XiaoMi-AI文件搜索系统
World File Search System以自
蒙版视频和肤色imu自动编码器用于以自我为中心动作识别
摘要。与视觉信号相比，放置在人体四肢上的惯性测量单元（IMU）可以捕获准确的运动信号，同时对照明变化和遮挡具有鲁棒性。尽管这些角色 - 在帮助以以上为中心的行动识别方面是有价值的，但IMU的潜力仍然不足。在这项工作中，我们提出了一种新颖的动作识别方法，该方法将来自人体磨损的IMU的运动数据与以自我为中心的视频相结合。由于标记的多模式数据的稀缺性，我们设计了一种基于MAE的自我监管预处理方法，通过对视觉和运动信号之间的自然相关性进行建模，从而获得了强大的多模式表示。为了建模整个体内的多个IMU设备的复合关系，我们利用了多个IMU设备中的协作动力学，并建议将人类关节的相对运动特征置入图形结构中。实验表明我们的方法可以在多个公共数据集上实现最新性能。在更具挑战性的场景中，我们的基于MAE的预培训和基于图的IMU建模的有效性得到了进一步的验证，包括部分缺少IMU设备和视频质量损坏，从而促进现实世界中更灵活的用法。
生物多样性和以自然为中心的方法2024年4月
在上面指出的每个焦点区域下，我们都制定了“寻求”标准，指导对产品和服务，政策和流程的投资，并“避免”标准，从而将投资从对抗过渡到可持续经济过渡的产品和实践中进行。我们认为，公司的产品和服务（公司生产的产品），流程（制造方式）和政策（业务如何运营）是长期可持续性的有意义的维度。我们将“寻求”标准应用于对ESG领导者，解决方案提供商和表现出积极ESG势头的公司的投资。我们采用“避免”标准来防止投资依靠有害产品或实践或表现出严重行为的公司。决策考虑因素包括相对的绩效，历史和实践模式以及事件响应，积极和负面影响的程度，市场领导力以及产品或实践，以应避免。
使用 GPT 嵌入优化自然语言处理方法以自动检测阿尔茨海默病
摘要：开发非侵入性且经济有效的阿尔茨海默病 (AD) 检测方法对于早期预防和缓解该病至关重要。我们通过使用音频增强技术和新颖的转录方法来优化使用自然语言处理 (NLP) 对自发语音的 AD 检测。具体来说，我们利用 Boll 谱减法来提高音频保真度，并使用最先进的 AI 服务（基于本地的 Wav2Vec 和 Whisper，以及基于云的 IBM Cloud 和 Rev AI）创建转录，并评估它们与传统手动转录方法的性能。然后使用基于 GPT 的转录嵌入对支持向量机 (SVM) 分类器进行训练和测试。我们的研究结果表明，基于 AI 的转录大大优于传统的手动转录，其中 Wav2Vec（增强音频）在本地系统中实现了最佳准确度和 F-1 分数（两个指标均为 0.99），而 Rev AI（标准音频）在基于云的系统中表现最佳（两个指标均为 0.96）。此外，除了音频增强的微小影响外，这项研究还揭示了采访者讲话对模型性能的不利影响。根据我们的研究结果，当前的 AI 转录和 NLP 技术在利用现有数据准确检测 AD 方面非常有效，但由于缺乏训练数据，难以对可能的 AD 和轻度认知障碍 (MCI)（AD 的前驱阶段）进行分类，为未来实施自动 AD 检测系统奠定了基础。
对深度学习算法的务实评估可以自动化心脏手术手术室中手持式，护理点的超声心动图
目的：测试通过基于深度学习的自动化算法（自动EF）与辛普森方法估计的EF估计的射血分数（EF）的相关性。设计：一项前瞻性观察研究。设置：宾夕法尼亚大学医院的单中心研究。参与者：研究参与者年满18岁，计划接受瓣膜，主动脉，冠状动脉搭桥移植物，心脏或肺部植物手术。干预措施：这项非干预研究涉及使用飞利浦手动超声设备Lumify获取顶端4腔经胸膜超声心动图剪辑。的测量和主要结果：在对54个剪辑的主要分析中，与辛普森的EF估计方法相比，自动EF的偏差（10.17％）和经验丰富的读取器估计的EF（9.82％）相似，但是自动EF（r = 0.56）的相关性比经验丰富的EDERED EDER-EDEREFER-EXEF（r = 0.80）低于自动EF（r = 0.56）。在次级分析中，当将辛普森方法估计的EF与自动EF估计的EF之间的相关性增加了，当将27种采集应用于分类为足够的27种采集（r = 0.86），但是当应用于27次审判时，将减少为不足（r = 0.46）。结论：适用于对足够图像质量的采集，自动ef产生了与辛普森方法相当的数值估计值。但是，当应用于对图像质量不足的采集时，会在自动EF估计的EF和辛普森方法之间产生差异。经验丰富的读者的视觉EF估计与辛普森在变量和不足的成像条件下的方法高度相关，强调了其持久的临床实用性。2024 Elsevier Inc.保留所有权利。
实施自动导向车辆，以自动化选定的过程并消除仓库中的设备和人类之间的碰撞
摘要：本文介绍了所选公司中自动导向车辆（AGV）的实施。目的是分析我们国家和国外的AGV的使用，并提供有关其他国家 /地区使用AGV的信息。分析的结果是文献综述，指出了在公司中使用AGV的个人优势和缺点。在审查中，由于公司现有的AGV现代化或使用AGV替换AMR，我们还解决了AMR车辆的问题。我们的目标是展示为什么AGV可以取代人类的工作。这主要是因为员工的工资不断增加，这是由于安全性的，而且还因为所选公司的现代化。公司在其他网站上具有积极的AGV经验。我们想指出一种更高的自动化形式，以及如何使用AMR车辆与AGV相同的工作。在公司中，我们确定了我们想介绍AGV或AMR车辆的工作。因此，我们从磁带操作的CEIT和SEER的AMR中选择了AGV，例如。基于研究，对AGV的需求预计将在2019 - 2024年增加17％。因此，公司正在研究在多个站点实施AGV的问题。剩下的问题是经济回报，以及在公司中流程自动化进行投资的可能性，我们在文章和研究中更详细地讨论了这一点。本文介绍了AGV，其工作量的确切过程，以及AGV的路线，例如加载/卸载点，停止点，检查点，与其他AGV的交界处，充电站和现场元素以及其速度，频率以及与其他AGV的碰撞的可能性。我们的研究表明，通过应用新技术，该公司将在员工工资上节省大量资金。购买两个AGV将使公司损失49,000欧元，而公司使用的原始技术每年耗资79,200欧元。此类投资的投资回收期为8个月。在本文的最后一部分中评估了实施AGV的好处，其中包括不同建议的经济和时间要求。本节还包括改善企业特定部分的建议。
开创性的神经行为：以自我为中心的人类增强和无私牺牲
在成本降低，材料的可用性和可靠性以及植入设备的方式方面，神经技术（NT）的增长领域变得越来越容易获得。与其他工程领域（例如生物或信息技术）一样，越来越多的开拓性黑客社区（自我）尝试NT并开发新颖的应用。虽然大多数关于NT的争论，但其目标和伦理后果通常是由该领域的专业人员（神经科学家， - 工程师， - 伦理学家）进行的，但在这些制度性框架中，关于Neurohackers的动机，目标和视野以及如何看待NT Terapeutics vs.人类增强的伦理后果。在这项研究中，我们借鉴了与13位神经狂热的先驱者的定性访谈，他们从基层的角度与NT互动（即一种自下而上的和社区/亚文化的方法），并阐明了：他们如何在人类增强的背景下理解自己；侵入性NTS的作用是确定为半机械人的作用；如果他们的实践在治疗和增强之间表现出明显的区别；人类增强是否始终与性能，优化和功能有关；在多大程度上，Neurohackers有助于“主流” NT。
使用生成的对抗网络将头皮映射到颅内脑电图中，以自动检测中间的癫痫样放电
摘要 - 头皮和颅内脑电图（EEG）对于诊断脑部疾病至关重要。但是，头皮脑电图（seeg）被头骨衰减并被伪像污染。同时，颅内脑电图（IEEG）几乎没有文物，并且可以捕获所有大脑活动，而无需任何衰减，因为靠近大脑。在这项研究中，目的是通过将SEEG映射到IEEG来提高SEEG的性能。为此，我们在这里使用生成的对抗网络开发了一个深神经网络，以估算IEEG的SEEG。所提出的方法适用于Seeg和IEEG，并从癫痫发作中同时记录以检测间隔癫痫样放电（IEDS）。所提出的方法检测IEDS的精度为76％的IED，并以最先进的方法为止。此外，它至少比比较方法少十二倍。
以自噬为靶点，联合使用氯喹和雷帕霉素，是治疗高分化脂肪肉瘤的新型有效方法
摘要。背景/目的：脂肪肉瘤是一种源自脂肪组织的软组织肉瘤。它在软组织肉瘤中比较常见。抗疟药氯喹 (CQ) 可抑制自噬并诱导癌细胞凋亡。雷帕霉素 (RAPA) 是 mTOR 的抑制剂。RAPA 和 CQ 的组合是自噬的强效抑制剂。之前，我们表明 RAPA 和 CQ 的组合对去分化脂肪肉瘤患者来源的原位异种移植 (PDOX) 小鼠模型有效。在本研究中，我们研究了 RAPA 和 CQ 的组合在体外靶向高分化脂肪肉瘤 (WDLS) 细胞系中的自噬的功效机制。材料和方法：使用人类 WDLS 细胞系 93T449。使用 WST-8 试验检测 RAPA 和 CQ 的细胞毒性。使用蛋白质印迹法检测自噬体组成部分微管相关蛋白轻链 3-II (LC3-II)。还对 LC3-II 进行了免疫染色以进行自噬体分析。使用 TUNEL 试验检测凋亡细胞，并在三个随机选择的显微镜视野中计数凋亡阳性细胞以进行统计验证。结果：RAPA 单独和 CQ 单独抑制细胞活力
