XiaoMi-AI文件搜索系统
World File Search System于单
基于单精度浮点非迭代粗到精配准...
摘要。可变形图像配准是医学图像分析中的关键步骤，用于找到一对固定图像和运动图像之间的非线性空间变换。基于卷积神经网络 (CNN) 的深度配准方法已被广泛使用，因为它们可以快速、端到端地执行图像配准。然而，这些方法通常对具有较大变形的图像对性能有限。最近，迭代深度配准方法已被用来缓解这一限制，其中变换以由粗到细的方式迭代学习。然而，迭代方法不可避免地延长了配准运行时间，并且倾向于在每次迭代中学习单独的图像特征，这阻碍了利用这些特征来促进以后的迭代配准。在本研究中，我们提出了一种用于可变形图像配准的非迭代由粗到细配准网络 (NICE-Net)。在 NICE-Net 中，我们提出了：(i) 单次深度累积学习 (SDCL) 解码器，可以在网络的单次（迭代）中累积学习从粗到细的转换；(ii) 选择性传播特征学习 (SFL) 编码器，可以学习整个从粗到细配准过程的常见图像特征并根据需要选择性传播这些特征。在 3D 脑磁共振成像 (MRI) 的六个公共数据集上进行的大量实验表明，我们提出的 NICE-Net 可以胜过最先进的迭代深度配准方法，而只需要与非迭代方法类似的运行时间。
生物电化学甲苯氧化和三氯乙烯还原脱氯的偶联，用于单阶段的地下水，含有多种污染物
通常挑战芳香碳氢化合物和氯化溶剂的混合物污染的地下水的生物修复，因为这些污染物通过独特的氧化和还原途径降解，因此需要不同的修订和氧化还原条件。在这里，我们提供了含有甲苯和三氯乙烯（TCE）的单阶段处理的概念证明，在管状生物电化学反应器中，称为“生物电井”。甲苯用微生物生物射模（最高150 m mol 1 d 1）降解，其用作末端电子受体，其偏光石墨阳极（þ0.2V vs. she）降解。从微生物驱动的甲苯氧化中衍生的电流导致（在不锈钢阴极处）产生（不锈钢阴极），这使TCE降低了TCE的氯化为氯的中间体（即CIS -DCE，VC和ETH），以500 m eq l 1 d 1 d 1 d 1 d 1 d 1 d 1 D.基于“生物电井”的系统发育和功能基因分析确认了具有厌氧甲苯氧化和TCE还原性脱氯代谢潜力的微生物组的建立。然而，甲苯降解和当前产生是由外部质量运输定位限制的，因此表明现有的进一步过程优化潜力。©2022作者。由Elsevier B.V.代表中国环境科学研究所，中国环境科学学院出版。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
适用于单脉冲雷达和生物医学传感器应用的集成混合耦合器
180 度混合耦合器设计为在 5 至 10 GHz 频率范围内小型化，求和端口相移为 0 度，差分端口相移为 180 度。小型化可以最大限度地降低功耗，而无源元件可以解决微带线基板材料复杂的可达性问题！将在 Cadence 中选择和设计电感器的金属层，并确定金属的磁导率和介电常数。设计过程从先进设计系统 (ADS) 中的环形混合耦合器微带线开始，到集总无源元件，再到 Cadence 中的有源 65nm CMOS 实现。仿真结果显示，通过中心抽头电感的材料在 EMX 仿真后产生了寄生电感，使感兴趣的频率带宽向左移动 1GHz。无源电路的正向增益为-10dB，回波损耗约为-6dB。已进行文献研究以缩小混合耦合器的体积并分析其性能参数。最终结果表明，仅使用了四个无源元件，覆盖了感兴趣的频带5GHz。
使用基于残差置换的方法（Resperm）在嘈杂数据中的更改点检测：基准测试和应用于单个试验ERP
1柏林洪堡大学心理学系，德国柏林10099； werner.sommer@cms.hu-berlin.de 2心理学系，智格师范大学321000，中国321000 321000，西里西亚技术大学应用信息学系，波兰44-100，西里西亚技术大学； kotowski.polsl@gmail.com（K.K.）; piotr.fabian@polsl.pl（p.f.）4卡托维奇经济学大学统计，计量经济学和数学系，波兰Katowice 40-287； grzegorz.konczak@ue.katowice.pl 5贾吉伦大学复杂系统理论系，波兰克拉科夫30-348； Jeremi.ochab@uj.edu.pl 6 Jagiellonian大学认知神经科学与神经经济学系，波兰克拉科夫30-348； a.beres@uj.edu.pl 7 Jagiellonian University设计和计算机图形系，波兰克拉科夫30-348； gslusarc@uj.edu.pl *通信：katarzyna.stapor@polsl.pl4卡托维奇经济学大学统计，计量经济学和数学系，波兰Katowice 40-287； grzegorz.konczak@ue.katowice.pl 5贾吉伦大学复杂系统理论系，波兰克拉科夫30-348； Jeremi.ochab@uj.edu.pl 6 Jagiellonian大学认知神经科学与神经经济学系，波兰克拉科夫30-348； a.beres@uj.edu.pl 7 Jagiellonian University设计和计算机图形系，波兰克拉科夫30-348； gslusarc@uj.edu.pl *通信：katarzyna.stapor@polsl.pl
使用基于单细胞 RNA 序列的迁移学习对癌症治疗的药物组合进行优先排序
1 德克萨斯大学奥斯汀分校戴尔医学院 Livestrong 癌症研究所肿瘤学系，德克萨斯州奥斯汀 78712，美国。2 克利夫兰诊所免疫治疗和精准免疫肿瘤学中心，俄亥俄州克利夫兰 44195，美国。3 德克萨斯大学 MD 安德森癌症中心表观遗传学和分子致癌学系，德克萨斯州休斯顿 77230，美国。4 德克萨斯大学 MD 安德森癌症中心生物信息学和计算生物学系，德克萨斯州休斯顿 77030，美国。5 贝勒医学院定量和计算生物科学项目，德克萨斯州休斯顿 77030，美国。6 德克萨斯大学奥斯汀分校自然科学学院跨学科生命科学研究生项目 (ILSGP)，德克萨斯州奥斯汀 78712，美国。 7 德克萨斯大学奥斯汀分校奥登计算工程与科学研究所 (ICES)，美国德克萨斯州奥斯汀 78712。8 德克萨斯大学奥斯汀分校科克雷尔工程学院生物医学工程系，美国德克萨斯州奥斯汀 78712。
基于单晶 LiNbO3 的宽带 BAW 滤波器 ...
摘要—大带宽体声波 (BAW) 滤波器是第五代 (5G) 通信系统的迫切需求。在这项研究中，我们在多层氧化物薄膜上制备了 43 ◦ Y 切割铌酸锂 (LN) 单晶薄膜，并成功实现了带氧化物布拉格反射器 (BR) 的体声波滤波器。介绍了滤波器的设计方法和制造工艺。利用原子力显微镜 (AFM) 和扫描电子显微镜 (SEM) 来表征薄膜的质量。结果证明了将单晶薄膜转移到多层氧化物上的可行性，这对于限制声能是有效的。该谐振器的有效机电耦合系数为 14.6%，品质因数 (FOM) 为 32.94。该滤波器尺寸紧凑，为600 μ m×400 μ m，在中心频率为3.128 GHz时相对带宽为10.3%，有望应用于5G系统。
基于单臂试验的美国食品药品监督管理局批准的抗癌药物的缓解率
摘要背景：近年来，越来越多的抗癌药物根据单臂试验（SAT）的结果获得批准。SAT 中的客观缓解率（ORR）的大小对于监管决策很重要，但目前尚无明确的指导意见规定批准的 ORR 程度。方法：通过 FDA 网站查找 2016 年 1 月至 2019 年 12 月期间美国食品药品监督管理局（FDA）批准的所有抗癌药物。从中，我们根据 SAT 选择了批准用于实体瘤的药物。对于每种适应症，从标准治疗中选择一种方案作为最佳对照疗法（BCT），该方案被定义为针对同一肿瘤和治疗线的最新方案。我们将研究产品的 ORR 与 BCT 的 ORR 进行了比较。结果：在确定的31种实体瘤适应症中，有28种选择了BCT。在28种适应症中，有23种（82.1%）研究产品的ORR超过了BCT，其中16种（69.6%）研究产品的ORR的95%置信区间（CI）下限超过了BCT ORR的点估计值。7种产品的95% CI下限低于BCT ORR的点估计值，差异范围为1.0%至3.4%。结论：SAT中新药ORR的95% CI下限超过BCT ORR的点估计值可能是获得监管部门批准的重要因素。关键词：抗癌药物，关键性试验，缓解率，单臂试验
视频人工智能系统的成本和收益如何？视频人工智能：初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么？成本是多少？长期收益是什么？在本白皮书中，我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能？主要原因是视觉图像包含非常重要的数据。通过使用这些数据，您可以作为一家公司脱颖而出，目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI)，您可以从视频数据中获得正确的智能信息。简而言之，人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上，可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据，以便您可以在发生检测警报时快速评估和响应。此外，可以轻松检索现有视频片段。因此，您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时，会产生额外的数据。从长远来看，这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时，重要的是要正确评估总购置成本。换句话说，就是总拥有成本 (TCO)。当然，这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术，但为了使软件正常运行，外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型（本地、远程或云）的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要，因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果，确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案，而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地，也可以位于多个物理位置。将物理位置上的摄像机与（公共）云中的软件相结合也是可能的。同样，正确的 AI 实施合作伙伴的作用非常重要。
视频人工智能系统的成本和收益如何？视频人工智能：初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么？成本是多少？长期收益是什么？在本白皮书中，我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能？主要原因是视觉图像包含非常重要的数据。通过使用这些数据，您可以作为一家公司脱颖而出，目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI)，您可以从视频数据中获得正确的智能信息。简而言之，人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上，可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据，以便您可以在发生检测警报时快速评估和响应。此外，可以轻松检索现有视频片段。因此，您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时，会产生额外的数据。从长远来看，这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时，重要的是要正确评估总购置成本。换句话说，就是总拥有成本 (TCO)。当然，这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术，但为了使软件正常运行，外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型（本地、远程或云）的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要，因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果，确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案，而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地，也可以位于多个物理位置。将物理位置上的摄像机与（公共）云中的软件相结合也是可能的。同样，正确的 AI 实施合作伙伴的作用非常重要。
通过不同的拓扑化学反应基于单个分子的可编程光响应材料
组装体的组装不仅由光活性分子本身的分子结构决定，还由分子空间排列方式决定。13 – 15具有明确堆积和分子间相互作用的有机超分子晶体是研究超分子组织及其控制和操作的理想体系。16 – 18因此，如何提供具有理想光响应行为的有机超分子晶体引起了化学和材料科学的广泛关注。分子间[2 + 2]光环加成反应，特别是固态的光二聚化，极易受到分子空间排列的影响。预计只有当反应性p-二聚体中的两个单体尽可能平行排列，并且它们的接近度在4.2 ˚A以内时才会发生。19 – 21此类拓扑化学反应具有迷人的能量转移，能够快速有效地将光转化为化学能和动能。 18,22一方面，晶格原子的空间运动会在周围的p-二聚体中产生局部应力，使晶体发生变形。23,24例如，Naumov和Vittal报道了基于[2+2]光环加成反应的智能分子晶体，实现了弯曲、跳跃、滚动、光突显等多种光机械动态行为。25-27另一方面，