XiaoMi-AI文件搜索系统
World File Search System于主
基于主题无关变压器的神经语音解码，从表面和深度电极信号进行解码
摘要。目的：本研究探讨颅内电极捕获的神经信号的语音解码。大多数先前的研究只能使用 2D 网格上的电极（即脑皮层电图或 ECoG 阵列）和来自单个患者的数据。我们的目标是设计一个深度学习模型架构，可以同时适应表面（ECoG）和深度（立体定向 EEG 或 sEEG）电极。该架构应允许使用来自多个参与者的数据进行训练，这些参与者的电极位置变化很大，并且训练后的模型应该在训练期间未见过的参与者身上表现良好。方法：我们提出了一种名为 SwinTW 的新型基于变压器的模型架构，该架构可以与任意定位的电极一起工作，通过利用它们在皮层上的 3D 位置而不是它们在 2D 网格上的位置。我们使用来自单个参与者的数据训练特定于主题的模型，以及利用来自多个参与者的数据的多患者模型。主要结果：仅使用低密度 8x8 ECoG 数据的受试者特定模型在 N=43 名参与者中实现了高解码皮尔逊相关系数与地面实况频谱图 (PCC=0.817)，优于我们之前的卷积 ResNet 模型和 3D Swin Transformer 模型。在每个参与者 (N=39) 中加入额外的条带、深度和网格电极可带来进一步的改进 (PCC=0.838)。对于只有 sEEG 电极的参与者 (N=9)，受试者特定模型仍然具有可比的性能，平均 PCC=0.798。多受试者模型在看不见的参与者身上实现了高性能，在留一交叉验证中平均 PCC=0.765。意义：提出的 SwinTW 解码器使未来的语音神经假体能够利用任何对特定参与者来说临床上最佳或可行的电极位置，包括仅使用更常规的深度电极
基于脑电图的运动想象分类的独立于主题的深度架构
摘要 —基于脑电图 (EEG) 的运动想象 (MI) 分类是非侵入式脑机接口 (BCI) 系统中广泛使用的技术。由于 EEG 记录在不同受试者之间具有异质性并且标记数据不足，因此设计一个使用有限的标记样本独立于受试者执行 MI 的分类器是可取的。为了克服这些限制，我们提出了一种新颖的独立于受试者的半监督深度架构 (SSDA)。所提出的 SSDA 由两部分组成：无监督和监督元素。训练集包含来自多个受试者的标记和未标记数据样本。首先，无监督部分，称为列时空自动编码器 (CST-AE)，通过最大化原始数据和重建数据之间的相似性从所有训练样本中提取潜在特征。采用维度缩放方法来降低表示的维数，同时保留其可辨别性。其次，监督部分使用在无监督部分获得的潜在特征，基于标记的训练样本学习分类器。此外，我们在监督部分使用中心损失来最小化类中每个点到其中心的嵌入空间距离。该模型以端到端的方式优化网络的两个部分。在训练阶段模型未见过的测试对象上评估了所提出的 SSDA 的性能。为了评估性能，我们使用了两个基于 EEG 的基准 MI 任务数据集。结果表明，SSDA 优于最先进的方法，并且少量的标记训练样本足以实现强大的分类性能。
用于主动线粒体靶向癌症治疗的自主金属有机骨架纳米机器人
由于难以实现细胞内控制推进，纳米机器人操作进入亚细胞器仍未得到满足。细胞内细胞器，如线粒体，是一种具有选择性靶向性和治疗效果的新兴治疗靶点。我们报道了一种能够主动靶向线粒体的药物输送的自主纳米机器人，它是通过将线粒体亲和性阿霉素-三苯基膦 (DOX-TPP) 轻松封装在沸石咪唑酯骨架-67 (ZIF-67) 纳米颗粒内制备而成的。催化 ZIF-67 体可以分解肿瘤细胞内过表达的生物可利用过氧化氢，从而在 TPP 阳离子存在下产生有效的细胞内线粒体亲和性运动。这种纳米机器人增强的靶向药物输送可诱导线粒体介导的细胞凋亡和线粒体失调，从而提高体外抗癌效果并抑制癌细胞转移，并通过皮下肿瘤模型和原位乳腺肿瘤模型中的体内评估进一步验证。这种纳米机器人开辟了具有细胞内细胞器进入的纳米机器人操作的新领域，从而引入了具有细胞器级分辨率的下一代机器人医疗设备，用于精准治疗。
针对航空电子应用的基于主机的入侵检测系统的实现
摘要 — 如今，飞机受到强大的安全性能、合格的操作员和基于流程的安全措施的保护。然而，考虑到最近机上服务向更多连接、资源共享和高级娱乐功能的发展，以及针对嵌入式系统的威胁增加，必须认真考虑未来系统对飞机应用程序的潜在恶意修改。在这种情况下，可以开发多种解决方案来提高飞机安全性。特别是，基于主机的入侵检测系统 (HIDS) 与处理内部攻击等有针对性的威胁有关。本文介绍了在飞机上构建 HIDS 的具体限制，并讨论了一些满足这些限制的相关解决方案。从检测效率和资源消耗方面评估这些解决方案，以选择能够在效率和性能之间实现最佳平衡的解决方案。本文还描述了该解决方案在嵌入式航空电子计算机上的实现。索引词 — 入侵检测系统、安全、航空电子、嵌入式、实时
comirnaty原始/Omicron BA.4-5（15/15微克）/注射剂量分散剂用于主动免疫，以防止由
a。与接受2剂剂量的参与者相比，在接受助推器剂量的参与者中观察到较高的淋巴结病（2.8％比0.4％）。b。荨麻疹和血管性水肿的频率类别很少见。c。通过临床试验安全随访期至2020年11月14日，COVID-19-19 mRNA疫苗组的四名参与者报告了急性外周面瘫（或麻痹）。发病是剂量1后第37天（参与者未接受剂量2），剂量2后第3、9和48天。在安慰剂组中没有报告急性外周面瘫（或麻痹）的病例。d。不良反应确定授权后。e。指接种臂。f。与第一个剂量相比，第二剂量后观察到较高的上果。g。在销售后阶段，已经报道了疫苗接种者的面部肿胀。
空间数据模型现代化，用于主动和...
现代空间领域感知的挑战和目标与几十年前人们首次发射卫星时不同。但是，我们仍然依赖为反应式目录维护而开发的数据模型，其目的是提供每颗卫星的最新轨道更新。在本文中，我们提出了现代化的空间数据模型，重新定义时间和数据表示，以实现主动和机器辅助决策。目录更新的平面列表不足以实现这一点，因为它不代表每颗卫星随时间的行为历史，而是提供传感器集合的历史记录。此外，它没有提供表示多个同时当前或未来假设所需的时间构造，这在评估或预测表现为非确定性轨道机动的卫星动作时很重要。无法用清晰的数学结构表示这种现实的卫星行为是机器自动评估、检测和预测轨道动作的障碍。
基于主动激光照明的GISC光谱成像目标识别技术研究
针对光谱成像技术在卫星遥感、生物医学诊断、海洋探测与救援、农林监测与分类、军事伪装识别等方面的应用需求，本文采用532和650 nm激光器作为光源，利用多光谱强度相关成像设备——基于稀疏性约束鬼成像（GISC）的快照式光谱相机实现目标的精确识别。本文阐述了快照式GISC光谱成像原理，并开展了基于主动激光照明的GISC光谱成像目标识别技术实验研究工作。实验结果表明，采用532 nm激光作为光源照射目标物体可以准确识别绿色目标字母“I”；采用650 nm激光作为光源照射目标物体可以准确识别红色目标字母“Q”。并给出了GISC光谱相机在446~698nm波长范围内单次曝光获取的彩色目标“QIT”的光谱成像结果，包括伪彩色图和彩色融合图。为了进一步说明实验的可行性，对重建图像的光谱分布进行了分析，具有重要的实际意义和工程价值。
基于原型的独立于主体的脑机接口领域泛化框架
摘要 — 由于脑电图 (EEG) 的受试者间/受试者内变异性，脑机接口 (BCI) 在实践中难以使用。通常，BCI 系统需要一种校准技术来获取受试者/会话特定数据，以便在每次使用系统时调整模型。这个问题被认为是 BCI 的一个主要障碍，最近出现了一种基于领域泛化的新策略来解决它。鉴于此，我们专注于开发一个 EEG 分类框架，该框架可以直接应用于来自未知域（即受试者）的数据，仅使用先前从不同受试者获得的数据。为此，在本文中，我们提出了一个框架，该框架采用开放集识别技术作为辅助任务，从源数据集中学习特定于主题的风格特征，同时帮助共享特征提取器将看不见的目标数据集的特征映射为新的看不见的域。我们的目标是在同一域中施加跨实例样式不变性，并降低潜在未见主体的开放空间风险，以提高共享特征提取器的泛化能力。我们的实验表明，使用域信息作为辅助网络可以提高泛化性能。临床相关性——本研究提出了一种提高独立于主体的 BCI 系统性能的策略。我们的框架可以帮助减少进一步校准的需要，并可用于一系列心理状态监测任务（例如神经反馈、癫痫发作的识别和睡眠障碍）。