XiaoMi-AI文件搜索系统
World File Search System互相关
半径优化的高效模板匹配用于脑图像病变检测
摘要 — 为了快速自动诊断神经疾病，需要从体积磁共振成像 (MRI) 中计算机辅助检测脑损伤。模板匹配技术可以为脑损伤的自动定位提供满意的结果；然而，找到使模板和损伤相似度最大化的最佳模板大小仍然具有挑战性。这增加了算法的复杂性和对计算资源的要求，同时使用了三维 (3D) 模板处理大型 MRI 体积。因此，需要降低模板匹配的计算复杂度。在本文中，我们首先提出了一个数学框架，用于计算归一化互相关系数 (NCCC) 作为 MRI 体积和近似 3D 高斯模板之间的相似性度量，具有线性时间复杂度，而不是传统的基于快速傅里叶变换 (FFT) 的方法，其复杂度为，其中是图像中的体素数，是尝试的模板半径的数量。然后，我们提出一个数学公式来分析估计图像中每个体素的最佳模板半径，并计算具有位置相关最佳半径的 NCCC，从而将复杂度降低到。我们在一个合成和两个真实的多发性硬化症数据库上测试了我们的方法，并将其在病变检测中的性能与 FFT 和最先进的病变预测算法进行了比较。我们通过实验证明了所提出的方法在脑病变检测中的效率及其与现有技术相当的性能。索引术语 – 脑病变检测、计算复杂度、FFT、MRI、NCCC、模板匹配。
自发的二元行为预测人际神经同步的出现
跨大脑神经活动的同步——人际神经同步 (INS)——正在成为社会互动的有力标志，可预测多人协调、沟通和合作的成功。由于人们对 INS 的起源了解甚少，我们测试了 INS 是否以及如何从自发二元行为中产生。我们记录了神经活动 (EEG) 和人类行为 (全身运动、眼球运动和面部表情)，同时指示参与者的二元组互相看对方而不说话或做出共同言语手势。我们进行了四个基本观察。首先，尽管没有结构化的社交任务，但只有当参与者能够看到对方时，INS 才会自发出现。其次，我们表明，这种自发的 INS 包含特定的光谱和地形轮廓，不仅反映了神经活动的个人内部调节，而且反映了神经活动的实时和二元组特定耦合。第三，利用最先进的视频图像处理和深度学习，我们提取了三种显著的社会行为线索（身体运动、眼神交流和微笑）的时间展开，并证明这些行为在二元组中也会自发同步。第四，我们探讨了这种同步社会行为中 INS 的相关性。利用互相关和 Granger 因果关系分析，我们表明同步社会行为可以预期 INS，事实上，这种行为是 Granger 导致 INS 的。这些结果为在自然和不受约束的条件下研究人际神经和行为同步提供了概念验证证据。最重要的是，结果表明，INS 可以被概念化为两个耦合神经系统的一种新兴特性：一种由实时二元行为促进的同步现象。
针对癌症治疗的抗体-药物偶联物优化计算方法
摘要：癌症已成为全球发病和死亡的主要原因之一。当前癌症治疗的一个关键缺点是缺乏靶向选择性，因为这些药物应该只对癌细胞产生作用，而不会干扰健康细胞。此外，它们的作用机制应该足够快，以避免癌细胞侵入邻近的健康组织。使用传统化疗药物和其他传统疗法，如手术和放疗，会导致脱靶相互作用并产生严重的副作用。在这方面，最近开发的靶向选择性抗体-药物偶联物 (ADC) 比传统疗法更有效，这可能是因为它们的模块化结构同时结合了许多化学特性。具体而言，ADC 由三个不同的单元组成：针对肿瘤相关抗原开发的高度选择性单克隆抗体 (Mab)、有效载荷 (细胞毒性剂) 和接头。后者应在循环中保持稳定，同时允许细胞毒性剂在靶细胞中释放。这些药物的模块化特性提供了一个平台，可以独立地操纵和提高这些分子的选择性和毒性。这反过来又导致了第二代和第三代 ADC 的产生，它们在选择性或毒性或两者方面都比以前的 ADC 更有效。开发具有更高功效的 ADC 需要在原子水平上了解分子的结构和动力学。因此，我们回顾了所有最新的计算方法，用于获得这些系统的结构、能量和动力学的全原子描述。具体而言，这包括同源性建模、分子对接和细化、原子和粗粒度分子动力学模拟、主成分和互相关分析。对 ADC 的构效关系的完整表征对于抗体-药物偶联物的研究和开发至关重要。
![arXiv:2002.05817v1 [cond-mat.mes-hall] 2020 年 2 月 14 日](/simg/g:\will\search\icon\source\5\518681e16d0ce9d84b792aeae6b5fc2c6ce6c09a.webp)
arXiv:2002.05817v1 [cond-mat.mes-hall] 2020 年 2 月 14 日
非对称随机电报信号是在两个能级 y = y 1 和 y = y 2 之间随机切换的信号。它们是对各种物理系统进行测量的常见结果，包括细胞中的离子通道 [1]、晶体管 [2, 3] 等半导体器件、量子点 [4] 和光电器件 [5]、高温超导体 [6] 和单库珀对盒 [7]，也是 1 /f 噪声的组成部分 [8]。从 1 (2) 到 2 (1) 的转换率 Γ 1(2) 是描述底层系统动态的可访问参数，通常需要从测量的时间序列中提取它们。最直接的方法是按某个速率 fs 对时域信号进行采样，将其分为状态 1 和 2 中的各一个周期（图 1（a）），对停留时间 τ 1(2) 进行直方图绘制，并根据得到的分布拟合 ke − Γ 1(2) τ 1(2)。但是，噪声和有限的测量带宽的存在会导致测得的统计数据不能准确地代表底层系统。问题有两个方面：一个状态下的噪声可能导致检测到另一个状态下的错误时间周期（图 1（b）），而有限的带宽意味着看不到另一个状态的真正短周期偏移（图 1（c））。后者还会将错过的周期两侧的两个周期连接在一起，导致出现错误的长周期。已经提出了多种解决该问题的方法。一些研究侧重于优化将信号划分为状态 1 和 2 的阈值 [9]。Naaman 和 Aumentado 将检测器建模为一个单独的过程 [10]，并对测量的速率进行校正。其他技术包括小波边缘检测 [11]、自相关方法 [12]、互相关方法 [13] 和信号概率密度函数分析 [14, 15]。在本文中，我们证明了循环神经网络可用于从嘈杂、带宽受限的随机电报信号中提取底层速率。神经网络 (NN) 包括一个输入层，其中包含
充气式防热罩技术的发展
摘要 EFESTO 项目由欧盟 H2020 计划资助。该项目旨在提高欧洲设计再入飞行器充气隔热罩的能力。充气隔热罩技术能够扩大太空应用范围，因为它为大气下降提供了有效的防热和减速能力，同时具有相对的质量和体积效率，这对太空任务来说是一项重要资产。在初始研究阶段，选择将充气隔热罩用于火星探索和用于运载火箭上级再入地球以供日后重复使用，作为 HIAD 技术的潜在应用。这两个应用案例是为了在现实条件下展示该技术的性能，并为在实际应用中训练的充气隔热罩设计提供代表性的研究框架。在项目的第一部分，工作重点是两个研究案例的系统设计。这项工作产生了一种充气隔热罩设计，与初始设计相比，其几何复杂性降低，并且可扩展用于其他应用。在为连续的项目阶段选择一个参考定义之前，对柔性热防护系统 (F-TPS) 的几层材料进行了比较。在此阶段之后进行了密集的测试活动。部分测试用于使用联盟内可用的等离子风洞测试基础设施验证 F-TPS 在相关气动热环境下的热性能。此外，还制造了一个高保真充气结构地面演示器。该演示器用于巩固充气系统的机械特性。此测试活动提供了用于数值互相关和实验数值重建的数据。最终，计算折叠分析完成了此项目阶段的数值活动。项目的最后阶段致力于技术的在轨演示任务的初步设计以及技术开发路线图的设计。这个潜在的未来在轨演示器 (IOD) 将在相关环境中发展时提供有关系统性能的知识。这将为开发的充气式隔热罩技术提供飞行验证和确认。本文概述了该项目，重点介绍了即将在未来几周内完成的 EFESTO 项目的系统方面。
人类大脑海马 CA1 和 CA3 神经记录
目的 颅内人脑记录通常使用无法区分单个神经元动作电位的记录系统。在这种情况下，无法通过功能电路内的位置来识别单个神经元。本文展示了在 CA3 和 CA1 细胞场内单独记录的海马神经元的定位验证。方法 在 23 名接受侵入性监测以识别癫痫发作灶的人类患者体内植入了大-微深层电极。通过位于海马内的大-微深层电极记录的细胞外动作电位波形来分离和识别单个神经元。使用 3T MRI 扫描对 23 名植入患者以及 46 名正常（即非癫痫）患者和 26 名有癫痫病史但没有深层电极放置史的患者的海马进行形态测量调查，从而提供海马沿典型植入轨迹的平均尺寸。根据记录电极位置、深部电极的立体定位与形态测量调查的对比以及术后 MRI，暂时确定其在 CA3 和 CA1 细胞场内的定位。根据波形和放电频率特征，将细胞选为候选 CA3 和 CA1 主要神经元，并通过功能连接测量确认其位于 CA3 至 CA1 神经投射通路内。结果互相关分析证实，近 80% 的假定 CA3 至 CA1 细胞对表现出与细胞间前馈连接相符的正相关，而只有 2.6% 表现出反馈（逆）连接。即使排除了同步和长延迟相关性，在总共 4070 对中的 1071 对（26%）中发现了 CA3-CA1 对之间的前馈相关性，这与已发表的动物研究中报告的 20%–25% 前馈 CA3-CA1 相关性相比更为有利。结论 本研究证明了在活体中记录人类大脑特定区域和子域神经元的能力。随着脑机接口和神经假体研究的不断扩展，有必要能够识别感兴趣的神经回路内的记录和刺激位点。
一种新型的逐步整合分析管道揭示了不同的微生物群相互作用，并与肠易激综合征的症状联系起来
尽管未完全理解，但假定肠易激综合征（IBS）的微生物群 - 宿主相互作用改变了。因此，我们旨在开发针对微生物群 - 宿主相互作用和症状关联的整合分析而定制的新分析管道，并证明其在飞行员队列中的效用。开发了多层逐步整合分析管道，以可视化复杂的变量关联。在IBS患者和健康对照组的数据集（HC）的数据集中，使用R软件包来分析结肠宿主mRNA和粘膜菌群（16S rRNA基因测序）以及胃肠道（GI）和心理症状。总共包括42名IBS患者（57％女性，平均年龄33.6（范围18-58））和20 HC（女性60％，平均年龄26.8（范围23-41））。仅在IBS患者中，Toll样受体4的mRNA表达以及与屏障功能（PAR2，OCLN，TJP1）相关的基因紧密相关，表明潜在的功能关系。这个基于宿主基因的“渗透性簇”与粘膜粘膜和宽叶氏菌有关，此外，与饱腹感以及焦虑，抑郁和疲劳有关。在IBS患者和HC中，铬烷蛋白，泌尿素蛋白和TLR聚集在一起。 在IBS患者中，该基于宿主基因的“免疫 - 肠内分泌簇”与Firmicutes的特定成员有关，并且与抑郁症和疲劳有关，而在HC中，与微生物群没有明显的关联。 该分析管道可能有助于促进对健康和疾病中复杂可变关联的理解。在IBS患者和HC中，铬烷蛋白，泌尿素蛋白和TLR聚集在一起。在IBS患者中，该基于宿主基因的“免疫 - 肠内分泌簇”与Firmicutes的特定成员有关，并且与抑郁症和疲劳有关，而在HC中，与微生物群没有明显的关联。 该分析管道可能有助于促进对健康和疾病中复杂可变关联的理解。在IBS患者中，该基于宿主基因的“免疫 - 肠内分泌簇”与Firmicutes的特定成员有关，并且与抑郁症和疲劳有关，而在HC中，与微生物群没有明显的关联。该分析管道可能有助于促进对健康和疾病中复杂可变关联的理解。我们已经开发了逐步的整合分析管道，该管道允许鉴定独特的宿主 - 微生物互相关模式以及与IBS患者症状的关联。
1 机器人工程系，2 生物医学工程系，3 心理学系，4 卡鲁尼亚理工学院
1 机器人工程系，2 生物医学工程系，3 心理学系，4 印度泰米尔纳德邦哥印拜陀卡伦亚理工学院，5 加拿大卡尔加里大学。doi:10.15199/48.2024.09.27 使用提升小波变换进行基于熵的特征提取以对 EEG 信号进行分类摘要。在脑机接口 (BCI) 领域，一个关键的障碍在于有效地对运动想象 (MI) 信号进行分类。已经开发了许多基于脑电图 (EEG) 信号的 MI 分类技术。所提出的系统通过提升小波变换 (LWT) 将 EEG 信号转换为各种表示。长短期记忆 (LSTM) 用于对每行中提取的特征向量进行分类。在 PhysioNet 数据库上评估了该方法的性能，特别是用于区分右手和左手想象移动。该策略使得 LWT 的 72 个小波族中的 19 个的准确率达到 100%。这种组合被证明是基于 BCI 的脑电图分析的高效工具，展示了其作为该领域资源丰富的解决方案的潜力。压力。 W obszarze interfejsu mózg-komputer (BCI) kluczową przeszkodą jest skuteczna klasyfikacja sygnałów obrazowania motorycznego (MI). Opracowano liczne techniki klasyfikacji MI na podstawie sygnału elektroencefalogramu (EEG)。 Proponowany 系统支持脑电图 (EEG) 和提升小波变换 (LWT) 的变换。 Pamięć długoterminowa 长短期记忆 (LSTM) 是一个简单的学习方法，可以帮助您快速记忆。 Wydajność tej 方法是在 PhysioNet 和 bazie danych PhysioNet 中开玩笑的大洋洲，并在 celu rozróżnienia ruchu obrazowania prawej 和 lewej ręki 中使用。策略 ta zapewnia 100% dokładność w 19 z 72 rodzin falek LWT。该组合包括脑电图分析和 BCI 分析，可提供潜在的潜力。 ( Ekstrakcja cech oparta na entropii do klasyfikacji sygnału EEG przy użyciu transacji falkowej Lifting Wavelet ) 关键词：脑机接口、EEG、提升小波变换、LSTM。功能：计算机交互、脑电图、提升小波变换、LSTM。简介 运动想象 (MI) 代表了实现脑机接口 (BCI) 的一种方法。通常，它使用脑电图 (EEG) 来捕捉大脑活动，这是一种非侵入式且易于应用的方法。建议利用支持向量机 (SVM) 来生成非线性决策边界。此外，还定义了特定的核函数来处理数据集缺乏线性可分性的情况 [1]。研究人员在各种应用中对基于运动想象的脑机接口 EEG 信号分类进行了大量研究 [2-7]。在 BCI 的背景下，公共空间模式 (CSP) 是经常使用的特征之一。Selim 等人 [8] 提出了一种结合吸引子元基因算法和 Bat 优化算法的混合方法。这种混合方法用于选择 CSP 的最优特征并同时增强 SVM 的参数。其他研究则探索了使用 CSP 滤波器来推导新的时间序列。作者 [9] 采用了带通滤波器 (BPF) 和独立成分分析 (ICA) 等预处理技术来消除噪音。在区分左拳和右拳动作时，显式和隐式 MI 方法的准确率分别达到了 81±8% 和 83±3%。此外，各种研究还提出了结合不同方法以提高整体性能。在 [10] 中，设计了一种用于二元类 MI 分类的融合程序。它采用互相关技术提取特征，并利用最小二乘 SVM (LS-SVM) 进行分类。通过 10CV 方法进行性能评估，并将结果与八种替代方法进行比较，结果显示显著提高了 7.4%。提取特征和执行分类的另一种重要方法是使用卷积神经网络 (CNN) [11]。通过将 LSTM 网络与空间 CNN 集成，可以增强 BCI 的性能。随后，获得一个特征向量获得了一个特征向量获得了一个特征向量
![B'Abstract Aharoni和Howard，以及独立的Huang，Loh和Sudakov提出了以下彩虹版本的ERD \ XCB \ XCB \ X9DOS匹配猜想：用于正整数N，K，M，使用N \ Xe2 \ X89 \ X89 \ X89 \ XA5 km（如果每个人）f 1，f 1，f 1，f 1，f 1，如果。 。 ，f m \ xe2 \ x8a \ x86 [n] k的大小大于最大{n k \ xe2 \ x88 \ x92 n \ x92 n \ x88 \ x88 \ x92 m +1 k，km \ xe2 \ x88 \ x88 \ x92 1 k}，然后存在成对的e 1，cysets e 1，互相互互相关。 。 。 ，e m这样，e i \ xe2 \ x88 \ x88 f i对于所有i \ xe2 \ x88 \ x88 [m]。我们证明存在一个绝对常数n 0，因此该彩虹版本适用于k = 3和n \ xe2 \ x89 \ xa5 n 0。我们将这个彩虹匹配的问题转换为特殊的HyperGraph H上的匹配问题。然后，我们将几种现有技术结合在均匀超图中的匹配中：\ xef \ xac \ x81nd在H中的吸收匹配m；使用Alon等人的随机化过程与\ Xef \ Xac \ x81nd几乎是H \ Xe2 \ X88 \ X92 V（M）的几乎常规子图； \ xef \ xac \ x81nd在H \ xe2 \ x88 \ x92 V（m）中几乎完美匹配。为了完成该过程，我们还需要证明在3-均匀的超图中的匹配项上获得新的结果，这可以看作是Luczak和Mieczkowska结果的稳定版本，并且可能具有独立的兴趣。](/simg/g:\will\search\icon\source\6\66b12590acfaebc9bf0ec40f52ef0eeec179ff5a.webp)
B'Abstract Aharoni和Howard，以及独立的Huang，Loh和Sudakov提出了以下彩虹版本的ERD \ XCB \ XCB \ X9DOS匹配猜想：用于正整数N，K，M，使用N \ Xe2 \ X89 \ X89 \ X89 \ XA5 km（如果每个人）f 1，f 1，f 1，f 1，f 1，如果。 。 ，f m \ xe2 \ x8a \ x86 [n] k的大小大于最大{n k \ xe2 \ x88 \ x92 n \ x92 n \ x88 \ x88 \ x92 m +1 k，km \ xe2 \ x88 \ x88 \ x92 1 k}，然后存在成对的e 1，cysets e 1，互相互互相关。 。 。 ，e m这样，e i \ xe2 \ x88 \ x88 f i对于所有i \ xe2 \ x88 \ x88 [m]。我们证明存在一个绝对常数n 0，因此该彩虹版本适用于k = 3和n \ xe2 \ x89 \ xa5 n 0。我们将这个彩虹匹配的问题转换为特殊的HyperGraph H上的匹配问题。然后，我们将几种现有技术结合在均匀超图中的匹配中：\ xef \ xac \ x81nd在H中的吸收匹配m；使用Alon等人的随机化过程与\ Xef \ Xac \ x81nd几乎是H \ Xe2 \ X88 \ X92 V（M）的几乎常规子图； \ xef \ xac \ x81nd在H \ xe2 \ x88 \ x92 V（m）中几乎完美匹配。为了完成该过程，我们还需要证明在3-均匀的超图中的匹配项上获得新的结果，这可以看作是Luczak和Mieczkowska结果的稳定版本，并且可能具有独立的兴趣。
B'Abstract Aharoni和Howard，以及独立的Huang，Loh和Sudakov提出了以下彩虹版本的ERD \ XCB \ XCB \ X9DOS匹配猜想：用于正整数N，K，M，使用N \ Xe2 \ X89 \ X89 \ X89 \ XA5 km（如果每个人）f 1，f 1，f 1，f 1，f 1，如果。。，f m \ xe2 \ x8a \ x86 [n] k的大小大于最大{n k \ xe2 \ x88 \ x92 n \ x92 n \ xe2 \ x88 \ x88 \ x92 m +1 k，km \ xe2 \ xe2 \ x88 \ x88 \ x92 1 k}，然后存在Emubse em subse et emsetse。。。，e m，以至于所有i \ xe2 \ x88 \ x88 [m] e i \ xe2 \ x88 \ x88 f i。我们证明存在一个绝对常数n 0，因此该彩虹版本适用于k = 3和n \ xe2 \ x89 \ xa5 n 0。我们将这个彩虹匹配的问题转换为特殊的HyperGraph H上的匹配问题。然后，我们将几种现有技术结合在均匀超图中的匹配中：\ xef \ xac \ x81nd h中的吸收匹配m；使用Alon等人的随机化过程与\ Xef \ Xac \ x81nd几乎是H \ Xe2 \ X88 \ X92 V（M）的几乎常规子图； \ xef \ xac \ x81nd在H \ xe2 \ x88 \ x92 V（m）中几乎完美匹配。要完成该过程，我们还需要证明在3-均匀的超图中的匹配项上获得新的结果，这可以看作是Luczak和Mieczkowska结果的稳定版本，并且可能具有独立的利益。