用更先进的投影算法和 更详细的 3 维模型描述，显着提高了零样本 3 维模型 分类准确率。本文采用语义增强 CLIP 解决图像和文 本的语义鸿沟问题，通过在语义层面为图像和文本 提供更多相似的语义信息，使图像和文本对齐更具有 一致性，从而有效提高 3 维模型的零样本分类性能。 2.2 提示工程
虚拟现实中的实时情感检测：基于情感和脑电信号三维模型的技术
本文探讨了一种实时检测虚拟现实 (VR) 用户情感状态的技术的开发。该技术通过一项实验的数据进行测试，实验中 18 名参与者在 VR 家庭影院内观看了 16 个包含情感内容的视频，同时记录了他们的脑电图 (EEG) 信号。参与者根据三维情感模型评估了他们对视频的情感反应。分析了该技术的两种变体。两种变体之间的区别在于用于特征选择的方法。在第一个变体中，使用线性混合效应 (LME) 模型选择从 EEG 信号中提取的特征。在第二个变体中，使用递归特征消除和交叉验证 (RFECV) 选择特征。两种变体都使用随机森林来构建分类模型。通过交叉验证获得准确度、精确度、召回率和 F1 分数。进行了方差分析以比较每个变体中构建的模型的准确性。结果表明，特征选择方法对分类模型的准确性没有显著影响。因此，两种变体（LME 和 RFECV）在检测 VR 用户的情感状态方面似乎同样可靠。分类模型的平均准确率在 87% 到 93% 之间。
使用三维模型对脑肿瘤进行分割...
在包含胶质母细胞瘤的 MRI 图像中，我们考虑了全自动脑肿瘤分割的问题。我们建议采用 3D MedImg-CNN（三维卷积神经网络）方法，该方法在实现高效率的同时实现了高结果，这是当前技术难以实现的组合。我们的 3D MedImg-CNN 直接在原始图像模态上形成，因此可以直接从数据中学习特征表示。我们建议采用两种通路的新型级联架构，每种通路都提供肿瘤细节模型。充分利用我们模型的卷积特性也有助于我们在一分钟内分割出完整的大脑图像。建议的 3D MedImg-CNN 与 CNN 分割系统的效率是使用骰子相似系数 (DSC) 确定的。在 2013 年、2015 年和 2017 年 BraTS 数据集上进行的实验表明，所提出的方法在文献中占主导地位，因为它是最有效的方法之一。关键词 脑肿瘤、卷积神经网络、深度学习、分割
基于力学模型的骨支架三维模型
陶瓷/聚合物纳米复合材料因具有设计独特性和性能组合而受到广泛关注，据报道是传统复合材料中没有的 21 世纪材料。在这项工作中，我们尝试研究、开发和改进设计和制造的陶瓷/聚合物生物复合材料的生物力学，用于在复杂骨折和骨疾病的情况下修复和替换人体天然骨，方法是将纳米填料陶瓷颗粒添加到聚合物基质纳米复合材料 (PMNC) 中，以制造混合二氧化钛和氧化钇稳定的氧化锆增强高密度聚乙烯 (HDPE) 基质生物复合材料。使用热压技术在不同压缩压力 (30、60 和 90 MPa) 和复合温度 (180、190 和 200 °C) 下研究了这些生物活性复合材料。 SOLIDWORKS 17.0 和有限元 ANSYS 15.7 软件程序用于模拟、建模和分析能够承受最高应力和应变的股骨生物力学。响应面法 (RSM) 技术用于改进和验证结果。对于所有制造的纳米生物复合材料系统，结果表明，获得的输出参数值随着工艺输入参数的增加而增加，应变能和等效弹性应变值也反之亦然，纳米陶瓷成分也是影响结果的主要因素。本研究的主要研究结果推断，随着纳米陶瓷粉末（TiO 2 ）含量从 1% 增加到 10%，压缩断裂强度和显微维氏硬度值分别增加了 50% 和 8.45%，而当添加 2% 的氧化锆（ZrO 2 ）时，压缩断裂强度和显微硬度分别增加了 28.21% 和 40.19%。当使用 10% TiO 2 + 2% ZrO 2 /HDPE 生物复合材料时，在最高压缩率下
利用机载激光扫描数据建立电力线三维模型并进行勘测
摘要 激光扫描是获取地形及其上物体的高精度最新空间数据的方法之一。激光雷达 (LIDAR) 是最现代、发展最快的技术之一，它揭示了迄今为止传统方式无法实现的测量新功能。本文旨在展示使用机载激光扫描数据进行能源网络测量和可视化的可能性，以及使用 TerraSolid 软件包识别现有网络对周围环境构成的危险。根据从机载激光扫描中获得的两种不同点云，对电力线的两个独立部分进行了测量。第一个点云的密度为 16 点/平方米，另一个点云的密度为 22 点/平方米。该项目是在 MicroStation V8i 软件环境中创建的，使用特殊叠加层——芬兰 TerraSolid 公司的 TerraScan 和 TerraModeler。使用不同密度的测试云旨在指示点云的最佳密度，从而允许基于机载激光扫描数据对能源网络进行调查和可视化。该出版物通过特定示例介绍了电力线矢量化和可视化的过程以及在危险距离内检测物体的过程。还证实了使用满足行业要求的应用激光雷达数据进行电力线调查的可能性。
全球甲烷循环的三维模型合成
每个站点的浓度，在观察期间取平均值。为了得出这个数量，我们首先为每个站点计算每个日历年的年平均浓度，即月平均值的算术平均值。每个月平均浓度本身就是该月各个烧瓶值的算术平均值 [参见 Steele 等人，1987]。然后，为了获得该时期的平均年平均浓度，必须从数据中去除大气中甲烷的长期增长率。为了非常好