XiaoMi-AI文件搜索系统
World File Search System光扫描
通过3D结构光扫描
摘要为了确保线弧添加剂制造（WAAM）组件的几何精度，必须分析过程参数如何影响焊珠尺寸和形状。本文提出了一个正式且可重复的程序，通过增强全覆盖的光学扫描，重点关注通过冷金属传递（CMT）焊接过程实现的多层薄壁封闭标本，从而完全表征珠子的几何形状。已经根据过程参数计划制造了一系列圆形标本，并用GOM边缘投影3D光学扫描仪扫描，在Rhinoceros 3D CAD环境中进行了几何处理，并根据ANOVA方法对统计学上的分析进行了分析。已经评估了平均尺寸，横向波动，连续层之间的相互作用以及封闭层路径的割炬开关/关闭区域。已经建立了珠子大小和沉积参数之间的数值相关性。获得的结果还揭示了形状和尺寸的可变性，突出了控制几何学精度的挑战。最后，根据这些结果制定了过程规划指南。
采用结构光扫描混合制造碳纤维铺层因瓦合金模具
本文介绍了增材制造预制件五轴加工的坐标系定义和传输。在该方法中，将一组基准点连接到临时连接到零件的部件上，并使用结构光扫描仪校准它们相对于预制件几何形状的位置。然后可以在机床中测量这些基准点，以确定零件的位置和方向。该方法通过对增材制造的因瓦合金预制件的碳纤维铺层模具进行精加工来演示。除了展示加工零件所需的坐标传输方法外，还讨论了加工增材制造预制件的几个关键挑战，并提出了潜在的解决方案。不幸的是，由于增材工艺留下的零件内部孔隙，最终零件最终无法使用。未来的工作将重新制造该零件，同时采取措施避免孔隙和遇到的其他挑战。© 2022 制造工程师协会 (SME)。由 Elsevier Ltd. 出版。保留所有权利。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）由 NAMRI/SME 科学委员会负责同行评审。关键词：增材制造；铣削；结构光扫描；计量学；基准点
process-planning-AFSD.pdf - 机床研究中心
增材摩擦搅拌沉积 (AFSD) 提供了一种固态金属沉积方法，该方法不依赖于局部熔化和凝固，而是依赖于动能和塑性流动。在本研究中，AFSD 与结构光扫描、车削和铣削相结合，以生产金属部件，同时考虑混合制造工艺序列提出的独特要求。提供了两个演示，包括：1) 选择圆柱形构建板，以便在空心锥体的沉积和车削之间实现坐标系转移；2) 使用结构光扫描进行间歇沉积加工操作，以制造双面六边形圆柱几何体。2023 年制造工程师协会 (SME)。由 Elsevier Ltd. 出版。保留所有权利。
通过添加摩擦搅拌沉积，计量，CNC加工和微观结构分析的混合制造
航空航天飞行面板必须提供低质量的高强度。对于铝面板，通常以锻造板开始并去除大部分材料以达到所需的结构，包括带有所需的钢筋肋骨模式的较薄板。作为替代方案，本研究实现了杂种制造，其中铝首先仅使用添加摩擦搅拌（AFSD）在肋骨位置沉积在底板上。然后使用结构化的光扫描来测量印刷几何形状。此几何形状最终用作计算机数值控制（CNC）加工的库存模型。本文详细介绍了由：AFSD组成的混合制造过程，以打印预成式的结构化光扫描，以生成库存模型和工具路径，三轴CNC加工以及零件几何和显微结构的后处理测量。©2023作者。由Elsevier Ltd.这是CC BY-NC-ND许可证（https://creativecommons.org/licenses/by-nc-nc-nd/4.0）下的开放式访问文章。关键字：混合制造，添加摩擦搅拌沉积，结构化扫描，加工
35 人工智能对大学的影响...
在特定领域，AI已经超越了人类的表现。去年，斯坦福大学的研究人员利用AI通过正面X光扫描识别了14种不同的疾病。该系统的创建仅用了一个月的时间，AI的准确率超过了人类肺炎诊断师。这项研究发表在《科学》杂志上。9 2017年，一个名为AlphaZero的人工神经网络系统在不到24小时内就获得了国际象棋、将棋和围棋超人水平的表现。这是在除了游戏规则之外没有其他领域知识的情况下完成的。10 2018年5月，谷歌首席执行官Sundar Pichai在Google I/O大会上发表主题演讲时，展示了一个名为Duplex的人工智能系统，引起了轰动。该系统能够通过电话安排预约，无需人工干预，但给人的印象是双方正在进行自然对话。人们很容易想象人工智能正在迅速变得超级智能，并因此获得所有在小说中被归因于它的积极和消极能力，因为自动驾驶汽车和听起来像人类的机器人等人工智能奇迹层出不穷。当然，情况根本不是这样
基于可解释人工智能的 COVID-19 风险预测前瞻性框架
摘要 鉴于 COVID-19 已蔓延至广大地理区域和人群，对所有出现流感样症状的个体进行或建议进行基于 RT-PCR 的检测是不可行的。由于检测成本高昂且少数国家人口众多，基于 RT-PCR 的检测范围仍然有限。因此，替代方法可能有助于预测 COVID-19 感染风险。我们构建了一个基于可解释的人工智能 (AI) 的综合网络前瞻性框架，用于预测 COVID-19 风险。我们采用了两步程序对 COVID19 感染风险进行非临床预测。第一步，我们根据最近研究中与 COVID-19 阳性症状相关的精心选择的参数来评估 COVID19 感染的初始风险。通常，X 射线扫描更便宜，并且在大多数政府和私人健康中心都很容易获得。因此，基于第一步计算出的初始风险的结果，我们进一步在我们提出的基于 AI 的前瞻性框架的第二步中使用胸部 X 射线扫描提供可选预测。由于经济落后国家难以进行昂贵的 RT-PCR 确认检测，因此这是我们可解释的基于 AI 的前瞻性框架的重要组成部分。结合基于深度学习的胸部 X 光扫描高级分析，对初步风险评估结果进行分析，以准确预测 COVID-19 感染风险。这种基于网络的前瞻性 AI 框架可以在未来的临床验证后在资源有限的环境中使用。采用这种基于 AI 的前瞻性框架所需的成本和时间将很少，因此它将使大多数生活在低收入环境（如小城镇和农村地区）的人口受益，因为这些地区无法获得先进的医疗设施。关键词：COVID-19、冠状病毒、机器学习、深度学习、胸部 X 光、预测系统
新型雌激素的体外和体内评估...
背景：化疗仍是晚期转移性胃癌的主要一线治疗方法，但其存在副作用大及耐药性的局限性，传统脂质体被大量用作药物载体，但其靶向性不足，药物在肿瘤组织中的生物利用度较低。基于以上问题，制备了一种新型雌激素靶向的载奥沙利铂聚乙二醇化脂质体（ES-SSL-OXA），以进一步改善奥沙利铂的代谢行为、安全性和抗肿瘤疗效。方法：采用薄膜水化法制备4种奥沙利铂（OXA）脂质体，采用HPLC和DLS（动态光扫描）对所得制剂的包封率（EE）、粒径等进行表征，用透射电子显微镜（TEM）检测ES-SSL-OXA的形貌。利用荧光显微镜和体内成像系统在胃癌细胞（SGC-7901）和荷瘤无胸腺小鼠中验证ES-SSL-OXA的体外和体内靶向作用。在SGC-7901细胞和荷瘤无胸腺小鼠身上考察了ES-SSL-OXA的体内外抗肿瘤作用。在ICR小鼠身上进行了ES-SSL-OXA的药代动力学、生物分布和急性毒性试验。结果：ES-SSL-OXA的平均粒径约为153.37nm，包封率为46.20%，在4℃和25℃下漏出率较低。体内外靶向研究证实ES-SSL-OXA能有效靶向肿瘤部位。抗肿瘤活性显示ES-SSL-OXA对肿瘤生长的抑制作用最强。药代动力学和急性毒性研究表明ES-SSL-OXA能显著改善奥沙利铂的代谢行为和毒性特征。结论：本研究成功制备了一种新型雌激素靶向长效OXA脂质体制剂，ES片段能有效靶向递送至高表达雌激素受体的肿瘤组织，为临床胃癌的治疗提供了一种有希望的方法。关键词：雌激素受体，化疗，长效脂质体，靶向给药，药代动力学，抗肿瘤活性