XiaoMi-AI文件搜索系统
World File Search System取平均值
脑电图在大脑和行为研究方面的百年应用
脑电图 (EEG) 是一种非侵入性神经成像技术，用于通过放置在头皮上的电极记录大脑的电活动。记录的信号，即脑电图（缩写为 EEG），是皮质神经元群（沿皮质柱排列的锥体细胞）中同步突触活动的产物。每个电极位置的电压波动反映了活动电极和参考电极之间的差分测量值，该差分测量值被放大并记录为 EEG 轨迹。这些电变化可以以高时间分辨率捕获，从而为了解亚毫秒范围内大脑活动的时间过程提供了一个窗口。EEG 在临床环境中被证明特别有用，因为某些异常的大脑功能病例会引起相对一致的 EEG 模式，这些模式可以被检测到。定量 EEG (qEEG) 促进了此类应用，定量 EEG 是应用数学技术提取 EEG 轨迹的数值特征以支持信号解释。 EEG 轨迹是癫痫的典型测试，可用于识别睡眠问题、确定大脑是活着还是死亡，或探测某些意识障碍。视觉诱发电位已用于诊断多发性硬化症（一种导致脱髓鞘的疾病），听觉诱发电位可检测新生儿的听力异常。通过将信号锁定在响应或外部刺激上并对多次试验的信号取平均值，可以提取与引起它的感觉、运动或认知事件特定相关的神经活动。这种技术经常用于监测整个发育过程中的大脑成熟度、精神疾病以及检查行为和药物治疗后的神经变化的研究。在学术研究中，EEG 通过对信号取平均值以及最近的单次试验分析，已被广泛用于探索与认知处理相关的基本问题，包括注意力、情绪、记忆和决策的研究。由于便携性和低成本，EEG 越来越多地用于现实环境、社区和其他神经成像工具过于昂贵或后勤不切实际的环境。利用 EEG 的商业应用也在不断增加，使大脑监测可供公众使用。它与人工智能、虚拟和增强现实等其他技术的结合，为与数字和物理世界的互动创造了新的可能性。脑机接口 (BCI) 的进展表明，EEG 可用于控制假肢和通信设备、提供神经反馈训练和促进身体康复。
FEMA：针对大样本全脑成像数据的快速高效混合效应算法
图 1 分箱对固定效应参数估计的均方误差 (MSE) 的影响。我们模拟了 2000 个具有 5 个固定效应（10,000 个观测值）的成像变量。然后，使用 20 个不同的箱值，我们使用 FEMA 估计参数并计算参数估计的平均（超过 50 次重复）平方误差。面板 (a) 中的黑色虚线表示五个固定效应中的每一个的总 MSE（跨 2000 个成像变量），而橙色实线表示五个固定效应的总 MSE 的平均值。我们观察到最小总 MSE 在箱值为 100（由绿线表示）时，而箱值为 20（由紫线表示）显示出可比的 MSE；面板 (b) 显示每个箱值所需的计算时间（跨 50 次重复取平均值）；箱值为 20（紫线）的计算时间是箱值为 100（绿线）所需计算时间的一小部分。请注意，两个面板的 x 轴都是非线性的。
试样几何形状对铸造和锻造钛基和镍基合金疲劳裂纹扩展速率的影响
假设线性弹性断裂力学，无论物体的几何形状如何，具有相同应力强度因子的两个裂纹将以相同的速率扩展。然而，在 GKN Aerospace，对铸件制成的 C(T) 和 Kb 试样进行疲劳裂纹扩展测试的结果显示，疲劳裂纹扩展速率存在明显差异，其中 Kb 试样中的裂纹比 C(T) 试样中的裂纹扩展得更快。这些观察到的差异已经过研究和量化。对于疲劳裂纹扩展测试，在 R = 0 的脉动拉伸下加载的破裂 Kb 试样的裂纹扩展速度是 C(T) 试样中裂纹的 3.6 倍，在所有测试温度和材料 Ti-64、Ti-6242 和 IN-718 上取平均值。使用锻造的 Ti-64 和 IN-718 制成的 C(T) 样品进行了新的疲劳裂纹扩展测试，并与锻件制成的 Kb 样品的疲劳裂纹扩展率进行了比较。发现锻件制成的 Kb 和 C(T) 样品之间的疲劳裂纹扩展率差异非常小。
机器学习方法改善了从轻度认知障碍到阿尔茨海默氏病的纵向预测
摘要：轻度认知障碍（MCI）是认知能力下降，可以表明阿尔茨海默氏病（AD）的未来风险。我们根据梯度增强的树集合方法开发并验证了机器学习算法（MLA），以分析55-88岁（n = 493）诊断为MCI的个体的表型数据。数据，并取平均值以预测24-48个月内的AD进展。MLA在大多数指标上的所有预测窗口上都超过了小型状态检查（MMSE）和三个比较模型。例外包括18个月时的灵敏度（MLA和MMSE分别达到0.600）；和30和42个月的灵敏度（MMSE略微更好）。对于所有预测窗口，MLA均达到AUROC≥0.857和NPV≥0.800。带有24-48个月lookahead时间范围的平均数据，MLA在所有指标上的表现都优于MMSE。这项研究表明，机器学习可能比护理标准提供更准确的风险评估。这可能有助于促进护理协调，减少医疗支出，并维持从MCI到AD的风险的患者的生活质量。
通过优化和机器学习提高 P300 拼写器的性能
脑机接口 (BCI) 是一种允许人们绕过周围神经系统 (PNS) 的自然神经肌肉和激素输出与环境互动的系统。这些接口记录用户的大脑活动并将其转换为外部设备的控制命令，从而为 PNS 提供额外的人工输出。在此框架中，基于 P300 事件相关电位 (ERP) 的 BCI 已被证明特别成功且稳定，ERP 代表特定事件或刺激后从大脑记录的电反应。通过分类算法确定 EEG 特征中是否存在 P300 诱发电位。线性分类器（例如逐步线性判别分析 (SWLDA) 和支持向量机 (SVM)）是 ERP 分类中最常用的判别算法。由于 EEG 信号的信噪比较低，因此需要执行多个刺激序列（即迭代），然后取平均值，然后对信号进行分类。然而，虽然增加迭代次数可以提高信噪比 (SNR)，但也会减慢该过程。在早期的研究中，迭代次数是固定的（不停止），但最近，文献中提出了几种提前停止策略，以便在满足某个标准时动态中断刺激序列，以提高通信速率。在
在高运动青年队列中进行数据救援，以实现稳健且可重复的大脑行为关系
图 1。描述运动排序和装袋程序的示意图。Shen 268 分割方案用于提取所有参与者的 fMRI 时间序列。执行清理时，如果其 rmsFD > 0.20 毫米，则在 fMRI 时间序列中识别出运动损坏的时间点 (T)。审查该时间点后，还会删除其前一个 (T – 1) 和两个后续 (T + 1, T + 2) 时间点。然后根据时间点的 rmsFD 值对其进行排序，并使用顶部 minTP 运动污染最少的时间点来计算功能连接（运动排序功能连接矩阵）。对于每个参与者，使用运动排序时间序列计算功能连接矩阵。使用清理后的时间序列执行装袋，方法是选择与预定义阈值（由 minTP 表示）匹配的受运动破坏最少的时间点（按其 rmsFD 值排序），并从 500 次迭代中的运动受限时间点中引导给定大小 TP 的样本（有替换地）并计算功能连接。对于每个参与者，平均装袋功能连接矩阵是通过对得到的 500 个功能连接矩阵（装袋功能连接矩阵）取平均值来计算的。
AERB 安全术语表 2022 版
其中，dE 表示电离辐射传递给体积元素中物质的平均能量，dm 表示体积元素中物质的质量。该能量可在任何定义体积上取平均值，平均剂量等于传递给该体积的总能量除以该体积的质量。吸收剂量的 SI 单位是焦耳/千克 (J.kg -1 )，称为戈瑞 (Gy)。 [1] 可接受限值 监管机构对事故的预测放射性后果（或发生事故时的潜在暴露）可接受的限值。 [1M] 加速器 一种加速带电粒子的装置。传统 X 射线管不视为加速器。 [2] 验收标准 用于评估结构、系统或部件执行其设计功能的能力的功能指标或状态指标值的规定界限。 [1] 事故 任何非预期事件，包括操作失误、设备故障和其他不幸事件，其后果或潜在后果从保护或安全的角度而言不可忽略。 [1] 事故条件 偏离正常运行的事件发生频率低于预期，但比预期的运行事件更严重，包括设计基准事故和设计扩展条件。 [1M] 事故管理 在事故发展过程中采取的一系列行动： (a) 防止升级为严重事故； (b) 减轻严重事故的后果
REMOTESENSING_9812765 1..10 - 科学
通过机载光学切片 (AOS, [1 – 10])，我们引入了一种宽合成孔径成像技术，该技术使用传统无人机对森林上方的图像进行采样。这些图像通过计算组合（注册到地面并取平均值）为积分图像，可抑制强遮挡并使隐藏目标可见。AOS 依赖于统计概率，即从多个角度看，森林地面上的某个点不会被植被遮挡，如 [2] 中的统计概率模型所解释的那样。可以进一步分析积分图像，以支持例如使用高级深度神经网络进行自动人员分类。在 [9] 中，我们已证明，在分类之前集成原始图像而不是合并原始图像的分类结果，在对空中热图像中部分遮挡的人进行分类时效果明显更佳（平均精度 92% vs. 25%）。在 [10] 中，我们展示了第一款基于 AOS 的全自动搜救无人机。与机载激光雷达 [11 – 14] 或合成孔径雷达 [15 – 18] 等替代方案相比，AOS 的主要优势在于，当部署在低成本片上系统计算机 (SoCC) 上进行遮挡消除时，其实时计算性能和高空间分辨率；它适用于其他波长，例如用于野生动物观察和搜救的远红外，或用于农业和林业应用的近红外。AOS 是被动的
高分辨率连续CMOS比较器的自动偏移校准方法
高精度，连续模拟比较器被广泛用于信号检测，警报保护和其他字段。提出了一种用于高分辨率连续CMOS比较器（CMP）的自动偏移校准方法。根据短输入格式CMP的第一个输出，校准逻辑将选择适当的例程来计算最佳的修复装饰位。添加了两个校准代码并取平均值以获取实际代码。这主要考虑到比较器翻转可能会延迟一定的事实，这会导致与最佳校准代码的偏差。可以通过平均搜索结果从低到高以及从高到低点来抵消搜索错误的这一部分。根据不同的设计需求，可以通过调整最小的N频道金属氧化金属 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物 - 氧化物（NMOS）与主输入对的相对比。电路实现基于使用5 V IO设备的110 nm闪存过程。分析和仿真结果表明，很容易实现少于1 mV的偏移，这适用于商业用途。所提出的自动偏移校准方法不会增加当前的消耗，并且可以轻松地转移到其他先进的技术流程，这使其有望将来使用。
开放数据复制 - Smith Scholarworks
基于大型队列的功能性 MRI 数据预测特征表型的努力因预测准确度低和/或效应量小而受到阻碍。尽管这些发现具有高度可复制性，但考虑到神经质和智力流体等表型特征的假定大脑基础，较小的效应量有些令人惊讶。我们旨在复制以前的工作，并另外测试多种数据操作，通过解决数据污染挑战来提高预测准确性。具体来说，我们添加了额外的 fMRI 特征，在多个测量中对目标表型取平均值以获得更准确的潜在特征估计，通过对多数分数进行欠采样来平衡目标表型的分布，并确定数据驱动的亚型以研究参与者间异质性的影响。我们的结果在更大的样本中复制了 Dadi 等人 (2021) 的先前结果。每次数据操作都会进一步导致预测准确性的小幅但一致的改进，当结合多种数据操作时，这些改进在很大程度上是累加的。与之前的研究相比，结合数据处理（即扩展的 fMRI 特征、平均目标表型、平衡目标表型分布）可使流体智力的预测准确度提高三倍。这些发现凸显了几种相对简单且低成本的数据处理的好处，这可能会对未来的工作产生积极影响。