XiaoMi-AI文件搜索系统
World File Search System图像融合
用深度学习模型评估冠状病毒疾病的特征融合技术2019胸部X射线传感器图像识别
冠状病毒病的当前诊断方法2019（Covid-19）主要依赖于逆转录聚合酶链反应（RT-PCR）。但是，RT-PCR是昂贵且耗时的。因此，必须开发一种准确，快速且廉价的筛选方法，以诊断Covid-19。在这项研究中，我们将图像处理技术与深度学习算法相结合，以增强胸部X射线（CXR）传感器图像的Covid-19鉴定的准确性。对比度限制的自适应直方图均衡（CLAHE）用于提高不清楚图像的可见性水平。此外，我们研究了我们的图像融合技术是否可以有效地提高七个深度学习模型的性能（Mobilenetv2，Resnet50，Resnet152V2，Inpection-Resnet-V2，Densenet121，Densenet201，densenet201和Xpection）。提出的特征融合技术涉及将原始图像的特征与受Clahe的图像的特征合并，然后使用合并的功能来重新训练，测试和验证深度学习模型，以识别CXR图像中的Covid-19。为了避免图像的发生不匹配现实并确保高模型稳定性，没有进行数据增强。这项研究的结果表明，提出的图像融合技术可以改善分类评估指标，尤其是在两级和三级分数中深度学习模型的敏感性。灵敏度是指模型正确检测感染的能力。将X受感受与所提出的特征融合技术相结合时，达到了这项研究的最高精度。在三级分类中，该方法的准确性为99.74％，五倍交叉验证的平均准确性为99.19％。在两类分类中，上述方法的准确性为99.74％，五倍交叉验证的平均准确性为99.50％。结果表明，具有深度学习算法的提议的图像处理技术具有非凡的概括。
船舶驾驶室决策过程中的多传感器数据融合
数据融合涉及的领域非常广泛，很难给出一个精确的定义。人们提出了几种数据融合的定义。Pohl 和 Van Genderen (Wald, 1999) 定义“图像融合是使用某种算法将两个或多个不同的图像组合成一幅新图像”，但仅限于图像。Hall 和 Llinas (Wald, 1999) 定义“数据融合技术结合了来自多个传感器的数据以及来自相关数据库的相关信息，以实现更高的准确性和更具体的推断，而这些仅通过使用单个传感器就可以实现”。该定义侧重于信息质量和融合方法。根据这些定义，可以推断数据融合的目的应该是获得信息，希望至少可以改善图像的可视化和解释。
文章通过深度学习模型和放射组学方法实现阿尔茨海默病的计算机辅助诊断
摘要：本文针对阿尔茨海默病的诊断问题，结合深度学习与影像组学的方法，提出了一种基于改进的卷积神经网络模型和图像融合方法的阿尔茨海默病诊断分类模型，并与现有的网络模型进行了比较。在ADNI和PPMI数据库中收集了182例阿尔茨海默病患者，在单模态图像训练中AUC达到0.906，在融合图像训练中AUC达到0.941，证明了所提方法在融合图像上具有更好的性能。该研究对促进多模态图像在阿尔茨海默病诊断中的应用具有推动作用，基于多模态图像的融合图像数据集比单模态图像数据集具有更高的诊断准确率。深度学习方法和影像组学显著提高了阿尔茨海默病的诊断准确率。
基于形态学的机载激光雷达数据建筑物检测
摘要 激光雷达（lidar）技术的出现为三维建筑物检测提供了有前途的资源。由于去除植被的困难，大多数建筑物检测方法将激光雷达数据与多光谱图像融合以获取植被指数，而仅使用激光雷达数据的方法相对较少。然而，融合过程可能会导致分辨率和时间差异、阴影和高层建筑位移问题以及地理参考过程引入的误差。本研究提出了一种形态建筑物检测方法，通过逐步去除非建筑物像素来识别建筑物。首先，地面过滤算法将地面像素与建筑物、树木和其他物体分离。然后，分析方法使用大小、形状、高度、建筑物元素结构以及第一次和最后一次返回之间的高度差去除剩余的非建筑物像素。实验结果表明，该方法在奥斯汀市区的研究地点取得了不错的效果，总体准确率达到 95.46%。
可靠的轨道类型机器人的自主侦察系统，该系统可以在多层室内环境中克服楼梯
摘要：本文为轨道机器人提供了强大的自主导航和侦察系统，旨在处理带有楼梯的复杂多层室内环境。我们介绍了一种本地化算法，该算法将扫描匹配参数调整为可靠的位置，并在具有稀缺特征的环境中创建地图，例如狭窄的房间和楼梯。我们的系统还采用了一种路径计划算法，该算法可以计算出周围障碍物的距离成本，并与专门的PID控制器集成到该机器人的差分运动学，以在禁区中无碰撞导航。感知模块利用多图像融合和摄像机融合来准确检测和绘制机器人周围物体的3D位置实时。通过实际设置中的实际测试，我们已经证实了系统的性能可靠。基于这种可靠性，我们希望我们的研究团队的自动侦察系统将在实际灾难情况和环境中被列入，这些灾难和环境难以访问人类，从而做出了重大贡献。
第四届模式识别与人工智能国际会议（ICPRAI 2024）
主题领域 1 模式识别：数据聚类、领域自适应和泛化、信息检索、特征提取/选择和评估、统计模式识别、结构模式识别、时间序列处理 主题领域 2 计算机视觉：行为识别、深度处理和 3D 数据、面部和面部表情识别、人体姿势估计、图像融合、图像处理/分析、多模态模型（视觉 + 语言）、对象检测和识别、场景理解、分割、视频分析 主题领域 3 人工智能：因果推理、持续学习、专家系统、GAN 和扩散模型、生成式人工智能、图神经网络、可解释性和可解释人工智能、知识表示和表示学习、机器/深度学习、优化、强化学习、语义分析、不确定性预测、零样本和小样本学习 主题领域 4 应用：自主车辆、生物识别、脑机接口、脑启发计算、文档分析与识别、人机交互、医疗数据处理、自然语言处理、神经信息处理、里程计、机器人、社交计算、无人系统
光电子学与先进材料 — 快速通讯 第 11 卷，第 9-10 期，2017 年 9 月 -10 月，第 534 - 539 页 光电机载综合检测概率及评估方法 金郭 a,b,* ，张胜兵 a ，邱郑 c
针对机载光电系统探测性能难以评估的问题，本文提出了一种红外与微光传感器目标信息融合检测概率的定量计算方法，从目标与背景的辐射特性、探测器的传输特性和成像特性3个方面分析了影响目标检测概率的因素，建立了目标信息融合检测概率计算模型，基于模糊贝叶斯网络理论，根据机载光电传感器目标特点及威胁效果，给出了目标威胁评估的模糊贝叶斯网络模型。实验结果表明，当融合质量因子小于1时，融合图像的质量与源图像相比有所下降；通过贝叶斯网络算法得到了目标威胁，对威胁评估过程的仿真证明了模型的有效性和结果的可靠性。所提出的方法可以计算机载光电系统图像融合的目标检测概率，并对目标威胁进行评估。 （2017年3月30日收到；2017年10月10日接受）关键词：目标信息融合，检测概率，威胁评估，机载光电
复合检测概率及评估方法...
针对机载光电系统探测性能难以评估的问题，本文提出了一种红外与微光传感器目标信息融合检测概率的定量计算方法，从目标与背景的辐射特性、探测器的传输特性和成像特性3个方面分析了目标检测概率的影响因素，建立了目标信息融合检测概率计算模型，基于模糊贝叶斯网络理论，根据机载光电传感器目标特点及威胁效果，给出了目标威胁评估的模糊贝叶斯网络模型。实验结果表明，当融合质量因子小于1时，融合图像的质量与源图像相比有所下降；通过贝叶斯网络算法得到了目标威胁，对威胁评估过程的仿真证明了模型的有效性和结果的可靠性。本文提出的方法可以计算机载光电系统图像融合的目标检测概率，并对目标威胁进行评估。(2017年3月30日收到；2017年10月10日接受) 关键词：目标信息融合，检测概率，威胁评估，机载光电
基于车辆基础设施合作系统的不利天气的感知方法：评论
摘要：环境感知在自主驾驶技术中起着至关重要的作用。但是，诸如不利天气条件和传感设备的局限性等各种因素有助于低感知的准确性和有限的视野。因此，智能连接的车辆（ICV）目前只能在特定方案中实现自动驾驶。本文对当前有关图像或点云处理和合作感知的研究进行了分析，并总结了三个关键方面：数据预处理方法，多传感器数据融合方法以及车辆 - 基础结构合作感知方法。数据预处理方法总结了雪，雨和雾中点云数据和图像数据的处理。多传感器数据融合方法分析图像融合，点云融合和图像点云融合的研究。由于通信渠道资源有限，因此车辆 - 基础结构合作感知方法讨论了合作感知信息的融合和共享策略，以扩大ICV的感知范围，并实现感知信息的最佳分布。最后，根据现有研究的分析，本文提出了未来的研究方向，以在不利天气条件下进行合作感。
Belharra诊所配备了DA VinciX®手术机器人的最新一代和专用于
•Bayonne的Belharra诊所（64），RamsaySanté集团的建立，通过收购Da VinciX®手术机器人来增强其技术托盘。•该设备构成了清晰的自镜手术技术的明显改进，并允许减少侵入性干预措施，以减少住院持续时间和患者的术后疼痛。•该机器人目前用于泌尿外科癌症手术（肾脏，前列腺，膀胱）以及复杂的功能性手术，例如器官下降或pyelo-ure-ure-ure-urewnction综合征。到2025年，其使用将扩展到消化，胸腔，妇科和ENT手术。•作为巴斯克地区癌症管理的主要演员，贝哈拉诊所有前列腺课程。这是一条专门的途径，可为该地区的患者提供加速获得首次泌尿外科咨询，前列腺MRI和恰好针对的微型活检的途径。•ExactVU™是前列腺活检期间使用的微型超声靶向工具，允许非常精确的前列腺病变靶向，这要归功于MRI图像融合。•在Movember之际，贝尔哈拉诊所（Belharra Clinic）致力于预防男性癌症，为公众提高了意识。