XiaoMi-AI文件搜索系统
World File Search System外观的
新生儿和婴儿脑回声定量及其与后期神经发育结果和白质外观的关系：系统评价
CUS 被广泛用于监测 NICU 新生儿的脑损伤；然而，它受到观察者间图像解释差异的限制。我们根据 PRISMA 声明进行了系统评价，以评估脑回声的定量分析是否可以预测新生儿以后的神经发育 (a) 和 WM 出现 (b)。在 MEDLINE、Scopus 和 ISI Web of Science 数据库中搜索了符合条件的英文文章；使用了以下 MeSH 术语：“大脑”和“超声波检查”。在 ClinicalTrials.gov 网站上搜索了未发表的数据。所有发表时间截至 2023 年 1 月 30 日的研究，包括接受过一次或多次脑回声定量评估的患者。对两种结果中的每一种都进行了亚组分析。使用适当的 NIH 质量评估工具进行质量评估。共纳入八篇文章。 PBI 是预测神经发育最有前途的技术，其中 FP WM/BN 和 PO WM/BN 比率是与足月神经运动状态更相关的两个参数。TA 是预测 WM 出现的首选技术，其中 ASM、对比度和熵是能够更好地区分没有 WM 损伤的患者和将发生囊性 PVL 的患者。大多数纳入的研究质量较差。PBI 和 TA 似乎都是预测神经发育和 WM 出现的有前途的技术。然而，需要进一步进行高质量的研究来更好地确定这些方法的潜力。
光学透视显示器对增强现实中自我化身外观的影响
摘要虚拟和增强现实领域的显示技术会根据用户当前的观看条件影响人类表征的外观，例如远程呈现或娱乐应用中使用的化身。随着观看条件的变化，感知到的化身的外观可能会发生意想不到或不受欢迎的变化，这可能会改变用户对这些化身的行为并导致使用 AR 显示器时的挫败感。在本文中，我们描述了一项用户研究（N=20），其中参与者通过使用 HoloLens 2 光学透视头戴式显示器在镜子中看到自己站在自己的化身旁边。参与者的任务是在两种环境照明条件（200 勒克斯和 2,000 勒克斯）下将他们的化身的外观与他们自己的进行匹配。我们的结果表明，环境光的强度对参与者选择的虚拟形象的肤色有显著影响，肤色较深的参与者倾向于将虚拟形象的肤色调得较浅，几乎与肤色较浅的参与者的肤色相同。此外，尤其是女性参与者在环境光较亮的情况下会将虚拟形象的头发颜色调得较深。我们从技术限制和对光学透视显示器上虚拟形象多样性的影响的角度讨论了我们的研究结果。
光学透视显示器对增强现实中自我化身外观的影响
A BSTRACT 虚拟和增强现实领域的显示技术会根据用户当前的观看条件影响人类表征的外观，例如远程呈现或娱乐应用中使用的化身。随着观看条件的变化，感知到的化身外观可能会发生意想不到或不受欢迎的变化，这可能会改变用户对这些化身的行为并导致使用 AR 显示器时的挫败感。在本文中，我们描述了一项用户研究（N=20），其中参与者通过使用 HoloLens 2 光学透视头戴式显示器在镜子中看到自己站在自己的化身旁边。参与者的任务是在两种环境照明条件（200 勒克斯和 2,000 勒克斯）下将他们的化身的外观与他们自己的进行匹配。我们的结果表明，环境光的强度对参与者选择的虚拟形象的肤色有显著影响，肤色较深的参与者倾向于将虚拟形象的肤色调得较浅，几乎与肤色较浅的参与者的肤色相同。此外，尤其是女性参与者在环境光较亮的情况下会将虚拟形象的头发颜色调得较深。我们从技术限制和对光学透视显示器上虚拟形象多样性的影响的角度讨论了我们的结果。
使用传感器和机器学习对害虫昆虫外观的预测
摘要：如果农民不及时反应以抑制其传播，虫害昆虫的出现可能会导致产量损失。可以通过昆虫陷阱来监测昆虫的发生和数量，其中包括它们的永久游览和检查其状况。另一种有效的方法是在陷阱中设置带有相机的传感器设备，将陷阱拍摄并将图像转发到Internet上，其中有害生物昆虫的外观将通过图像分析预测。天气条件，温度和相对湿度是影响某些害虫出现的参数，例如Helicoverpa Armigera。本文提出了一种机器学习模型，该模型可以考虑到空气温度和相对湿度，可以每天在一个季节预测昆虫的出现。应用了几种用于分类的机器学习算法，并提出了其预测昆虫发生的准确性（高达76.5％）。由于根据测量进行测量的日子以时间顺序给出了测试的数据，因此将现有模型扩展，以考虑三天和五天的时间。扩展方法显示出更好的预测准确性和较低的错误检测百分比。在五天的情况下，受影响检测的准确性为86.3％，而虚假检测的百分比为11％。所提出的机器学习模型可以帮助农民检测害虫的发生，并节省检查领域所需的时间和资源。
文章对现实人形机器人中体现人工智能和外观的用户偏好进行建模
摘要：具有具身人工智能 (EAI) 的逼真人形机器人 (RHR) 在社会中具有广泛的应用，因为人脸是最自然的交流界面，人体是穿越地球人造区域的最有效形式。因此，开发具有高度人性化的 RHR 为人类提供了一个栩栩如生的容器，使人类能够以任何其他形式的非生物人类模拟无法超越的方式与技术进行物理和自然的交互。本研究概述了一项人机交互 (HRI) 实验，该实验采用了两个具有对比外观和个性的自动化 RHR。本研究中使用的选择性样本组由 20 个人组成，按年龄和性别分类以进行多样化的统计分析。皮肤电反应、面部表情分析和人工智能分析允许对生物特征和人工智能数据与参与者证词进行交叉分析，以具体化结果。这项研究的结论是，年轻的测试对象更喜欢外表年轻的 RHR 的 HRI，而年龄较大的测试对象更喜欢外表年长的 RHR。此外，女性测试组更喜欢外表年轻的 RHR 的 HRI，而男性测试对象更喜欢外表年长的 RHR。这项研究对于为具有 EAI 的 RHR 的外表和个性建模很有用，这些 RHR 适合特定的工作，例如照顾老人和为年轻、孤立和弱势群体提供社交陪伴。