XiaoMi-AI文件搜索系统
World File Search System噪声比
图像隐志
摘要 - 隐身是将秘密信息隐藏在其他媒体中的实践，例如图像，音频，视频和文本。在当今社会中，它变得越来越重要，作为实现私人和安全沟通的一种方式。该研究项目的重点是图像隐志技术，这些技术用于通过统计切解技术来逃避秘密信息的检测。这项研究的目的是比较和评估不同的图像隐志方法，研究其实施复杂性，并提出一个框架以改善当前方法。这项研究将比较不同的地理技术在避免通过stemansysis检测中的效率，并可能导致未来更好的隐身技术的发展。本文重点介绍了空间域中的三种密集志方法：最小显着的位（LSB），像素值差异（PVD）和基于边缘的数据嵌入（EBE）方法。使用这三种方法进行了一个简单的实验来对几个图像进行加密，并研究了使用均方误差（MSE）和峰值噪声比（PSNR）的LSB的失真度量。尽管在实验中认为LSB方法可以接受失真度量结果，但所有方法都会导致文件容量显着差异。这表明需要进一步增强加密的安全性，以便不会轻易发现秘密消息。因此，在本文中，我们在使用PVD加密之前，使用Morse Code，基础64，SHA-245和高级加密标准（AES）提出了一种概念化的增强。关键字 - 隐肌，切解分析，空间域，基于边缘的数据嵌入。
瑞士公众评估报告 – Elucirem
ADA 抗药物抗体 ADME 吸收、分布、代谢、消除 AE 不良事件 ALT 丙氨酸氨基转移酶 API 活性药物成分 AST 天冬氨酸氨基转移酶 ATC 解剖治疗 化学分类系统 AUC 血浆浓度-时间曲线下面积 AUC 0-24h 24 小时给药间隔内血浆浓度-时间曲线下面积 BLQ 低于定量限 BW 体重 CI 置信区间 CL 清除率 CM 造影剂 C max 观察到的药物血浆/血清最高浓度 CNR 对比噪声比 CNS 中枢神经系统 CT 计算机断层扫描 CYP 细胞色素 P450 DDI 药物相互作用 DOTA Tetraxetan（十二烷四乙酸） ECG 心电图 eGFR 估计肾小球滤过率 EMA 欧洲药品管理局 ERA 环境风险评估 FAS 完整分析集 FDA 美国食品药品管理局 GBCAs 钆基造影剂Gd 钆 GI 胃肠道 GLP 良好实验室规范 hERG 人类 ether-a-go-go 相关基因 HPLC 高效液相色谱法 IA 动脉内 IC/EC 50 半数最大抑制/有效浓度 ICH 国际协调委员会 Ig 免疫球蛋白 IMP 研究药物 INN 国际非专有名称 ITT 意向治疗 IV 静脉 LoQ 问题清单 MAH 营销授权持有人 Max 最大值 MDRD 肾脏疾病的饮食调整 Min 最小值 MRHD 最大推荐人体剂量 MRI 磁共振成像 N/A 不适用 NO(A)EL 未观察到（不良）影响水平 NSF 肾源性系统性纤维化 NYHA 纽约心脏协会
脑死亡的神经生理学迹象（脑电图和诱发潜力）：它们安全可靠吗？ *
脑电图（EEG）由汉斯·伯格（Hans Berger）在20年代和30年代引入。该技术首次允许从头皮记录活大脑的电活动。通过表面电极拾取的信号反映了下面皮质神经元的突触后电位的总和。为了增加信号噪声比（神经元以微伏的顺序产生非常小的电信号，即小于1伏的一百万倍！）differential amplifiers were created – that is amplifiers which make an electronic subtraction of the signals entering grid 2 from those entering grid 1 at the same instant (if they are of the same polarity they go therefore to 0, while if they are of opposite polarity they dou- ble in amplitude) – with the need of having two different electrodes (one exploring and one referential ) for each explored brain region which corre- sponds to one recording 渠道。为了同时覆盖整个大脑表面，多通道EEG机器已开发出多达250个用于研究目的的现代渠道。但是，对于临床应用，通常使用8至16个记录渠道。自开创性的日子以来，表明脑电图对产生它的神经细胞的状态具有很大的敏感性：此外，显示出几分钟内完全剥夺血液流动的eeg信号，随后是电力故障，随后是电气故障和细胞死亡，完全电气静音。在50年代，法国研究人员清楚地表明，在昏迷的大脑破坏患者中，脑电图是等电或平坦的。当存在这种脑电图以进行足够长时间的时间时，生存的预后是不利的。在接下来的几年中，逐渐引入了大脑死亡临床状况的概念，并且证明当前时，它总是与等质，平坦的脑电图模式相关。
利用人工智能（AI）技术探究CT图像重建方法的物理特性
目的：我院于2021年2月引进的计算机断层扫描（CT）设备增加了利用人工智能（AI）技术的新型图像重建方法。这种重建方法被称为深度学习重建（Deep Learning Reconstruction，以下简称DLR），佳能称之为高级智能Clear-IQ引擎（Advanced intelligent Clear-IQ Engine，以下简称AiCE）。本研究的目的是评估各重建方法的物理特性和实用性，例如利用AI技术的新型图像重建方法AiCE和目前我院使用的迭代重建方法自适应迭代剂量减量3D（以下简称AIDR 3D）。 方法：通过（1）噪声评估（使用径向频率法测量噪声功率谱（NPS））、（2）低对比度分辨率评估（使用自制模型测量对比度噪声比（CNR））和（3）空间分辨率评估（使用圆边缘法测量调制传递函数（MTF））（1）来评估物理特性。假设成像条件为腹部区域，改变管电流来比较四种重建方法（滤波反投影 (FBP)、AIDR 3D Mid、AIDR 3D 增强 Mid 和 AiCE Body Mid）。 结果：在 NPS、CNR 和 MTF 测量中，AiCE 通常在所有 mAs 值下均显示出最佳结果。然而，在 NPS 测量的低频区域，AiCE 与其他重建方法相比并没有表现出显著差异。 此外，当比较 AIDR 3D 和 AiCE 的重建时间时，AiCE 所花的时间是 AIDR 3D 的 3 到 4 倍。 结论：本研究中，AiCE 在腹部条件下检查的三个物理特性方面优于 AIDR 3D，并且在图像质量方面有用。然而，在考虑重建时间时，需要考虑AiCE图像的运行可能会影响检查进度的可能性。
使用静音梯度线圈进行安静 T1 加权 7T 脑成像的图像质量和受试者体验
摘要 目的：磁共振成像 (MRI) 中的噪声会对患者产生负面影响。我们评估了以 20 kHz 切换的静音梯度线圈与 7 T 1 加权磁化制备的快速梯度回波 (MPRAGE) 序列的结合。方法：五名健康受试者（21-29 岁；三名女性）之前没有接受过 7-T MRI 检查，分别接受了两次安静 MPRAGE (Q-MPRAGE) 和常规 MPRAGE (C-MPRAGE) 序列。两名神经放射科医生对图像质量进行了定量和定性评估。所有受试者在每个序列之后立即以及整个检查（延迟）后（0-10 的量表）客观测量声级并主观评分。所有受试者还报告了舒适度、总体体验和再次接受该序列的意愿。结果：与 C-MPRAGE 相比，Q-MPRAGE 具有更高的信噪比 (10%；p = 0.012) 和更低的对比噪声比 (20%；p < 0.001)，并且图像质量良好。Q-MPRAGE 产生的噪音水平低 27 dB (76 对 103 dB)。受试者报告 Q-MPRAGE 的即时 (4.4 ± 1.4 对 6.4 ± 1.3；p = 0.007) 和延迟 (4.6 ± 1.4 对 6.3 ± 1.3；p = 0.005) 的噪音水平较低，而他们评定的舒适度 (7.4 ± 1.0 对 6.1 ± 1.7；p = 0.016) 和总体体验 (7.6 ± 1.0 对 6.0 ± 0.9；p = 0.005) 较高。再次接受该序列的意愿也更高，但并不显著（8.1 ± 1.0 对比 7.2 ± 1.3；p = 0.066）。结论：与 7 T 的 C-MPRAGE 相比，使用静音梯度线圈的 Q-MPRAGE 可将声级降低 27 dB，同时具有可接受至良好的图像质量以及更安静、更愉快的受试者体验。关键词：声学、健康志愿者、磁共振成像、神经成像、噪音
MRI图像使用U-NET和图像处理技术
Kush Vora Ninad Mehendale *计算机工程系电子系K.J Somaiya工程学院K.J.Somaiya工程学院孟买，印度孟买，印度kush.v@somaiya.edu ninad@somaiya.edu摘要 - 脑肿瘤是死亡的主要原因之一，因此，尽早诊断它们至关重要。 MRI是检测肿瘤的最有效诊断工具。 但是，热噪声，温度波动和其他伪影可能会产生嘈杂的MRI扫描，从而导致诊断不准确。 深度学习算法与图像处理技术结合使用，已在各种医学成像任务中有助于增强MRI图像。 我们的工作提出了一个带有两个编码器码头对的U-NET体系结构，用于降解MRI扫描，该扫描在通过注入合成高斯噪声生成的数据集上进行了细微的调整。 该模型将峰信号与噪声比（PSNR）从11.90提高到30.96。 提出的工作还提供了经验证据，表明拟议的deoising策略可将脑肿瘤的预测准确性提高近23％。 使用U-NET开发的去核技术将使放射科医生和计算机辅助诊断系统（CAD）在精确诊断疾病中通过产生清洁剂和更清晰的MRI扫描来使其受益。 关键字 - 图像增强，脱氧，U-NET，脑肿瘤，高斯噪声I. i ntroduction a脑肿瘤是一团异常的脑细胞。 封闭人脑的头骨非常坚硬，因此在这个紧密区域内的任何发展都会导致重大并发症。 随着这些肿瘤的生长，头骨内部的压力会增加，从而导致脑损伤。Somaiya工程学院孟买，印度孟买，印度kush.v@somaiya.edu ninad@somaiya.edu摘要 - 脑肿瘤是死亡的主要原因之一，因此，尽早诊断它们至关重要。MRI是检测肿瘤的最有效诊断工具。但是，热噪声，温度波动和其他伪影可能会产生嘈杂的MRI扫描，从而导致诊断不准确。深度学习算法与图像处理技术结合使用，已在各种医学成像任务中有助于增强MRI图像。我们的工作提出了一个带有两个编码器码头对的U-NET体系结构，用于降解MRI扫描，该扫描在通过注入合成高斯噪声生成的数据集上进行了细微的调整。该模型将峰信号与噪声比（PSNR）从11.90提高到30.96。提出的工作还提供了经验证据，表明拟议的deoising策略可将脑肿瘤的预测准确性提高近23％。使用U-NET开发的去核技术将使放射科医生和计算机辅助诊断系统（CAD）在精确诊断疾病中通过产生清洁剂和更清晰的MRI扫描来使其受益。关键字 - 图像增强，脱氧，U-NET，脑肿瘤，高斯噪声I. i ntroduction a脑肿瘤是一团异常的脑细胞。封闭人脑的头骨非常坚硬，因此在这个紧密区域内的任何发展都会导致重大并发症。随着这些肿瘤的生长，头骨内部的压力会增加，从而导致脑损伤。脑肿瘤分为两种不同类型。恶性（癌）和良性（非癌症）。这些肿瘤进一步分为原发性和继发性肿瘤（转移性肿瘤）。原发性脑肿瘤起源于大脑内部，但是当癌细胞从其他器官传播到大脑（肺部到大脑）时，转移性脑肿瘤就会发展。绝大多数原发性脑肿瘤都不癌。死亡率的第十个主要原因是脑肿瘤。在2020年，全球估计，有251,329人死于原发性恶性脑和中枢神经系统（CNS）肿瘤。今天在美国，估计有70万人受到原发性脑肿瘤的影响。这些肿瘤可能是致命的，并对生活质量产生重大影响。女性比男性更有可能获得任何类型的大脑或脊髓肿瘤，而男性则更有可能患上恶性肿瘤。这主要是因为某些类型的肿瘤在一种性别或另一种性别中更为普遍（例如，脑膜瘤在女性中更为常见）。患有恶性大脑或中枢神经系统肿瘤患者的5年生存率
使用信号推导和聚合功能的基于电动机的大脑计算机接口
摘要 - 大脑计算机接口（BCI）技术是人脑和外部设备之间通信的流行方法。BCI最受欢迎的方法之一是运动图像（MI）。在BCI应用中，电型图（EEG）是对脑动力学的非常流行的测量，因为其无创性质。尽管对BCI主题具有很高的兴趣，但由于在EEG信号中执行模式识别任务的困难，现有系统的性能仍然远非理想。这种困难在于选择正确的脑电图通道，这些信号的信号噪声比以及如何辨别它们之间的冗余信息。BCI系统由多种组件组成，这些组件可以执行信号预处理，特征提取和决策。在本文中，我们定义了一个新的BCI框架，称为增强的融合框架，我们提出了三种不同的想法来改善现有的基于MI的BCI框架。首先，我们包括信号的附加预处理步骤：EEG信号的差异化，使其具有时间不变。其次，我们添加了一个额外的频带作为系统的特征：感觉运动节奏频段，并显示了它对系统性能的影响。最后，我们对如何在系统中做出最终决定做出了深入的研究。我们提出了多达六种类型的不同分类器和广泛的聚合函数（包括经典聚合，Choquet和Sugeno积分及其扩展和重叠函数）的用法来融合所考虑的分类器给出的信息。我们已经在20名志愿者的数据集上测试了这一新系统，该数据集执行基于运动图像的脑部计算机接口实验。在此数据集上，新系统达到了88。精度的80％。我们还提出了一个最高可获得90％占76％的系统的优化版本。此外，我们发现这对choquet/sugeno积分和重叠功能是提供最佳结果的功能。
经典图像到量子图像的转换、表示、处理和降噪
Shyam R. Sihare 博士 APJ 阿卜杜勒卡拉姆政府学院，计算机科学与应用系，印度西尔瓦萨 电子邮件：shyams_sihare1979@rediffmail.com 收到日期：2022 年 3 月 31 日；修订日期：2022 年 4 月 19 日；接受日期：2022 年 5 月 27 日；发表日期：2022 年 10 月 8 日 摘要：量子计算机和经典计算机的图像表示截然不同。在经典计算机中使用位。然而，在量子计算机中使用量子位。在本文中，量子图像表示与经典图像表示相似。为了表示量子图像，使用了量子位及其相关属性。量子成像以前是通过叠加完成的。因此，使用叠加特征实现量子成像。然后使用酉矩阵来表示量子电路。对于量子表示，我们选择了一张适度的图像。为了创建量子电路，使用了 IBM 的 Qiskit 软件和 Anaconda Python。在 IBM 实时计算机和 Aer 模拟器上，运行了 10,000 次的量子电路。IBM 实时计算机中的噪声比 IBM Aer 模拟器中的噪声降低得更多。因此，Aer 模拟器的噪声和量子比特误差高于 IBM 实时计算机。量子电路设计和图像处理均使用 Qiskit 编程完成，该编程是本文末尾的附录。随着拍摄次数的增加，噪声水平进一步降低。当图像以较低的拍摄次数运行时，噪声和量子比特误差会增加。通过电路计算拍摄次数增加完成的量子图像处理、降噪和误差校正。量子图像处理、表示、降噪和误差校正都利用了量子叠加概念。索引词：Aer 模拟器、实时量子计算机、量子图像、量子图像像素、叠加、量子力学。
非对称自旋回波多回波平面成像（...
在血氧水平依赖性 (BOLD) 对比度的功能性磁共振成像 (fMRI) 中，梯度回忆回波 (GRE) 采集具有高灵敏度，但会遭受磁化引起的信号丢失，并且缺乏对微血管的特异性。相反，自旋回波 (SE) 采集以降低灵敏度为代价提供了更高的特异性。本研究引入了非对称自旋回波多回波平面成像 (ASEME-EPI)，该技术旨在结合 GRE 和 SE 的优点，用于高场临床前 fMRI。ASEME-EPI 采用自旋回波读数，然后是两个非对称自旋回波 (ASE) GRE 读数，提供初始 T2 加权 SE 图像和后续 T2 ∗ 加权 ASE 图像。在 9.4 T 临床前 MRI 系统上实施了该技术的可行性研究，并使用北方树鼩的视觉刺激进行了测试。将 ASEME-EPI 与传统 GRE 回波平面成像 (GRE-EPI) 和 SE 回波平面成像 (SE-EPI) 采集进行比较，结果表明，ASEME-EPI 实现了与 GRE-EPI 相当的 BOLD 对比噪声比 (CNR)，同时在激活图中提供了更高的特异性。ASEME-EPI 激活更多地局限于初级视觉皮层 (V1)，而 GRE-EPI 则显示激活超出了解剖边界。此外，ASEME-EPI 还展示了在 GRE-EPI 遭受信号丢失的严重场不均匀区域中恢复信号的能力。ASEME-EPI 的性能归因于其多回波特性，允许 SNR 优化的回波组合，从而有效地对数据进行去噪。初始 SE 的加入也有助于在易受敏感伪影影响的区域恢复信号。这项可行性研究证明了 ASEME-EPI 在高场临床前 fMRI 中的潜力，在解决高场强下 T2 ∗ 衰减的挑战的同时，在 GRE 敏感性和 SE 特异性之间提供了一种有希望的折衷方案。
小鼠脑扩散张量成像的技术
在小鼠脑jiang-yang Zhang博士中进行扩散张量成像的技术。 NMR研究助理教授Russell H. Morgan放射学科学系Johns Hopkins大学医学院神经科学研究介绍，老鼠模型在促进我们对大脑及其疾病的知识方面发挥了重要作用。 要研究小鼠神经解剖学，尤其是由基因突变或病理引起的神经解剖学的变化，需要新颖的成像工具。 扩散张量成像（DTI）是一个很好的候选者，因为它可以可视化大脑中的白质（WM）结构，并已用于研究神经系统疾病，例如多发性硬化症和阿尔茨海默氏病。 即使DTI在诊所经常进行，但小鼠大脑的DTI仍然是一项艰巨的任务。 在总体积期间，小鼠大脑比人脑小约1000倍。 人脑DTI的当前分辨率约为每个像素1-2 mm。 为了实现相同的相对分辨率，我们需要使用特殊技术来实现小鼠脑DTI的分辨率为0.1-0.2 mm。 小鼠脑DTI的技术挑战在小鼠大脑的DTI中的主要技术挑战是实现高空间分辨率，同时保持令人满意的信号与噪声比（SNR）。 dTI被称为差的SNR技术，因为扩散加权图像中的信号幅度通过扩散敏化梯度减弱。 为了达到令人满意的SNR，大多数小鼠脑DTI实验都是在具有定制线圈的高场系统上进行的。在小鼠脑jiang-yang Zhang博士中进行扩散张量成像的技术。 NMR研究助理教授Russell H. Morgan放射学科学系Johns Hopkins大学医学院神经科学研究介绍，老鼠模型在促进我们对大脑及其疾病的知识方面发挥了重要作用。要研究小鼠神经解剖学，尤其是由基因突变或病理引起的神经解剖学的变化，需要新颖的成像工具。扩散张量成像（DTI）是一个很好的候选者，因为它可以可视化大脑中的白质（WM）结构，并已用于研究神经系统疾病，例如多发性硬化症和阿尔茨海默氏病。即使DTI在诊所经常进行，但小鼠大脑的DTI仍然是一项艰巨的任务。在总体积期间，小鼠大脑比人脑小约1000倍。人脑DTI的当前分辨率约为每个像素1-2 mm。为了实现相同的相对分辨率，我们需要使用特殊技术来实现小鼠脑DTI的分辨率为0.1-0.2 mm。小鼠脑DTI的技术挑战在小鼠大脑的DTI中的主要技术挑战是实现高空间分辨率，同时保持令人满意的信号与噪声比（SNR）。dTI被称为差的SNR技术，因为扩散加权图像中的信号幅度通过扩散敏化梯度减弱。为了达到令人满意的SNR，大多数小鼠脑DTI实验都是在具有定制线圈的高场系统上进行的。强磁场的缺点是它缩短了组织t 2，而加长组织t 1。高场系统比1.5特斯拉或3特斯拉磁铁具有更严重的场不均匀性。简短的T 2和场不均匀性使得通常用于临床DTI的回声平面成像（EPI）的采集类型，在高场系统上很难。除了分辨率挑战外，DTI数据通常还被受试者运动或梯度涡流引起的伪像所损坏。在体内实验期间的受试者运动可以通过更好的动物约束和呼吸触发来最小化。涡流可以通过调整梯度预先强调来显着降低。即使面临这些挑战，近年来，小鼠大脑的DTI也取得了许多进步。表1列出了几个DTI实验及其成像参数。在体内DTI获得的最佳分辨率约为0.1 mm x 0.1 mm x 0.5 mm [1]，EX Vivo DTI获得的最佳分辨率为0.02 mm x 0.02 mm x 0.02 mm x 0.3 mm [2]。应用程序分辨率和成像参数