XiaoMi-AI文件搜索系统
World File Search System向量图
svgeditBench：用于定量评估LLM SVG编辑功能的基准数据集
文本到图像模型近年来已显示出进展。随着这一进展，从文本中生成向量图也已提出。svg是向量图形的流行效果，SVG代表带有XML文本的场景。因此，大型语言模型可以直接处理SVG代码。考虑到这一点，我们专注于使用LLMS编辑SVG。用于定量评估LLMS编辑SVG的能力，我们提出了SVGeditBench。svgeditBench是评估LLMS编辑SVG代码能力的基准。在提议的基准下进行评估时，我们还显示了GPT-4和GPT-3.5结果。在实验中，GPT-4在定量和质量上都显示出与GPT-3.5的优势。该数据集可在https://github.com/mti-lab/svgeditBench上找到。
道路摩托车交叉点（桥梁）对植物物种多样性和生态属性产生负面影响
抽象问题：线性栖息地是陆生和水生的走廊，可以是自然的或人为的。在这里我们问：两种类型的线性栖息地（道路和河流）的交集如何影响植物物种的多样性，成分和生态属性？地点：法国南部。方法：我们研究了道路河交叉点（桥梁），以测试路边和河滨植物群落中物种的组成，α和β多样性以及对桥梁影响的反应。我们还使用空间预测因子（空间特征向量图）来评估桥梁是否影响定向空间过程（上游向上河轴）结构社区组成。结果：我们表明，桥梁周围的植被与物种组成和生态偏好以及α和β多样性的植被不同于桥梁。我们还发现，桥梁河流和道路植物群落中物种的生态偏好融合。由于不同的干扰方案，桥梁的物种β多样性的周转成分较低，因此导致生物均匀化。然而，我们的结果表明，桥梁对影响物种组成的方向空间过程的影响可以忽略不计。结论：桥梁作为河流和道路的植物社区选择力的强烈影响表明，不应忽略桥梁。我们的发现将有助于开发对两种类型的线性栖息地的更有效管理，以保护其托管的植物物种以及相关的生态功能和所提供的生态系统服务。
H-V2X：BEV感知的大型高速公路数据集
摘要。车辆到全部用途（V2X）技术已成为路边基础感知数据集，因此已成为研究领域。但是，这些数据集主要关注城市交叉点，并且缺乏公路方案的数据。此外，数据集中的感知任务主要是由于跨多个传感器的同步数据，因此主要是单声道3D。为了弥合这一差距，我们提出了高速公路-V2X（H-V2X），这是第一个大型高速公路鸟类视图（BEV）感知数据集，由传感器在现实世界中捕获。数据集覆盖了超过100公里的高速公路，并具有多种道路和天气状况。h-v2x由超过190万个BEV空间中的精细粒度分类样品组成，由多个同步摄像机捕获，并提供了矢量图。我们进行了联合2d-3d校准，以确保涉及正确的投影和Human劳动，以确保数据质量。此外，我们针对公路方案提出了三个高度相关的任务：BEV检测，BEV跟踪和轨迹预测。我们为每个任务进行了基准，并提出了包含向量图信息的创新方法。我们希望H-V2X和基准方法将促进BEV感知研究方向的高速公路。该数据集可从https://pan.quark.cn/s/86d19da10d18
QRS 环路的 3D 映射：心室电活动的可视化
本文介绍了用于分析和解释三维心动向量图 (VCG) 的创新可视化工具，重点关注心动周期的 QRS 波群。传统心电图 (ECG) 缺乏全面评估心脏所需的空间细节；然而，VCG 提供了心脏电活动的三维表示，让我们能够细致入微地了解心脏动力学。我们提出了五种不同的方法来表示空间 QRS VCG 环：(1) 跟踪心室去极化进展的未修改空间 VCG 环，(2) 便于跨个体和条件进行直接比较的固定比例 VCG 环，(3) QRS 环相对于 3D 空间中三个正交平面的方向。(4) 提供空间分布洞察的八分圆特定图，以及 (5) 强调方向运动同时标准化幅度的单位矢量和单位球体表示。每种方法在阐明正常和心脏病（例如前壁心肌梗死和下壁心肌梗死）中的心室电动力学方面都有独特的优势，突出了环路大小、传播方向、方向和形态的差异。这些方法共同为推进 VCG 研究和增强心脏功能的临床评估提供了一个强大的框架。初步研究结果突出了这些创新工具的潜力。
社论：人工智能在人体生理学中的应用
尽管人工智能 (AI) 作为一门学科已成立 60 多年，但由于计算机技术的进步、机器学习算法的改进、图形处理单元通用计算的发展、大数据访问的增加以及云计算的兴起等诸多原因，人工智能在二十一世纪的前二十年取得了迅速发展。人工智能已被用于解决生活中各个方面的各种挑战性问题，例如商业、教育、安全、医学（Topol，2019 年；Rajpurkar 等人，2022 年）以及本合集感兴趣的人体生理学。本合集的目的是广泛介绍人工智能应用于人体生理学各种生物系统，特别是心血管、呼吸和内分泌系统所取得的最新进展。四篇文章极大地展示了人工智能在解决先前已知的心血管系统诊断局限性方面的应用。在缺血性心肌病领域，Zhao 等人。提出了几种基于支持向量机的模型，使用计算出的样本熵、心电图 (ECG) 和心向量图的 ST-T 段的空间异质性指数和时间异质性指数作为输入特征，组合模型作为检测心肌缺血的非侵入性工具具有最佳分类器性能。在将人工智能应用于结构性心脏病的解释时，Bailoor 等人使用基于心音主成分和瓣膜状态的健康和狭窄主动脉瓣的“声学特征”训练了线性判别分类器，以检测主动脉瓣异常。在心电图诊断和心律失常解释的道路上，Brisk 等人展示了波分割如何成为一种有用的心电图表示学习形式，从而提高模型在下游任务上的性能。最后，Cámara-Vázquez 等人讨论了深度卷积神经网络和体表电位映射在确定心房颤动患者消融目标区域方面的潜力。