XiaoMi-AI文件搜索系统
World File Search System双眼
抗癌药物所致葡萄膜炎的临床表现、诊断、治疗及预后：文献综述
摘要：抗癌药物尤其是免疫治疗和特定的靶向治疗可引起葡萄膜炎的报道越来越多，但尚不完全清楚该药物引起的葡萄膜炎的临床特征是否不同于其他类型的葡萄膜炎，以及这些药物之间是否存在差异。我们回顾性地分析了2011年1月至2020年10月在PubMed、Embase、Web of Science和Cochrane上发表的病例和病例系列，分析了数据，包括患者基本信息、所用药物、用药时长、发病时间、临床表现、诊断、治疗和葡萄膜炎的预后。我们重点关注免疫治疗和特定的靶向治疗引起的葡萄膜炎的差异。本研究共纳入55篇文章中报道的93例（43例男性，48例女性，2例性别不详）。平均年龄为59.6±13.5岁。80%的患者为双侧受累。免疫治疗60例（64.5%），特异性靶向治疗26例（27.9%），两组从治疗到发病的平均时间差异无统计学意义。抗癌药物引起的葡萄膜炎可累及从前部到后部的葡萄膜各个部分，表现为前房闪辉、前房细胞、视乳头炎、黄斑水肿、视网膜下积液、脉络膜积液。免疫治疗组以前葡萄膜炎（24例，40.0%）多见，特异性靶向治疗组以中间葡萄膜炎（8例，30.8%）多见。特异性靶向治疗组入院时平均LogMAR视力低于免疫治疗组，但差异无统计学意义。皮质类固醇治疗可有效控制抗癌药物引起的葡萄膜炎。但生存预后较差。在19例报告癌症预后的患者中，7例（36.8%）癌症未进展，8例（42.1%）出现进一步转移，4例（21.0%）死于癌症。总之，抗癌药物引起的葡萄膜炎累及双眼，表现为各种类型的葡萄膜炎。接受特定靶向治疗的患者更容易出现中间葡萄膜炎和低视力，而免疫治疗患者更容易出现前葡萄膜炎。皮质类固醇对抗癌药物引起的葡萄膜炎有效。
将CO2吸收到碳酸钾溶液中的动力学分析 利用数据驱动的光伏能力预测的气象预测 管电压对旋转X射线阳极侵蚀的影响 双眼摄像机应用程序：视障的导航系统 Agrivoltaic建模：扇区概述 使用分子建模方法探索碳水化合物构象和连接 算法交易的机器学习主题 激光诱导的生物质石墨烯的技术经济评估
co 2气液吸收是具有碳捕获和存储（BECC）的生物能源最相关的技术之一。目前建议在压力/温度旋转过程中碳酸钾作为最可行的BECC过程，在该过程中，它缓冲了CO 2与羟基离子的吸收反应。在整个过程中，溶剂加载在进入吸收器之前将吸收器进入高度之前从低点变化。对于工艺设备的尺寸，在任何情况下都必须知道吸收动力学。为了研究动力学参数，开发了测量设置，并在50至75°C之间测量了溶剂载荷为0.3至0.7的CO 2吸收液的溶剂溶液。通过将CO 2吸收到纯水中来测量传质系数。反应速率常数K OH的获得值显示在增加溶剂载荷时激活能的减少。通常，溶剂加载的增加会导致K OH的值增加。但是，由于较高的负载下pH值较低，可观察到的吸收率降低。一种克服碳酸钾的动力学限制的方法是吸收启动子的利用。在吸收过程中合成并测试了模仿化合物锌（II）循环的碳赤铁蛋白酶。在研究条件下，未发现Zn（II） - 循环的促进作用。
选择健康医疗政策 - 过敏，哮喘...
描述食物过敏是一种用来描述对与触发食物蛋白结合的IgE抗体介导的食物的不良免疫反应的术语；该术语还用于表明对食物的任何不良免疫反应（例如，包括细胞介导的反应）。食物过敏在婴儿/儿童（3岁以下约6％）中比成人（约2％）更为常见，并且患病率似乎正在增加。对牛奶，鸡蛋，小麦和大豆过敏的儿童食物过敏，最常见（到5岁时〜85％），而对花生，树坚果和海鲜过敏通常并不多。食物过敏是部分遗传确定的，并且通常与特应性疾病的个人或家族史有关。随着食物摄入挑战测试，患者摄入了怀疑敏感性的食物，临床医生观察到与过敏反应有关的症状和监测迹象。如果双盲，患者和医生都蒙蔽了双眼。双盲挑战通常在医院或医师办公室进行，那里有复苏设备。单盲测试使患者视而不见，在开放挑战中，患者和提供者均未蒙蔽。虽然双盲挑战是金标准，但由于测试的费用和复杂性，但并不经常执行。挑衅性测试，也称为挑衅 - 中性化和连续稀释滴定测试（P-N和S- D），是体内技术，试图通过评估测试剂量唤起症状并诱导Wheal生长的能力来诊断敏感性。测试有3种变化，在测试过敏原的给药途径上有所不同：脑上，皮下和/或舌下。这些有争议的技术主要由临床生态学家采用。在P-N方法中，溶于甘油，苯酚或蒸馏水中的每个抗原的串行稀释液被外皮内施用。该方法的目标是：1）确定引起症状的物质，2）发现这些物质的稀释液适合治疗。从经验上讲，已经发现，在每次稀释后十分钟的测试期内，其他稀释物的某些稀释液会促进患者特征症状的变化。P-N方法适用于多种过敏原：食物，花粉，灰尘，模具和化学物质。在P-N方法中，中和剂量是一种症状缓解的稀释。稀释和较弱的稀释液都会引起症状。因此，剂量反应曲线通常是非单调的（即双相）。P-N方法可以单独使用，或与症状反应结合使用。一种变体（假定在儿童中更有用）涉及通过舌下滴剂的挑衅。使用这种方法，症状挑衅和中和是诊断敏感性的唯一标准。舌下P-N经常用于测试食用色素和某些食物化学物质，并且经常
分层心智中意识的必要和充分机制
与之前被禁的研究相比，意识研究正成为科学前沿的几项重大挑战之一。随着上个世纪热情的先驱者应用双眼竞争、裂脑、盲视和其他范式（Seth，2018），神经科学中出现了意识的经验理论。目前，情况已经达到了一个充满希望和挑战的临界点，因为大量的意识理论（ToC）都声称自己有各自的合理性，而这些理论都有特定的经验支持，它们提出的猜想导致了不同的预测（Del Pin 等人，2021 年；Signorelli 等人，2021 年；Seth 和 Bayne，2022 年；Yaron 等人，2022 年）。人们讨论了各种理论，看来这个问题正变得越来越普遍。目前，不同团体和领域之间缺乏合作，阻碍了意识理论的进步。然而，未来有望出现一种不受个体理论界限限制的基础理论（Koch，2018）。在此过程中，四种主要的 ToC 获得了最多的关注（ Seth and Bayne，2022）：整合信息理论（IIT）（Tononi，2008；Oizumi 等，2014；Tononi 等，2016）、全局神经工作空间理论（GNWT）（Dehaene，2014；Mashour 等，2020）、高阶理论（HOT）（Lau and Rosenthal，2011；Brown 等，2019），以及循环加工理论（RPT）（Lamme，2018）和预测加工理论（PP）（Seth and Hohwy，2021）。简而言之，IIT 将任何有意识的体验与相应状态下系统的最大不可约因果结构联系起来； GNWT 认为，由广泛的神经激发和跨多个认知模块共享信息所引发的全局工作空间是实现意识的关键；HOT 基于意识体验的高阶结构，其中“我”意识到“某事”（“某事”的表征是一阶的）。同时，RPT 和 PP 强调自上而下的处理在有意识的心理活动中的重要性。第五种方法并没有将意识归因于神经活动，而是将意识与跨多个时空尺度的底层物理过程联系起来。作为一个典型且著名的范式，精心策划的客观还原 (Orch OR，参见 Hamerooff 和 Penrose，2014) 理论声称，根据哥德尔不完备定理 (Penrose，1999)，理解、自由意志或洞察力等心理方面无法用图灵机计算。它将意识与量子力学过程联系起来。意识场论将不确定的粒子状和波状现象比作“神经元-波二象性”（John, 2001），并提出大脑中广泛存在的电磁（EM）场可能是意识的物理相关物（Hunt and Jones, 2023）。
Ralph SinkusCIMET人类视觉和计算机视觉
CIMET Human Vision and Computer Vision Course name: Human Vision and Computer Vision Course code: CIMET HVCV Course level: Master ECTS Credits: 5.00 Course instructors: Sérgio Nascimento & Juan Luis Nieves (University of Granada) Education period (Dates): 2 nd semester Language of instruction: English Prerequisite(s): Module “Color Science” (1 st semester) Expected prior-knowledge: Modules光子学和光学基本原理”（第1个学期）和辐射测定法，来源和探测器”（第二学期）的目标和学习成果：课程的目的是提供对视觉过程的稳固而综合的视野，重点是物理方面以及自动处理信息的自动处理。这种更定量的方法与视网膜和皮质组织的概念以及视觉心理物理学的基本原理相辅相成。尽管该课程的目的是在理论上扎实的基础上，但将在适当和独立的项目开发和研究的情况下，将被视为实践问题和解决问题。在完成本课程后，学生将能够：•在解剖学和功能上确定人类视觉系统的主要组成部分。•应用视觉光学以描述眼睛中的成像过程。•确定对视觉系统施加的物理约束，并将它们与视觉性能的限制联系起来。•识别并描述人类视力的主要心理物理方面，并描述基本的心理物理技术。视觉感知和人类视觉系统的主要组成部分。接受场，LGN和皮层处理。人类视力中的基本数字。•在要教的自动视觉问题主题的背景下描述并应用基本图像处理算法（可以修改）：•视觉感知引入。视觉过程：图像形成，转导，编码，视网膜和皮质处理。•视觉光学器件。眼睛的光学，球形和散光的差异，畸变。放大倍数。住宿。对比灵敏度。•光波和苏格兰视觉。光波和苏格兰视觉：光波，苏格兰和介质视觉。光谱敏感性和浦肯野的偏移。晚上近视。视野，空间和时间求和。外部。•颜色感知。颜色感知的基本原理：颜色匹配和三色，光感受器的光谱敏感性。色相取消和对手颜色。颜色恒定。彩色幻觉。获得并继承了色觉不足。•视觉感知的空间和时间方面。对象和形状的感知。对运动的感知。双眼视力和深度感知。立体视力。眼动。Troxler现象强化。•图像质量。评估图像感知质量的图像质量和心理物理方法。•计算机视觉简介。计算机视觉简介：什么是计算机视觉？MARR范式和场景重建，基于模型的视觉。光度立体声。其他用于图像分析的范例：自下而上，自上而下，神经网络，反馈。像素，线，边界，区域和对象表示。“低级”，“中级”和“高级”视觉。•计算机视觉的应用。图像处理形状从X形从阴影发出。阻塞轮廓检测。运动分析。运动检测和运动流动结构。基于对象识别模型的方法。基于外观的方法。不变。
视觉感知冲突和错觉
视觉感知冲突和错觉 Leonard A. Temme Melvyn E. Kalich Ian P. Curry Alan R. Pinkus H. Lee Task Clarence E. Rash 视觉可以说是战士最重要的人类感官。视觉处理的目的是获取有关我们周围世界的信息并理解它（Smith and Kosslyn，2007）；视觉涉及光的感知和解释。视觉感官器官是眼睛，它将传入的光能转换为电信号（参见第 6 章，人眼的基本解剖和结构）。但是，这种转变并不是完整的视觉。视觉还涉及对视觉刺激的解释以及感知和最终认知的过程（参见第 10 章“视觉感知和认知表现”和第 15 章“认知因素”）。视觉系统已经进化到可以从自然场景中获取真实信息。它在大多数任务中都非常成功。但是，可见光源中的信息通常是模棱两可的，为了正确解释许多场景的属性，视觉系统必须对场景和光源做出额外的假设。这些假设的一个副作用是我们的视觉感知并不总是值得信赖的；视觉感知的图像可能具有欺骗性或误导性，尤其是当场景与过去推动视觉系统进化的场景截然不同时。因此，存在“眼见为实”的情况，即所感知到的不一定是真实的。这些错误感知通常被称为错觉。Gregory (1997) 确定了两类错觉：具有物理原因的错觉和由于知识误用而导致的错觉。物理错觉是由于物体和眼睛之间的光线干扰或由于眼睛感官信号的干扰而导致的错觉（也称为生理错觉）。认知错觉是由于大脑错误地运用知识来解释或读取感官信号而导致的。对于认知错觉，区分物体的具体知识和体现为规则的一般知识很有用（Gregory，1997）。所有幻觉的一个重要特征是必须有某种方法来证明感知系统在某种程度上犯了错误。通常这意味着场景的某些方面可以用不同于视觉感知的方式来测量（例如，可以用光度计、光谱仪、尺子等来测量）。重要的是要认识到这些“错误”实际上可能是视觉系统在其他情况下的有用特征，因为幻觉背后的相同机制可能会在其他情况下产生真实的感知。只有当“错误”可以通过其他方式检测到时，幻觉才是幻觉。虽然幻觉可能会欺骗作战人员，但视觉系统还有其他限制，可能导致在执行任务期间出现错误。这些包括视觉掩蔽（通过呈现第二个短暂刺激（称为“掩蔽”）来降低或消除一个短暂刺激（称为“目标”）的可见性）、双眼竞争（呈现给每只眼睛的不同图像之间的无意识交替）和空间定向障碍（作战人员对位置和运动的感知与现实不一致的情况）。视觉掩蔽 视觉掩蔽通常是指一种视觉刺激对另一种视觉刺激出现的影响，其中一种或两种刺激都是短暂的。因为，正如本讨论将明确指出的，视觉掩蔽
认知心理学：心智与大脑 1/E
Atkinson-Shiffrin 模型（模态模型）：一种基于信息处理的记忆模型，最早于 20 世纪 60 年代开发，强调短期记忆作为信息进入长期记忆之前的入口所起的作用。氛围效应：在推理中，如果结论包含与前提相同的量词（“一些”、“全部”或“否”），则倾向于接受该结论为有效。注意：在特定时刻，增强某些信息并抑制其他信息的过程。注意瞬脱：如果第二条信息在第一条信息出现后的一定时间内出现，则报告第二条信息的性能会下降。注意控制器：冲突现象神经网络模型的一个组成部分，可激活与当前目标相关的表征。态度：对物体或人的相对持久的情感色彩信念、偏好和倾向，例如对人或物体的喜欢、爱、恨或渴望。自动过程：一种无需意图即可启动且无需注意即可运行的过程。 背景知识：一种指定属性如何产生、为何重要以及彼此之间如何关联的知识。 向后搜索：在解决问题时，从目标状态移动到初始状态。 巴德利-希奇模型：目前影响深远的工作记忆模型；它强调需要短期存储信息才能进行复杂的认知活动，采用两个短期存储缓冲区和一个控制系统。 基本情绪：六种基本情绪反应类型似乎在各个文化中都普遍存在：快乐、悲伤、愤怒、恐惧、厌恶和惊讶。 基础级别：最常用、最容易学习和最有效地处理的分类级别。 行为方法：一种测量直接可观察行为的技术，例如响应时间或响应准确性。 信念偏差：当有关世界的背景知识和个人信念影响记忆并将其重塑为与预期一致的形式时产生的偏差。信念偏差效应：在推理中，倾向于接受三段论的“可信”结论，而不是“不可信”结论。 约束问题：我们如何将形状、颜色和方向等不同特征关联起来，以便感知单个物体的问题。 双眼竞争：每只眼睛看到的单个图像之间的竞争。 生物运动：生物体独特产生的运动模式。 双稳态感知：对模糊刺激交替解释的感知。 阻塞（记忆）：当其他信息与检索线索更紧密相关时，阻碍检索目标信息的障碍。 瓶颈：对一次可以处理的信息量的限制，需要选择信息以通过瓶颈。布罗卡失语症（非流利性失语症）：一种失语症，其特征是言语不流利，通常理解能力相当好，但在处理复杂句子方面存在缺陷。布朗-彼得森任务：一项检查短期记忆中存储持续时间的任务。分类三段论：前提和结论与不同类别相关的三段论。基于类别的归纳：一种依赖于所涉及实例类别的归纳形式。类别特定障碍：在失认症中，选择性地无法检索某些类别的单词，例如水果或蔬菜，同时保留识别其他单词类别的能力。中央执行器：Baddeley-Hitch 工作记忆模型的控制系统组件，它控制两个存储缓冲系统中的信息操作。变化视盲：无法检测到场景物理方面的变化，被认为是由于无法在任何时候选择场景中存在的所有信息而引起的。块：工作记忆中的信息分组，通过将多比特信息作为单个单元进行处理，可以增加有效存储容量。 （情绪的）环形模型：一种描述情绪反应范围随唤醒和效价维度变化的模型。
大脑和行为Eagleman PDF
看来您的连接已丢失。这是重写文本：**概述** ****3版** ** **详细信息** ** **评论** ** **列表** ** ** **相关书籍** ** ** ** 2024年1月30日** ** ** ** **由Agentsapphire ** **编辑** ** ** ** ** ** **毫无评论。January 30, 2024 Edited by AgentSapphire //covers.openlibrary.org/b/id/14573126-S.jpg January 30, 2024 Edited by AgentSapphire Update covers December 19, 2023 Edited by ImportBot import existing book November 25, 2019 Created by ImportBot Imported from amazon.com record United States Jump To Support Register or Log In Brain and Behavior A Cognitive Neuroscience透视**奉献**奉献给Cirel，Arthur，Read，Francis和Sarah-在我认识您的顺序中。和对两个儿子的虔诚母亲安·唐纳（Ann Downar），敏锐的编辑，还有红笔的天才韦尔德（Wielder）。本章探讨了神经元中信息编码的概念，并深入研究了大脑功能和行为的复杂性。大局：寻找治疗脊髓损伤的方法。大脑如何平衡稳定性与变化？洞察力是通过检查脑干来获得的，脑干在控制各种身体功能中起着至关重要的作用。为什么视觉与眼睛无关？本章深入研究了大脑视觉处理的复杂性，以及它与其他感觉的不同。在此过程中，延髓和庞斯被强调为关键参与者。日常生活的神经科学：为什么我们会打ic？本章探讨了控制我们行动的控制机制，包括中脑的作用。什么是意识？什么是情绪？**简短内容***前言：认知神经科学的回报；治愈无序的大脑； Blueprints for Artificial Cognition * About the Authors * Part I: The Basics - Introduction to brain and behavior, neurons, synapses, neuroplasticity * Part II: How the Brain Interacts with the World - Vision, other senses, motor system * Part III: Higher Levels of Interaction - Attention, consciousness, memory, sleep, language, lateralization * Part IV: Motivated Behaviors - Decision making, emotions, motivation, reward, social cognition *第五部分：大脑和行为障碍 - 神经和精神疾病**内容***序言：认知神经科学的回报；治愈无序的大脑；关于作者的人工认知 *的蓝图：增强人类能力；人工认知的蓝图；与大脑兼容的社会政策 *第一部分：基础知识： +第1章：简介 - 学习目标，开始：黑暗中的敬畏之火，回顾问题，批判性思维问题，认知神经科学的使命 +第2章：大脑和神经系统 - 神经系统的概述；研究方法：磁共振成像；病变方法；刺激方法；在大脑中定向；补充方法的工具箱 *第二部分：大脑如何与世界相互作用： +第5章：Vision +第6章：其他感觉 +第7章：运动系统 * ... *词汇表 *参考 * CREATINES * CREATINES * CREATINES *名称 *名称索引 *主题索引是在神经活动中固有编码的信息吗？通过检查大脑将世界图片缝合在一起的能力来解决这个发人深省的问题。记忆如何存储和检索？大脑为什么睡觉和梦想？大多数颅神经来自脑干，这在控制各种身体功能中起着至关重要的作用。小脑被强调为对运动协调和学习至关重要的区域。本章深入研究了人类大脑获得语言独特能力的奥秘。包括下丘脑和丘脑在内的双脑，在调节体温，饥饿和口渴中起着至关重要的作用。本章探讨了我们如何设定优先级，并强调了边缘系统在处理情感体验中的重要性。我们如何做出决定？大脑平衡稳定性与变化的能力对于决策至关重要。洞察力是通过检查尾脑（包括大脑皮层和基底神经节）来获得的。是什么引起思想和大脑的疾病？本章深入研究了围绕大脑功能和行为的复杂性。大脑和行为：在这个有趣的章节中穿越神经系统领域的旅程，我们深入研究了大脑功能的复杂性，探索我们的经历如何影响我们的神经途径。我们研究了硬线与世界经验的概念，讨论了动作电位如何通过髓鞘轴突传播，并受到经验变化的影响。然后，我们冒险进入神经科学领域，检查重组的机制以及竞争有限空间的局部神经元的作用。关于多发性硬化症的案例研究，强调了神经递质释放的重要性。研究方法，包括使用电极记录动作电位。本章还深入研究了快速变化的世界，讨论了揭露现有联系如何导致新增长的世界。我们探讨了在尖峰和解码尖峰中编码刺激的概念，突出了控制我们大脑功能的神经代码。进行了更大的研究，重点是添加新的外围物和了解神经元的种群。关键原则和条款概述了，提出了批判性思维的问题，并回顾了本章的全面概述。盲点：揭示我们的感知的隐藏方面152声称他可以踢足球189看到相同的对象不同的方式不同的方式：多稳定性152时间感知190双眼竞争：两只眼睛的不同图像：两只眼睛中的不同图像152结论193 193我们没有看到大部分的眼睛，我们看到了大部分的信息：在需要的情况下，请访问153键的范围153键154键154键键154键键154键键154键盘键入154键 by Embedding Prior Experience 156 Unconscious Inference 157 Activity from Within CHAPTER 7 The Motor System 196 Feedback Allows an Internal Model 157 LEARNING OBJECTIVES 196 Conclusion 158 STARTING OUT: “‘Locked-In Syndrome”' 198 Key Principles 159 Muscles 199 Key Terms 160 Skeletal Muscle: Structure and Function 199 Review Questions 161
Chameleo：利用人工智能检测变色龙行走方式
[4] Linda Evans、Fred Hardtke、Emily Corbin 和 Wouter Claes。2020 年。伪装的变色龙：在埃及 el-Hosh 遗址的新发现。《考古学和人类学》12，8 (2020)，1–9。[5] 欧洲宠物食品工业联合会 (FEDIAF)。2020 年。事实与数据 2020。https://www.fediaf.org/images/FEDIAF_Facts_and_Figures_2020.pdf [6] Martin S Fischer、Cornelia Krause 和 Karin E Lilje。2010 年。变色龙运动能力的进化，或如何成为树栖爬行动物。《动物学》113，2 (2010)，67–74。[7] Olivier Friard 和 Marco Gamba。 2016. BORIS：一款免费、多功能的开源事件记录软件，可用于视频/音频编码和实时观察。《生态学与进化方法》7，11（2016），1325–1330。[8] Klaus Greff、Rupesh K Srivastava、Jan Koutník、Bas R Steunebrink 和 Jürgen Schmidhuber。2016. LSTM：搜索空间漫游。《IEEE 神经网络与学习系统汇刊》28，10（2016），2222–2232。[9] Anthony Herrel、Krystal A Tolley、G John Measey、Jessica M da Silva、Daniel F Potgieter、Elodie Boller、Renaud Boistel 和 Bieke Vanhooydonck。2013. 缓慢但坚韧：变色龙奔跑和抓握能力分析。 《实验生物学杂志》216，6（2013），1025–1030。[10] Timothy E Higham 和 Bruce C Jayne。2004。蜥蜴在斜坡和栖木上的运动：树栖专化者和陆栖通才者的后肢运动学。《实验生物学杂志》207，2（2004），233–248。[11] Mayank Kabra、Alice A Robie、Marta Rivera-Alba、Steven Branson 和 Kristin Branson。2013。JAABA：用于自动注释动物行为的交互式机器学习。《自然方法》10，1（2013），64–67。 [12] Mary P Klinck、Margaret E Gruen、Jérôme RE del Castillo、Martin Guillot、Andrea E Thomson、Mark Heit、B Duncan X Lascelles 和 Eric Troncy。2018 年。通过随机临床试验，开发了供看护人/主人 MI-CAT (C) 使用的蒙特利尔猫关节炎测试工具，并对其初步效度和信度进行了评估。《应用动物行为科学》200 期 (2018)，第 96-105 页。[13] JB Losos、BM Walton 和 AF Bennett。1993 年。《肯尼亚变色龙的冲刺能力与粘着能力之间的权衡》。《功能生态学》(1993)，第 281-286 页。[14] Tom Menaker、Anna Zamansky、Dirk van der Linden、Dmitry Kaplun、Aleksandr Sinitica、Sabrina Karl 和 Ludwig Huber。 2020 年。面向数据驱动的动物行为模式自动分析方法。第七届动物-计算机交互国际会议论文集。1-6。[15] Nikola Mijailovic、Marijana Gavrilovic、Stefan Rafajlovic、M Ðuric-Jovicic 和 D Popovic。2009 年。从加速度和地面反作用力识别步态阶段：神经网络的应用。Telfor 杂志 1, 1（2009 年），34-36。[16] Hung Nguyen、Sarah J Maclagan、Tu Dinh Nguyen、Thin Nguyen、Paul Flemons、Kylie Andrews、Euan G Ritchie 和 Dinh Phung。2017 年。使用深度卷积神经网络进行动物识别和鉴别，用于自动野生动物监测。2017 年 IEEE 数据科学与高级分析国际会议 (DSAA)。IEEE，40–49。[17] Matthias Ott。2001 年。变色龙有独立的眼球运动，但在扫视猎物追踪过程中双眼会同步。实验脑研究 139，2（2001 年），173–179。[18] Veronica Panadeiro、Alvaro Rodriguez、Jason Henry、Donald Wlodkowic 和 Magnus Andersson。2021 年。28 款免费动物追踪软件应用程序回顾：当前功能和局限性。实验室动物（2021 年），1–9。[19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020. 揭示未知：使用深度学习实时识别加拉帕戈斯蛇类。动物 10, 5 (2020), 806。[20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan Shuman 和 Denise J Cai。2019. ezTrack：用于研究动物行为的开源视频分析流程。科学报告 9, 1 (2019), 1–11。[21] Talmo D Pereira、Diego E Aldarondo、Lindsay Willmore、Mikhail Kislin、Samuel SH Wang、Mala Murthy 和 Joshua W Shaevitz。2019. 使用深度神经网络快速估计动物姿势。自然方法 16, 1 (2019), 117–125。[22] Jane A Peterson。 1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1-42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用智能与信息学会议上。Springer，216-231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016. 您只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779-788。 [25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。一种新型活动监测器在评估猫的身体活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。实验动物（2021），1-9。 [19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020。揭示未知：利用深度学习实时识别加拉帕戈斯蛇种。动物 10, 5 (2020), 806。 [20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan S human 和 Denise J Cai。 2019. ezTrack：用于研究动物行为的开源视频分析管道。科学报告 9、1 (2019)、1-11。 [21] 塔尔莫·D·佩雷拉、迭戈·E·阿尔达隆多、林赛·威尔莫尔、米哈伊尔·吉斯林、塞缪尔·SH·王、马拉·穆尔蒂和约书亚·W·沙维茨。 2019. 使用深度神经网络快速估计动物姿势。《自然方法》16，1（2019），117–125。[22] Jane A Peterson。1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1–42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。 2016. 只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957. 世界上的现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019. 行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020. 新型活动监测器在评估猫身体活动和睡眠质量中的实用性。 Plos one 15, 7 (2020), e0236795。实验动物（2021），1-9。 [19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020。揭示未知：利用深度学习实时识别加拉帕戈斯蛇种。动物 10, 5 (2020), 806。 [20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan S human 和 Denise J Cai。 2019. ezTrack：用于研究动物行为的开源视频分析管道。科学报告 9、1 (2019)、1-11。 [21] 塔尔莫·D·佩雷拉、迭戈·E·阿尔达隆多、林赛·威尔莫尔、米哈伊尔·吉斯林、塞缪尔·SH·王、马拉·穆尔蒂和约书亚·W·沙维茨。 2019. 使用深度神经网络快速估计动物姿势。《自然方法》16，1（2019），117–125。[22] Jane A Peterson。1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1–42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。 2016. 只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957. 世界上的现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019. 行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020. 新型活动监测器在评估猫身体活动和睡眠质量中的实用性。 Plos one 15, 7 (2020), e0236795。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016 年。你只需看一次：统一的实时物体检测。在 IEEE 计算机视觉和模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界上现存的爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。 [27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。新型活动监测器在评估猫体力活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016 年。你只需看一次：统一的实时物体检测。在 IEEE 计算机视觉和模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界上现存的爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。 [27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。新型活动监测器在评估猫体力活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。